A correlação de amostra zero não significa necessariamente que não exista uma relação linear - página 2

Novo comentário
 
Existem também dependências não lineares. Os coeficientes de correlação Spearman ou Pearson (ou covariância) não os revelam.
 
Prival:

Na verdade, os livros dizem que se QC=0, isso não significa que as duas quantidades em questão não estejam relacionadas.

Os livros dizem que eles não estão relacionados linearmente.

O elo que Rosh deu é exatamente o Coeficiente de Correlação de Posição da Spearman. É assim que é calculado. Se você quiser ver a autocorrelação, ela é calculada um pouco diferente, como esta https://www.mql5.com/ru/code/8295

Sua autocorrelação não é de todo calculada corretamente.
 
De modo geral, se você entender o princípio da formação de preços forex, a distribuição não pode ser normal em princípio. Com a ajuda da correlação, podemos tentar encontrar padrões gráficos, podemos tentar reconhecer figuras e ondas. Mas a teoria da probabilidade não pode ser aplicada. Uma pessoa armada com conhecimento da teoria da probabilidade é tão cega quanto uma pessoa desarmada.
 
O que a não-estacionariedade tem a ver com isso? Trata-se de interpretar a correlação em uma amostra. E a medida da dependência linear em relação à mesma amostra.
 

Ficou claro por que uma relação linear está associada a uma correlação.

Imagine duas BPs como vetores. A questão é que, por alguma razão, decidiu-se que não há relação linear se os vetores forem ortogonais.

A ortogonalidade dos vetores é produto escalar zero.

Para o espaço euclidiano, o produto escalar de vetores é considerado como se segue:

- É quase uma correlação já feita.

Portanto, se os vetores são linearmente independentes (com base na definição acima), então sua correlação é zero.

Outra coisa é que a dependência linear, definida como uma medida do ângulo entre vetores, é uma definição bastante ruim.

 

Um pouco de informação de fundo.

Correlação e dependência são freqüentemente confundidas porque no caso das distribuições gaussianas elas são equivalentes (veja qualquer livro sobre matemática para a prova), e muitas pessoas acreditam que tudo no mundo é normalmente distribuído:))

Outro equívoco comum é confundir os conceitos de "coeficiente de correlação" (ou seja, característica da dependência estocástica entre c.v.) e "coeficiente de correlação da amostra" (uma estimativa - uma das muitas possíveis - do verdadeiro SC). Na verdade, são coisas bem diferentes, e substituir uma pela outra é fundamentalmente errado.

Para acompanhar, dois outros termos que são freqüentemente confundidos - dependência funcional e dependência estocástica (aka estatística, regressão, etc.).


Lendo o fio pela centésima vez estou convencido de que a matemática não pode ser entendida simplesmente pela leitura de uma dúzia de livros didáticos.

NELE VOCÊ DEVE PASSAR NO EXAME.

De preferência com "excelente":))))

 
alsu:

Outro equívoco comum é confundir "coeficiente de correlação" (ou seja, uma característica da relação estocástica entre c.i.s.) e "coeficiente de correlação da amostra" (uma estimativa - uma das muitas possíveis - do verdadeiro SC). Na verdade, são coisas bem diferentes, e substituir uma pela outra é fundamentalmente errado.

A palavra "amostragem" está no título da linha. A correlação linear também é discutida em termos de amostragem, não como uma característica teórica de variáveis aleatórias.
 
alsu:

Apenas uma pequena lição.

Correlação e dependência são freqüentemente confundidas porque no caso das distribuições gaussianas elas são equivalentes (veja qualquer livro sobre matemática para a prova), com muitas pessoas acreditando que tudo no mundo é normalmente distribuído:))

Outro equívoco comum é misturar os conceitos de "coeficiente de correlação" (ou seja, característica de dependência estocástica entre c.v.) e "coeficiente de correlação da amostra" (uma estimativa - uma das muitas possíveis - do verdadeiro CQ). Na verdade, são coisas bem diferentes, e substituir uma pela outra é fundamentalmente errado.

Em seguida, mais dois termos que são frequentemente confundidos - dependência é funcional e dependência é estocástica (aka estatística, regressão, etc.).


Lendo o fio, pela centésima vez, estou convencido de que as estatísticas matemáticas não podem ser entendidas simplesmente lendo uma dúzia de livros didáticos.

VOCÊ TEM QUE PASSAR UM EXAME NELE.

De preferência com um "A":)))

E se houver um desejo de "usar" o funcionamento?

Esqueça o FFT ou o que quer que seja.

Múltiplas regressões e correlações.

;)

Sons!

O que o modelo físico dos fóruns tem a ver com isso?

Tudo bem, eles o fariam em um fondue, pelo menos ali a métrica do espaço de estado não é um toro, mas uma bola.

;) DDD

 
hrenfx:

Ficou claro por que uma relação linear está associada a uma correlação.

Imagine duas BPs como vetores. A questão é que, por alguma razão, decidiu-se que não há relação linear se os vetores forem ortogonais.

A ortogonalidade dos vetores é produto escalar zero.

Para o espaço euclidiano, o produto escalar de vetores é considerado como se segue:

- Isso é quase uma correlação já feita.

Portanto, se os vetores são linearmente independentes (com base na definição acima), então sua correlação é zero.

Outra coisa é que a dependência linear, definida como uma medida do ângulo entre vetores, é uma definição bastante ruim.

Eles não lhe dão tarefas suficientes no instituto?

 
hrenfx:

....

Sua autocorrelação não está contando nada corretamente.

Acontece que fui um tolo ao verificar o código 10 vezes antes de publicá-lo. Verifiquei com amostras de matriz com pacotes de matriz conhecidos. Em particular, o matcadec tem uma função integrada. Eu verifiquei e tudo combinou. Mas acaba mal ...

Talvez você possa me iluminar no caminho certo... Antes que eu esteja realmente errado.

Só no caso de https://ru.wikipedia.org/wiki/Автокорреляционная_функция

123456789...60
Novo comentário
Razão: