回帰式 - ページ 4

新しいコメント
 
多項式の選択についてはどうでしょうか。
 
j21 20.09.2010 02:32 また、多項式の選択についてはどうでしょうか。

自由度の数が簡単で、依存性の種類がアプリオリに明らかであれば、何の問題もないと思うのですが......。

プライベートの 話。


Z.I. デザートアイランドを見逃しました。 意味のあるものを読みたいのですが・・・。

よくわからないが、この島は無主物圏に浮かんでいるようだ...。

そして、国民はその不滅性を妄信している。

イミフ。

 
FreeLance:

もう少し具体的に教えてください。

MOCは、研究者が先験的に選択した関数に対して最適なパラメータを推定する手法などと位置づけられている。

これらのパラメータは、プロキシ関数と実データの偏差の2乗を最小化する計算式を、様々な関数について導出した。

太い尻尾はどこに出るのでしょうか？

ご教示ください...

研究者が選んだモデルが実際の系列に対して適切でない場合、ファットテイルが発生する可能性があります。実データに対する回帰モデルの妥当性をチェックする標準的な方法は、残差分布である。残差とは、モデルデータに対する実データの偏差のことです。モデルが適切であれば、残差の分布は正規分布でなければならない。ANCはこれらの偏差の総和を最小化するが、残差の分布は必ずしも正規分布にならないが、シリーズの一部では正規分布になることもある。線形回帰はドリフトのあるSBモデルや、このモデルを満足する系列の一部で意味を持つ。もし、そのようなセグメントを終了する前に識別する方法を知っていれば、線形回帰は実用的な意味を持つ。また、ANMは選択したモデルのパラメータを拾い上げるだけで、モデル自体の妥当性を保証するものではありません。だから、MNCのせいではないのです。重要なのは、適切なモデルの選択とその正しいパラメータ化なのです。また、モデルは定常/非定常、異なる分布の和など、どのようなものでもよい。

詳しくはhttps://www.mql5.com/go?link=http://emm.ostu.ru/lect/lect6_2.html[hash]vopros11"回帰モデルの妥当性チェック" をご覧ください。

 
Avals:

研究者が選んだモデルが実際の系列に対して適切でない場合、ファットテイルが発生することがあります。実データに対する回帰モデルの妥当性の標準的なテストは、残差の分布である。残差とは、モデルデータに対する実データの偏差のことです。モデルが適切であれば、残差の分布は正規分布でなければならない。ANCはこれらの偏差の総和を最小化するが、残差の分布は必ずしも正規分布にならないが、シリーズの一部では正規分布になることもある。線形回帰はドリフトのあるSBモデルや、このモデルを満足する系列の一部で意味を持つ。もし、そのようなセグメントを終了する前に識別する方法を知っていれば、線形回帰は実用的な意味を持つ。また、ANCは選択したモデルのパラメータを拾い上げるだけで、モデル自体の妥当性を保証するものではありません。だから、MNCのせいではないのです。重要なのは、適切なモデルの選択とその正しいパラメータ化なのです。また、モデルは定常/非定常、異なる分布の和など、どのようなものでもよい。

詳細https://www.mql5.com/go?link=http://emm.ostu.ru/lect/lect6_2.html[hash]vopros11"回帰モデルの妥当性チェック".

私のために書いてくれたの？o)

先日、そんな話をしていたのですが...。

フリーランス 2010.09.19 15:52
数学
さて、多項式で近似したときの誤差の経験則的分布を求めます。そして、ノーマルと比較する。特に中心部ではなく、尾の部分に注目してください。

最適な（MNCの意味での）多項式パラメータを選ぶということでしょうか？

それとも、別の意味でベストなものを選ぶという話なのでしょうか？

あるいは、近似のための多項式の正しさについて？

私は、あらかじめ選択された関数のパラメータを計算するMNCが非効率であることの説明を求めました（結局、シックテイルの原因は不幸な関数にあるのかもしれません :)。

また、同じように簡単にパラメータを決定できる手順があれば、ぜひ教えてください。

でも、誤差に尾があるから、MNCはダメなんだ、という質問の形には驚きました...。

;)

このあたりは、違う考え方が推し進められてるんですねー。

数学

このような目標関数（誤差二乗和）は、誤差分布そのものが正規分布である場合にのみ 最適となる。

;)

 
FreeLance:

これ、私に書いたの？o)

先日もそう言っていたのですが...。

フリーランス 2010.09.19 15:52

引用されたものに対して書いたのではなく、賛成したまでです :)

 
Avals:

引用に反対ではなく、賛成ですらある :)

議論にご協力いただき、ありがとうございました。

しかし、アレクセイの問答は未解決のままだ。

ISCは、将来の誤差分布が正規分布であることが確実な場合のみ 適用するのですか？

例えば、「バイインを知る」...。

;)

 
FreeLance:

将来の誤差分布が正規分布であると確信できる場合のみ、ISCを適用してください。

;)

どうやら、測定誤差が正規分布していれば、MNCは最適なようです（ググってみると）。その他の誤差分布については、最小モジュラス法（誤差がラプラス分布）、最尤法（一般に誤差分布が分かっている場合）がある。MNCが常にベストとは限らない :)

しかし、私たちの場合はまだ誤差分布が未知数で...。

 

FreeLance:

将来の誤差分布が正規分布であることが確実な場合のみ、ANCを適用するのですか？


ガウシアンの場合のMNCは最尤法と同等であるというのは、Alexeyと同じ意見です。他のディストリビューションでは、もっとひどい、あるいはもっとひどい結果が得られます。そういえば、私が数学の 研究所に通っていた頃、先生方のお決まりの言葉で、いつも戸惑うのが、「この方が計算が楽だから（！！）、誤差分布はガウスと仮定しよう」でした。これらの方法の創始者（特にオイラー）でさえ、計算の単純化のために推論の論理を犠牲にすることの危険性を研究者に警告していたことを知る人は少ない。その結果、代替法の数学的装置が貧弱になり、すべて自分で中途半端にやって、工夫しなければならなくなった。親が工学部へ行かせてくれてよかった :)))

j21,

多項式の選択についてですが、個人的には3次、4次を超える意味はないと思っています。

 
Avals:

どうやら、測定誤差が正規分布していれば、MNCは最適なようです（ググってみると）。その他の誤差分布については、最小モジュリ法（誤差がラプラス分布）、最尤法（一般に誤差分布が分かっている場合）があります。MNCが常にベストとは限らない :)

確かに、私たちの場合、誤差の分布はまだ不明ですが...。

この意味は、「もっともらしい」関数を近似すればいい のであって、何でもいいというわけではない...。

の4度。

;)

 

図解で説明しましょう。


追伸：念のため説明しますと、この図は、1回の強い射出でMNCがどうなるかを明確に示しています。もちろん、ここではわかりやすくするために、射出がかなり目立つようになっているようだ。

1234567891011...16
新しいコメント