이론(임의의 흐름이라고 함)이 있는 것 같습니다. 모든 경우에 대해 하나의 모델을 구축하는 것은 불가능하다고 생각합니다. 그러나 병렬로 작동하는 여러 모델을 사용할 수 있습니다. 저것들. 특정 시간 간격에서 따옴표의 흐름은 두 번째 모델인 추세(직선 방정식을 처리할 수 있다고 생각합니다 :-))와 함께 진동 링크(평면과 유사)의 모델로 나타낼 수 있습니다. 덧붙여서 제가 올린 파일에는 진동 링크의 모델이 내장되어 있습니다. 그것을 시도하고 rnorm()에 커서를 놓고 F9를 누르면 서로 비슷하지 않은 다양한 곡선이 생성됩니다. 그러나 Kalman은 그들과 함께 아주 좋은 일을 합니다. 이 알고리즘(알고리즘)이 FATL, SATL 및 모든 MA를 쉽게 수행하는 Butterworth보다 정확도가 우수하면 이 알고리즘을 사용하면 정확도에서 통계적 이점이 있습니다.
필요한 유일한 것, 그리고 내가 현재 하고 있는 것은 필터 발산 기준입니다. 다른 필터(다른 모델)로 전환해야 할 때 규칙을 선택합니다.
숫자는 허용되지 않지만 그래프는 가능합니다! 이 숫자는 (프로세스) 적분 특성입니다 ;-)
FB에는 필터 차수라는 핸들이 있습니다. 서브루틴에서 이 값은 변수 K에 할당되고 이를 가지고 놀아줍니다. 곡선의 부드러움뿐만 아니라 FZ도 이 값에 따라 달라집니다.
Если он (алгоритм) превосходит по точности Батерворта, а тот в свою очередь легко делает FATL, SATL и любую MA, то использование этого алгоритма дает некоторое статистическое преимущество по точности.
예, "일부"가 아니라 거대한 것을 제공합니다! 이론의 존재를 전제로 하지만 그렇지 않습니다 ... 모든 활동은 코스 역학의 "관성" 가정을 기반으로 합니다. 그것을 증명하십시오.
가설을 세우고 테스트 중이기 때문에 아직 증명할 수 없습니다. 나는 전에 말했다. 따옴표의 흐름에 에너지가 있다는 것을 흐름의 방향과 잘 일치하는 강도(에너지)의 지표를 만들었습니다. "돈의 덩어리"라는 개념이 있으며 계산 공식도 제공했습니다. 저것들. 물질적 물체의 모든 속성이 있고 관성도 있다고 가정할 수 있습니다. 그것은 시각적으로 보이는 것처럼 보이며 가격이 일종의 평형 상태를 중심으로 변동하는 것처럼 보입니다.
증명은 정확할 수 있습니다. 저는 하나만 생각합니다. 시세 흐름에서 모델을 빼면 잔차에는 정규 분포 법칙 이 적용됩니다. 이는 모델의 적합성(성능)을 손상시킵니다. 그러나 나는 아직 그것에 도달하지 못했습니다. 그러나 나는 모델(모델)을 신뢰하기 위해 이러한 연구를 확실히 수행할 것입니다.
Sergey, 왜 분포의 정규성을 기준으로 사용합니까? 잔차 분포가 대칭-지수라면, 이것이 더 이상 모델의 적절성을 훼손하지 않을 것입니까?
지금 당장은 확답을 드릴 수 없기 때문입니다. 모델의 적합성을 테스트하는 것은 진지한 연구입니다. 내가 기억하는 유일한 것은 어떤 종류의 곡선 공식이나 다항식으로 근사 문제에서 Neumann-Pearson 기준을 사용하면 잔차가 정규 분포 법칙 을 준수하는지 확인한다는 것입니다. 대칭 지수인 경우 다른 기준을 사용해야 합니다. 그리고 이 모델을 기반으로 제작된 차량이 수익을 낸다면 더 쉽게 할 수 있습니다 :-).
또한 모든 시계열에 대한 적절성과 관련하여 ACF를 작성할 수 있습니다. 가장 자주 분석의 기초가 되는 것이 ACF이므로 포럼의 이 스레드 앞부분에서 모델과 실제 ACF에서 얻은 ACF 수치를 인용했습니다. 인용문은 겉으로 보기에는 처리할 수 없습니다.
프라이벌
네. 양해를 구합니다. 여기:
여기 모든 것이 수정되었습니다. 입력에는 동일한 Y(신호 + 노이즈)가 지정되어야 합니다.
최소 RMS로 Kalman은 원래 모델 V(k)+a(k)를 더 잘 식별합니다. 나는 그것이 심지어 뻔하다고 생각합니다.
원래 시리즈와 Kalman(FC) 및 Butterworth(FB) 필터 에 의해 구성된 시리즈 간의 차이의 제곱의 합을 계산하면 원래 VR에 가장 가까운 근사값이 FC에 의해 제공됩니다(그림 10 참조). 차이점:
빨간색 선 - FB에서 원래 행을 뺀 값, 파란색 - FK. 따라서 FK는 연구 대상의 행동을 설명하는 법칙에 대한 선험적 데이터를 사용하여 작업에 완벽하게 대처합니다.
