In statistics, Mood's median test is a special case of Pearson's chi-squared test. It is a nonparametric test that tests the null hypothesis that the medians of the populations from which two or more samples are drawn are identical. The data in each sample are assigned to two groups, one consisting of data whose values are higher than the...
我本想写下一篇，加上双重指控，但现在我很怀疑 )后果太难以预料了。
欢迎您来投稿。
我让你演示在其他 CR 上搜索模式的方法，比如十字星，它也是一个 CR，但它不包含美元信息，因此你无法将该方法与图表上已有的信息相匹配;)
欧元兑日元。
我不详细分析箱形图的小时数，因为中位数排放的原因，有必要详细分析箱形图。
从图中可以看出，时间与欧元兑美元不同。
在纯粹探索性分析（0 优化）的基础上，我选择了手表，我只留下了买入，虽然也有卖出的选择：
我重复一遍，0 优化，即您可以改进附近的参数。
我不想进入另一场论战。
我本想写下一部双重指控的作品，但现在我不敢想了 )后果太难以预料
欢迎您投稿。
SB 是个棘手的东西。它的轨迹很有可能形成类似于循环的东西（我曾在书上读到过，自己在建模时也遇到过）。因此，我不仅尝试绘制，而且在可能的情况下还尝试计算。但我并不准备要求其他人也这样做--测试和优化所解决的问题大致相同，而且对大多数人来说更容易理解。
SB 是一种相当阴险的东西。它的轨迹很有可能形成类似于循环的东西（我曾在书上读到过，在建模时也遇到过）。因此，我不仅尝试绘制，而且在可能的情况下还尝试计算。但我并不准备要求其他人也这样做--测试和优化所解决的问题大致相同，而且对大多数人来说更容易理解。
我想知道如何对发现循环的示例进行测试（计算？
我想知道如何对发现循环的示例进行测试，也许我们可以根据某些标准自动进行枚举/搜索？
我认为有两项任务
1) 对于一组样本（样本 = 盒子），我至少要进行中位数测试
2) 可以尝试通过优化第一点的统计数据来拟合周期。但我认为使用类似语音识别中使用的 matstat 更为合适。
我认为有两项任务
1) 对于一组样本（样本 = 盒子），我至少要进行中位数检验
2) 您可以尝试通过优化第一点的统计数据来选择周期。但我认为使用类似语音识别中使用的 matstat 更为合适。
是的，我正在阅读有关测试的资料，谢谢
我感兴趣的是任何其他测试......我该怎么称呼它呢，两个分布之间的相互转换，即第二个或几个后续分布的点对第一个分布的依赖性。也许莫德检验也与此有关，但我还没有深入研究。
或某种交换的滞后检验。我想知道如何对发现循环的示例进行测试（计算？
有一个很酷的 "火炬方法:-)
将一系列 XY 及其散点图以不同角度投射到 X 轴上，通过 "阴影 "的密度得出不同模数的卷积。
对半分法揭示了大致的周期性以及与之相对应的上升/下降率。
这有点像傅立叶变换或主成分法的一部分。计算复杂度为 N^2（几乎超调），但这是我最不担心的问题。
有一种很酷的 "火炬法":-)
将一系列 XY 及其展开图以不同角度投射到 X 轴上，根据 "阴影 "的密度做出不同模数的卷积。
对半分的方法可以揭示大致的周期性以及与之相对应的增长/下降率。
这有点像傅立叶变换或主成分法的一部分。计算复杂度为 N^2（几乎超调），但这是我最不担心的问题。
你有 Python 或 R 语言的模块名称吗？ Python 更好。
是的，我正在阅读测试报告，谢谢。
我感兴趣的是关于......怎么说呢，两个分布之间相互转换的其他测试，即第二个分布或随后几个分布的点对第一个分布的依赖性。也许莫德检验也与此有关，但我还没有深入研究过。
如果我没理解错的话，这些是拟合优度检验，主要有两种类型
1) 一个样本 - 检验是否符合已知分布
2) 2 个或更多样本 - 检验样本分布是否相同。Kolmogorov-Smirnov 双样本检验，Mood 也，运行检验
如果我理解正确，这些是拟合优度测试，主要有两种类型
1) 单一样本 - 检验是否符合已知分布
2) 2 个或更多样本 - 检验样本分布是否相同。Kolmogorov-Smirnov 双样本检验，Mood also，运行检验
嗯，差不多吧。我脑子里的想法只是找到一组点对另一组点的回归，然后看看相关性。这是我能想到的最简单的方法。然后你就能得到额外的信号。我不知道这在统计学上有多正确。
也就是说，由前一小时的变化引起的依赖性将被交易，而不仅仅是在当前小时。根据前一小时的行为，如果可以找到相关性，当前小时的信号也会有所不同。这更接近于拟合或优化。