오래 전에 나는 실제로 정규 분포를 얻기로 결정했으며 수치 실험을 수행했습니다. 500개의 누적 시리즈는 10,000개의 독립적인 시도에서 가져옵니다. 우리는 500개의 관련 없는 무작위 그래프를 얻습니다. 우리는 그것들에 대한 단일 기준점을 취하고 시간이 지남에 따라 또는 오히려 테스트 수가 증가함에 따라 서로 어떻게 다른지 확인합니다. 따라서 그들의 발산은 정규 분포 법칙 을 따르고 전체적으로 정규 분포 종을 형성합니다.
흥미롭게도 평균 스프레드는 시행 횟수의 제곱근과 같습니다. 따라서 1000번 던진 후에는 평균적으로 모든 시리즈가 초기 0 위치에서 32포인트의 거리에 있고 10,000번 던진 후에는 100포인트의 거리에서만 있을 것으로 예상할 권리가 있습니다. 이것은 종 모양에서 알 수 있습니다. 첫째, 그것은 측면으로 상당히 급격하게 발산한 다음 발산의 "속도"가 희미해지기 시작합니다.
흥미로운 사실은 시도 횟수에 관계없이 모든 500 시리즈의 합계가 거의 0이 된다는 것입니다. 이것은 그림에서 명확하게 볼 수 있습니다. 10,000회 시도 후 시리즈의 50%는 0보다 높았고 50%는 0보다 높았습니다. 따라서 모든 시스템의 평균 상태 또는 기대치는 0이 되는 경향이 있습니다.
이와 관련하여 전문가들에게 질문이 있습니다 . 실제 수학적 기대치의 이론적 편차를 계산하는 방법은 무엇입니까? MO가 0입니까? 결국, 모든 테스트의 합이 분명히 0과 같을 것이라고 기대할 수 있는 것은 아무 것도 없는 것이 당연합니다. 그것은 +3 또는 -20 정도와 같을 수 있습니다. 그리고 두 번째 하위 질문: 이 오류 값은 시행 횟수가 증가함에 따라 0으로 축소됩니까, 아니면 시행 횟수의 제곱근에 비례하는 수준에서 "정지"됩니까?
이론적인 0 MO에서 실제 수학적 기대치의 편차를 계산하는 방법은 무엇입니까? 결국, 모든 테스트의 합이 분명히 0과 같을 것이라고 기대할 수 있는 것은 아무 것도 없는 것이 당연합니다. 그것은 +3 또는 -20 정도와 같을 수 있습니다. 그리고 두 번째 하위 질문: 이 오류 값은 시행 횟수가 증가함에 따라 0으로 축소됩니까, 아니면 시행 횟수의 제곱근에 비례하는 수준에서 "정지"됩니까?
sb는 독립 확률 변수의 합입니다. mo=0, sko=X로 증분을 정상적으로 분포시키십시오. 그런 다음 N 증분의 합은 mo=0, speed=SQRT(N)*X인 HP이기도 합니다. 이는 그림에 표시된 것과 같습니다(N은 10000과 같음).
이러한 독립 sat의 합을 취하면 mo=0, speed=SQRT(M*N)*X로 정규 분포됩니다.
따라서 시행 횟수가 증가하면 합계가 동결되거나 0이 되는 경향이 없고 오히려 시행 횟수의 근에 비례하여 증가합니다. 그러나 산술 평균(또한 시행 횟수로 나눈 값)은 이미 고려된 베르누이 정리로 인해 시행 횟수가 증가하면 0으로 수렴됩니다.
C-4 : 오래전에 나는 실제로 정규분포를 얻기로 결정했고 수치 실험을 했습니다. 500개의 누적 시리즈는 10,000개의 독립적인 시도에서 가져옵니다. 우리는 500개의 관련 없는 무작위 그래프를 얻습니다. 우리는 그것들에 대한 단일 기준점을 취하고 시간이 지남에 따라 또는 오히려 테스트 수가 증가함에 따라 서로 어떻게 다른지 확인합니다. 따라서 그들의 발산은 정규 분포 법칙을 따르고 전체적으로 정규 분포 종을 형성합니다.
정규 분포를 설명하는 데 그다지 좋은 아이디어가 아닙니다. 예를 들어 10000에서 프로세스를 중지하면 횡단면에서 정확히 정규 분포를 얻을 수 있는지 확신할 수 없습니다. 또한이 분포 매개 변수는 지속적으로 변경됩니다.
