깊숙이 올라갔고, '시작'에 불과한 것을 보여주었다. 플랫 형태의 가격 움직임 모델과 레벨에서 레벨로의 전환으로서의 로컬 트렌드는 일반적으로 흥미로운 것입니다. 파동 이론으로 가는 것이 좋습니다. 때로는 반대로 파동이 이 모델에서 분리되는 것처럼 보입니다. 글쎄요, 사실입니다. 철학: o). 그리고 가격 자체가 아니라 일부 채널 매개변수에 어트랙터를 사용합니다.
vaa20003 으로
...이력에서 가격 변동 범위를 추적하면(GBPJPG에서 M1을 봤습니다) 버스트가 3, 5, 7, 13 등으로 이동합니다. 사실, 진폭과 피크는 매일 조금씩 유동적입니다. 이 기간으로 정현파를 어리석게 만들고 요약했습니다. 그리고 (순전히 시각적으로 지금까지는) 각 움직임이 서지 또는 딥에 해당합니다. 이것을 하위 임계값 신호로 사용할 수 있습니까?
나는 이미 이 문제, 즉 전망이 없다는 내 의견을 표명했습니다. 확률적 공명 모델에는 예측 특성이 없으므로 시장과 관련하여 새로운 수준의 평면을 계산할 수 있지만 이것이 가장 큰 관심사인 것 같습니다. 그러나 "위험한 상황"의 발생을 통제하는 도구의 개발은 지역 추세의 가능성과 시스템의 새로운 수준으로의 전환 가능성이 있다고 생각합니다.
X 값의 정규 분포 시퀀스가 있다고 가정합니다. 시퀀스의 구성원 수는 N=1000000이고 평균 값은 A이고 비율은 S입니다. X 요소의 값 집합은 다음과 같습니다. 위에서 경계, 즉 모든 X는 구간 [0,Xmax]에 속합니다. 시퀀스의 M=100 멤버 샘플을 가져와 평균 XM을 계산합니다. 원래 시퀀스의 M 요소를 포함하는 모든 연속 샘플에서 새로운 시퀀스 Y = {XM}을 형성합니다. Y 값의 집합도 제한적임이 분명합니다.
X 값의 정규 분포 시퀀스가 있다고 가정합니다. 시퀀스의 구성원 수는 N=1000000이고 평균 값은 A이고 비율은 S입니다. X 요소의 값 집합은 다음과 같습니다. 위에서 경계, 즉 모든 X는 구간 [0,Xmax]에 속합니다. 시퀀스의 M=100 멤버 샘플을 가져와 평균 XM을 계산합니다. 원래 시퀀스의 M 요소를 포함하는 모든 연속 샘플에서 새로운 시퀀스 Y = {XM}을 형성합니다. Y 값의 집합도 제한적임이 분명합니다.
상한과 하한을 찾는 방법, 즉 값 범위 [Ymin,Ymax] ?
당연히 저는 수학적 통계를 통한 분석적 평가에 관심이 있습니다. 이마를 세는 것은 어렵지 않지만 흥미롭지 않습니다. N과 M의 비율과 원래 시퀀스의 통계적 특성에 대한 이 간격의 경계 의존성을 얻는 것은 흥미로웠습니다.
자신의 말로 말하자면 작은 설명. 원본 샘플이 길이가 M인 교차하지 않는 세그먼트(간격)로 나뉘고 새 시퀀스의 각 샘플은 간격으로 제한되는 데이터의 평균값이며 파티션 번호로 식별된다는 점을 올바르게 이해했습니까?
X 값의 정규 분포 시퀀스가 있다고 가정합니다. 시퀀스의 구성원 수는 N=1000000이고 평균 값은 A이고 비율은 S입니다. X 요소의 값 집합은 다음과 같습니다. 위에서 경계, 즉 모든 X는 구간 [0,Xmax]에 속합니다. 시퀀스의 M=100 멤버 샘플을 가져와 평균 XM을 계산합니다. 원래 시퀀스의 M 요소를 포함하는 모든 연속 샘플에서 새로운 시퀀스 Y = {XM}을 형성합니다. Y 값의 집합도 제한적임이 분명합니다.
상한과 하한을 찾는 방법, 즉 값 범위 [Ymin,Ymax] ?
당연히 저는 수학적 통계를 통한 분석적 평가에 관심이 있습니다. 이마를 세는 것은 어렵지 않지만 흥미롭지 않습니다. N과 M의 비율과 원래 시퀀스의 통계적 특성에 대한 이 간격의 경계 의존성을 얻는 것은 흥미로웠습니다.
X가 확률 변수이면 Y는 X와 동일한 분포를 갖는 M개의 독립 확률 변수의 합입니다. 따라서 X가 정규이면 Y도 마찬가지이며 분산 S/sqrt(M)이 있습니다. 최대값과 최소값에 대한 질문은 시리즈의 특정 구현(즉, 정면으로 계산)에 대해서만 제기할 수 있으며 임의 구현의 경우 확률에 대해서만 이야기할 수 있습니다.
