随机谐振 - 页 17

[Сергей]

对Yurixx

我明白了，我说的是推拉窗。在昨天的阿莱之后，我想得不是很好，但根据第一种近似，对窗口长度的分析依赖类型必须是 "几乎 "线性的，而是 "几乎 "指数的，大致上说，从初始样本量开始递减，顺便说一下，我们是否知道。

如果我的脚踏到了工作场所，我就会试着去思考，虽然现在只有我的背脊的大脑在工作。:о)

PS：如果这不是什么秘密，你为什么需要它呢？

对 "诚实"而言

yuri在下一篇文章中解释说，我们谈论的是一个滑动窗口。

[Candid]

Avals:

那么它就不会起作用。

Yurixx写道（a）。
不，它只是一个长度为M个样本的滑动窗口。因此，序列Y中的元素数量为N-M+1。

是的，那么我也不明白这一切。

[Candid]

grasn:

对 "诚实 的 "来说

尤里在下一篇文章中解释说，滑动窗口是有问题的。

看来我刚刚错过了那个帖子 :(.仍然无法弄清如何纠正计数的依赖性

[Сергей]

lna01:

格拉斯恩。

对 "诚实 的 "来说

尤里在下一篇文章中解释说，他说的是一个滑动的窗口。

我想我只是错过了那个帖子:（。仍然无法弄清如何纠正计数的依赖性

为什么我们需要对样本的依赖性进行调整？我会做一些更简单的事情：任何平均化都会从样本传播中 "啃掉 "一些百分比，你可能可以估计具有Yury所列举的特征的样本的窗口长度M的这个百分比的值--分析或实验的方式。虽然我现在脑子不清楚......。

[Sceptic Philozoff]

嗯，是的，确实如此，但没有明确的界限是不可能的。如果在一百万个样本中，有相当大的机会得到与期望值相差4个西格玛或更多的结果（正常假设给出的概率为0.0000634，即这种样本的期望值为63.4例），那么在一百个样本中，这种机会是虚幻的（其数量为0.00634）。但这并不意味着在一百个样本中，我们不可能遇到一个样本偏差超过4个希格玛的情况。这只是极不可能的事。

Yurixx，这个边界问题只能以概率的方式提出。

P.S. 好吧，例如：找到这样的值Ymin和Ymax，Y落入其中的概率为0.99。我 们有理由认为，这两个极端都与普通人的思维方式等距离。

[Сергей]

Mathemat:

嗯，是的，确实如此，但没有明确的界限是不可能的。如果在一百万个样本中，有相当大的机会得到与期望值相差4个西格玛或更多的结果（正常假设给出的概率为0.0000634，即这种样本的期望值为63.4例），那么在一百个样本中，这种机会是虚幻的（其数量为0.00634）。但这并不意味着在一百个样本中，我们不可能遇到一个样本偏差超过4个希格玛的情况。这只是极不可能的事。

Yurixx，这个边界问题只能以概率的方式提出。

是的，我认为他是这样说的--大约，你真的无法得到准确的数据。但我很好奇，为什么有这样的需求 :o)))

[Candid]

grasn:

为什么要对样本的依赖性做任何考虑？我会做一些更简单的事情：任何平均化都会从样本分布中 "吃掉 "一些百分比，你也许可以从具有尤里所列举的特征的样本上的窗口长度M来估计这个百分比的值--分析或实验。虽然我现在想不清楚......

实验上很容易，我会这样做--我怀疑我们谈论的是非正态分布的变量:)，对它们来说，即使有独立的分布之和，也可能有一个更不漂亮和紧凑的答案。在对随机变量求和时，依赖性给出了额外的项，但我想不出这种情况下这些项是什么。 总而言之，我加入了你的问题：如果没有秘密，我们为什么需要它？:)

[Sceptic Philozoff]

Yurixx，你不认为价格系列（或差异系列）与计数的正常分布有关吗（即价格系列是一个经典的布朗过程）？

[Avals]

lna01:

格拉斯恩。

为什么要对样本的依赖性做任何考虑？我会做一些更简单的事情：任何平均化都会从样本分布中 "吃掉 "一些百分比，你也许可以从具有尤里所列举的特征的样本上的窗口长度M来估计这个百分比的值--分析或实验。虽然我现在脑子不清楚......。

实验上一样简单，我会这样做--我怀疑事实上我们谈论的不是相当正态分布的量:)，对它们来说，即使是独立的分布总和也可能有更少的漂亮和紧凑的答案。在对随机变量求和时，依赖性给出了额外的项，但我想不出这种情况下这些项是什么。 总而言之，我加入了你的问题：如果没有秘密，我们为什么需要它？:)

如果我们考虑这个量的增量，那么就可以看到独立性。

[Sceptic Philozoff]

阿瓦尔斯，如果我们具体讨论的是回报率（收盘价 增量），那么，唉，这里也没有独立性：回报率不是按照正常规律分布的。这在彼得斯的书中有很好的描述，我在同一主题的第一页的某个地方给出了链接。