От теории к практике - страница 1457
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
Почему? что мешает в случае зависимости приращений?
Выборочная функция распределения приближает истинную в силу теоремы Гливенко — Кантелли, которая требует, чтобы выборка была реализацией последовательности независимых, одинаково распределённых случайных величин. Грубо говоря, при сильной зависимости выборка может скучковаться в одной точке, что сильно исказит полученную эмпирическую (выборочную) функцию распределения в сравнении с истинной.
Выборочная функция распределения приближает истинную в силу теоремы Гливенко — Кантелли, которая требует, чтобы выборка была реализацией последовательности независимых, одинаково распределённых случайных величин. Грубо говоря, при сильной зависимости выборка может скучковаться в одной точке, что сильно исказит полученную эмпирическую (выборочную) функцию распределения в сравнении с истинной.
почитал.......
я думаю, что не будет выполняться эта теорема на форексе
т.к., при увеличении объема выборки с количеством элементов, стремящимся к бесконечности, реальное распределение (красным) будет отклоняться от теоретического (черным), как раз с вероятностью равной 1
а по теореме - будет совпадать
небо и земля как бы....
а применительно к форекс это означает, что получится успешно пипсовать во флете и сливать в тренде
https://studfiles.net/preview/4287703/page:3/
почитал.......
я думаю, что не будет выполняться эта теорема на форексе
т.к., при увеличении объема выборки с количеством элементов, стремящимся к бесконечности, реальное распределение (красным) будет отклоняться от теоретического (черным), как раз с вероятностью равной 1
а по теореме - будет совпадать
небо и земля как бы....
а применительно к форекс это означает, что получится успешно пипсовать во флете и сливать в тренде
https://studfiles.net/preview/4287703/page:3/
Не выполняется не теорема, а условия её точного применения на больших промежутках времени:
1) Приращения зависимы (например, соседние приращения во флете)
2) Приращения не одинаково распределены (нестационарность)
Можно использовать её приближённо, на небольших промежутках времени без смены тренда. Нечто похожее излагалось у Горчакова. Да и задача о разладке - примерно о том же.
Выборочная функция распределения приближает истинную в силу теоремы Гливенко — Кантелли, которая требует, чтобы выборка была реализацией последовательности независимых, одинаково распределённых случайных величин. Грубо говоря, при сильной зависимости выборка может скучковаться в одной точке, что сильно исказит полученную эмпирическую (выборочную) функцию распределения в сравнении с истинной.
не очень понятно почему от одних математиков требуется быть миллионерами, а от других - нет)
А как же условные распределения? ведь это зависимость.
Условные распределения строятся на основе совместных распределений. Только в случае независимости (по определению) функция совместного распределения равна произведению одномерных функций распределения. В случае зависимости всё гораздо сложнее - недавно здесь вспоминали копулы - это из той оперы. Стало быть, теорема Г.-К. (вроде бы она обобщается на многомерный случай) применяется для приближённого построения двумерного распределения из которого можно попытаться построить условные одномерные.
Миллионерами требуется быть от тех математиков, которые претендуют на описание финансовых рядов)
Насколько я знаю, теория Ширяева начала развиваться для нужд радиолокации, но вряд ли кто требовал от него лично дежурить на РЛС)
Не выполняется не теорема, а условия её точного применения на больших промежутках времени:
1) Приращения зависимы (например, соседние приращения во флете)
2) Приращения не одинаково распределены (нестационарность)
Можно использовать её приближённо, на небольших промежутках времени без смены тренда. Нечто похожее излагалось у Горчакова. Да и задача о разладке - примерно о том же.
нет
читаем внюматильно
Пусть X 1 , … , X n , … - бесконечная выборка
Устойчивость чего? Есть, например, устойчивость решения диффура по Ляпунову или, например, статистическая устойчивость частоты события (в смысле сходимости к его вероятности).
нет
читаем внюматильно
Пусть X 1 , … , X n , … - бесконечная выборка
В реальности, статистик всегда имеет дело с конечными выборками и потому речь всегда лишь о приближённом выполнении этой теоремы. Но при росте объёма выборки это приближение улучшается и называется это состоятельностью оценки.
Статья в русской вики про теорему Гливенко-Кантелли - бред, читайте в английской версии или в каком-нибудь нормальном учебнике.