ベルヌーイ、モアブ・ラプラスの定理、コルモゴロフ基準、ベルヌーイ方式、ベイズの公式、チェビシェフ不等式、ポアソン分布則、フィッシャー、ピアソン、スチューデント、スミルノフ等の定理、モデル、数式を使わない平易な言葉。 - ページ 5 12345678910 新しいコメント Sceptic Philozoff 2011.12.10 22:11 #41 前に進みましょう。局所的なモアブ・ラプラスの定理。同じ場所からの写真。 写真は、試行回数が増えるにつれて、二項度数分布が正規分布に近づく、つまり、ガウス曲線（ベル）のようになる様子を示しています。そして、近似誤差の定性的な推定まである。したがって、例えば、n=200のサイコロを振って、m0=20からm1=30の5が出る確率はどれくらいか（5が出る確率は1/6であることを思い出す）を計算したい場合、階乗で11個の数字を合計する必要はなく、すでに知っている式で対応する曲線下面積を計算すればよいことになります。数式は面倒なのでここでは割愛します。 実は、パソコンが普及した現代では、この定理は実用的な計算にはあまり使えないのですが、200年前にはかなり関係があったのです。また、正規分布は上下に研究されており、扱いやすいことから、理論研究においても重要な役割を担っている。 さらに、トピックスターターでは宣言されていませんが、正規分布について、お話します。 Юсуфходжа 2011.12.11 00:29 #42 Mathemat:もちろん、引っ張りだこではなく、せめてチャウダーくらいは作りたいのですが...。でも、まだ誰も助けてくれないような状態です。五つ星の料理人が一人しかいないなら、何が五つ星なんだ？横軸は、テストシリーズ全体の成功数。縦軸は相対度数、つまり全試行回数に占める成功回数の割合である。二項分布が正規分布に近くなるのは、n*p >= 5のときだけでなく、pが1に近づきすぎてはいけないという追加条件もあります。まあ、例えば、p~0.5で、n~10はもうかなり似ていますね。自分で始めると同時に、なぜPearsonディストリビューションが必要なのか、自作 派の人たちに説明してみてください。私は、あなたが私に話しかけるまで、その存在すら知りませんでした...。また、ポアソン分布や正規分布（どちらもかなり実用的な分布です）を球形の馬「ピアソン分布」で表現する理由も説明してください。でも、ガンマ分布は考えておくよ。そんな単純な話じゃないんです。でも、コルモゴロフ基準は絶対に最後のほうにあるはずです。チェビシェフ不等式は、かなり大雑把な見積もりにしか必要ない。すべてそのままにしておいて、私たちが学んだことをもとに説明できることを選んでいきます。 ピアソン分布は、別名χ2分布と呼ばれています。カイ二乗分布はガンマ分布の特殊なケースであり、http://risktheory.ru/distr_images/gammadis.gif は指数分布によってモデル化されています。ガンマ分布の確率変数の値は、指数関数的な確率変数の独立した実測値でシミュレートされ、指数関数的な確率変数の値は、法則と一様分布でシミュレートされます。 区間 [0,1] に一様分布し、MO = 0.5 の確率変数の値をモデル化することは、最近のほとんどのプログラミングシステムで利用可能です。例えば、VBAではRnd()関数が、PascalやDelphiではrandom関数がこの役割を担っています。このように、ガンマ分布は通常の分布と関係があり、その起源は通常の一様分布であり、この分布の複雑な状況で適用され、その中には間違いなくマーケット、特にFXが含まれます。したがって、モニター画面に向かっているすべてのトレーダーが、習慣的に、自分は0.5の確率でマーケットと勝負していると思っていても、自分が直面しているのがガンマ分布であり、プラスの結果が出る確率がかなり低いことに気づいていないのは偶然ではありません。ガンマ分布は、トレーダーにとって身近なフィボナッチ数によって説明することができます。フィボナッチ数は、次の桁が前の2つの数字の和で形成されるという性質があり、ガンマ関数は、かなり考慮して、系列のすべての桁の値の積で形成されるという、相場に典型的な数字です。数列の特性を積分するものとして、ガンマ関数より弱いフィボナッチレベルの 可能性をすでに知っているのですから、その威力を実感してください。ガンマレベルがFXに登場する日はそう遠くないと思いますし、もしかしたら、このコンセプトを最初にマーケットに紹介したのは、私自身であることを皆さんは覚えているかもしれません。 Sceptic Philozoff 2011.12.11 00:59 #43 検索してみたら、こんな のがありました。カイ二乗とガンマはピアソン分布の特殊なケースなんですね。 ここでピアソン分布の話をする理由は、このような深い真空球状馬の実用的な有用性を、この枝の読者に説明できないからである。 ここでは必ずカイ二乗の話をします。 そうですね、ガムテの話もできるかもしれませんね。 パラメータbを持つ独立な指数分布型確率変数n個の和は、パラメータb, nを持つアーラン分布に従う。 Юсуфходжа 2011.12.11 01:37 #44 Mathemat: 検索してみたら、こんな のがありました。カイ二乗とガンマはピアソン分布の特殊なケースなんですね。 ここでピアソン分布の話をする理由は、このような深い真空球状馬の実用的な有用性を、この枝の読者に説明できないからである。 ここでは必ずカイ二乗の話をします。 そうですね、ガムテの話もできるかもしれませんね。 パラメータbを持つ独立な指数分布型確率変数n個の和は、パラメータb, nを持つアーラン分布に従う。 さて、この2パラメータアーラン分布が 導入された経緯と理由は記事（https://www.mql5.com/ru/articles/250）をご覧いただくとして、式（18）の本文に私が導入した別の2パラメータ分布が登場します。 Роман 2011.12.11 02:28 #45 yosuf: さて、この2パラメータアーラン分布が 導入された経緯と理由は記事（https://www.mql5.com/ru/articles/250）をご覧いただくとして、式（18）の本文に私が導入した別の2パラメータ分布が登場します。 ユセフ、さっきから誰と話してるんだ？ Sceptic Philozoff 2011.12.11 02:49 #46 yosuf: さて、この2パラメータアーラン分布と、もう一つ紹介した2パラメータ分布が、どのような経緯で（18）式の本文に導入されたかは、記事（https://www.mql5.com/ru/articles/250）をご覧ください。 もう一回見てみるよ。しかし、この記事にはテーバーについて何も書かれていないのに、どうしてこのような確率分布に なったのか、まだ理解できません...。 Юсуфходжа 2011.12.11 04:25 #47 Mathemat: もう一回見てみるよ。記事にはテーバーについて何も書かれていないのに、どうしてこの確率分布になったのか、未だに理解できません...。 このことは、現象の解析結果を解釈する際に、物質収支方程式の解とテルバーの規則性が一致し、相互に補完し合っていることを示している。 John 2011.12.11 07:47 #48 Mathemat: とおっしゃいましたね。正規分布の生成方法はいくつかありますが、例えばこちら。しかし、それらも一様な分布を基本としている。 もちろん、「直接」でもOKです。まず正規分布を生成し、その結果に対して正規分布の積分関数の逆関数を適用することにします。しかし、問題は同じで、まず一様なものを生成する必要があるのです。 優れたユニフォームジェネレーターは文献に記載されています。また、Windows用の最後の64bitのものも悪くなく、標準のC型よりずっといい。 でも、標準のものもなかなかですよ。とにかく、その「不自然さ」の効果は、そう簡単に見つかるものではありません。 ナチュラルノーマル......S さんには何が必要なんですか？ 必要ない理論家を理解したい人のために、なぜ自然な（人工的でない）分布が「正常」なのか、感じる必要がありますね。自然界ではどうなっているのか。理解すること（直感で感じること）が、定理で9割を理解することにつながるのです。99％の人は、理論の本質を感じず、公式を正しく適用する方法だけを学んでいるのです。例えば、私の場合、積分というものはなく、和があるだけです。自分を例えに出してしまったことをお許しください。でも今回は、私の学習方法をお伝えしているだけです。 John 2011.12.11 07:53 #49 yosuf: このことは、物質収支方程式の解とテルテル法の解が一致し、現象解析の結果を解釈する上で相互に補完し合っていることを示している。 ユセフ 申し訳ないのですが、私自身、科学にはいつも「ストレス」を感じています。Erlangのディストリビューションと何か関係があるのですか？ もう1つ「認識」を試してみましょう。用語が擦れるので、なぜ分布が違うのか、答えてください。他人が発見したNEWディストリビューションを登録するのは誰？これらのディストリビューションをすべて作り上げることができるのです・・・。を大量に作っても、誰も新しいものとして受け入れてはくれません。では、まだ知られていない新しいディストリビューションとはどのようなものでしょうか。 sergeyas 2011.12.11 09:23 #50 まずは、アレクセイのプレゼンから聞いてみよう。 Yusufさんや他の皆さんも、この件に関する知識を減らしたと受け取らないでください。 そうすると、用語が追加されたり、先走ったりして、シーケンスが乱雑になり始めるのです。 12345678910 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
前に進みましょう。局所的なモアブ・ラプラスの定理。同じ場所からの写真。
写真は、試行回数が増えるにつれて、二項度数分布が正規分布に近づく、つまり、ガウス曲線（ベル）のようになる様子を示しています。そして、近似誤差の定性的な推定まである。したがって、例えば、n=200のサイコロを振って、m0=20からm1=30の5が出る確率はどれくらいか（5が出る確率は1/6であることを思い出す）を計算したい場合、階乗で11個の数字を合計する必要はなく、すでに知っている式で対応する曲線下面積を計算すればよいことになります。数式は面倒なのでここでは割愛します。