내가 틀렸다면 - "섹션"의 분포(즉, 0과의 편차)가 최소한 점근적으로 정상이라고 명시되어 있는 링크를 제공하십시오.
SProgrammer : 이해(간에서 느끼기)가 90% 이해의 열쇠입니다.
공식이 없으면 간에 느껴지지 않습니다. 당신 자신이 알고 있습니다. 그러나 여기에 공식이 있습니다.
yosuf : 물질수지방정식의 해와 terver법칙의 해가 일치하여 현상해석 결과를 해석할 때 서로 보완함을 나타낸다.
다양한 과학기술 분야에서 감마 함수가 발견된다는 말을 들어보셨나요?
나는 디퓨라를 풀 때 그녀의 외모에서 초자연적인 것을 보지 못합니다. 그리고 당신은 이 함수가 Excel에서 어떻게 호출되는지 보았기 때문에 감마 분포에 대해 이야기하기 시작했습니다. 자, 유서프 , 당신의 디퍼에있는 테버와 어떤 관련이 있습니까?!
SProgrammer 는 terver/matstat에 실제로 사용되는 배포판이 거의 없다고 올바르게 말합니다. 원하는 만큼 배포할 수는 있지만 말입니다. 그래서 당신을 위해 여전히 당신을 붙잡는다면 (18), 나는 Erlang과 당신이 그것을 어디에서 얻었는지 생각해 보는 것이 좋습니다. 위의 인용문과 같이 의미 있는 결론의 형식이 아니라 보다 완전한 형식으로 자신의 생각을 나열해 보십시오.
나는 Feller, vol.2를 봤습니다. 감마 분포에 대해 뭔가가 있지만 끔찍한 공식이 있습니다. 그리고 Erlang에 대해 몇 마디 밖에 없습니다. 그래서 - 여기가 아닙니다.
그러나 지수 분포에 대해 흥미로운 것이 있습니다(Feller, vol. 2, p. 69).
그래서, 나는 문제를 해결하려고 노력할 것입니다: 각각에 10,000번의 시행에 대한 10번의 누적 시리즈가 주어집니다. 시리즈의 최종 결과는 다음과 같습니다.
하나
145
2
-32
삼
-80
4
25
5
-172
6
102
7
78
아홉
-121
십
95
총
40
M 독립 sat의 합은 +40입니다. SQRT(40*10,000) * 100 = 63,245 공식에 결과를 대입하면 적절한 결과가 나오지 않습니다. 분명히 나는 "sum M"이 무엇을 의미하는지 오해했습니다.
아니면 모든 실험이 차례로 연결되어야 하고 M.O.에서 최종 결과의 편차가 분석되어야 함을 의미합니까?
바질, 처음부터 시작하자. 랜덤 워크를 코인 유형 증분의 누적 합계로 모델링했습니까? 동일한 확률 0.5/0.5의 두 결과 +1 및 -1. 이 랜덤 변수는 그 자체가 정규 분포가 아니라 2개의 값을 갖는 이산 분포입니다. 그의 MO=0 및 RMS=SQRT(0.5*0.5)=0.5
또한 랜덤 워크를 이러한 증분의 합으로 간주합니다. 가지고 있는 대로 10,000 증분을 취합시다. 그것은 무엇과 같을 것인가? 이것이 랜덤 변수(이미 두 번째)라는 것이 분명합니다. 증분이 독립적이면 이 분포는 MO=0, RMS=SQRT(10000)*0.5=50인 시행 횟수가 증가하는 정규 분포로 수렴됩니다. 예를 들어 이것과 3 시그마 규칙에서 이 CV 구현의 99% 이상이 -150 ... + 150 간격에 속한다는 것을 알 수 있습니다. 저것들. 이 간격을 벗어나면 10000*0.01=100 CB 구현 미만입니다.
다음으로 이미 이러한 CB의 합계를 고려하고 있습니다. 열에는 이 SV의 10개 구현 합계만 있습니다. 이것은 MO=0, RMS=50*SQRT(10)=158로 정규 분포를 따르는 새로운(이미 세 번째) CV가 됩니다. 총 +40을 얻었다는 사실은 이 세 번째 CB를 한 번만 실현한 것입니다. 그러나 그것은 넓은 범위에 걸쳐 다릅니다. 다시 말하지만, 데이터의 99%는 -474...+474 범위에 있습니다.
Alexei가 먼저 가져온 자료를 먼저 들어보겠습니다.
Yusuf와 다른 모든 사람들은 이것을 주제에 대한 지식을 손상시키는 것으로 받아들이지 마십시오.
