为什么正态分布不是正态？ - 页 2 123456789...47 新评论 Victor Nikolaev 2009.12.01 15:38 #11 这就是我得到的模式。欧元兑美元，M15，20,000条 Yurixx 2009.12.01 15:46 #12 grasn писал(а)>> 强烈的怀疑是，Urain 把所产生的系列的类似特征作为期望值和方差的输入参数。但情况可能并非如此。 不太可能。那么图表的中间部分将接近于直方图。 Avals 2009.12.01 15:47 #13 Yurixx писал(а)>> 不太可能。那么图形的中间部分就会接近直方图。 是的，那么红线下的区域和直方图也会是一样的。 Mykola Demko 2009.12.01 15:48 #14 Yurixx >> : 我说的是Erlang，但这不是这里的问题。正态分布有2个参数--MO和方差。在这种情况下，MO=0，但方差不是零，为了画图，我们需要设置其数值。所以我想问，Urain 是如何选择方差值的？ 一般来说，为了比较图形，必须以某种方式将它们还原为一个共同的基础。根据这个基地的选择，可以有完全不同的模式。 如果我们把方差作为一个共同的基础，图表会更窄，但它会有厚厚的尾巴。 对于参考函数，方差和MO取自一系列的报价（也是在那里计算的），并设置为相同的值，但唯一的操作是与基准的绝对值，这里我们必须把每项的系数加上去，以便结合顶点。 Сергей 2009.12.01 15:52 #15 Urain писал(а)>> 对于一个基准函数，方差和MO取自一系列的报价（也在那里计算），并设置为相同的值，但唯一的操作是与基准的绝对值，这里我们必须将每项乘以一个系数以匹配顶点。 从乘以系数的意义上讲，这不是很正确。 Avals 2009.12.01 15:54 #16 Urain писал(а)>> 对于基准函数，方差和MO取自系列报价（也是在那里计算的），并设置为相同的值，只对基准的绝对值进行操作，这里我们要把每项都加到系数上，以便结合顶点。 也许，非平稳序列的方差并不十分正确，因为它可能不存在:)。选择一个使分析性分布与实验性分布最多吻合，是比较正确的。即近似于它。imha。 [删除] 2009.12.01 16:00 #17 Avals >> : 可能非平稳序列的方差并不完全正确，因为它可能不存在:)。更正确的做法是找到一个，使分析性分布与实验性分布最多重合。 imha >>: 从乘以一个系数的意义上来说，这不是很正确。 同事们，你们在做什么？ 研究人员对所研究的随机过程的正常性提出了一个假设，并根据正常性假设建立了其概率曲线或概率密度。 该假设没有得到证实。图形并不匹配。 这就是全部。 Mykola Demko 2009.12.01 16:01 #18 grasn >> : 这不是很正确，在乘以一个系数的意义上 我使用这个公式来计算参考函数。 //x-->абсциса m-->мо q-->ско double нормальн_эталон(int x,double m,double q){return(1.0/(MathSqrt(2.0* pi)* q)*MathExp(-(( x- m)*( x- m))/(2.0* q* q)));} 因此，当X在50时，绝对值不可能像直方图中那样是几千，所以你还是得调整。 为了使拟合正确，它必须适用于曲线的所有项，所以曲线看起来是一样的（特别是在滑动比例上）。 [删除] 2009.12.01 16:08 #19 没关系，你的曲线很好! 小便器。 (大学五年级宿舍的大横幅：EVERYTHING is OK！) Сергей 2009.12.01 16:12 #20 AlexEro писал(а)>> 同事们，你们在做什么？ 研究人员假设被调查的随机过程是正常的，并在正常假设的基础上建立其概率曲线或概率密度模型。 该假设未被证实。图形并不匹配。 这就是全部。 为什么？这是检查静止性的一种粗略方法，应该指出，这并不是最糟糕的方法。让我说明一下，以防万一。对所分析的时间序列的期望值和方差进行测量。形成了一个随机序列（由一些 "正常 "的发生器创建，其输入特征与原始序列完全相同）。此外，一个分布被减去另一个。获得的错误，我不记得确切的，必须反过来服从一些东西，他们的特点被评估，并得出最后的结论。一切都很正常，我是说方法很正常 :o) 123456789...47 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
这就是我得到的模式。欧元兑美元，M15，20,000条
强烈的怀疑是，Urain 把所产生的系列的类似特征作为期望值和方差的输入参数。但情况可能并非如此。
不太可能。那么图表的中间部分将接近于直方图。
不太可能。那么图形的中间部分就会接近直方图。
是的，那么红线下的区域和直方图也会是一样的。
我说的是Erlang，但这不是这里的问题。正态分布有2个参数--MO和方差。在这种情况下，MO=0，但方差不是零，为了画图，我们需要设置其数值。所以我想问，Urain 是如何选择方差值的？
一般来说，为了比较图形，必须以某种方式将它们还原为一个共同的基础。根据这个基地的选择，可以有完全不同的模式。
如果我们把方差作为一个共同的基础，图表会更窄，但它会有厚厚的尾巴。
对于参考函数，方差和MO取自一系列的报价（也是在那里计算的），并设置为相同的值，但唯一的操作是与基准的绝对值，这里我们必须把每项的系数加上去，以便结合顶点。
对于一个基准函数，方差和MO取自一系列的报价（也在那里计算），并设置为相同的值，但唯一的操作是与基准的绝对值，这里我们必须将每项乘以一个系数以匹配顶点。
从乘以系数的意义上讲，这不是很正确。
对于基准函数，方差和MO取自系列报价（也是在那里计算的），并设置为相同的值，只对基准的绝对值进行操作，这里我们要把每项都加到系数上，以便结合顶点。
也许，非平稳序列的方差并不十分正确，因为它可能不存在:)。选择一个使分析性分布与实验性分布最多吻合，是比较正确的。即近似于它。imha。
可能非平稳序列的方差并不完全正确，因为它可能不存在:)。更正确的做法是找到一个，使分析性分布与实验性分布最多重合。 imha
从乘以一个系数的意义上来说，这不是很正确。
同事们，你们在做什么？
研究人员对所研究的随机过程的正常性提出了一个假设，并根据正常性假设建立了其概率曲线或概率密度。
该假设没有得到证实。图形并不匹配。
这就是全部。
这不是很正确，在乘以一个系数的意义上
我使用这个公式来计算参考函数。
因此，当X在50时，绝对值不可能像直方图中那样是几千，所以你还是得调整。
为了使拟合正确，它必须适用于曲线的所有项，所以曲线看起来是一样的（特别是在滑动比例上）。
没关系，你的曲线很好!
小便器。
(大学五年级宿舍的大横幅：EVERYTHING is OK！)
同事们，你们在做什么？
研究人员假设被调查的随机过程是正常的，并在正常假设的基础上建立其概率曲线或概率密度模型。
该假设未被证实。图形并不匹配。
这就是全部。
为什么？这是检查静止性的一种粗略方法，应该指出，这并不是最糟糕的方法。让我说明一下，以防万一。对所分析的时间序列的期望值和方差进行测量。形成了一个随机序列（由一些 "正常 "的发生器创建，其输入特征与原始序列完全相同）。此外，一个分布被减去另一个。获得的错误，我不记得确切的，必须反过来服从一些东西，他们的特点被评估，并得出最后的结论。一切都很正常，我是说方法很正常 :o)