как это не связаны? Нормальное распределение стационарно и приращения СБ распределенные по НР - стационарны, а я изначально говорил именно о приращениях. ...
Вы считаете что НР нестационарно? Или нельзя для каждого непрерывного распределения сказать - является оно стационарным или нет? :)
Несовсем понял что ты смоделировал и как получил тяжелые хвосты. Как я понял что просил аватара - никаких хвостов быть не должно. Возможно неправильно понял :( Приведи, пожалуйста хотя бы гистограмму полученного распределения и как моделировал
timbo уже 3 раз пишу одно и тоже. Да СБ сгененрированное на каком-то отрезке времени например 0-1000 (как на твоей картинке) F(t1000)- распределение и нормально и стационарно. мо=0, дисп=1000*Дисп_приращения. И в любой другой фиксированный промежуток времени распределение будет стационарным и нормальным, а дисперсия будет пропорциональна его длине. Но сам процесс СБ, как функция от времени F(t) не является не нормальным не стационарным. его мо так же будет=0 но дисперсия бесконечна. Для стационарного и НР, какое t не взять - дисперсия будет одинаковой и фиксированным числом- она не меняется во времени, что и есть условие стационарности.
как это не связаны? Нормальное распределение стационарно и приращения СБ распределенные по НР - стационарны, а я изначально говорил именно о приращениях.
...
Вы считаете что НР нестационарно? Или нельзя для каждого непрерывного распределения сказать - является оно стационарным или нет? :)
これは定常 性の定義ですが、どこに分布のことが書いてあるのでしょうか？定常性はプロセスの特性であり、分布の特性ではありません。プロセスには何らかの分布がある。正規分布を持つプロセスは、定常である場合もあれば、そうでない場合もあります。ディストリビューションには依存しない。もちろん、ある過程の定常性については、その分布を知るだけでは何も言えません。
SB自体について（増分の累積和として）：前の投稿であなたが説明した「重い尾
」はないでしょう。なぜなら、SB自体も正規分布であるが、1回の増分の場合（基準開始からの時間t）よりもt倍大きな分散を持つからである。はい、SB分布の分散は時間とともに増加し、この分布は実際には正規分布する独立した確率変数の和（増分）であり、リンク先の安定性の定義に相当します。例えば、3シグマ以上の重いテールですが、SBについては、特定の時点での分散を計算すれば（解析的に計算できます）、すべてが正規分布と同じになるのです。特定のパラメータ、すなわち有限分散とMoを持つ正規の
ものとなる。書く前に、Matlabでシミュレーション、つまり自分の言葉に責任を持つ。と、ここで適当にぼやいていますね。アバターが望んだように、増分の値を「時々」2倍にすると、「大きい」偏差の分散が大きくなり、尖度が大きくなります。当初は正規分布であっても、増分が正規分布でなくなる。しかし、SB自体はテールを持たず、SBは正規分布を持ち、増分の性質に関わらず、非定常であることがわかります。
ここに定常 性の定義がありますが、分布についての言葉はどこにあるのでしょうか？
それぞれの分布について、それが定常かどうか、同じ過程が定常的になるかどうかを調べればよいと言っているのです。そして、SBの増分は定常分布でモデル化されていると書きました。分布が例えば正規分布であれば、その過程は定常的である。正規分布する過程が非定常であることはあり得るか？
定常性はプロセスの特性であり、分布の特性ではありません。プロセスには何らかの分布がある。正規分布を持つプロセスは、定常である場合もあれば、そうでない場合もあります。ディストリビューションには依存しない。そしてもちろん、プロセスの分布だけを知っていても、その定常性については何も言うことはできない。
どこから持ってきたんだ？分布が正規分布になるような非定常過程の例を教えてください。
書く前に、Matlabでシミュレーションをしたわけですから、自分の言葉に責任を持つということです。と、ここで適当にぼやいていますね。アバターが望んだように、増分の値を「時々」2倍にすると、「大きい」偏差の分散が大きくなり、尖度が大きくなります。当初は正規分布であっても、増分が正規分布でなくなる。しかし、SB自体にはテールはないでしょう、SBは正規分布を持ち、増分の性質に関係なく、それこそ非定常的なものです。
何をどうモデリングして、どうやって重いテールを手に入れたのか、よくわからないのですが。アバターが要求していることを理解したように、尾はないはずです。おそらく誤解しているのでしょう :( 少なくとも、結果の分布のヒストグラムと、どのようにモデル化したかを教えてください。
SBは非定常でI(1)-第一差分は定常（増分）であることは書いたとおりです。また、定常的なものであり、ある一定時点の正規分布となる。瞬間t0では、分布は定常的で1つ、瞬間t1では別のものになります。しかし、時刻x=F(t)からのプロセスとしてのSB自身は定常ではなく、正規分布でもない。これは、t->infinityでその分散が無限大になるためである。最初の差分(増分)は正規分布している。前の記事で出典のリンクを貼りました。
Откуда ты это взял? Приведи пример нестационарного процесса, распределение которого будет нормальным.
