[存档!]纯数学、物理学、化学等:与贸易没有任何关系的大脑训练问题 - 页 383 1...376377378379380381382383384385386387388389390...628 新评论 Nazariy Stapyak 2010.07.22 18:52 #3821 Richie: WWer,"一垒尺寸 "是什么意思?成员的总和? 元素的数量(数字)。 Sceptic Philozoff 2010.07.22 19:13 #3822 WWer:你需要从新基数中确定(概率上(例如2sigma))第一个基数的大小。按照我的理解,大小是指极端值的范围,还是什么?在这种情况下,如果分布 是已知的,问题 就可以得到解决。 但如果尺寸是一个数字的数量,我就不明白了。请给我一个例子。 Nazariy Stapyak 2010.07.22 21:51 #3823 Mathemat: 我认为,规模是指极端的传播,还是什么?在这种情况下,只要有一个已知的分布,问题就可以得到解决。 但如果大小是一个数字的数量,我就不明白了。请给我一个例子。 为了简单起见,我们以自然数为例。1 2 3 4 5 ...这就是我们需要找到的 "X"。 从这个基数中随机选择一个数字,例如:"3"...选择任何数字的概率=1/X。 例子。 假设有10个数字。1 2 3 4 5 6 7 8 9 10(我说10是为了举例,实际上这是我们需要找到的数字) 让我们对20个数字进行取样:5 2 9 5 3 8 4 10 3 2 7 1 8 5 2 6 1 10 1 在这里,现在让我们忘记我们有第一个基地的大小,只有从第二个基地我们需要找到它。 很明显,第一个基地会大得多,而且这些数字不是连续的。 Владимир Тезис 2010.07.22 22:14 #3824 哇,这个问题完全可以解决吗? 只要第一个数据库中的数字没有重复,我们就可以通过后续的样本,重新计算元素的数量(如果同一个数字在其中重复,那么就不考虑重复的情况--只考虑1次,以后出现的情况就跳过)。但是,哪里能保证原始数据库所包含的元素不超过我们所能重新计算的?概率就是概率。我们将不得不制作大量的样品。而结果只会被验证(无论我们做了多少个样本)--总会有一个概率,即至少有1个元素不包括在任何样本中....。 Sceptic Philozoff 2010.07.22 22:14 #3825 说实话,我不明白这个想法。如果这些数字是自然数的平方,即1,4,9,...,625呢?X等于什么? 又如何从一个比原始人口大的 "样本 "中估计出来? 你能暗示一下实际应用吗--它的用途是什么? Nazariy Stapyak 2010.07.22 22:50 #3826 drknn: 哇,这个问题完全可以解决吗? 只要第一个基数没有重复,你就可以到后续的选择中去重新计算元素的数量(如果相同的数字在其中重复,那么重复就不计算了--只计算1次,进一步出现的就不计算了)。但是,哪里能保证原始数据库所包含的元素不超过我们所能重新计算的?概率就是概率。我们将不得不制作大量的样品。而结果只会被验证(无论我们做了多少个样本)--总会有一个概率,即至少有1个元素不包括在任何样本中....。 是的,当然是这样) 所以这就是为什么我说"概率"....,所以答案应该是这样的:基数100000-110000,概率97%....。 而如果我们做30万个样本,我们有95%的概率是90%的基数。 Nazariy Stapyak 2010.07.22 22:54 #3827 Mathemat: 说实话,我不明白这个想法。如果这些数字是自然数的平方,即1,4,9,...,625呢?X等于什么? 而我如何从一个比原始人口大的 "样本 "中估计它呢? 你能给出一丝实际应用的提示吗--它是用来做什么的? 我向服务器发送查询,作为回应,我从数据库中得到10个随机的用户ID。在这里我想同时解决这样一个问题,那就是知道至少有多少个ID,以及要发送多少个查询) zy.我现在有400000个ID。 Prival 2010.07.22 23:12 #3828 WWer: 你好,谁能解决这个问题?)。 有一个不同数字的基数。从中随机选择数字并形成另一个基数(即已经有数字可以重复)。你可以随心所欲地选择,但这是对资源和时间的浪费。 你需要从新基数中确定(概率上(例如2sigma))第一个基数的大小。 + 如果能计算出应该做多少个样本才能得到至少90%的一垒,那也是很好的。 样本的MOJ乘以2 Nazariy Stapyak 2010.07.22 23:12 #3829 Prival: 从样本中确定OLS并乘以2。 什么的OLS? Prival 2010.07.22 23:22 #3830 WWer: 什么的MOS? 你已经从一个基数中选择了100个数字,如果基数是从1到....。X的顺序。那么这100个数字中可能有*2个会是X。 matad.rnd(2000)函数生成一个从1到2000的随机数。我们取了100个i=0...100的值,用它们来计算一切。 当然,结果不会是精确的,因为这个统计数字是一个置信区间--你也可以计算它,根据你需要的准确性,确定正确的样本量 1...376377378379380381382383384385386387388389390...628 新评论 原因: 取消 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
WWer,"一垒尺寸 "是什么意思?成员的总和?
