Cada função em forma de sino é uma densidade de uma distribuição normal? O que o impede, por exemplo, de ver em sua figura a densidade da distribuição beta?
A propósito, Alexey, e Vladimir, você pode nos dar uma dica? Suponha que queiramos aproximar alguns dados por uma distribuição normal.
Cauda e meio de distribuição devem ter o mesmo peso em aproximação que eu suponho?
Então é melhor se aproximar em coordenadas logarítmicas?
Pois em coordenadas lineares o erro absoluto nas caudas será ordens de magnitude menor do que no meio, e, portanto, participará mal da aproximação.
Ou a segunda opção - tomar o quociente, não o quadrado da diferença, como o erro? Mas não serei capaz de derivar tais fórmulas.
Seria então melhor aproximar-se em coordenadas logarítmicas?
...
Em geral, sua pergunta (perguntas?) é colocada de forma muito geral, em abstrato. A única coisa que posso dizer com certeza - se a aproximação for feita com a minimização dos desvios em coordenadas logarítmicas, será um erro relativo mínimo. Isto se aplica à aproximação por qualquer coisa: polinômios, funções trigonométricas, estrias, frações racionais, wavelets... Não tenho ouvido falar de aproximações com distribuições de probabilidade típicas.
Para começar, vale a pena verificar se a amostra é normal, pelo menos "a olho nu".
"Isto significa construir um gráfico quantil-quantil(ou probabilidade-probabilidade) para a amostra e a distribuição normal e garantir que seja bem aproximado por uma linha reta".
Por que eles precisariam ser aproximados por uma distribuição normal ou outra? O expoente ainda era interessante no início, de acordo com a equação da cinética de propagação da reação em cadeia.
Por que eles precisariam ser aproximados por uma distribuição normal ou outra? O expoente ainda era interessante no início, de acordo com a equação da cinética de propagação da reação em cadeia.
Совершенствование языка MQL5 в плане его быстродействия и постоянный рост производительности персональных компьютеров привели к тому, что пользователи платформы MetaTrader 5 все чаще для анализа рынка стали использовать достаточно сложные, развитые математические методы. Эти методы могут принадлежать различным областям экономики, эконометрики...
Para login e uso do site MQL5.com, você deve ativar o uso de cookies.
Ative esta opção no seu navegador, caso contrário você não poderá fazer login.
Você entrou na conta. A autenticação de dois fatores foi desativada. Configure-a novamente e escaneie um novo código QR ou continue com a autenticação de dois fatores desativada.
Eu apoio Bas com seus conselhos - você precisa passar para as opções. O modelo Black-Scholes deve obviamente trabalhar com seus dados.
Você nem mesmo entendeu sobre o que era a pergunta e qual era o meu conselho) por que mostrar sua ignorância tão claramente?)
Cada função em forma de sino é uma densidade de uma distribuição normal? O que o impede, por exemplo, de ver em sua figura a densidade da distribuição beta?
A propósito, Alexey, e Vladimir, você pode nos dar uma dica? Suponha que queiramos aproximar alguns dados por uma distribuição normal.
Cauda e meio de distribuição devem ter o mesmo peso em aproximação que eu suponho?
Então é melhor se aproximar em coordenadas logarítmicas?
Pois em coordenadas lineares o erro absoluto nas caudas será ordens de magnitude menor do que no meio, e, portanto, participará mal da aproximação.
Ou a segunda opção - tomar o quociente, não o quadrado da diferença, como o erro? Mas não serei capaz de derivar tais fórmulas.
Você nem mesmo entendeu sobre o que era a pergunta e qual era o meu conselho) por que mostrar sua ignorância tão claramente?)
A propósito, Alexey, e Vladimir, você pode nos dar uma dica? Suponha que queiramos aproximar alguns dados por uma distribuição normal.
Cauda e meio de distribuição devem ter o mesmo peso em aproximação, como eu suponho?
Então é melhor se aproximar em coordenadas logarítmicas?
Pois em coordenadas lineares o erro absoluto nas caudas será ordens de magnitude menor do que no meio, e, portanto, participará mal da aproximação.
Ou a segunda opção - tomar o quociente, não o quadrado da diferença, como o erro? Mas eu não posso derivar tais fórmulas.
Antes de tudo, seria necessário verificar a normalidade da amostra, pelo menos "a olho nu".
Então você deve encontrar "estatísticas aplicadas" por Kobzar e veja lá o segundo capítulo)
...
Seria então melhor aproximar-se em coordenadas logarítmicas?
...Em geral, sua pergunta (perguntas?) é colocada de forma muito geral, em abstrato. A única coisa que posso dizer com certeza - se a aproximação for feita com a minimização dos desvios em coordenadas logarítmicas, será um erro relativo mínimo. Isto se aplica à aproximação por qualquer coisa: polinômios, funções trigonométricas, estrias, frações racionais, wavelets... Não tenho ouvido falar de aproximações com distribuições de probabilidade típicas.
Para começar, vale a pena verificar se a amostra é normal, pelo menos "a olho nu".
"Isto significa construir um gráfico quantil-quantil(ou probabilidade-probabilidade) para a amostra e a distribuição normal e garantir que seja bem aproximado por uma linha reta".
A propósito, Alexey, e Vladimir, você pode nos dar uma dica? Suponha que queremos aproximar alguns dados por uma distribuição normal
..
Aqui, por exemplo, estão os dados que todos estão interessados neste momento https://gisanddata.maps.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6. Apenas "alguns" dados.
Por que eles precisariam ser aproximados por uma distribuição normal ou outra? O expoente ainda era interessante no início, de acordo com a equação da cinética de propagação da reação em cadeia.
Por que eles precisariam ser aproximados por uma distribuição normal ou outra? O expoente ainda era interessante no início, de acordo com a equação da cinética de propagação da reação em cadeia.
O que se entende não é uma série cronológica, mas um histograma próximo ao normal.
https://www.mql5.com/ru/articles/396
python -https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.gaussian_kde.html
https://www.mql5.com/ru/articles/396
Portanto, é suavizante.