Normal dağılım neden normal değil?
Dağılımın kalın kuyrukları hakkında birçok kez duydum, ancak sorunun özünün ne olduğunu hala anlamıyorum, çubukların boyutunun dağılımını gösteren bir gösterge yaptım (Close[i] farkıyla oluşturulmuş) -Close[i+1]) ayrı bir tane olarak, dilim dağılımının neden normalden daha dar olduğunu birisi açıklayacaktır.
Aslında, daha yüksek ve daha dar olmalıdır. Ve tüm bunlar, fiyat getirisinin bu özelliğinin çok fazla etkilemesi gerçeğiyle.
Bir HP'nin ortaya çıkması için ana ve tek koşul, dizi üyelerinin bağımsızlığıdır. Bu, bağımsızlığın yerine getirilmediğinin bir kanıtıdır.
Bu normal değil. :) Bu zaten sezgide tartışıldı. Bunun Erlang dağılımı olduğu söylendi. Ve kuyruk olmadığını söylüyorlar, ama olmalı. :)
Erlang hakkında konuştum ama bu tamamen farklı bir soru. Normal bir dağılımın 2 parametresi vardır - MO ve varyans. Bu durumda MO = 0, ancak dağılım sıfıra eşit değil ve bir grafik çizmek için değerini ayarlamanız gerekiyor. Öyleyse soruyorum, Urain varyansın değerini nasıl seçti?
Ve genel olarak, grafikleri karşılaştırmak için, bir şekilde onları ortak bir temele getirmek gerekir. Bu tabanın seçimine bağlı olarak, tamamen farklı resimler olabilir.
Varyansı bu ortak taban olarak alırsak, grafik daha dar olacak, ancak kalın kuyruklar görünecektir.
Erlang hakkında konuştum ama bu tamamen farklı bir soru. Normal bir dağılımın 2 parametresi vardır - MO ve varyans. Bu durumda MO = 0, ancak dağılım sıfıra eşit değil ve bir grafik çizmek için değerini ayarlamanız gerekiyor. Öyleyse soruyorum, Urain varyansın değerini nasıl seçti?
Ve genel olarak, grafikleri karşılaştırmak için, bir şekilde onları ortak bir temele getirmek gerekir. Bu tabanın seçimine bağlı olarak, tamamen farklı resimler olabilir.
Varyansı bu ortak taban olarak alırsak, grafik daha dar olacak, ancak kalın kuyruklar görünecektir.
Urain'in elde edilen serilerin benzer özelliklerini beklenti ve varyansın girdi parametreleri olarak aldığına dair güçlü bir şüphe var. Ama belki de durum böyle değil.
Mekanik bir ampul üretim hattının BEKLENMEYEN rastgele arızaların, ekipman hatalarının normal dağılımına sahip olması muhtemeldir. Bu nedenle, normal olarak elde edilen ampullerin sayısı (parlaklıkları, dirençleri, filament kalınlıkları) büyük olasılıkla normal dağılım eğrisine uyacaktır. Bu normal eğrinin yanlarında (ince kuyrukları), ipliğin kalınlığı standardı aştığında veya altına düştüğünde ve ampul yandığında AŞIRI DURUMLAR olacaktır. Ancak bu tür sınırda, anormal vakaların toplam sayısı önceden hesaplanabilir (dağılım eğrisini veya bunun gibi bir şeyi entegre ederek). Bu nedenle, lamba fabrikası, ampullü bir kutuda çok yakın bir gelecekte yanacak ORTALAMA ÜÇ bozuk ampul olabileceğini önceden bilir. Garanti kapsamında değiştirilmeleri gerekir ve bu nedenle İSTATİSTİK BİLİMİNE İNANAN fabrika, yerel ampul distribütörüne kutu başına ORTALAMA 3 ekstra ampul bildirir. Ampullerin parametrelerinin hataları, RANDOM OLAYIN NORMAL EĞRİSİNE uyar (parametrelerin kendilerine değil, hatalarına). Buradaki rastgele olay, ampulün kendisinin serbest kalması değil, ampul parametresinin HATAsıdır.
Ampul üretme süreci (daha doğrusu, ampul parametrelerinin oluşumu) normal eğriye uymuyorsa, örneğin, hat bozulur ve bir kusur varsa, tedarikçi kötü tungsten gönderir, o zaman kusurların sayısı keskin bir şekilde artacak, ampullerin parametreleri "yürüyecek". Daha sonra bir grup ampulün parametrelerini doğru bir şekilde ölçerseniz, bunlar norm eğrisine uymazlar. Bu durumda fabrika, distribütöre kaç tane ampul bildireceğini bilemez.
Rastgele olmayan bir işlemin parametrelerini ölçerseniz, o zaman ... HERHANGİ bir şey söyleyemezsiniz. Bir olayın meydana gelmesi için bir olasılık dağılım eğrisi oluşturabilirsiniz - basitçe bir olayın oluşumunu belirli bir aralıkta ölçerek, ama ... bu hiçbir şey vermez.
Elektrik mühendisleri ve matematikçiler ve istatistikçiler, ÖLÇÜM HATALARI ile başa çıkmak için AŞK'ı işe alırlar. Hangisi büyük olasılıkla NORMAL (cihazın kendisi normal bir mühendis tarafından yapılmışsa). Dolayısıyla tüm formülleri.
Bir fiyat serisi için, ilk farklar (veya diğer bazı kombinasyonlar) rastgele olaylar değildir ve bunların dağılım eğrisi HER TÜRDE OLABİLİR. Ve bunu yüksek derecede doğrulukla bilseniz bile, ticaret için hiçbir şey vermez.
Arıza bulma, teoriye ve matstata göre ünitede 2 tane vardı.
Şamdan analizinin ver-T 60-40 ve hatta 70-30 ile çalışabileceği ortaya çıktı. Bu iyi.
Bağımlılıklar çok farklı olabilir. Ve mutlaka mum analizi kullanan önceki artışların değerlerinden değil. M.b. örneğin, artış modülüne bağımlılık (volatilite). Oynaklığın otokorelasyonlu olduğu iyi bilinen bir gerçektir ve GARCH tipi oynaklık modelleri (otokorelasyon kullanılarak) Nobel ödülü almıştır. Evet ve bunu kendiniz doğrulamak zor değil. Ve bu, dağıtımın "ağır kuyruklara" sahip olmasının nedenlerinden biridir.
ZY Geniş anlamda, durağanlık tanımında bağımsızlık tanımlanmaktadır.
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Dağıtımın kalın kuyrukları hakkında birçok kez duydum, ancak sorunun özünün ne olduğunu hala anlamıyorum, çubuk boyutunun dağılımını gösteren bir gösterge yaptım (Close[i]- farkıyla oluşturulmuş) Kapat[i+1]) ayrı bir tane olarak, biri kapanışların dağılımının neden normalden daha dar olduğunu açıklayacak mı?
Standart kırmızı çizgi dağılımı sarı histogram.
Aslında inşa edilen gösterge. Orijinal başlık (Distribution_RNG_&_norm_test)