ランダムウォークは正規分布を持つ非定常過程である。
分布は人の形、非定常性は身長です。太っている人は身長が高くなったり低くなったり（これが分布）、25歳まで伸びてその後は下がっていき、横幅も変化して年齢とともに太っていく、つまり非定常性です。しかし、成長は形とは関係ありません。
定常性は分布の性質ではなく、プロセスの性質である。
ランダムウォークは正規分布を持つ非定常過程である。
分布は人の形、非定常性は身長です。太っている人は身長が高くなったり低くなったり（これが分布）、25歳まで伸びてその後は下がっていき、横幅も変化して年齢とともに太っていく、つまり非定常性です。しかし、成長は形とは関係ありません。
定常性は分布の性質ではなく、プロセスの性質である。
t基準点からある定点におけるSBの増分と分布は、定常的で正規分布である。それらのために、時間の関数としてのSBとは対照的に、moと分散を計算することが可能である
Несовсем понял что ты смоделировал и как получил тяжелые хвосты. Как я понял что просил аватара - никаких хвостов быть не должно. Возможно неправильно понял :( Приведи, пожалуйста хотя бы гистограмму полученного распределения и как моделировал
でした。
(すなわち、｜y(i)-y(i-1)｜>= i番目のステップでの ヒーローの強さである場合、i+1ステップでの彼の生成強さ（マイナス-疑いを含む）は2倍でなければならない。
赤色でハイライトされているのはi-1でなければならず、そうでなければ常に等しくなる。つまり、生成されるインクリメントが十分に大きい場合は、それも2倍する必要があります。このため、増分が大きい領域でちょうど分散が大きくなり、テールが太くなる。
e(i) = s(i)-b(i) とする。
もし abs(e(i))> abs(e(i-1))
e(i) = e(i) * 2 とする。
しゅうりょう
値動きは完全に予測不可能である。我々は心理学を扱っているのであって、数学ではないし、どんな公式も役には立たない。
時間の関数としてのSBはHPではなく、非定常である。
あなたは掛け算表と議論しているのであって、私ではありません。そして、それは残念なことです。
ここで、増分が一様な分布を持つ1000個のランダムウォークを紹介します。正規分布ではないとモニターに頭をぶつけ続けることができる。そして、そろそろ飽きてきた。
値動きは完全に予測不可能であり、数学ではなく心理学を扱っているため、どんな公式も役には立たない。
矛盾してますね。もし「全く予測できない」のであれば、数式だけでなく、何も役に立ちません。そして、まだ希望があるとすれば、なぜかあなたの提案する心理学は数式で説明できる可能性が高いということです。
掛け算の表で議論しているのであって、私ではありません。そして、それは残念なことです。
ここに、増分が一様な分布を持つ1,000個のランダムウォークがある。正規分布ではないとモニターに頭をぶつけ続けることができる。そして、そろそろ飽きてきた。
timbo 同じことを書くのはこれで3回目です。ある時間間隔、例えば0-1000で生成されたSB(写真のように) F(t1000)- 分布は正規かつ定常である。また、それ以外の一定の時間間隔では、分布は定常的な正規分布となり、分散はその長さに比例することになります。しかし、SB過程自体は、時間の関数F(t)として、非正規非定常ではない。そのmoも0になるが、分散は無限である。定常性とHPの場合、どのようなtをとっても、分散は同じで固定数、つまり時間の経過とともに変化しないことが定常性の条件です。
timbo уже 3 раз пишу одно и тоже. Да СБ сгененрированное на каком-то отрезке времени например 0-1000 (как на твоей картинке) F(t1000)- распределение и нормально и стационарно. мо=0, дисп=1000*Дисп_приращения. И в любой другой фиксированный промежуток времени распределение будет стационарным и нормальным, а дисперсия будет пропорциональна его длине. Но сам процесс СБ, как функция от времени F(t) не является не нормальным не стационарным. его мо так же будет=0 но дисперсия бесконечна. Для стационарного и НР, какое t не взять - дисперсия будет одинаковой и фиксированным числом- она не меняется во времени, что и есть условие стационарности.
一般に、長さが変化するセグメントは正規分布になります。 SBはどのような分布をしていると思いますか？ これらの増分から離れ、別の角度からプロセスを見てください。 よく定義された限定されたベルが見えたとしても、それを形成するプロセスが定常であるとは限りません。