불행히도 시장의 VR 특성에 대한 적절한 모델을 구축할 수 있는 이론이 우리 손에 없습니다. 질문은 열려 있습니다.
중성자
이론(임의의 흐름이라고 함)이 있는 것 같습니다. 모든 경우에 대해 하나의 모델을 구축하는 것은 불가능하다고 생각합니다. 그러나 병렬로 작동하는 여러 모델을 사용할 수 있습니다. 저것들. 특정 시간 간격에서 따옴표의 흐름은 두 번째 모델인 추세(직선 방정식을 처리할 수 있다고 생각합니다 :-))와 함께 진동 링크(평면과 유사)의 모델로 나타낼 수 있습니다. 덧붙여서 제가 올린 파일에는 진동 링크의 모델이 내장되어 있습니다. 그것을 시도하고 rnorm()에 커서를 놓고 F9를 누르면 서로 비슷하지 않은 다양한 곡선이 생성됩니다. 그러나 Kalman은 그들과 함께 아주 좋은 일을 합니다. 이 알고리즘(알고리즘)이 FATL, SATL 및 모든 MA를 쉽게 수행하는 Butterworth보다 정확도가 우수하면 이 알고리즘을 사용하면 정확도에서 통계적 이점이 있습니다.
필요한 유일한 것, 그리고 내가 현재 하고 있는 것은 필터 발산 기준입니다. 다른 필터(다른 모델)로 전환해야 할 때 규칙을 선택합니다.
원래 시리즈와 Kalman(FC) 및 Butterworth(FB) 필터로 구성된 시리즈 간의 차이 제곱의 합을 계산하면 원래 VR에 가장 가까운 근사값이 FC를 제공합니다.
합계는 이 예에서 500개 샘플에서 얻은 숫자입니다.
즉, 거의 10배 정도 FK가 FB보다 우수합니다.
편집하다.
P/S/ 어떻게 chilo가 이 아름다운 그래프에 반영될 수 있습니까? 다시 말하지만, 표현이 정확하지 않습니다 :-)
숫자는 허용되지 않지만 그래프는 가능합니다! 이 숫자는 (프로세스) 적분 특성입니다 ;-)
FB에는 필터 차수라는 핸들이 있습니다. 서브루틴에서 이 값은 변수 K에 할당되고 이를 가지고 놀아줍니다. 곡선의 부드러움뿐만 아니라 FZ도 이 값에 따라 달라집니다.
예, "일부"가 아니라 거대한 것을 제공합니다! 이론의 존재를 전제로 하지만 그렇지 않습니다 ... 모든 활동은 코스 역학의 "관성" 가정을 기반으로 합니다. 그것을 증명하십시오.
가설을 세우고 테스트 중이기 때문에 아직 증명할 수 없습니다. 나는 전에 말했다. 따옴표의 흐름에 에너지가 있다는 것을 흐름의 방향과 잘 일치하는 강도(에너지)의 지표를 만들었습니다. "돈의 덩어리"라는 개념이 있으며 계산 공식도 제공했습니다. 저것들. 물질적 물체의 모든 속성이 있고 관성도 있다고 가정할 수 있습니다. 그것은 시각적으로 보이는 것처럼 보이며 가격이 일종의 평형 상태를 중심으로 변동하는 것처럼 보입니다.
증명은 정확할 수 있습니다. 저는 하나만 생각합니다. 시세 흐름에서 모델을 빼면 잔차에는 정규 분포 법칙 이 적용됩니다. 이는 모델의 적합성(성능)을 손상시킵니다. 그러나 나는 아직 그것에 도달하지 못했습니다. 그러나 나는 모델(모델)을 신뢰하기 위해 이러한 연구를 확실히 수행할 것입니다.
Sergey, 왜 분포의 정규성을 기준으로 사용합니까? 잔차 분포가 대칭 지수 인 경우 더 이상 모델의 적절성을 훼손하지 않을 것입니까?
Sergey, 왜 분포의 정규성을 기준으로 사용합니까? 잔차 분포가 대칭-지수라면, 이것이 더 이상 모델의 적절성을 훼손하지 않을 것입니까?
지금 당장은 확답을 드릴 수 없기 때문입니다. 모델의 적합성을 테스트하는 것은 진지한 연구입니다. 내가 기억하는 유일한 것은 어떤 종류의 곡선 공식이나 다항식으로 근사 문제에서 Neumann-Pearson 기준을 사용하면 잔차가 정규 분포 법칙 을 준수하는지 확인한다는 것입니다. 대칭 지수인 경우 다른 기준을 사용해야 합니다. 그리고 이 모델을 기반으로 제작된 차량이 수익을 낸다면 더 쉽게 할 수 있습니다 :-).
또한 모든 시계열에 대한 적절성과 관련하여 ACF를 작성할 수 있습니다. 가장 자주 분석의 기초가 되는 것이 ACF이므로 포럼의 이 스레드 앞부분에서 모델과 실제 ACF에서 얻은 ACF 수치를 인용했습니다. 인용문은 겉으로 보기에는 처리할 수 없습니다.
다음은 수정된 버전의 FB입니다. 불필요한 주기를 제거했습니다.