как это не связаны? Нормальное распределение стационарно и приращения СБ распределенные по НР - стационарны, а я изначально говорил именно о приращениях. ...
Вы считаете что НР нестационарно? Или нельзя для каждого непрерывного распределения сказать - является оно стационарным или нет? :)
Несовсем понял что ты смоделировал и как получил тяжелые хвосты. Как я понял что просил аватара - никаких хвостов быть не должно. Возможно неправильно понял :( Приведи, пожалуйста хотя бы гистограмму полученного распределения и как моделировал
timbo уже 3 раз пишу одно и тоже. Да СБ сгененрированное на каком-то отрезке времени например 0-1000 (как на твоей картинке) F(t1000)- распределение и нормально и стационарно. мо=0, дисп=1000*Дисп_приращения. И в любой другой фиксированный промежуток времени распределение будет стационарным и нормальным, а дисперсия будет пропорциональна его длине. Но сам процесс СБ, как функция от времени F(t) не является не нормальным не стационарным. его мо так же будет=0 но дисперсия бесконечна. Для стационарного и НР, какое t не взять - дисперсия будет одинаковой и фиксированным числом- она не меняется во времени, что и есть условие стационарности.
как это не связаны? Нормальное распределение стационарно и приращения СБ распределенные по НР - стационарны, а я изначально говорил именно о приращениях.
...
Вы считаете что НР нестационарно? Или нельзя для каждого непрерывного распределения сказать - является оно стационарным или нет? :)
这就是静止性 的定义，哪里有提到分布？静止性是一个过程的属性，而不是一个分布。这个过程有某种程度的分布。一个具有正态分布的过程可能是静止的，也可能不是。这并不取决于分布。当然，你不能仅仅通过了解一个过程的分布而对其静止性说三道四。
关于SB本身（作为增量的累积总和）：不会有你在前一个帖子中描述的 "重尾"
。因为SB本身也是正态分布，但其方差比单次增量（从开始参考的时间t）大t倍。是的，SB分布的方差随着时间的推移而增加，这个分布实际上是正态分布的独立随机变量的总和（增量），这与你的链接中的稳定性定义相一致。例如，超过3个希格玛的重尾，但对于SB来说，如果你计算特定时间点的方差（你可以用分析方法来做）--一切都将与正常情况一样。它将是具有特定参数的正常现象--有限的方差和莫
在写作之前，我在Matlab中模拟了这种情况，也就是说，我对我的话负责。而你在这里只是随意地胡说八道。如果你 "有时 "把增量的值增加一倍，就像阿凡达所希望的那样，那么 "大 "偏差的方差就会增加，峰度也会增加。增量不再是正态分布，即使它们最初是如此。但SB本身不会有任何尾巴，SB具有正态分布，是非平稳的，不管增量的性质如何。
这里是静止性 的定义，哪里有关于分布的字眼？
我是说，对于每个分布，你可以找出它是否是静止的，或者同一过程是否会是静止的。而我写道，SB增量是由静止的分布来模拟的。如果分布是正常的，那么这个过程就是静止的。一个正态分布的过程可以是非平稳的吗？
静止性是一个过程的属性，而不是分布的属性。这个过程有某种程度的分布。一个具有正态分布的过程可能是静止的，也可能不是。这并不取决于分布。当然，只知道一个过程的分布，你不能说任何关于它的静止性。
你从哪里得到这个消息的？给我举一个非平稳过程的例子，其分布将是正常的。
在写作之前，我在Matlab中模拟了情况，这意味着我对自己的文字负责。而你在这里只是随意地胡说八道。如果你 "有时 "把增量的值增加一倍，就像阿凡达所希望的那样，那么 "大 "偏差的方差就会增加，峰度也会增加。增量不再是正态分布，即使它们最初是如此。但SB本身不会有任何尾巴，SB有一个正态分布，而且是非平稳的，不管增量的性质如何。
我不太明白你的模型是什么，你是如何得到沉重的尾巴的。正如我所理解的头像要求的那样--不应该有任何尾巴。可能是误解了 :( 请至少给我一个所产生的分布的直方图，以及你是如何建模的。
SB是非稳态的，是I(1)--正如我写的那样，第一个差值是稳态的（递增的）。它也是静止的，是一个固定时间点的正态分布。在t0时刻，分布是静止的，是一个，在t1时刻是另一个。但SB本身作为一个从时间x=F(t)的过程不是静止的，也不是正态分布。这是因为它的方差在t->无穷大时是无限的。第一个差值（增量）是正态分布。我在之前的帖子中给出了一个来源链接。
Откуда ты это взял? Приведи пример нестационарного процесса, распределение которого будет нормальным.
