나는 정말로 이해하지 못했다. y(i) = y(i-1) + e(i) * i와 같이 e(i) = b(i)+s(i)? 두 배가 아니라 증가합니다. 배가 너무 빨리 오를 것입니다. i를 간단히 곱해도 증분이 증가합니다.
그러나 결과 프로세스 y(i)는 정상으로 유지되며 이는 랜덤 워크에서 기대하는 것입니다.
언뜻보기에는 그렇지 않은 것처럼 보이지만 이것은 규모의 변화 때문입니다.
감독자! 다음 "실용적인" 관찰을 두 배로 늘리는 방법에 대해. 이전 단계에서 영웅이 원하는 증가분(즉, |y(i)-y(i-1)|>= i 번째 단계에서 영웅의 힘)을 받은 경우 생성된 힘(마이너스 - 의심 포함) i +1 단계로 두 배가 되어야 합니다. 여기서 아크사인이 증가해야 하지만 확실하지 않습니다. 부호 변경 간섭 ;) --- 무례한 요청 - 구현 길이를 500으로 늘리십시오. 제발
avatara>> : На форуме часто в пылу дискуссии утверждается, что блуждание цены абсолютно случайно. Пускай не всегда. Но случайность и не... сложно якобы отличить. Теоремы арксинуса и двойного логарифма периодически обсуждаются или цитируются напрямую, либо только выводы. Мутно как то... У меня вопрос к теоретикам и практикам. Изучал ли кто "блуждание после соударения"? Постановка задачи следующая - есть два условных героя "БАЙ" и "СЕЛ". Пускай генерится некое приращение для каждого из них. В зависимости от героя назовём их "наступательным приращением" и "оборонительной силой". ...
여기에 각주가 있어야 합니다. 증가가 공격적이라면 조건에 따라 이동성에서 방어적인 것보다 이점이 있어야 합니다.
이들은 생성 후 RNG에 일부 상수를 추가하거나 RNG의 이동된 범위를 설정합니다.
그런 다음 일부는 전진하고 다른 일부는 스스로를 방어하고 있는 것으로 나타났습니다. 그렇지 않으면 누가 방어하고 있는지 어떻게 알 수 있습니까?
avatara писал(а)>> 다음 "실용적인" 관찰을 두 배로 늘리는 방법에 대해. 이전 단계에서 영웅이 원하는 증가분(즉, |y(i)-y(i-1)|>= i 번째 단계에서 영웅의 힘)을 받은 경우 생성된 힘(마이너스 - 의심 포함) i +1 단계로 두 배가 되어야 합니다. 여기서 아크사인이 증가해야 하지만 확실하지 않습니다. 부호 변경 간섭 ;)
커피 찌꺼기에 대한 그런 운세를 통해 시장의 분포를 결정(더 정확하게는 조정)하고 싶으십니까?
avatara>> : супер! О удваивании следующее "прак...ое" наблюдение. Если на предыдущем шаге герой получил желаемое приращение (т.е |y(i)-y(i-1)|>= сила героя на i-том шаге, то его сгенерированную силу ( в том числе с минусом - сомнения) на i+1 шаге следует удвоить.
아무 소용이 없습니다. 이러한 조작은 증분 분포를 변경하고 B와 C가 정규 분포를 따르더라도 큰 꼬리를 자랄 것이지만 결과 프로세스의 특성은 변경하지 않습니다. 여전히 랜덤 워크로 남아 있고 정규 분포를 따르게 됩니다. 랜덤 워크는 세 번째 모멘트가 0인 한 증분 분포를 신경 쓰지 않습니다. 그것은 대칭입니다.
우리는 일반적으로 정상 또는 이산의 정상 분포에 의해 수행되는 임의 보행을 모델링하는 것에 대해 이야기하고 있습니다. 당신은 아마 알몸으로 움직이지 않고 시뮬레이션할 수 있습니다. 비정상 분포의 합 또는 차이는 공적분의 기초가 되는 예외가 있지만 예를 들어
따뜻한 것과 부드러운 것을 혼동하지 마십시오. 분포가 있는 고정성. 그들은 어떤 식 으로든 연결되어 있지 않습니다. 랜덤 워크는 정규 분포를 갖지만 고정적이지 않습니다. 균일 분포는 정상적이지만 두 균일 분포의 합은 균일 분포가 아닙니다. 이 속성(선형 조작에서 분포의 유형/모양 유지)은 안정적인 분포 에만 적용됩니다.
따뜻한 것과 부드러운 것을 혼동하지 마십시오. 분포가 있는 고정성. 그들은 어떤 식 으로든 연결되어 있지 않습니다. 랜덤 워크는 정규 분포를 갖지만 고정적이지 않습니다. 균일 분포는 정상적이지만 두 균일 분포의 합은 균일 분포가 아닙니다. 이 속성(선형 조작에서 분포의 유형/모양 유지)은 안정적인 분포 에만 적용됩니다.
