Alexander NozikТочно нет. Там линейно все. И если вы хотите независимые распределения по a, b и c, то так не получится
Запустил генерацию через дерихле и теперь все 3 величины имеют одинаковое распределение
Студенты МФТИ, добрый день!
Дедлайн по 2ой сдаче проекта был 20 апреля, отчитался только один студент. 2сдача принимается до 28 апреля, после она не будет учитываться при выставлении оценки.
Предполагается, что на этой стадии первые результаты уже получены и проанализированы , и в качестве обратном связи мы обсуждаем,что нужно сделать к последней сдаче.
Товарищи, у нескольких человек проект по программированию и/или финансам совпадает с проектом по статистике. На всякий случай напоминаю, что если вы послали проект, скажем в Kotlin, вам все равно надо его представить ассистенту по статам (ну или мне написать). Потому что проект-то может быть один, но обсуждается он с разных позиций.
Студенты МФТИ, добрый день!
Дедлайн по финальной сдаче проекта сдвигается с 24 мая на конец мая. Ожидается, что это будет финальная презентация, по итогу которой будет выставлена оценка за экзамен.
@lizosommka , @arikallis , @GomerPavyk, @artyasen, @niky101
Добрый день!
Я сейчас в процессе минимального осознания теории вокруг статистических моделей. (Есть необходимость реализовать алгоритм для SARIMA.) Теорию вероятности (вместе с определениями моделей) вроде как понимаю, но когда дело касается отступления от теории вероятности (включая, например, замену случайных величин на конкретные значения), то в голове каша. Поэтому разрешите задать сюда глупые вопросы:
1. Общий вопрос по моделям. Правда ведь, что процесс прогнозирования продолжения конечного временного ряда (по конкретно выбранной модели) состоит из двух стадий: фиттинга для получения конкретных параметров модели и генерации следующих элементов по полученным параметрам?
2. Вот есть, допустим, конечный ряд (x_i)_{i=1}^n, который хочется зафиттить по модели AR(p). Если использовать уравнение Yule—Walker, то нужно откуда-то взять автоковариации случайных величин. Правильно ли я понимаю, что в таком случае берут в качестве автоковариации с лагом m среднее (sum_{k = m + 1}^n y_{k-m} y_k) / (n-m) (или даже n вместо n-m), где y_k = x_k - (sum_{i=1}^n x_i) / n ?
3. А если я хочу продолжить этот ряд (по полученным параметрам), то достаточно просто продолжать его как линейную рекурренту, считая, что все новые ошибки равны нулю?
4. А в случае MA(q) (с нулевым мат. ожиданием; т.е. X_t = ε_t + sum_{k=1}^q ε_{t-k} θ_{t-k}, где ε — случайная величина ошибки, а θ — параметр модели) нужно вычислить значения ε_t для t = 1..n и параметры θ_i для i=1..q, а потом, предполагая ε_t = 0 для t > n, вычислить x_t для t > n просто по предыдущей формуле на X_t? (И тогда x_t будет равен 0 для t > n + q, так ведь?)
A Мне сложно читать с листа формулки (кстати есть @InLaTeXbot), но в целом там должны определяться корреляционные функции между разными кусками одной функции, так что похоже на правдуA Г Я сейчас писал про получение конкретных мат. ожиданий случайных величин X_t (чтобы потом говорить про погрешности от чего). Мне казалось, что для этого можно воспользоваться тем, что мат. ожидание ε_t равно нулю. Можно, конечно, вычислить и дисперсию ε (если она у всех ε_t одинаковая). Но тогда правильно понимаю, что для предсказания ряда нужно считать ε_t = 0, а дополнительно потом нужно посчитать дисперсию ε_t?
Я без вникания не могу сказать, что там считается. Там зависит от экстраполяции. Скажем, если у тебя экстраполяция линейная, то дисперсия результирующей точки будет зависеть от того, какие дисперсии у исходных точек и как далеко они друг от друга отстоят. Это определит вариацию угла в пределах которого может "шевелиться" экстраполирующая прямая.
Г Ну, зависимость понятна. Просто тут не апроксимация точек прямой (или какой-либо другой функцией), а апроксимация точек (точнее, случайных величин) линейной рекуррентой (в вопросах 2 и 3, конкретно) с вовлечением внешних случайных величин. Т.е. функция не от номера значения, а от p предыдущих значений и ещё новопоявляющихся случайных величин (которые не влияют на входные данные, но влияют на экстраполируемые данные). Если бы туда подставлялся номер значения, то было бы всё просто... а так — нет.