这个例子我已经举过三次了--随机行走是一个具有正态分布的非平稳过程。
分布是指人的形状，非稳态是指身高：一个胖子可以很高，也可以很矮（这是分布），他长到25岁就会下降，宽度也会变化，随着年龄的增长越来越胖，也就是说，他是非稳态的。但增长与形状无关。
静止性不是分布的一个属性，而是过程的一个属性。
这个例子我已经举过三次了--随机行走是一个具有正态分布的非平稳过程。
分布是指人的形状，非稳态是指身高：一个胖子可以很高，也可以很矮（这是分布），他长到25岁就会下降，宽度也会变化，随着年龄的增长越来越胖，也就是说，他是非稳态的。但增长与形状无关。
静止性不是分布的一个属性，而是过程的一个属性。
在某一固定时间点上，从t参考点开始，SB的增量和分布是静止的和正态分布的。对他们来说，有可能计算出莫和方差，而不是作为时间函数的SB
Несовсем понял что ты смоделировал и как получил тяжелые хвосты. Как я понял что просил аватара - никаких хвостов быть не должно. Возможно неправильно понял :( Приведи, пожалуйста хотя бы гистограмму полученного распределения и как моделировал
是。
(即|y(i)-y(i-1)|>=英雄在 第i步 的实力，那么他在第i+1步产生的实力（包括减去-倍）应该是双倍的。
突出显示的红色部分必须是i-1，否则永远是相等的。也就是说，如果产生的增量足够大，应该再乘以2。这正好增加了大增量区域的方差，使尾部变粗。
e(i)=s(i)-b(i)。
如果abs(e(i))> abs(e(i-1))
e(i) = e(i) * 2
结束
价格变动是完全不可预测的。我们面对的是心理学，而不是数学，任何公式都无济于事。
你错了--作为时间函数的SB不是HP，非稳态的才是。
你是在和乘法表争论，而不是和我争论。而这是很不幸的。
这里有一个1000个增量均匀分布的随机行走。你可以继续用你的头撞显示器，说它不是正态分布。而我已经开始厌倦了。
价格变动是完全不可预测的。 我们面对的是心理学，而不是数学，任何公式都无济于事。
你这是自相矛盾。如果 "完全不可预测"，那么不仅公式无济于事，而且没有什么可以帮助。如果还有希望，你建议的心理学多少可以用公式来描述。
你是在和乘法表争论，不是和我争论。而这是很不幸的。
这里有1000个增量均匀分布的随机漫步。你可以继续用你的头撞显示器，说它不是正态分布。而我已经开始厌倦了。
Timbo 这是我第三次写同样的东西了。是的，SB在某个时间间隔产生，例如0-1000（如你的图片）F(t1000)-分布既是正态的，也是静止的。而在任何其他固定的时间间隔，分布将是静止的和正常的，方差将与它的长度成比例。但SB过程本身，作为时间的函数F(t)不是非正常非平稳的。它的mo也将=0，但方差是无限的。对于静止性和HP来说，无论取什么t，方差都是一样的，是一个固定的数字--它不会随时间变化，这是静止性的条件。
timbo уже 3 раз пишу одно и тоже. Да СБ сгененрированное на каком-то отрезке времени например 0-1000 (как на твоей картинке) F(t1000)- распределение и нормально и стационарно. мо=0, дисп=1000*Дисп_приращения. И в любой другой фиксированный промежуток времени распределение будет стационарным и нормальным, а дисперсия будет пропорциональна его длине. Но сам процесс СБ, как функция от времени F(t) не является не нормальным не стационарным. его мо так же будет=0 но дисперсия бесконечна. Для стационарного и НР, какое t не взять - дисперсия будет одинаковой и фиксированным числом- она не меняется во времени, что и есть условие стационарности.
一般来说，任何长度可变的片段都会给出一个正态分布。 你认为SB有什么样的分布，它是非静止的吗？ 远离这些增量，从另一个角度看这个过程。 如果你看到一个定义明确的有限钟，这并不意味着形成它的过程是静止的。