나는 Erlang에 대해 이야기했지만 이것은 완전히 다른 질문입니다. 정규 분포에는 MO와 분산이라는 2개의 매개변수가 있습니다. 이 경우 MO = 0이지만 분산이 0이 아니므로 그래프를 그리려면 그 값을 설정해야 합니다. 그래서 Urain 이 분산 값을 어떻게 선택했는지 묻습니다.
그리고 일반적으로 그래프를 비교하려면 어떻게든 그래프를 공통 기준으로 가져와야 합니다. 이 받침대의 선택에 따라 완전히 다른 그림이있을 수 있습니다.
분산을 이 공통 베이스로 취하면 그래프는 좁아지지만 두꺼운 꼬리가 나타납니다.
참조 함수의 경우 분산 및 MO는 여러 따옴표에서 가져오고(여기에서도 계산됨) 참조의 절대값으로 동일한 조작이 수행됩니다. 여기에서 각 항을 계수에 추가해야 합니다 정점을 결합하기 위해.
//x-->абсциса m-->мо q-->скоdouble нормальн_эталон (int x ,double m ,double q ){return(1.0/(MathSqrt(2.0* pi )* q )*MathExp(-(( x - m )*( x - m ))/(2.0* q * q )));}
따라서 x in, 예를 들어 50의 경우 절대 값은 히스토그램에서와 같이 단순히 수천이 될 수 없으므로 여전히 조정해야 합니다.
그러나 맞춤이 정확하려면 곡선의 모든 구성원에 적용해야 합니다. 그러면 곡선의 모양이 변경되지 않습니다(특히 슬라이딩 스케일에서).
연구원은 연구 중인 무작위 프로세스의 정상성에 대한 가설을 제시하고 정상 가설을 기반으로 확률 또는 확률 밀도 곡선을 모델링합니다.
가설은 확인되지 않았습니다. 차트가 일치하지 않았습니다.
그게 다야.
왜요? 이것은 정상성을 테스트하는 거친 방법 중 하나이며 최악은 아니라는 점에 유의해야 합니다. 만일의 경우를 대비하여 해명하겠습니다. 연구 중인 시계열에 대해 기대값과 분산이 측정됩니다. 무작위 시퀀스가 형성됩니다(원래 것과 정확히 동일한 입력 특성을 가진 "정상" 생성기에 의해 생성됨). 다음으로, 다른 분포를 하나에서 뺍니다. 결과적으로 발생하는 오류는 정확히 기억나지 않지만 차례로 무언가를 준수하고 특성을 평가하고 최종 결론을 내려야 합니다. 방법이 정상적이라는 점에서 모든 것이 괜찮습니다. o)
이런 그림이 있습니다. EURUSD, M15, 20000바
Urain 이 획득한 계열의 유사한 특성을 기대 및 분산의 입력 매개변수로 취했다는 강한 의심이 있습니다. 하지만 그렇지 않을 수도 있습니다.
할 것 같지 않은. 그런 다음 중간 부분에서 그래프가 히스토그램에 가깝습니다.
할 것 같지 않은. 그런 다음 중간 부분에서 그래프가 히스토그램에 가깝습니다.
예, 그러면 빨간색 선과 히스토그램 아래 영역이 일치합니다.
나는 Erlang에 대해 이야기했지만 이것은 완전히 다른 질문입니다. 정규 분포에는 MO와 분산이라는 2개의 매개변수가 있습니다. 이 경우 MO = 0이지만 분산이 0이 아니므로 그래프를 그리려면 그 값을 설정해야 합니다. 그래서 Urain 이 분산 값을 어떻게 선택했는지 묻습니다.
그리고 일반적으로 그래프를 비교하려면 어떻게든 그래프를 공통 기준으로 가져와야 합니다. 이 받침대의 선택에 따라 완전히 다른 그림이있을 수 있습니다.
분산을 이 공통 베이스로 취하면 그래프는 좁아지지만 두꺼운 꼬리가 나타납니다.
참조 함수의 경우 분산 및 MO는 여러 따옴표에서 가져오고(여기에서도 계산됨) 참조의 절대값으로 동일한 조작이 수행됩니다. 여기에서 각 항을 계수에 추가해야 합니다 정점을 결합하기 위해.
참조 함수의 경우 분산 및 MO는 여러 따옴표에서 가져오고(여기에서도 계산됨) 참조의 절대값으로 동일한 조작이 수행됩니다. 여기에서 각 항을 계수에 추가해야 합니다 정점을 결합하기 위해.
이것은 계수를 곱한다는 의미에서 그리 정확하지 않습니다.
참조 함수의 경우 분산 및 MO는 여러 따옴표에서 가져오고(여기에서도 계산됨) 참조의 절대값으로 동일한 조작이 수행됩니다. 여기에서 각 항을 계수에 추가해야 합니다 정점을 결합하기 위해.
아마도 고정되지 않은 계열의 분산은 계산하기에 완전히 정확하지 않을 것입니다. 그럴 수도 있고 아닐 수도 있습니다 :). 분석 분포가 실험 분포와 최대값과 일치하도록 선택하는 것이 더 정확합니다. 저것들. 근사치를 내다. 임하
아마도 고정되지 않은 계열의 분산은 계산하기에 완전히 정확하지 않을 것입니다. 그럴 수도 있고 아닐 수도 있습니다 :). 분석 분포가 실험 분포와 최대값과 일치하도록 선택하는 것이 더 정확합니다. 임하
이것은 계수를 곱한다는 의미에서 그리 정확하지 않습니다.
동료 여러분, 무엇을 하고 계십니까?
연구원은 연구 중인 무작위 프로세스의 정상성에 대한 가설을 제시하고 정상 가설을 기반으로 확률 또는 확률 밀도 곡선을 모델링합니다.
가설은 확인되지 않았습니다. 차트가 일치하지 않았습니다.
그게 다야.
이것은 계수를 곱한다는 의미에서 그리 정확하지 않습니다.
이 공식에 따라 참조 함수를 계산합니다.
따라서 x in, 예를 들어 50의 경우 절대 값은 히스토그램에서와 같이 단순히 수천이 될 수 없으므로 여전히 조정해야 합니다.
그러나 맞춤이 정확하려면 곡선의 모든 구성원에 적용해야 합니다. 그러면 곡선의 모양이 변경되지 않습니다(특히 슬라이딩 스케일에서).
예, 그런 것은 없습니다. 정상 곡선을 얻었습니다!
니샤크.
(통일 5년차 기숙사 큰 현수막: EVERYTHING IS NORMAL!)
동료 여러분, 무엇을 하고 계십니까?
연구원은 연구 중인 무작위 프로세스의 정상성에 대한 가설을 제시하고 정상 가설을 기반으로 확률 또는 확률 밀도 곡선을 모델링합니다.
가설은 확인되지 않았습니다. 차트가 일치하지 않았습니다.
그게 다야.
왜요? 이것은 정상성을 테스트하는 거친 방법 중 하나이며 최악은 아니라는 점에 유의해야 합니다. 만일의 경우를 대비하여 해명하겠습니다. 연구 중인 시계열에 대해 기대값과 분산이 측정됩니다. 무작위 시퀀스가 형성됩니다(원래 것과 정확히 동일한 입력 특성을 가진 "정상" 생성기에 의해 생성됨). 다음으로, 다른 분포를 하나에서 뺍니다. 결과적으로 발생하는 오류는 정확히 기억나지 않지만 차례로 무언가를 준수하고 특성을 평가하고 최종 결론을 내려야 합니다. 방법이 정상적이라는 점에서 모든 것이 괜찮습니다. o)