Есть набор экспериментальных данных Существуют ли какие-нибудь специальные методы для их аппроксимации функцией вида то есть как бы суммой гауссовских функций? Как можно найти неизвестные параметры ? МНК здесь вряд ли поможет, зависимости ведь нелинейные. Нет ли готовых научных исследований на эту тему? Если есть, скиньте пожалуйста ссылку. В...
여기 사람들이 확률론적 접근 방식에 얼마나 깊이 빠져들었고 심지어 히스토그램이 내용에 대해서는 아무 말도 하지 않는 "표 형식 데이터 의 그래픽 표현 방법"(Wiki)이라는 사실을 잊었습니다. 내가 추측할 수 있는 한, 아마도 정규 확률 분포에 가까운 일부 이벤트 x>xi의 상대적(총합으로 참조) 샘플 빈도 Hi의 값 테이블에 대해 이야기하고 있습니다. 그리고 어떤 의미에서 오류가 최소화되도록 정규 분포의 확률 값으로 대체하는 것입니다. 왜 이러한 매개변수의 직접 계산 공식, 결정에 대한 기대 및 분산에 만족하지 않습니까?
xi가 테이블에서 동일한 간격이면 다음과 같습니다.
- 기대치는 모든 구현의 산술 평균 = 이 표에서 Hi와 동일한 가중치를 갖는 표 값의 가중 평균으로 간단하게 조정됩니다.
- 분산 - 표준 편차의 제곱근(가중치 - 동일한 Hi) 또는 추정의 정확도를 높이려면 표준 편차가 아니라 표준 편차(유일한 차이점은 n 또는 n-1). 표준 편차 추정치는 편향되지 않습니다.
정규 분포(적합, 근사)의 모수를 추정하는 방법으로는 전혀 표시되지 않습니다. 뚱뚱한 꼬리가 없는 가장 정규 분포입니다. Alexander_K2에게 물어보세요. 그는 이 꼬리를 찾고 있었습니다. 단일 매개변수가 있는 테이블을 살펴보십시오. 제 생각에는 모든 TV 교과서와 모든 수학 참고서에 표가 있습니다. 아무리 커스터마이징을 해도 뚱뚱한 꼬리를 잡으려면 배포 옵션을 변경해야 합니다. 그리고 왜 전형적인 분포가 필요합니까? 정말 확률 분포입니까? "일부 데이터"에 대해 이러한 스탬프를 찍는 이유는 무엇입니까? 아니면 내가 추측한 대로 일부 데이터가 아니라 선택적인 상대 빈도입니까?
그래서 이것은 평활화입니다.
)
이것은 가우시안 혼합에 의한 근사치입니다 ...
)
이것은 가우시안 혼합에 의한 근사치입니다 ...
혼합물 근사는 약간 다릅니다 .
)
이것은 가우시안 혼합에 의한 근사치입니다 ...
음 Duc, 최종 결과는 개별 가우시안이 아니라 관심 대상입니다.
그런 다음 Kobzar의 "응용 통계"를 찾아 두 번째 장을 참조해야 합니다.
찾아봤지만 '근사'라는 단어조차 찾지 못했다)
일반적으로 이상합니다. 평가하는 백만 가지 까다로운 방법이 있습니다. 가장 이해하기 쉽고 간단하고 정확한 근사치를 제외하고.
내가 뭔가를 이해하지 못하는 건 아닐까?
찾아봤지만 '근사'라는 단어조차 찾지 못했다)
일반적으로 이상합니다. 평가하는 백만 가지 까다로운 방법이 있습니다. 가장 이해하기 쉽고 간단하고 정확한 근사치를 제외하고.
내가 뭔가를 이해하지 못하는 건 아닐까?
다양한 평가를 내릴 수 있습니다. 그 다음에야 최소한 일관성과 편향성을 확립하는 것이 필요합니다. 이것은 모든 "정확하고 단순하며 이해할 수 있는" 추정치에 해당되지 않습니다. 일반적인 예는 편향되지 않은 분산 추정치의 n-1 분모입니다.
기존 평가도 효과적이고 충분하다면 새로운 평가의 발명은 완전히 무의미하거나 몇 가지 추가 근거가 있어야 합니다. 일반적으로 이는 작은 샘플, 이상값, 결측값 등으로 작업하는 견고성 고려 사항입니다.
