그럼에도 불구하고 모든 악화 상황에도 불구하고 특정 조건, 즉 상관 시간(일정하지 않을 수 있음 - 프로세스가 비정상적입니다!)이 특정 임계값을 초과하는 на тех участках 에서 우리는 상당히 수용 가능한 예측을 구축할 수 있습니다. 최종 편차. 동시에, 적어도 어떤 시점에서 프로세스의 좋은(특정 임계값 초과, 원칙적으로 계산할 수 있는) 상관 관계의 조건과 이러한 순간을 식별하는 능력이 충분 조건입니다. 예측 가능성 때문입니다. 동시에 비정상과 분산이 없다는 사실 자체는 중요하지 않다.
멍청하게 씹을 수 있어?
과거의 지역은 무엇입니까? 그리고 나는 현재가 그 안에 여전히 존재한다는 것을 이해합니다 ...
밀도가 1/pi*1/(1+(x-x0)^2)이고 기대값 x0이 있는 비정상 프로세스는 완전한 불확실성에도 불구하고 알 수 없는 분포(정상 여부 - 역시 불명). 그리고 프로세스의 상관 시간을 0이 아닌 것으로 두십시오. 곱 ACF(tau,t)*tau의 적분은 모든 t에 대해 0보다 큽니다.
프로세스에 대해 무엇을 알고 있습니까?
a) 분산은 항상 무한합니다(믿지 않으면 적분을 계산하십시오).
b) 좁은 의미에서 그리고 넓은 의미에서 거의 확실하게고정되어 있지 않습니다. 첫 번째는 좁은 의미의 정상성의 정의에서 따온 것입니다. 프로세스의 밀도는 일정하지 않고 두 번째는 프로세스 x0의 알려지지 않은 속성 때문입니다.
그럼에도 불구하고 모든 악화 상황에도 불구하고 특정 조건, 즉 상관 시간(일정하지 않을 수 있음 - 프로세스가 비정상적입니다!)이 특정 임계값을 초과하는 영역에서 우리는 상당히 수용 가능한 예측을 구축할 수 있습니다. 최종 편차. 동시에, 적어도 어떤 시점에서 프로세스의 좋은(특정 임계값 초과, 원칙적으로 계산할 수 있는) 상관 관계의 조건과 이러한 순간을 식별하는 능력이 충분 조건입니다. 예측 가능성 때문입니다. 동시에 비정상과 분산이 없다는 사실 자체는 중요하지 않다.
오류는 원하는 대로 변경될 수 있으며 우리의 임무는 이를 계산할 수 있도록 하는 것입니다. 우리가 이것을 할 수 있다면 왜 다른 시점에서 다를 수 없습니까? 당신의 치명적인 실수는 예측의 분산과 예측된 프로세스의 분산을 구분하지 않는 것이며, 이는 서로 엄격하게 관련되지 않은 완전히 다른 것입니다. 그들 사이의 연결의 존재와 깊이는 프로세스에 대한 지식의 양, 우리의 무기고에서 사용할 수 있는 예측 방법, 그리고 마지막으로 중요한 것은 예측된 프로세스 자체의 속성을 비롯한 많은 요인에 따라 달라집니다. 위의 예가 이를 확인합니다.
사람들은 혼자가 아니라 많은 권위자들의 말을 들은 후에 착각하는 경향이 있기 때문에 집착은 정말로 당신 혼자만의 것이 아닙니다.
권위에 관한 것이 아닙니다.
당신의 추론의 오류는 수학적 계산을 매우 신뢰하는 수학 교육을 받은 사람들에게 일반적입니다.
통계에서 거의 모든 정당화를 얻는 것은 매우 쉽습니다. 단순한 추론으로 쉽게 반박되는, 제가 정말 좋아합니다.
분산의 불확실성은 예측에 결정적이며 과거 데이터에 대한 참조는 어떤 공식이 이를 은폐하든 여기에 적합하지 않습니다.
간단한 예입니다. 우리는 목표물을 쏘고 있습니다. 나는 여기에서 정상적인 법칙이 규칙을 따르고 10, 9, 8 등을 칠 확률에 대해 이야기할 수 있다고 배웠습니다. 그리고 저격수의 질을 평가하십시오. 이는 과거 데이터에서 계산한 분산 값을 기반으로 합니다. 그러나 저격수가 눈을 가리고 의자에 앉아 비틀면 전체 이야기가 분산과 함께 망각에 빠질 것입니다.
저에게 이것은 비정상성의 표시입니다. 과거는 아무 의미가 없습니다. 그리고 과거를 사용하려면 약간의 노력이 필요합니다.