你需要从新基数中确定(概率上(例如2sigma))第一个基数的大小。
按照我的理解,大小是指极端值的范围,还是什么?在这种情况下,如果分布 是已知的,问题 就可以得到解决。
但如果尺寸是一个数字的数量,我就不明白了。请给我一个例子。
我认为,规模是指极端的传播,还是什么?在这种情况下,只要有一个已知的分布,问题就可以得到解决。
但如果大小是一个数字的数量,我就不明白了。请给我一个例子。
为了简单起见,我们以自然数为例。1 2 3 4 5 ...这就是我们需要找到的 "X"。
从这个基数中随机选择一个数字,例如:"3"...选择任何数字的概率=1/X。
例子。 假设有10个数字。1 2 3 4 5 6 7 8 9 10(我说10是为了举例,实际上这是我们需要找到的数字)
让我们对20个数字进行取样:5 2 9 5 3 8 4 10 3 2 7 1 8 5 2 6 1 10 1
在这里,现在让我们忘记我们有第一个基地的大小,只有从第二个基地我们需要找到它。
很明显,第一个基地会大得多,而且这些数字不是连续的。
哇,这个问题完全可以解决吗?
只要第一个数据库中的数字没有重复,我们就可以通过后续的样本,重新计算元素的数量(如果同一个数字在其中重复,那么就不考虑重复的情况--只考虑1次,以后出现的情况就跳过)。但是,哪里能保证原始数据库所包含的元素不超过我们所能重新计算的?概率就是概率。我们将不得不制作大量的样品。而结果只会被验证(无论我们做了多少个样本)--总会有一个概率,即至少有1个元素不包括在任何样本中....。
说实话,我不明白这个想法。如果这些数字是自然数的平方,即1,4,9,...,625呢?X等于什么?
又如何从一个比原始人口大的 "样本 "中估计出来?
你能暗示一下实际应用吗--它的用途是什么?
哇,这个问题完全可以解决吗?
只要第一个基数没有重复,你就可以到后续的选择中去重新计算元素的数量(如果相同的数字在其中重复,那么重复就不计算了--只计算1次,进一步出现的就不计算了)。但是,哪里能保证原始数据库所包含的元素不超过我们所能重新计算的?概率就是概率。我们将不得不制作大量的样品。而结果只会被验证(无论我们做了多少个样本)--总会有一个概率,即至少有1个元素不包括在任何样本中....。
是的,当然是这样)
所以这就是为什么我说"概率"....,所以答案应该是这样的:基数100000-110000,概率97%....。 而如果我们做30万个样本,我们有95%的概率是90%的基数。
说实话,我不明白这个想法。如果这些数字是自然数的平方,即1,4,9,...,625呢?X等于什么?
而我如何从一个比原始人口大的 "样本 "中估计它呢?
你能给出一丝实际应用的提示吗--它是用来做什么的?
我向服务器发送查询,作为回应,我从数据库中得到10个随机的用户ID。在这里我想同时解决这样一个问题,那就是知道至少有多少个ID,以及要发送多少个查询)
zy.我现在有400000个ID。
你好,谁能解决这个问题?)。
有一个不同数字的基数。从中随机选择数字并形成另一个基数(即已经有数字可以重复)。你可以随心所欲地选择,但这是对资源和时间的浪费。
你需要从新基数中确定(概率上(例如2sigma))第一个基数的大小。
+ 如果能计算出应该做多少个样本才能得到至少90%的一垒,那也是很好的。
样本的MOJ乘以2
从样本中确定OLS并乘以2。
什么的MOS?
你已经从一个基数中选择了100个数字,如果基数是从1到....。X的顺序。那么这100个数字中可能有*2个会是X。
matad.rnd(2000)函数生成一个从1到2000的随机数。我们取了100个i=0...100的值,用它们来计算一切。 当然,结果不会是精确的,因为这个统计数字是一个置信区间--你也可以计算它,根据你需要的准确性,确定正确的样本量