어떻게 관련이 없습니까? 정규 분포는 정상이고 HP에 분포된 SB 증분 은 정상입니다. 저는 원래 증분에 대해 이야기했습니다. SB 자체와 관련하여(증가의 누적 합계로): 이전 게시물에서 귀하가 설명한 "헤비 테일"은 없을 것입니다. 시간 t 에서 SB 자체도 정규 분포를 따르지만 한 증분(원점에서 시간 t에서)보다 t배 더 많이 분산되기 때문입니다. 예, 시간이 지남에 따라 SB 분포의 분산이 증가합니다. 예를 들어 3 시그마의 경우 꼬리가 굵지만 특정 시점(또는 분석적으로)의 분산을 계산하는 경우 SB의 경우 모든 것이 정상과 같습니다. 나는 SB 프로세스 자체가 고정적이지 않고 단위 루트 I(1), 즉 첫 번째 차이(증분)는 고정적입니다. https://www.mql5.com/go?link=http://window.edu.ru/catalog/pdf2txt/141/28141/11363?p_page=55 .b. 무거운 꼬리와 이 경우 그들은
HP가 비정상적이라고 생각하십니까? 아니면 각각의 연속 분포에 대해 정상인지 아닌지를 말하는 것이 불가능합니까? :)
분포 B와 C의 매개변수가 다르면 MO와 분산을 계산하는 공식이 더 복잡해 지지만 분포는 여전히 동일합니다.
C와 B의 분포가 안정적인 경우입니다. 이 경우 - 예, 안정 분포의 합은 안정 분포와 같습니다. 그렇지 않으면 - 아니요, 분포가 다른 C와 B의 합계 또는 차이에 분포선이 있습니다.
두 프로세스가 모두 독립적이면 둘 다 잡음일 뿐입니다. 두 개의 노이즈를 더하거나 빼면 세 번째 노이즈가 생깁니다. 저것들. 결과 프로세스는
y(i) = y(i-1) + e(i), 여기서 e(i) = b(i)+s(i) 또는 e(i) = b(i)-s(i); + 또는 -는 중요하지 않습니다.
순수한 물의 무작위 산책. 알람리스트에게 할례를 하는 것과 같은 사소한 수정은 아무 것도 심각하게 바꾸지 않을 것입니다. 프로세스가 독립적이지 않은 경우에만 기적이 시작될 수 있습니다.
답변 해주셔서 감사합니다.
알고리즘에 다른 수정안을 도입할 수 있습니까?
영웅이 "증가"를 받으면 그의 힘과 의심이 두 배가됩니다.
그렇다면 이 무작위적 행동론적 과정은 어떻게 생겼을까?
비슷한 것을 모델링했다는 것을 알고 있습니다. 벨/트럼펫을 볼 수 있습니까?C와 B의 분포가 안정적인 경우입니다. 이 경우 - 예, 안정 분포의 합은 안정 분포와 같습니다. 그렇지 않으면 - 아니요, 분포가 다른 C와 B의 합계 또는 차이에 분포선이 있습니다.
우리는 일반적으로 정상 또는 이산의 정상 분포에 의해 수행되는 임의 보행을 모델링하는 것에 대해 이야기하고 있습니다. 당신은 아마 알몸으로 움직이지 않고 시뮬레이션할 수 있습니다. 비정상 분포의 합 또는 차이는 공적분의 기초가 되는 예외가 있지만 예를 들어
답변 해주셔서 감사합니다.
알고리즘에 다른 수정안을 도입할 수 있습니까?
영웅이 "증가"를 받으면 그의 힘과 의심이 두 배가됩니다.
그렇다면 이 무작위적 행동론적 과정은 어떻게 생겼을까?
비슷한 것을 모델링했다는 것을 알고 있습니다. 벨/트럼펫을 볼 수 있습니까?나는 정말로 이해하지 못했다. y(i) = y(i-1) + e(i) * i와 같이 e(i) = b(i)+s(i)?
두 배가 아니라 증가합니다. 배가 너무 빨리 오를 것입니다. i를 간단히 곱해도 증분이 증가합니다.
그러나 결과 프로세스 y(i)는 정상으로 유지되며 이는 랜덤 워크에서 기대하는 것입니다.
언뜻보기에는 그렇지 않은 것처럼 보이지만 이것은 규모의 변화 때문입니다.
나는 정말로 이해하지 못했다. y(i) = y(i-1) + e(i) * i와 같이 e(i) = b(i)+s(i)?
두 배가 아니라 증가합니다. 배가 너무 빨리 오를 것입니다. i를 간단히 곱해도 증분이 증가합니다.
그러나 결과 프로세스 y(i)는 정상으로 유지되며 이는 랜덤 워크에서 기대하는 것입니다.
언뜻보기에는 그렇지 않은 것처럼 보이지만 이것은 규모의 변화 때문입니다.
다음 "실용적인" 관찰을 두 배로 늘리는 방법에 대해.
이전 단계에서 영웅이 원하는 증가분(즉, |y(i)-y(i-1)|>= i 번째 단계에서 영웅의 힘)을 받은 경우 생성된 힘(마이너스 - 의심 포함) i +1 단계로 두 배가 되어야 합니다.