이것은 시계열이 아니라 정상에 가까운 히스토그램입니다.
여기 사람들이 확률론적 접근 방식에 얼마나 깊이 빠져들었고 심지어 히스토그램이 내용에 대해서는 아무 말도 하지 않는 "표 형식 데이터 의 그래픽 표현 방법"(Wiki)이라는 사실을 잊었습니다. 내가 추측할 수 있는 한, 아마도 정규 확률 분포에 가까운 일부 이벤트 x>xi의 상대적(총합으로 참조) 샘플 빈도 Hi의 값 테이블에 대해 이야기하고 있습니다. 그리고 어떤 의미에서 오류가 최소화되도록 정규 분포의 확률 값으로 대체하는 것입니다. 왜 이러한 매개변수의 직접 계산 공식, 결정에 대한 기대 및 분산에 만족하지 않습니까?
xi가 테이블에서 동일한 간격이면 다음과 같습니다.
- 기대치는 모든 구현의 산술 평균 = 이 표에서 Hi와 동일한 가중치를 갖는 표 값의 가중 평균으로 간단하게 조정됩니다.
- 분산 - 표준 편차의 제곱근(가중치 - 동일한 Hi) 또는 추정의 정확도를 높이려면 표준 편차가 아니라 표준 편차(유일한 차이점은 n 또는 n-1). 표준 편차 추정치는 편향되지 않습니다.
...
여기에서 x축을 따라 -10(왼쪽)에서 +10(오른쪽)까지 사람이 출발점을 몇 걸음 떠났는지 기록하고 그가 이것을 했을 확률(%)로 서명했습니다. 각 단계에서 반전 가능성을 찾는 방법은 무엇입니까?
귀하의 예는 유령이 나오는 Galton 보드를 반사판으로 모델링한 결과일 가능성이 큽니다.
어쨌든 매우 유사해 보입니다.
10에서 매우 믿을 만하다
전환 확률 행렬이 있는 Markov 체인에 대한 반복(즉, 보드 유형 '하우스') -
0.75 0.25 0 0 ... 0
0.25 0.5 0.25 0 ... 0
...
0 ... 0.25 0.5 0.25
0 ... 0 0.25 0.75
초기 상태 0 0 0 0 0 1000 0 0 0 0 0. 즉. 상대 0에서)
왜 이러한 매개변수의 직접 계산 공식, 결정에 대한 기대 및 분산에 만족하지 않습니까?
예를 들어, 그들은 두꺼운 꼬리를 보여주지 않습니다.
예를 들어, 그들은 두꺼운 꼬리를 보여주지 않습니다. 그리고 그 위에 구축된 가우시안은 꼬리나 중앙에 있는 데이터와 수렴하지 않을 가능성이 큽니다.
그러나 그럼에도 불구하고 중요한 차이점은 극단적 인 벙커에만 있습니다. 위에서 말했듯이 반사벽 때문입니다.)
예를 들어, 그들은 두꺼운 꼬리를 보여주지 않습니다.
정규 분포(적합, 근사)의 모수를 추정하는 방법으로는 전혀 표시되지 않습니다. 뚱뚱한 꼬리가 없는 가장 정규 분포입니다. Alexander_K2에게 물어보세요. 그는 이 꼬리를 찾고 있었습니다. 단일 매개변수가 있는 테이블을 살펴보십시오. 제 생각에는 모든 TV 교과서와 모든 수학 참고서에 표가 있습니다. 아무리 커스터마이징을 해도 뚱뚱한 꼬리를 잡으려면 배포 옵션을 변경해야 합니다. 그리고 왜 전형적인 분포가 필요합니까? 정말 확률 분포입니까? "일부 데이터"에 대해 이러한 스탬프를 찍는 이유는 무엇입니까? 아니면 내가 추측한 대로 일부 데이터가 아니라 선택적인 상대 빈도입니까?
확률적 표현이 데이터를 전혀 설명하지 않기 때문일 수 있습니까? Forex 비율에 대한 Yuriy Asaulenko https://www.mql5.com/en/forum/221552/page162#comment_6399653 의 사진에서 수학적 기대치가 어떻게 춤을 추는지 기억하십시오. 당신이 확률적 표현을 사용하고 싶은 것은 그들을 위한 것 아닙니까? 그러면 무거운 꼬리가 어디에서 왔는지 분명합니다.