예측은 확률 변수입니다. 우리가 계산한 수치는 범위에서 구현한 것이며 범위 경계와 계산된 범위 경계에 대한 신뢰 수준은 기본입니다. 어디에도 분산되지 않습니다. 변수라면? 특히, ARCH 모델은 이 변동성을 모델링하고, 변동의 불확실성을 명확히 하고, 변동의 동작(상수가 아니라 동작)에 대한 특정 고려 사항이 주어지면 예측에 대해 보다 명확하게 말합니다.
귀하의 게시물이 고정되지 않은 VR 작업 가능성에 대해 이야기한다면 전적으로 귀하의 의견에 동의합니다. 그러나 비정상성 문제에 대한 완전한 솔루션을 알지 못하기 때문에 이 문제가 어떻게 해결되고, 어떤 방법으로, 무엇이 해결되고 무엇이 해결되지 않을지를 항상 모델에 표시해야 합니다. 우리 모델이 고려하지 않은 비정상성의 일부 특성을 가진 섹션이 항상 있을 것이고, TS는 병합될 것이고 우리는 직선 형태의 균형 선을 절대 얻지 못할 것입니다.
분산의 불확실성은 예측에 결정적이며 과거 데이터에 대한 참조는 어떤 공식이 이를 은폐하든 여기에 적합하지 않습니다.
예측이 항상 수행되어야 하는 것은 아닙니다. 예를 들어 EURUSD M1 과 같은 실제 가격 시리즈를 사용하십시오. 59분의 1을 복제하여 매시 첫 번째 분을 바꿉니다. 시리즈 전체는 고정적이지 않을 것이지만 예측과 그 결과는 확률론적이지 않고 결정론적일 것입니다. Equity TS는 하늘을 향한 각도에서 찾고있는 직선이 될 것입니다))
멍청하게 씹을 수 있어?
과거의 지역은 무엇입니까? 그리고 나는 현재가 그 안에 여전히 존재한다는 것을 이해합니다 ...
그리고 Cauchy의 의미에서 패션은 평균이 될 것입니까?
멍청하게 씹을 수 있어?
과거의 지역은 무엇입니까? 그리고 나는 현재가 그 안에 여전히 존재한다는 것을 이해합니다 ...
그리고 Cauchy의 의미에서 패션은 평균이 될 것입니까?
그래서 나는 MO가 없고 분산과 비정상이 프로세스를 예측할 수 없다고 간주하는 이유가 아니라는 것을 보여주기 위해 과장된 예를 들었습니다. 핵심 문구는 예측 가능성의 영역, 즉 시간의 의미를 식별하는 능력입니다.
MO에 관해서는 물론, 나는 순간의 더위에 거짓말을했습니다) 패션은 물론입니다.
"보통 SB"의 정체는 어디에 있습니까?
그리고 "이상적인 SKO"는 어디에 있습니까?
추신 당신은 당신이 말하는 것을 명확히해야합니다. 반품에 관한 것이라면 그렇습니다.
불행히도 모든 예측은 결정 구성 요소에만 기반할 수 있습니다. 이 구성 요소가 없는 행에서는 예측 및 수입이 불가능해집니다.
팀은 그러한 고려 사항을 어떻게 보고 있습니까?
1. 결정적 요소가 있는 경우 예측이 가능합니다.
2. 결정적 성분은 왼쪽뿐만 아니라 마지막 막대의 오른쪽에서도 미분 가능합니다.
3. 오른쪽의 미분성(다음 막대가 올 때까지!)은 평활화 함수의 형태로 제공됩니다. 접합부에서 큐빅 스플라인이 미분 가능한 상태로 유지되는 것을 어디선가 보았습니다.
미분할 수 없는 함수를 예측하는 것도 가능합니다.
결정적 구성 요소가 없는 경우에도 예측이 가능합니다.
미분 가능성은 예측 가능성과 관련되어서는 안 됩니다. 따뜻함과 부드러움을 비교하는 것과 같습니다.
이것은 답변이 아니라 자신의 망상에 관한 질문입니다. 나는 그들을 논박하는 예를 든다.
밀도가 1/pi*1/(1+(x-x0)^2)이고 기대값 x0이 있는 비정상 프로세스는 완전한 불확실성에도 불구하고 알 수 없는 분포(정상 여부 - 역시 불명). 그리고 프로세스의 상관 시간을 0이 아닌 것으로 두십시오. 곱 ACF(tau,t)*tau의 적분은 모든 t에 대해 0보다 큽니다.