X가 확률 변수이면 Y는 X와 동일한 분포를 갖는 M개의 독립 확률 변수의 합입니다. 따라서 X가 정규이면 Y도 마찬가지이며 분산 S/sqrt(M)이 있습니다. 최대값과 최소값에 대한 질문은 시리즈의 특정 구현(즉, 정면으로 계산)에 대해서만 제기할 수 있으며 임의 구현의 경우 확률에 대해서만 이야기할 수 있습니다.
예를 들어. 분포 함수가 알려진 경우 임의의 X0에 대해 값이 >=X0인 요소 시퀀스에서 발생할 확률 P가 알려져 있습니다. 시퀀스에 N개의 요소가 포함되어 있으면 X>=X0 조건을 충족하는 시퀀스의 총 요소 수는 P*N과 같습니다. 이 값이 1보다 작으면, 즉 0개이면 통계적으로 Xmax<X0입니다. 그러나 이것은 물론 >=X0 요소가 실제로 그러한 시퀀스에 나타날 수 없다는 것을 의미하지는 않습니다.
고통스럽게도 그것은 혼돈의 끌개처럼 보입니다. 깊이 들어왔어, 그라스 ...
...
고통스럽게도 그것은 혼란스러운 어트랙터처럼 보입니다. 깊이 들어왔어, 그라스 ...
깊숙이 올라갔고, '시작'에 불과한 것을 보여주었다. 플랫 형태의 가격 움직임 모델과 레벨에서 레벨로의 전환으로서의 로컬 트렌드는 일반적으로 흥미로운 것입니다. 파동 이론으로 가는 것이 좋습니다. 때로는 반대로 파동이 이 모델에서 분리되는 것처럼 보입니다. 글쎄요, 사실입니다. 철학: o). 그리고 가격 자체가 아니라 일부 채널 매개변수에 어트랙터를 사용합니다.
vaa20003 으로
사실, 진폭과 피크는 매일 조금씩 유동적입니다. 이 기간으로 정현파를 어리석게 만들고 요약했습니다. 그리고 (순전히 시각적으로 지금까지는) 각 움직임이
서지 또는 딥에 해당합니다. 이것을 하위 임계값 신호로 사용할 수 있습니까?
나는 이미 이 문제, 즉 전망이 없다는 내 의견을 표명했습니다. 확률적 공명 모델에는 예측 특성이 없으므로 시장과 관련하여 새로운 수준의 평면을 계산할 수 있지만 이것이 가장 큰 관심사인 것 같습니다. 그러나 "위험한 상황"의 발생을 통제하는 도구의 개발은 지역 추세의 가능성과 시스템의 새로운 수준으로의 전환 가능성이 있다고 생각합니다.
고통스럽게도 그것은 혼돈의 끌개처럼 보입니다. 깊이 들어왔어, 그라스 ...
하지만 제 생각에는 새우와 비슷하고 웃지 마세요 pliz :) 이것은 TA 새우가 아니라 이것은 http://www.ibiblio.org/e-notes/Chaos/ru/swallow_r.htm 입니다.
기사 끝에 "새우"가 있습니다.
기절하고 미친 사진) 얘들아, 예를 들어 가격 차트보다 더 많은 정보를 제공한다고 생각합니까? 그런 정글을 파고들 필요가 있습니까?
기절하고 미친 사진) 얘들아, 예를 들어 가격 차트보다 더 많은 정보를 제공한다고 생각합니까? 그런 정글을 파고들 필요가 있습니까?
전문가를 위한 질문이지만 주제에서 벗어났습니다.
X 값의 정규 분포 시퀀스가 있다고 가정합니다. 시퀀스의 구성원 수는 N=1000000이고 평균 값은 A이고 비율은 S입니다. X 요소의 값 집합은 다음과 같습니다. 위에서 경계, 즉 모든 X는 구간 [0,Xmax]에 속합니다. 시퀀스의 M=100 멤버 샘플을 가져와 평균 XM을 계산합니다. 원래 시퀀스의 M 요소를 포함하는 모든 연속 샘플에서 새로운 시퀀스 Y = {XM}을 형성합니다. Y 값의 집합도 제한적임이 분명합니다.
상한과 하한 을 찾는 방법, 즉 값 범위 [Ymin,Ymax] ?
당연히 저는 수학적 통계를 통한 분석적 평가에 관심이 있습니다. 이마를 세는 것은 어렵지 않지만 흥미롭지 않습니다. N과 M의 비율과 원래 시퀀스의 통계적 특성에 대한 이 간격의 경계 의존성을 얻는 것은 흥미로웠습니다.
전문가를 위한 질문이지만 주제에서 벗어났습니다.
X 값의 정규 분포 시퀀스가 있다고 가정합니다. 시퀀스의 구성원 수는 N=1000000이고 평균 값은 A이고 비율은 S입니다. X 요소의 값 집합은 다음과 같습니다. 위에서 경계, 즉 모든 X는 구간 [0,Xmax]에 속합니다. 시퀀스의 M=100 멤버 샘플을 가져와 평균 XM을 계산합니다. 원래 시퀀스의 M 요소를 포함하는 모든 연속 샘플에서 새로운 시퀀스 Y = {XM}을 형성합니다. Y 값의 집합도 제한적임이 분명합니다.