따라서 시퀀스 대신 추가 용어와 실행이 시작됩니다.
상인들의 질병입니다. 버튼을 누를 시간이 없을까 두렵습니다. 나 자신이다.
"Bollinger Bands의 Bollinger" 책 9장의 정규 분포 개념
지부는 지식의 좋은 보고가 될 것을 약속합니다.
오래 전에 나는 실제로 정규 분포를 얻기로 결정했으며 수치 실험을 수행했습니다. 500개의 누적 시리즈는 10,000개의 독립적인 시도에서 가져옵니다. 우리는 500개의 관련 없는 무작위 그래프를 얻습니다. 우리는 그것들에 대한 단일 기준점을 취하고 시간이 지남에 따라 또는 오히려 테스트 수가 증가함에 따라 서로 어떻게 다른지 확인합니다. 따라서 그들의 발산은 정규 분포 법칙 을 따르고 전체적으로 정규 분포 종을 형성합니다.
흥미롭게도 평균 스프레드는 시행 횟수의 제곱근과 같습니다. 따라서 1000번 던진 후에는 평균적으로 모든 시리즈가 초기 0 위치에서 32포인트의 거리에 있고 10,000번 던진 후에는 100포인트의 거리에서만 있을 것으로 예상할 권리가 있습니다. 이것은 종 모양에서 알 수 있습니다. 첫째, 그것은 측면으로 상당히 급격하게 발산한 다음 발산의 "속도"가 희미해지기 시작합니다.
흥미로운 사실은 시도 횟수에 관계없이 모든 500 시리즈의 합계가 거의 0이 된다는 것입니다. 이것은 그림에서 명확하게 볼 수 있습니다. 10,000회 시도 후 시리즈의 50%는 0보다 높았고 50%는 0보다 높았습니다. 따라서 모든 시스템의 평균 상태 또는 기대치는 0이 되는 경향이 있습니다.
이와 관련하여 전문가들에게 질문이 있습니다 . 실제 수학적 기대치의 이론적 편차를 계산하는 방법은 무엇입니까? MO가 0입니까? 결국, 모든 테스트의 합이 분명히 0과 같을 것이라고 기대할 수 있는 것은 아무 것도 없는 것이 당연합니다. 그것은 +3 또는 -20 정도와 같을 수 있습니다. 그리고 두 번째 하위 질문: 이 오류 값은 시행 횟수가 증가함에 따라 0으로 축소됩니까, 아니면 시행 횟수의 제곱근에 비례하는 수준에서 "정지"됩니까?
이론적인 0 MO에서 실제 수학적 기대치의 편차를 계산하는 방법은 무엇입니까? 결국, 모든 테스트의 합이 분명히 0과 같을 것이라고 기대할 수 있는 것은 아무 것도 없는 것이 당연합니다. 그것은 +3 또는 -20 정도와 같을 수 있습니다. 그리고 두 번째 하위 질문: 이 오류 값은 시행 횟수가 증가함에 따라 0으로 축소됩니까, 아니면 시행 횟수의 제곱근에 비례하는 수준에서 "정지"됩니까?
sb는 독립 확률 변수의 합입니다. mo=0, sko=X로 증분을 정상적으로 분포시키십시오. 그런 다음 N 증분의 합은 mo=0, speed=SQRT(N)*X인 HP이기도 합니다. 이는 그림에 표시된 것과 같습니다(N은 10000과 같음).
이러한 독립 sat의 합을 취하면 mo=0, speed=SQRT(M*N)*X로 정규 분포됩니다.
따라서 시행 횟수가 증가하면 합계가 동결되거나 0이 되는 경향이 없고 오히려 시행 횟수의 근에 비례하여 증가합니다. 그러나 산술 평균(또한 시행 횟수로 나눈 값)은 이미 고려된 베르누이 정리로 인해 시행 횟수가 증가하면 0으로 수렴됩니다.
Если взять сумму M таких независимых сб, то она так же буден распределена нормально с мо=0, ско=SQRT(M*N)*X
그래서, 나는 문제를 해결하려고 노력할 것입니다: 각각에 10,000번의 시행에 대한 10번의 누적 시리즈가 주어집니다. 시리즈의 최종 결과는 다음과 같습니다.
M 독립 sat의 합은 +40입니다. SQRT(40*10,000) * 100 = 63,245 공식에 결과를 대입하면 적절한 결과가 나오지 않습니다. 분명히 "sum M"이 무엇을 의미하는지 오해했습니다.
아니면 모든 실험이 차례로 연결되어야 하고 M.O.에서 최종 결과의 편차가 분석되어야 함을 의미합니까?
정규 분포를 설명하는 데 그다지 좋은 아이디어가 아닙니다. 예를 들어 10000에서 프로세스를 중지하면 횡단면에서 정확히 정규 분포를 얻을 수 있는지 확신할 수 없습니다. 또한이 분포 매개 변수는 지속적으로 변경됩니다.
내가 틀렸다면 - "섹션"의 분포(즉, 0과의 편차)가 최소한 점근적으로 정상이라고 명시되어 있는 링크를 제공하십시오.
공식이 없으면 간에 느껴지지 않습니다. 당신 자신이 알고 있습니다. 그러나 여기에 공식이 있습니다.
나는 디퓨라를 풀 때 그녀의 외모에서 초자연적인 것을 보지 못합니다. 그리고 당신은 이 함수가 Excel에서 어떻게 호출되는지 보았기 때문에 감마 분포에 대해 이야기하기 시작했습니다. 자, 유서프 , 당신의 디퍼에있는 테버와 어떤 관련이 있습니까?!
SProgrammer 는 terver/matstat에 실제로 사용되는 배포판이 거의 없다고 올바르게 말합니다. 원하는 만큼 배포할 수는 있지만 말입니다. 그래서 당신을 위해 여전히 당신을 붙잡는다면 (18), 나는 Erlang과 당신이 그것을 어디에서 얻었는지 생각해 보는 것이 좋습니다. 위의 인용문과 같이 의미 있는 결론의 형식이 아니라 보다 완전한 형식으로 자신의 생각을 나열해 보십시오.
나는 Feller, vol.2를 봤습니다. 감마 분포에 대해 뭔가가 있지만 끔찍한 공식이 있습니다. 그리고 Erlang에 대해 몇 마디 밖에 없습니다. 그래서 - 여기가 아닙니다.
그러나 지수 분포에 대해 흥미로운 것이 있습니다(Feller, vol. 2, p. 69).
가격 수익률의 분포가 라플라스 분포와 잘 유사하기 때문에 이것은 특히 흥미롭습니다.그래서, 나는 문제를 해결하려고 노력할 것입니다: 각각에 10,000번의 시행에 대한 10번의 누적 시리즈가 주어집니다. 시리즈의 최종 결과는 다음과 같습니다.
M 독립 sat의 합은 +40입니다. SQRT(40*10,000) * 100 = 63,245 공식에 결과를 대입하면 적절한 결과가 나오지 않습니다. 분명히 나는 "sum M"이 무엇을 의미하는지 오해했습니다.
아니면 모든 실험이 차례로 연결되어야 하고 M.O.에서 최종 결과의 편차가 분석되어야 함을 의미합니까?
바질, 처음부터 시작하자. 랜덤 워크를 코인 유형 증분의 누적 합계로 모델링했습니까? 동일한 확률 0.5/0.5의 두 결과 +1 및 -1. 이 랜덤 변수는 그 자체가 정규 분포가 아니라 2개의 값을 갖는 이산 분포입니다. 그의 MO=0 및 RMS=SQRT(0.5*0.5)=0.5
또한 랜덤 워크를 이러한 증분의 합으로 간주합니다. 가지고 있는 대로 10,000 증분을 취합시다. 그것은 무엇과 같을 것인가? 이것이 랜덤 변수(이미 두 번째)라는 것이 분명합니다. 증분이 독립적이면 이 분포는 MO=0, RMS=SQRT(10000)*0.5=50인 시행 횟수가 증가하는 정규 분포로 수렴됩니다. 예를 들어 이것과 3 시그마 규칙에서 이 CV 구현의 99% 이상이 -150 ... + 150 간격에 속한다는 것을 알 수 있습니다. 저것들. 이 간격을 벗어나면 10000*0.01=100 CB 구현 미만입니다.
다음으로 이미 이러한 CB의 합계를 고려하고 있습니다. 열에는 이 SV의 10개 구현 합계만 있습니다. 이것은 MO=0, RMS=50*SQRT(10)=158로 정규 분포를 따르는 새로운(이미 세 번째) CV가 됩니다. 총 +40을 얻었다는 사실은 이 세 번째 CB를 한 번만 실현한 것입니다. 그러나 그것은 넓은 범위에 걸쳐 다릅니다. 다시 말하지만, 데이터의 99%는 -474...+474 범위에 있습니다.