построим распределение LR Correlation для 10 000 независимых примеров, каждый из которых состоит из 1 000 измерений
Как получить подобное распределение для произвольных данных через Include\Math ? Т.е. подаю на вход массив исходных данных, а на выходе получаю массив распределения исходных данных.
Каждая торговая стратегия нуждается в объективной оценке ее эффективности. Для этого используется обширный ряд статистических параметров. Многие из них просты в расчете и показывают интуитивно понятные метрики. Другие сложнее в построении и в интерпретации значений. Несмотря на все это многообразие, есть очень мало качественных метрик для...
Как получить подобное распределение для произвольных данных через Include\Math ? Т.е. подаю на вход массив исходных данных, а на выходе получаю массив распределения исходных данных.
Функция рассчитывает значение функции логнормального распределения вероятностей с параметрами mu и sigma для массива случайных величин x[]. В случае ошибки возвращает false. Аналогplnorm() в R.
bool MathCumulativeDistributionLognormal(
constdouble &x[], // [in] Массив со значениями случайной величиныconstdouble mu, // [in] Логарифм математического ожидания (log mean)constdouble sigma, // [in] Логарифм среднеквадратического отклонения (log standard deviation)constbool tail, // [in] Флаг расчета, если true, то рассчитывается вероятность того, что случайная величина не превысит xconstbool log_mode, // [in] Флаг расчета логарифма значения, если log_mode=true, то рассчитывается натуральный логарифм вероятностиdouble &result[] // [out] Массив для значений функции вероятности
);
Спасибо за сообщение, Вы правы, есть ошибка в нормировке эмпирической плотности. В приложении исправленная версия Math.mqh.
Как получить подобное распределение для произвольных данных через Include\Math ? Т.е. подаю на вход массив исходных данных, а на выходе получаю массив распределения исходных данных.
В другой статье есть такое
Как получить подобное распределение для произвольных данных через Include\Math ? Т.е. подаю на вход массив исходных данных, а на выходе получаю массив распределения исходных данных.
Пример дан в справке - Нормальное распределение
Пример дан в справке - Нормальное распределение
Спасибо! Почему эта часто нужная функция из примера не включена в состав СБ?
Спасибо! Почему эта часто нужная функция из примера не включена в состав СБ?
Она же есть именно там. Кому надо - тот найдет сходу, а кому не нужно - пройдет мимо
Она же есть именно там. Кому надо - тот найдет сходу, а кому не нужно - пройдет мимо
Даже в примере она вызывается не из СБ, а написана с нуля. Где в СБ такое? Специально искал (в ME CTRL+SHIFT+F "Histogram"), "сходу" не получилось.
Даже в примере она вызывается не из СБ, а написана с нуля. Где в СБ такое? Специально искал (в ME CTRL+SHIFT+F "Histogram"), "сходу" не получилось.
А. ну да. Она было написана как пример в справку и в исходники библиотеки не включалась.
И там могут быть проблемы в некоторых случаях, если я не ошибаюсь.
Функция рассчитывает значение функции логнормального распределения вероятностей с параметрами mu и sigma для массива случайных величин x[]. В случае ошибки возвращает false. Аналогplnorm() в R.
Это что за x-значение?
Даже в примере она вызывается не из СБ, а написана с нуля. Где в СБ такое? Специально искал (в ME CTRL+SHIFT+F "Histogram"), "сходу" не получилось.
Для расчета эмпирической (по данным) плотности и функции распределения есть MathProbabilityDensityEmpirical и MathCumulativeDistributionEmpirical (исправленная версия Math.mqh в #155)
Это что за x-значение?
Поскольку функция векторная и работает с массивом x[i], здесь имеется ввиду конкретное значение x[i] (первый параметр).
Флаг tail имеет смысл аналогичный lower.tail в R, если tail=true, возвращается значение cdf(x), иначе 1-cdf(x).Для расчета эмпирической (по данным) плотности и функции распределения есть MathProbabilityDensityEmpirical и MathCumulativeDistributionEmpirical (исправленная версия Math.mqh в #155)
Как с помощью этих функций заменить CalculateHistogramArray в этом исходнике?