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
Так это сглаживание.
)
Это аппроксимация миксом гауссиан...
)
Это аппроксимация миксом гауссиан...
Приближение смесью это немного другое.
)
Это аппроксимация миксом гауссиан...
Ну дык, интересует же итоговый результат, а не отдельные гауссианы.
Потом надо найти "прикладную статистику" Кобзаря и посмотреть там вторую главу)
Посмотрел, но даже слова такого "аппроксимация" не обнаружил)
Вообще странно. Там понапридумано миллион мудреных способов оценки. Кроме одного, самого понятного, простого и точного - аппроксимации.
Может я чего-то не понимаю?
Посмотрел, но даже слова такого "аппроксимация" не обнаружил)
Вообще странно. Там понапридумано миллион мудреных способов оценки. Кроме одного, самого понятного, простого и точного - аппроксимации.
Может я чего-то не понимаю?
Всяких разных оценок можно придумать огромное количество. Надо только потом установить их состоятельность и несмещённость, как минимум. Не для всех "точных, простых и понятных" оценок это верно, типичный пример - знаменатель n-1 в несмещённой оценке дисперсии.
Если существующая оценка к тому же эффективна и достаточна, то изобретение новых оценок либо вовсе бессмысленно, либо должно иметь какие-то дополнительные основания. Обычно это соображения робастности, работа с малоразмерными выборками, выбросы, пропущенные значения и тд.
Имеется в виду не временной ряд, а гистограмма близкая к нормальной.
Насколько же глубоко здесь люди залезли в вероятностные подходы и даже забыли, что гистограмма - всего лишь "способ графического представления табличных данных" (Вики), ничего не говорящий об их содержании. Насколько я могу догадываться, Вы по говорите о таблице значений относительных (отнесенных к их общей сумме) выборочных частот Hi какого-либо события x>xi, предположительно близких к нормальному распределению вероятностей. И о замене ее на значения вероятностей нормального распределения так, чтобы ошибка была минимальной в каком-то смысле. Чем Вас не устраивают формулы прямого расчета этих параметров, матожидания и дисперсии по их определению?
Если xi в таблице равноотстоящие, то:
- матожидание подгоняется просто как среднее арифметическое всех реализаций = взвешенное среднее табличных значений с весами, равными Нi из этой таблицы;
- дисперсия - как корень квадратный из среднеквадратического отклонения (веса - те же Hi), либо, если хотите большей точности оценки, не среднеквадратического, а стандартного отклонения (разница лишь в том, делить на n или на n-1). Оценка по стандартному отклонению - несмещенная.
...
Тут по оси х, отмечено, насколько шагов человек ушел от начальной точки, от -10 (влево) до +10 (вправо) и подписано с какой вероятностью он это делал в %. Как найти какая вероятность разворота была на каждом шаге?
Ваш пример, скорее всего, это результат моделирования приснопамятной доски Гальтона с отражателями.
Во всяком случае, очень похоже.
очень правдоподобно при 10
итераций (т.е. доска типа 'домик') для марковской цепи с матрицей вероятностей переходов -
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
начальное состояние 0 0 0 0 0 1000 0 0 0 0 0. т.е. с относительного нуля)
Чем Вас не устраивают формулы прямого расчета этих параметров, матожидания и дисперсии по их определению?
Например, они не показывают толстохвостость.
Например, они не показывают толстохвостость. А гауссиана, по ним построенная, скорее всего не сойдется с данными ни в хвостах, ни в центре.
но тем не менее cущественное отличие только в крайних бункерах. Как я уже говорил выше, это из-за отражательных стенок.)
Например, они не показывают толстохвостость.
Ее не показывают вовсе не способы оценки параметров нормального распределения (подгонки, приближения). Это у самого нормального распределения не бывает толстых хвостов. Спросите у Александра_K2, он эти хвосты искал-искал. Просто взгляните на таблицу с единичными параметрами. Таблицы есть в каждом учебнике по ТВ, по-моему, и в каждом справочнике по математике. Как ни подгоняй, для ловли толстых хвостов нужно менять вариант распределения. А зачем Вам именно типовое распределение? Вообще именно распределение вероятностей? К чему эти штампы для "неких данных"? Или все-таки это не некие данные, а именно выборочные относительные частоты, как я догадывался?
Может быть, дело в том, что вероятностное представление вообще не описывает Ваши данные? Вспомните, как пляшет матожидание на картинках Yuriy Asaulenko https://www.mql5.com/ru/forum/221552/page162#comment_6399653 по курсам Forex. Уж не для них ли Вы хотите использовать вероятностное представление? Тогда понятно, откуда тяжелые хвосты.