Почему нормальное распределение не нормально? - страница 4
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
ужас. народ так бросается словами, что мне-двоечнику тут не место.
А я вот читаю - пытаюсь понять до чего договорятся.
Если это опять лям-первая попытка натянуть фрачную пару на осьминога - это одно. Если что-то практическое - поучаствую.
Ну вот, пришел Neutron и поставил все на место. Кстати, marketeer тоже дело говорит насчет эксцесса и асимметрии.
Соответствующую гауссову кривую можно строить как угодно, но здесь проще всего подсчитать просто дисперсию выборки и построить гауссову кривую с параметрами 0 и сигма. Вот тогда будет видно отличие реальной гистограммы от такой гауссовой кривой.
Кстати, эта гауссовская аппроксимация должна быть существенно ниже реальной гистограммы в центре кривой (в нулевой точке).
Urain, ты на сколько с.к.о. выборки умножил?
С другой стороны, оценка с.к.о. для сильно толстохвостого распределения зависит от величины выборки, так что тут не все так просто.
СКО я вообще не трогал, я лишь взял готовый построенный график и отмасштабировал его подогнав под гистограмму по вертикале.
Гистограмма это распределение разности Клосов (у него есть МО и СКО) вот эти МО и СКО и используються для построения красной линии по приведённой формуле, но так как линия потерялась внизу у ног гистограммы а всему виной маленькие абсолютные х для построения соразмерного гистограммой y, то и пришлось для сравнения домножить каждый y линии на множитель.
У эталонной функции дисперсия и МО принимается от ряда котировок (там же посчитано) и задаётся такаяже единственно манипуляции проводятся с абсолютными значениями эталона, тут приходиться домнаживать каждый член на коэф чтоб совместить вершины.
Насколько я понял, эталонная функция - это функция НР.
Если так, то вы все сделали правильно, кроме одного: никаких домножений делать нельзя. Ваше желание совместить вершины к реальному расположению графиков никакого отношения не имеет. Кроме того, при домножении нарушается нормировка функции НР. Как вам понравится вероятность >1 ?
Если вы уберете домножение и сделаете картинку еще раз, то по ширине графики будут совпадать более-менее прилично. Однако в центре и на краях гистограмма будет выше, что и говорит о двух главных проблемах: бОльшей возвратности и, одновременно, тяжелых хвостах.
Сделайте такую картинку, если не затруднит.
PS
По предыдущему посту понял вашу проблему. Нормировку НР нарушать не нужно. Лучше найти правильный масштаб для гистограммы. Он находится из той же нормировки. Вы должны сложить высоты всех столбиков гистограммы и затем разделить на эту величину каждый столбик. В результате получится, что ваша гистограмма тоже нормирована на 1.
А я вот читаю - пытаюсь понять до чего договорятся.
Если это опять лям-первая попытка натянуть фрачную пару на осьминога - это одно. Если что-то практическое - поучаствую.
Пытаюсь выявить что такого есть в первой разности ряда котировок чего нет в нормальном распределении ?
Пытаюсь выявить что такого есть в первой разности ряда котировок чего нет в нормальном распределении ?
И что это даст, целеполагание какое? Выявить участки "ненормальности"? Опять же - зачем?
(Пока одни "?????")))
И что это даст, целеполагание какое? Выявить участки "ненормальности"? Опять же - зачем?
(Пока одни "?????")))
Скажем прощупать по какому закону проявляется ненормальность.
Насколько я понял, эталонная функция - это функция НР.
Если так, то вы все сделали правильно, кроме одного: никаких домножений делать нельзя. Ваше желание совместить вершины к реальному расположению графиков никакого отношения не имеет. Кроме того, при домножении нарушается нормировка функции НР. Как вам понравится вероятность >1 ?
Если вы уберете домножение и сделаете картинку еще раз, то по ширине графики будут совпадать более-менее прилично. Однако в центре и на краях гистограмма будет выше, что и говорит о двух главных проблемах: бОльшей возвратности и, одновременно, тяжелых хвостах.
Сделайте такую картинку, если не затруднит.
PS
По предыдущему посту понял вашу проблему. Нормировку НР нарушать не нужно. Лучше найти правильный масштаб для гистограммы. Он находится из той же нормировки. Вы должны сложить высоты всех столбиков гистограммы и затем разделить на эту величину каждый столбик. В результате получится, что ваша гистограмма тоже нормирована на 1.
Ну не влоб так полбу. Всё рано нормировать нужно.
ну вот совсем без нормирования. Только и то и другое подогнано к пункту Множ=1.0/Point; иначе индюк не видит таких маленьких значений.
. Внизу слева плотность распределения вероятности, справа - она же в логарифмическом масштабе.
Если бы распределение было бы нормальным, у нас бы тут была парабола, а её нет - из-за "толстых" хвостов. В принципе, сюда нужно вписывать гаусс по методу наименьших квадратов, тогда всё встанет на свои места. Нужно накидать формулку для омтимального вписывания...
Сергей, а как насчёт дважды логарифмического? Чего-то мысль меня гложет эта не первый день...
Всё из скромности никак проверить не соберусь :)
Сергей, а как насчёт дважды логарифмического? Чего-то мысль меня гложет эта не первый день...
Всё из скромности никак проверить не соберусь :)
Получится так:
Видно, что вблизи нуля, распределение близко к нормальному, а далее выходит на асимтотику в виде прямых, что в двойном логарифметическом масштабе говорит об экспоненциальном характере распределения "хвостов". Другими словами об их "тяжёлости".