実は、パソコンが普及した現代では、この定理は実用的な計算にはあまり使えないのですが、200年前にはかなり関係があったのです。また、正規分布は上下に研究されており、扱いやすいことから、理論研究においても重要な役割を担っている。
さらに、トピックスターターでは宣言されていませんが、正規分布について、お話します。
もちろん、引っ張りだこではなく、せめてチャウダーくらいは作りたいのですが...。でも、まだ誰も助けてくれないような状態です。五つ星の料理人が一人しかいないなら、何が五つ星なんだ？
横軸は、テストシリーズ全体の成功数。縦軸は相対度数、つまり全試行回数に占める成功回数の割合である。
二項分布が正規分布に近くなるのは、n*p >= 5のときだけでなく、pが1に近づきすぎてはいけないという追加条件もあります。まあ、例えば、p~0.5で、n~10はもうかなり似ていますね。
自分で始めると同時に、なぜPearsonディストリビューションが必要なのか、自作 派の人たちに説明してみてください。私は、あなたが私に話しかけるまで、その存在すら知りませんでした...。
また、ポアソン分布や正規分布（どちらもかなり実用的な分布です）を球形の馬「ピアソン分布」で表現する理由も説明してください。
でも、ガンマ分布は考えておくよ。
そんな単純な話じゃないんです。でも、コルモゴロフ基準は絶対に最後のほうにあるはずです。チェビシェフ不等式は、かなり大雑把な見積もりにしか必要ない。
すべてそのままにしておいて、私たちが学んだことをもとに説明できることを選んでいきます。
検索してみたら、こんな のがありました。カイ二乗とガンマはピアソン分布の特殊なケースなんですね。
ここでピアソン分布の話をする理由は、このような深い真空球状馬の実用的な有用性を、この枝の読者に説明できないからである。
ここでは必ずカイ二乗の話をします。
そうですね、ガムテの話もできるかもしれませんね。
パラメータbを持つ独立な指数分布型確率変数n個の和は、パラメータb, nを持つアーラン分布に従う。
検索してみたら、こんな のがありました。カイ二乗とガンマはピアソン分布の特殊なケースなんですね。
ここでピアソン分布の話をする理由は、このような深い真空球状馬の実用的な有用性を、この枝の読者に説明できないからである。
ここでは必ずカイ二乗の話をします。
そうですね、ガムテの話もできるかもしれませんね。
パラメータbを持つ独立な指数分布型確率変数n個の和は、パラメータb, nを持つアーラン分布に従う。
さて、この2パラメータアーラン分布が 導入された経緯と理由は記事（https://www.mql5.com/ru/articles/250）をご覧いただくとして、式（18）の本文に私が導入した別の2パラメータ分布が登場します。
ユセフ、さっきから誰と話してるんだ？
さて、この2パラメータアーラン分布と、もう一つ紹介した2パラメータ分布が、どのような経緯で（18）式の本文に導入されたかは、記事（https://www.mql5.com/ru/articles/250）をご覧ください。
もう一回見てみるよ。記事にはテーバーについて何も書かれていないのに、どうしてこの確率分布になったのか、未だに理解できません...。
とおっしゃいましたね。正規分布の生成方法はいくつかありますが、例えばこちら。しかし、それらも一様な分布を基本としている。
もちろん、「直接」でもOKです。まず正規分布を生成し、その結果に対して正規分布の積分関数の逆関数を適用することにします。しかし、問題は同じで、まず一様なものを生成する必要があるのです。
優れたユニフォームジェネレーターは文献に記載されています。また、Windows用の最後の64bitのものも悪くなく、標準のC型よりずっといい。
でも、標準のものもなかなかですよ。とにかく、その「不自然さ」の効果は、そう簡単に見つかるものではありません。
ナチュラルノーマル......S さんには何が必要なんですか？
このことは、物質収支方程式の解とテルテル法の解が一致し、現象解析の結果を解釈する上で相互に補完し合っていることを示している。
ユセフ 申し訳ないのですが、私自身、科学にはいつも「ストレス」を感じています。Erlangのディストリビューションと何か関係があるのですか？
もう1つ「認識」を試してみましょう。用語が擦れるので、なぜ分布が違うのか、答えてください。他人が発見したNEWディストリビューションを登録するのは誰？これらのディストリビューションをすべて作り上げることができるのです・・・。を大量に作っても、誰も新しいものとして受け入れてはくれません。では、まだ知られていない新しいディストリビューションとはどのようなものでしょうか。
まずは、アレクセイのプレゼンから聞いてみよう。
Yusufさんや他の皆さんも、この件に関する知識を減らしたと受け取らないでください。
そうすると、用語が追加されたり、先走ったりして、シーケンスが乱雑になり始めるのです。