Sultonov'un regresyon modeli (RMS) - pazarın matematiksel bir modeliymiş gibi davranmak. - sayfa 42

 
orb :
Yoğunluk 0 ile 1 arasında sınırlı değil mi?

Yoğunluk - hayır.
 
orb :
Yoğunluk 0 ile 1 arasında sınırlı değil mi?
Elbette bir ile sınırlıdır, ancak burada: P=1+tGammasp(t/t;n;1;0), burada mGammasp(t/t;n;1;0) değişen dağılım yoğunluğu fonksiyonudur. 0'dan 1'e f-lu (7) makalelerine bakın.
 
yosuf :

Evet, görünüşe göre, sıfırlarla abarttım ...

herhangi bir gerilemede, equis'in gökyüzüne uçtuğunu görmek bir yetenektir... Asıl mesele inanmaktır...)))
 
anonymous :

Yoğunluk - hayır.
hoşçakal!) cahil.
 
orb :
hoşçakal!) cahil.


f(x,mu,sigma)=exp(-((x-mu)^2)/(2*sigma^2))/(sigma*sqrt(2*pi)) - normal dağılım yoğunluğu.

Profesör, f(0, 0, 0.01)=39.89'u şaşırtıcı bulacaksın.

 
yosuf :
Elbette bir ile sınırlıdır, ancak burada: P=1+tGammasp(t/t;n;1;0), burada mGammasp(t/t;n;1;0) değişen dağılım yoğunluğu fonksiyonudur. 0'dan 1'e f-lu (7) makalelerine bakın.

Mesleğin dışına çıkın, yoğunluğun -inf'den x'e uygun olmayan integrali birim ile sınırlıdır.
 
anonymous :


f(x,mu,sigma)=exp(-((x-mu)^2)/(2*sigma^2))/(sigma*sqrt(2*pi)) - normal dağılım yoğunluğu.

Profesör, f(0, 0, 0.01)=39.89'u şaşırtıcı bulacaksın

Kontrol edeceğim, ama genel olarak doğru yapmadınız, çünkü 0 ayrık bir değerdir ve sırasıyla sürekli bir normal dağılım yasası kullanırsınız, genelleştirilmiş bir yoğunluk eklemeniz gerekir, çünkü bir ayrık 0 değeri alan olası x değerlerine sahip karışık bir rastgele değişken X, gerisi sürekli değerlerdir!

 
orb :

ama genel olarak doğru yapmadınız, çünkü 0 ayrık bir değerdir ve sürekli bir normal dağılım kullanırsınız,

f(x, 0, 0.01) > 1 [-0.027152;0.027152] aralığındaki herhangi bir x için.

buna göre, genelleştirilmiş yoğunluğu tanıtmak gerekir,

kesinlikle :D

çünkü bir ayrık 0 değeri alan olası x değerlerine sahip karışık bir rastgele değişken X, gerisi sürekli değerlerdir!

Gerçek? Tam sayılar kümesi ayrık değil mi? x'in tamsayılar kümesinden (R için bir alt küme olarak) herhangi bir değer alamayacağı hiçbir şey yok mu?

 
anonymous :

f(x, 0, 0.01) > 1 [-0.027152;0.027152] aralığındaki herhangi bir x için.

kesinlikle :D

Gerçek? Tam sayılar kümesi ayrık değil mi? x'in tamsayılar kümesinden (R için bir alt küme olarak) herhangi bir değer alamayacağı hiçbir şey yok mu?

m=0'ın matematiksel beklenti veya daha doğrusu tahmini olduğu ifadesine katılıyor musunuz?

sigma=0.01 varyans tahmininin köküdür?

böyle bir diziyi modelleyebilir misiniz?)) böylece tahminler kafanızdan çıkmasın.

 
orb :

m=0'ın matematiksel beklenti veya daha doğrusu tahmini olduğu ifadesine katılıyor musunuz?

sigma=0.01 varyans tahmininin köküdür?

böyle bir diziyi modelleyebilir misiniz?)) böylece tahminler kafanızdan çıkmasın.


Bunlar tahmin değil, kesin dağılım parametreleridir - beklenen değer ve standart sapma , profesör :D

Tabii ki böyle bir seriyi modelleyebilirim. Burada kesinlikle gerekli olmamasına rağmen, çünkü. Yusuf'a karşı olan sapkınlığınız sadece teorik dağılım fonksiyonunun bir analiziyle çürütülür.

> x <- rnorm( 100 , 0 , 0.01 )
> x
  [ 1 ]   1.619572 e- 02    6.798108 e- 05 - 3.627928 e- 03    5.241613 e- 03    1.273511 e- 02    1.575794 e- 03    7.716432 e- 03    2.047810 e- 03
  [ 9 ]   7.551535 e- 03    2.707827 e- 03 - 1.783785 e- 02    4.513436 e- 03 - 4.031291 e- 03 - 1.058043 e- 02    1.421831 e- 04 - 6.639672 e- 03
 [ 17 ] - 1.434773 e- 02 - 4.618057 e- 03 - 1.411381 e- 02 - 1.459423 e- 02 - 7.465568 e- 03 - 7.713061 e- 03    3.016197 e- 02 - 4.193879 e- 03
 [ 25 ]   8.984821 e- 03    7.578804 e- 03 - 1.256003 e- 02    1.374785 e- 02    1.239761 e- 03 - 1.547361 e- 02 - 1.735638 e- 02 - 6.853623 e- 03
 [ 33 ]   5.278165 e- 03 - 1.917603 e- 03 - 3.507008 e- 03    3.709349 e- 03 - 2.094672 e- 04 - 2.224821 e- 03 - 3.501819 e- 03 - 3.312482 e- 03
 [ 41 ]   9.050138 e- 03 - 1.517038 e- 03 - 2.481432 e- 04    1.132736 e- 03    2.664056 e- 03    2.146325 e- 03 - 1.762083 e- 02 - 8.993990 e- 03
 [ 49 ]   8.303284 e- 03 - 5.353900 e- 03 - 2.845936 e- 02 - 1.556778 e- 02    6.326411 e- 04 - 1.982076 e- 02 - 2.460851 e- 03 - 9.028795 e- 03
 [ 57 ]   1.233104 e- 02 - 6.179724 e- 03    1.614575 e- 02 - 9.239795 e- 03    1.350007 e- 02 - 7.019569 e- 03    1.463546 e- 02    9.611378 e- 03
 [ 65 ]   1.403177 e- 02 - 2.875648 e- 03 - 3.541369 e- 03    9.854737 e- 03    2.134445 e- 03    3.010908 e- 03 - 9.468081 e- 03    5.583229 e- 03
 [ 73 ] - 4.736917 e- 03 - 2.052099 e- 03 - 1.371189 e- 02 - 1.530808 e- 03    8.776596 e- 03 - 1.272746 e- 02    9.583266 e- 03 - 1.944051 e- 02
 [ 81 ] - 2.341326 e- 03    4.766029 e- 03 - 7.953369 e- 03    1.773432 e- 02    8.939169 e- 03    8.789134 e- 03 - 5.713990 e- 03    4.144645 e- 03
 [ 89 ]   6.384486 e- 03    8.868000 e- 03 - 1.181570 e- 02    4.893533 e- 03 - 3.452248 e- 03 - 1.525700 e- 03    2.135513 e- 02    1.633766 e- 02
 [ 97 ] - 6.266012 e- 03 - 5.332083 e- 03    2.446737 e- 02 - 1.470896 e- 02
> mean(x)
[ 1 ] - 0.0003638158
> sd(x)
[ 1 ] 0.01055043  
Neden: