文章 "概率论与数理统计示例（第一部分）：基础与初级理论" - 页 7 123456789 新评论 Aleksey Nikolayev 2020.07.04 23:39 #61 Igor Makanu:时间安排不同，我只是在整理提供的硬件。这就是为什么会出现这样的问题：如果按照伯努利的方案，我的值就是我的值，我们会得到什么？ 试着用第二个假设检验（费雪精确检验）示例中的脚本来检验将结果分为两部分的结果。它测试 p1 和 p2 之间的差异是否显著。 Igor Makanu 2020.07.04 23:51 #62 Aleksey Nikolayev:尝试使用第二个假设检验示例（费雪精确检验）中的脚本来检验分成两部分的结果。它测试 p1 和 p2 之间的差异是否显著。 明晚我会熬夜进一步研究。 我的问题是一个挨打的问题...我曾多次对可理解数据（魏尔斯特拉斯函数）的文章进行测试，实践证明，文章作者经常使用不同领域的数学工具，但却只使用欧元兑美元 .....。一般来说，如果解释起来需要很长时间，我们就会看到我提到的关于 Hubre 的文章https://www.mql5.com/ru/forum/345555/page4#comment_17178481。 附上生成我的符号的脚本 ZY: 不是针对你，只是想了解真相！))) 附加的文件： WeierstrassHST.mq5 7 kb Aleksey Nikolayev 2020.07.04 23:56 #63 Igor Makanu:时间安排不同，我只是在整理提供的硬件。这就是为什么会出现这样的问题：如果按照伯努利的方案，我的值就是我的值，我们会得到什么？对于这张图N1E=34069 P1E=0.5006604244327688 P2E=0.090909090909091D1 图表本身，趋势清晰可见 我认为这里有某种正弦波）。 第四个例子中的模型显然不适合这里，因为增量之间存在明显的依赖关系。这一点从它 "截断 "了一个非常小的尖端这一事实也可以清楚地看出。 这里最好尝试第五个例子中的模型（马尔科夫链）。您只需选择价格采样步长，使 p1e 和 p2e 之间的差值最大即可。 PS 这里也可以使用第四个例子中的模型 + 费雪检验。但不应一次性应用于整个价格片段，而应在每次出现新的条形图 时应用。当确认分为两个部分时，就不再考虑较早的部分，等等。这就是所谓的 "在线差异搜索 "的简单版本。 Aleksey Nikolayev 2020.07.05 00:00 #64 Igor Makanu:ZY：不是针对你，而是在寻找真相！))) 我完全赞成） Igor Makanu 2020.07.05 06:10 #65 Aleksey Nikolayev:我想，你那里有某种正弦波）。 这不是正弦波，只要运行脚本，它自己就能完成。 Aleksey Nikolayev 2020.07.05 11:10 #66 Igor Makanu: 不是正弦波，运行脚本，它会自己完成 对于马尔科夫链模型（第 5 个例子，脚本 "markov_model.mq5"），有必要采取 5%的价格采样步长，这样概率估计值就会最大限度地相互远离，并等于 0.4 和 0.6 左右。 结果是（应该是）反向持续--方向改变的可能性更大。 secret 2020.07.05 13:57 #67 Aleksey Nikolayev:我只是不同意你最初关于片断常数模型不适用的说法，并认为（从非常普遍的角度来看）它们是我们唯一使用的模型。 从理论上讲，是的。在实践中，如果模型重新计算的频率远高于交易频率，我们就可以认为片断常数不会影响 TS。 secret 2020.07.05 14:02 #68 阿列克谢，你能详细介绍一下最大似然法吗？ 假设我们要建立一个线性近似值。如果我没记错的话，当数据呈正态分布时，最好的近似方法是 MNC，而当数据呈尾随分布时，最好的近似方法是 MNM。而两者的结论都来自 MMP。有没有可能用一种简单的方法解释这一切？ Aleksey Nikolayev 2020.07.05 17:01 #69 secret:阿列克谢，你能详细介绍一下最大似然法吗？假设我们要建立一个线性近似值。如果我没记错的话，当数据呈正态分布时，最好的近似方法是 MNC，而当数据呈尾随分布时，最好的近似方法是 MNM。而两者的结论都来自 MMP。有没有可能用一种简单的方法解释这一切？ 一切都正确，但不仅仅是 "有尾"，例如拉普拉斯。也许还有一些其他的，但肯定不是考奇 的，比如说，它更 "有尾"。 在下一篇文章中，我将讨论类似的问题--直到一个数字例子。原则上，这是一个关于函数极值的普通问题（通过寻找导数的零点来解决）。 Rorschach 2020.07.05 17:28 #70 Aleksey Nikolayev:我曾经饶有兴趣地阅读过他在网络蜘蛛上发表的文章档案。遗憾的是，并不是每个人都能像逝者一样拥有如此敏锐的思维。就我个人而言，我更喜欢亚历山大-戈尔恰科夫枯燥但易懂的演讲。关于您链接中的引文--在我看来，它是试图用概率语言（普里戈金、贝叶斯公式等）来表述当今经济物理学试图用博弈论和统计物理学的语言来表述的那些东西--相态及其变化等等等等。此外，经济物理学恰恰是针对金融市场说这些话的，而不是借助与生物对象类比的形式。 他是第 6 代数学家，他在哪里？ 在家庭层面上（据我所知），他写到了波动的周期性/群集性以及高级 tf 的重要性。 有趣的是，他试图用数学方法来计算，而不仅仅是抽象的描述。 这就是为什么他们（阿塔曼、伊林斯基）不能用简单的语言做一个介绍，这样你就不必把每一行都重读 10 遍。 123456789 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
时间安排不同，我只是在整理提供的硬件。
这就是为什么会出现这样的问题：如果按照伯努利的方案，我的值就是我的值，我们会得到什么？
试着用第二个假设检验（费雪精确检验）示例中的脚本来检验将结果分为两部分的结果。它测试 p1 和 p2 之间的差异是否显著。
尝试使用第二个假设检验示例（费雪精确检验）中的脚本来检验分成两部分的结果。它测试 p1 和 p2 之间的差异是否显著。
明晚我会熬夜进一步研究。
我的问题是一个挨打的问题...我曾多次对可理解数据（魏尔斯特拉斯函数）的文章进行测试，实践证明，文章作者经常使用不同领域的数学工具，但却只使用欧元兑美元 .....。一般来说，如果解释起来需要很长时间，我们就会看到我提到的关于 Hubre 的文章https://www.mql5.com/ru/forum/345555/page4#comment_17178481。
附上生成我的符号的脚本
ZY: 不是针对你，只是想了解真相！)))
时间安排不同，我只是在整理提供的硬件。
这就是为什么会出现这样的问题：如果按照伯努利的方案，我的值就是我的值，我们会得到什么？
对于这张图
N1E=34069 P1E=0.5006604244327688 P2E=0.090909090909091
D1 图表本身，趋势清晰可见
我认为这里有某种正弦波）。
第四个例子中的模型显然不适合这里，因为增量之间存在明显的依赖关系。这一点从它 "截断 "了一个非常小的尖端这一事实也可以清楚地看出。
这里最好尝试第五个例子中的模型（马尔科夫链）。您只需选择价格采样步长，使 p1e 和 p2e 之间的差值最大即可。
PS 这里也可以使用第四个例子中的模型 + 费雪检验。但不应一次性应用于整个价格片段，而应在每次出现新的条形图 时应用。当确认分为两个部分时，就不再考虑较早的部分，等等。这就是所谓的 "在线差异搜索 "的简单版本。
ZY：不是针对你，而是在寻找真相！)))
我完全赞成）
我想，你那里有某种正弦波）。
不是正弦波，运行脚本，它会自己完成
对于马尔科夫链模型（第 5 个例子，脚本 "markov_model.mq5"），有必要采取 5%的价格采样步长，这样概率估计值就会最大限度地相互远离，并等于 0.4 和 0.6 左右。
结果是（应该是）反向持续--方向改变的可能性更大。
我只是不同意你最初关于片断常数模型不适用的说法，并认为（从非常普遍的角度来看）它们是我们唯一使用的模型。
从理论上讲，是的。在实践中，如果模型重新计算的频率远高于交易频率，我们就可以认为片断常数不会影响 TS。
阿列克谢，你能详细介绍一下最大似然法吗？
假设我们要建立一个线性近似值。如果我没记错的话，当数据呈正态分布时，最好的近似方法是 MNC，而当数据呈尾随分布时，最好的近似方法是 MNM。而两者的结论都来自 MMP。有没有可能用一种简单的方法解释这一切？
阿列克谢，你能详细介绍一下最大似然法吗？
假设我们要建立一个线性近似值。如果我没记错的话，当数据呈正态分布时，最好的近似方法是 MNC，而当数据呈尾随分布时，最好的近似方法是 MNM。而两者的结论都来自 MMP。有没有可能用一种简单的方法解释这一切？
一切都正确，但不仅仅是 "有尾"，例如拉普拉斯。也许还有一些其他的，但肯定不是考奇 的，比如说，它更 "有尾"。
在下一篇文章中，我将讨论类似的问题--直到一个数字例子。原则上，这是一个关于函数极值的普通问题（通过寻找导数的零点来解决）。
我曾经饶有兴趣地阅读过他在网络蜘蛛上发表的文章档案。遗憾的是，并不是每个人都能像逝者一样拥有如此敏锐的思维。就我个人而言，我更喜欢亚历山大-戈尔恰科夫枯燥但易懂的演讲。
关于您链接中的引文--在我看来，它是试图用概率语言（普里戈金、贝叶斯公式等）来表述当今经济物理学试图用博弈论和统计物理学的语言来表述的那些东西--相态及其变化等等等等。此外，经济物理学恰恰是针对金融市场说这些话的，而不是借助与生物对象类比的形式。
他是第 6 代数学家，他在哪里？
在家庭层面上（据我所知），他写到了波动的周期性/群集性以及高级 tf 的重要性。
有趣的是，他试图用数学方法来计算，而不仅仅是抽象的描述。
这就是为什么他们（阿塔曼、伊林斯基）不能用简单的语言做一个介绍，这样你就不必把每一行都重读 10 遍。