프로세스에 대해 무엇을 알고 있습니까?
a) 분산은 항상 무한합니다(믿지 않으면 적분을 계산하십시오).
b) 좁은 의미에서 그리고 넓은 의미에서 거의 확실하게 고정되어 있지 않습니다. 첫 번째는 좁은 의미의 정상성의 정의에서 따온 것입니다. 프로세스의 밀도는 일정하지 않고 두 번째는 프로세스 x0의 알려지지 않은 속성 때문입니다.
그럼에도 불구하고 모든 악화 상황에도 불구하고 특정 조건, 즉 상관 시간(일정하지 않을 수 있음 - 프로세스가 비정상적입니다!)이 특정 임계값을 초과하는 영역에서 우리는 상당히 수용 가능한 예측을 구축할 수 있습니다. 최종 편차. 동시에, 적어도 어떤 시점에서 프로세스의 좋은(특정 임계값 초과, 원칙적으로 계산할 수 있는) 상관 관계의 조건과 이러한 순간을 식별하는 능력이 충분 조건입니다. 예측 가능성 때문입니다. 동시에 비정상과 분산이 없다는 사실 자체는 중요하지 않다.
오류는 원하는 대로 변경될 수 있으며 우리의 임무는 이를 계산할 수 있도록 하는 것입니다. 우리가 이것을 할 수 있다면 왜 다른 시점에서 다를 수 없습니까? 당신의 치명적인 실수는 예측의 분산과 예측된 프로세스의 분산을 구분하지 않는 것이며, 이는 서로 엄격하게 관련되지 않은 완전히 다른 것입니다. 그들 사이의 연결의 존재와 깊이는 프로세스에 대한 지식의 양, 우리의 무기고에서 사용할 수 있는 예측 방법, 그리고 마지막으로 중요한 것은 예측된 프로세스 자체의 속성을 비롯한 많은 요인에 따라 달라집니다. 위의 예가 이를 확인합니다.
사람들은 혼자가 아니라 많은 권위자들의 말을 들은 후에 착각하는 경향이 있기 때문에 집착은 정말로 당신 혼자만의 것이 아닙니다.
권위에 관한 것이 아닙니다.
당신의 추론의 오류는 수학적 계산을 매우 신뢰하는 수학 교육을 받은 사람들에게 일반적입니다.
통계에서 거의 모든 정당화를 얻는 것은 매우 쉽습니다. 단순한 추론으로 쉽게 반박되는, 제가 정말 좋아합니다.
분산의 불확실성은 예측에 결정적이며 과거 데이터에 대한 참조는 어떤 공식이 이를 은폐하든 여기에 적합하지 않습니다.
간단한 예입니다. 우리는 목표물을 쏘고 있습니다. 나는 여기에서 정상적인 법칙이 규칙을 따르고 10, 9, 8 등을 칠 확률에 대해 이야기할 수 있다고 배웠습니다. 그리고 저격수의 질을 평가하십시오. 이는 과거 데이터에서 계산한 분산 값을 기반으로 합니다. 그러나 저격수가 눈을 가리고 의자에 앉아 비틀면 전체 이야기가 분산과 함께 망각에 빠질 것입니다.
저에게 이것은 비정상성의 표시입니다. 과거는 아무 의미가 없습니다. 그리고 과거를 사용하려면 약간의 노력이 필요합니다.
예측은 확률 변수입니다. 우리가 계산한 수치는 범위에서 구현한 것이며 범위 경계와 계산된 범위 경계에 대한 신뢰 수준은 기본입니다. 어디에도 분산되지 않습니다. 변수라면? 특히, ARCH 모델은 이 변동성을 모델링하고, 변동의 불확실성을 명확히 하고, 변동의 동작(상수가 아니라 동작)에 대한 특정 고려 사항이 주어지면 예측에 대해 보다 명확하게 말합니다.
귀하의 게시물이 고정되지 않은 VR 작업 가능성에 대해 이야기한다면 전적으로 귀하의 의견에 동의합니다. 그러나 비정상성 문제에 대한 완전한 솔루션을 알지 못하기 때문에 이 문제가 어떻게 해결되고, 어떤 방법으로, 무엇이 해결되고 무엇이 해결되지 않을지를 항상 모델에 표시해야 합니다. 우리 모델이 고려하지 않은 비정상성의 일부 특성을 가진 섹션이 항상 있을 것이고, TS는 병합될 것이고 우리는 직선 형태의 균형 선을 절대 얻지 못할 것입니다.
나중에 쓸게, 알았지? 힘이 없다...
분산의 불확실성은 예측에 결정적이며 과거 데이터에 대한 참조는 어떤 공식이 이를 은폐하든 여기에 적합하지 않습니다.