Есть набор экспериментальных данных Существуют ли какие-нибудь специальные методы для их аппроксимации функцией вида то есть как бы суммой гауссовских функций? Как можно найти неизвестные параметры ? МНК здесь вряд ли поможет, зависимости ведь нелинейные. Нет ли готовых научных исследований на эту тему? Если есть, скиньте пожалуйста ссылку. В...
だから、スムーズなんです。
)
ガウシアンミックスの近似値なんですが...。
)
ガウシアンミックスの近似値である...
ミックスによる近似は少し 違います。
)
ガウシアンの混合による近似値である...。
まあ、私が興味があるのは最終的な結果であって、個々のガウシアンではないんですけどね。
それから、Kobzarの「応用統計学」を探して、そこの第2章を見ることです（笑)。
見ましたが、「近似」という言葉すら見つかりませんでした)
総じて、不思議です。複雑な見積もり方法はいくらでもある。1つを除いて、最も明確で、シンプルで、正確な -近似値です。
もしかして、私の理解力が足りないのでしょうか？
調べてみましたが、「近似」という言葉すら見つかりませんでした)
変な感じです。世の中には、巧妙な見積もり方法がいくらでもある。ただし、最も明確で、最も単純で、最も正確な近似値である1つを除いて。
もしかしたら、私が何か理解していないのかもしれません。
膨大な数の様々な見積もりを出すことが可能です。そのうえで、最低限、その一貫性と不偏性を確立すればよいのです。これは、すべての「正確で、単純で、わかりやすい」推定量に当てはまるわけではなく、典型的な例として不偏分散推定量における分母n-1が挙げられる。
もし、既存の推定値も効率的で十分であるならば、新しい推定値の発明は全く無意味であるか、何らかの追加的な根拠が必要であるかのどちらかである。通常、これらは小さなサンプル、外れ値、欠損値などに対処するためのロバスト性の検討です。
意味するところは、時系列ではなく、正規分布に近いヒストグラムである。
ヒストグラムは「表形式のデータを グラフィカルに 表現する方法」（Wiki）であり、その内容については何も語っていないことまで、人々はここでどれだけ確率的アプローチに深入りしているのでしょうか。私が推測する限り、あなたは、ある事象x>xiの相対的（それらの総和に対する）サンプル頻度Hiの表について話しているのだと思います。そして、ある意味で誤差が最小になるように正規分布の確率の値に置き換えることについて。これらのパラメータ、期待値や分散を直接計算する公式の定義では、何が気に入らないのでしょうか？
表中のxiが等距離にある場合。
- の期待値は、すべての実現値の算術平均＝その表からÍiに等しい重みを持つ表の値の加重平均として単純に適合する。
- 分散 - 標準偏差の平方根として（重みは同じ Hi）、あるいは、より正確な推定を望むなら、標準偏差ではなく、標準偏差（n で割るか n-1 で割るかだけの違い）。標準偏差の推定は不偏である。
...
ここでは、X軸に、出発点から-10（左）から+10（右）まで、何歩離れたか、その確率を%で表示しています。各ステップで回る確率が何％だったかは、どうやって調べるのですか？
この例は、リフレクター付きの由緒あるガルトンボードをシミュレーションした結果である可能性が高いです。
何はともあれ、よく似ていますね。
は10で非常に妥当である
を持つマルコフ連鎖の反復（つまり「家」型ボード）。
0.75 0.25 0 0 ...0
0.25 0.5 0.25 0 ...0
...
0 ...0.25 0.5 0.25
0 ...0 0.25 0.75
初期状態 0 0 0 0 0 0 1000 0 0 0 0 0 0 0.）
これらのパラメータ、その定義の期待値や分散を直接計算する公式のどこが問題なのでしょうか？
例えば、ファットテイルを示さない。
例えば、ファットテイルが表示されないとか。そして、それらに基づくガウシアンは、テールでもセンターでも、データに収束しない可能性が高いのです。
しかし、それでも大きな違いがあるのは、一番外側のバンカーだけです。上にも書きましたが、これは反射壁があるためです）。
例えば、シックテイルを示さない。
それを示すのは、正規分布のパラメータを推定する方法（フィッティング、近似）には全くない。厚い尾を持たないのは、正規分布そのものです。Alexander_K2に聞いてください、彼はその尾を捜していたのです。単位パラメータの表を見てください。テレビの教科書にも、数学の参考書にも、表があると思うんです。どう調整しても、ファットテールを捕らえるためには変量分布を変えなければならない。また、具体的になぜ型の分布が必要なのでしょうか？まさに確率分布？なぜ「一部のデータ」にこのようなスタンプを押すのでしょうか？それとも、やはり何らかのデータではなく、サンプルの相対頻度なのでしょうか？
要は、確率的な表現がデータを全く記述していないということなのでは？Yuriy Asaulenkoの写真に期待値が踊ったことを思い出してください。https://www.mql5.com/ru/forum/221552/page162#comment_6399653 為替レートに影響します。確率的な表現を使いたいとは思わないのですか？そうすれば、重いテールがどこから来るのかが明確になります。