여기서 아크사인이 증가해야 하지만 확실하지 않습니다. 부호 변경 간섭 ;)
---
무례한 요청 - 구현 길이를 500으로 늘리십시오. 제발
На форуме часто в пылу дискуссии утверждается, что блуждание цены абсолютно случайно.
Пускай не всегда. Но случайность и не... сложно якобы отличить.
Теоремы арксинуса и двойного логарифма периодически обсуждаются или цитируются напрямую, либо только выводы.
Мутно как то...
У меня вопрос к теоретикам и практикам.
Изучал ли кто "блуждание после соударения"?
Постановка задачи следующая - есть два условных героя "БАЙ" и "СЕЛ".
Пускай генерится некое приращение для каждого из них.
В зависимости от героя назовём их "наступательным приращением" и "оборонительной силой".
...
여기에 각주가 있어야 합니다. 증가가 공격적이라면 조건에 따라 이동성에서 방어적인 것보다 이점이 있어야 합니다.
이들은 생성 후 RNG에 일부 상수를 추가하거나 RNG의 이동된 범위를 설정합니다.
그런 다음 일부는 전진하고 다른 일부는 스스로를 방어하고 있는 것으로 나타났습니다. 그렇지 않으면 누가 방어하고 있는지 어떻게 알 수 있습니까?
다음 "실용적인" 관찰을 두 배로 늘리는 방법에 대해.
이전 단계에서 영웅이 원하는 증가분(즉, |y(i)-y(i-1)|>= i 번째 단계에서 영웅의 힘)을 받은 경우 생성된 힘(마이너스 - 의심 포함) i +1 단계로 두 배가 되어야 합니다.
여기서 아크사인이 증가해야 하지만 확실하지 않습니다. 부호 변경 간섭 ;)
커피 찌꺼기에 대한 그런 운세를 통해 시장의 분포를 결정(더 정확하게는 조정)하고 싶으십니까?
супер!
О удваивании следующее "прак...ое" наблюдение.
Если на предыдущем шаге герой получил желаемое приращение (т.е |y(i)-y(i-1)|>= сила героя на i-том шаге, то его сгенерированную силу ( в том числе с минусом - сомнения) на i+1 шаге следует удвоить.
아무 소용이 없습니다. 이러한 조작은 증분 분포를 변경하고 B와 C가 정규 분포를 따르더라도 큰 꼬리를 자랄 것이지만 결과 프로세스의 특성은 변경하지 않습니다. 여전히 랜덤 워크로 남아 있고 정규 분포를 따르게 됩니다. 랜덤 워크는 세 번째 모멘트가 0인 한 증분 분포를 신경 쓰지 않습니다. 그것은 대칭입니다.
우리는 일반적으로 정상 또는 이산의 정상 분포에 의해 수행되는 임의 보행을 모델링하는 것에 대해 이야기하고 있습니다. 당신은 아마 알몸으로 움직이지 않고 시뮬레이션할 수 있습니다. 비정상 분포의 합 또는 차이는 공적분의 기초가 되는 예외가 있지만 예를 들어
따뜻한 것과 부드러운 것을 혼동하지 마십시오. 분포가 있는 고정성. 그들은 어떤 식 으로든 연결되어 있지 않습니다. 랜덤 워크는 정규 분포를 갖지만 고정적이지 않습니다. 균일 분포는 정상적이지만 두 균일 분포의 합은 균일 분포가 아닙니다. 이 속성(선형 조작에서 분포의 유형/모양 유지)은 안정적인 분포 에만 적용됩니다.
따뜻한 것과 부드러운 것을 혼동하지 마십시오. 분포가 있는 고정성. 그들은 어떤 식 으로든 연결되어 있지 않습니다. 랜덤 워크는 정규 분포를 갖지만 고정적이지 않습니다. 균일 분포는 정상적이지만 두 균일 분포의 합은 균일 분포가 아닙니다. 이 속성(선형 조작에서 분포의 유형/모양 유지)은 안정적인 분포 에만 적용됩니다.
어떻게 관련이 없습니까? 정규 분포는 정상이고 HP에 분포된 SB 증분 은 정상입니다. 저는 원래 증분에 대해 이야기했습니다.
SB 자체와 관련하여(증가의 누적 합계로): 이전 게시물에서 귀하가 설명한 "헤비 테일"은 없을 것입니다. 시간 t 에서 SB 자체도 정규 분포를 따르지만 한 증분(원점에서 시간 t에서)보다 t배 더 많이 분산되기 때문입니다. 예, 시간이 지남에 따라 SB 분포의 분산이 증가합니다. 예를 들어 3 시그마의 경우 꼬리가 굵지만 특정 시점(또는 분석적으로)의 분산을 계산하는 경우 SB의 경우 모든 것이 정상과 같습니다.
나는 SB 프로세스 자체가 고정적이지 않고 단위 루트 I(1), 즉 첫 번째 차이(증분)는 고정적입니다. https://www.mql5.com/go?link=http://window.edu.ru/catalog/pdf2txt/141/28141/11363?p_page=55 .b. 무거운 꼬리와 이 경우 그들은
HP가 비정상적이라고 생각하십니까? 아니면 각각의 연속 분포에 대해 정상인지 아닌지를 말하는 것이 불가능합니까? :)