상한과 하한을 찾는 방법, 즉 값 범위 [Ymin,Ymax] ?
당연히 저는 수학적 통계를 통한 분석적 평가에 관심이 있습니다. 이마를 세는 것은 어렵지 않지만 흥미롭지 않습니다. N과 M의 비율과 원래 시퀀스의 통계적 특성에 대한 이 간격의 경계 의존성을 얻는 것은 흥미로웠습니다.
자신의 말로 말하자면 작은 설명. 원본 샘플이 길이가 M인 교차하지 않는 세그먼트(간격)로 나뉘고 새 시퀀스의 각 샘플은 간격으로 제한되는 데이터의 평균값이며 파티션 번호로 식별된다는 점을 올바르게 이해했습니까?
추신: 전문가가 아니라 단지 도움을 주고자 하는 열망일 뿐입니다 :o)
자신의 말로 말하자면 작은 설명. 원본 샘플이 길이가 M인 교차하지 않는 세그먼트(간격)로 나뉘고 새 시퀀스의 각 샘플은 간격으로 제한되는 데이터의 평균값이며 파티션 번호로 식별된다는 점을 올바르게 이해했습니까?
추신: 전문가가 아니라 단지 도움을 주고자 하는 열망일 뿐입니다 :o)
아니요, 길이가 M 샘플인 슬라이딩 창일 뿐입니다. 따라서 시퀀스 Y의 요소 수는 N-M+1입니다.
M=1일 때의 한계에서 우리는 범위가 [0,Xmax]인 동일한 시퀀스 X를 얻습니다. 그리고 반대 한계 M=N으로 Y 시퀀스에서 하나의 항만 얻습니다. 즉, 원래 시퀀스 A의 평균값, 즉 Ymin=Ymax=A입니다.
그리고 언제나처럼 진실은 그 중간에 있습니다. :-) 임의의 M 0<Ymin<A 및 A<Ymax<Xmax. 이러한 양을 계산하기 위한 분석 공식(또는 최소한 계산 절차)을 갖고 싶습니다. 수학 통계에서 이 학생 수준의 문제는 오래전에 해결되었다고 생각합니다.
X 값의 정규 분포 시퀀스가 있다고 가정합니다. 시퀀스의 구성원 수는 N=1000000이고 평균 값은 A이고 비율은 S입니다. X 요소의 값 집합은 다음과 같습니다. 위에서 경계, 즉 모든 X는 구간 [0,Xmax]에 속합니다. 시퀀스의 M=100 멤버 샘플을 가져와 평균 XM을 계산합니다. 원래 시퀀스의 M 요소를 포함하는 모든 연속 샘플에서 새로운 시퀀스 Y = {XM}을 형성합니다. Y 값의 집합도 제한적임이 분명합니다.
상한과 하한을 찾는 방법, 즉 값 범위 [Ymin,Ymax] ?
당연히 저는 수학적 통계를 통한 분석적 평가에 관심이 있습니다. 이마를 세는 것은 어렵지 않지만 흥미롭지 않습니다. N과 M의 비율과 원래 시퀀스의 통계적 특성에 대한 이 간격의 경계 의존성을 얻는 것은 흥미로웠습니다.
X가 확률 변수이면 Y는 X와 동일한 분포를 갖는 M개의 독립 확률 변수의 합입니다. 따라서 X가 정규이면 Y도 마찬가지이며 분산 S/sqrt(M)이 있습니다. 최대값과 최소값에 대한 질문은 시리즈의 특정 구현(즉, 정면으로 계산)에 대해서만 제기할 수 있으며 임의 구현의 경우 확률에 대해서만 이야기할 수 있습니다.
추신: 위의 내용이 제가 매트 전문가라고 생각한다는 의미는 아닙니다. 통계 :)
X가 확률 변수이면 Y는 X와 동일한 분포를 갖는 M개의 독립 확률 변수의 합입니다. 따라서 X가 정규이면 Y도 마찬가지이며 분산 S/sqrt(M)이 있습니다. 최대값과 최소값에 대한 질문은 시리즈의 특정 구현(즉, 정면으로 계산)에 대해서만 제기할 수 있으며 임의 구현의 경우 확률에 대해서만 이야기할 수 있습니다.
그 자체로. 나는 또한 통계적 추정 을 의미했다.
예를 들어. 분포 함수가 알려진 경우 임의의 X0에 대해 값이 >=X0인 요소 시퀀스에서 발생할 확률 P가 알려져 있습니다. 시퀀스에 N개의 요소가 포함되어 있으면 X>=X0 조건을 충족하는 시퀀스의 총 요소 수는 P*N과 같습니다. 이 값이 1보다 작으면, 즉 0개이면 통계적으로 Xmax<X0입니다. 그러나 이것은 물론 >=X0 요소가 실제로 그러한 시퀀스에 나타날 수 없다는 것을 의미하지는 않습니다.
내가 산술에 실수를 한 곳이 없었으면 좋겠어?