กลยุทธ์การซื้อขาย องศาอิสระ

การทดสอบต้องใช้จำนวนของกฎและ / หรือข้อ จำกัด ที่กำหนดโดยระบบการซื้อขายหรือวิธีการ จำนวนของกฎระเบียบและ / หรือข้อ จำกัด ที่ใช้ในการคำนวณจำนวนองศาของเสรีภาพ ซึ่งเป็นสิ่งจำเป็นในการคำนวณค่าเสื้อสำหรับการทดสอบที จำเป็นต้องมีจำนวนที่เพียงพอขององศาอิสระเพื่อให้แน่ใจว่าระบบไม่เกินพอดีหรือที่ดีที่สุดในตลาด Over-เหมาะสมหรือเพิ่มประสิทธิภาพหมายความว่าพารามิเตอร์ของระบบซื้อขายที่ได้รับการคัดเลือกในการทำงานในตลาดที่เฉพาะเจาะจงหรือภายใต้สภาวะตลาดที่ จำกัด มากกว่าพอดีหรือระบบการซื้อขายในช่วงที่ดีที่สุดไม่น่าจะทำงานได้ดีในตลาดอื่น ๆ หรือเมื่อตลาดมีการเปลี่ยนแปลงเงื่อนไข ผู้เชี่ยวชาญด้านการซื้อขายส่วนใหญ่ยอมรับว่าระบบที่ดีที่สุดมากกว่าที่ควรหลีกเลี่ยง จำนวนขององศาอิสระเป็นจำนวนของธุรกิจการค้าลบจำนวน จำกัด ที่ ด้วยการซื้อขายน้อยเกินไปในการทำกำไรของระบบหรือวิธีการอาจจะเป็นเพราะการจัดโอกาสของธุรกิจการค้า ธุรกิจการค้ามากขึ้นมากขึ้นจำนวนองศาของเสรีภาพและโอกาสมากขึ้นก็คือการที่คำนวณกำไรเฉลี่ยไม่ได้เป็นความบังเอิญ แต่สถิติจำนวนจริงที่มีแนวโน้มที่จะถือขึ้นในอนาคต การนับจำนวนข้อ จำกัด ของโทมัสฮอฟแมน (แบ็บบรูซ. ธุรกิจหนึ่งคู่มือเออร์วินที่จะระบบการซื้อขาย. ริชาร์ดดีเออร์วิน, Inc 1989, น. 89) แสดงให้เห็นการตรวจสอบกฎของระบบการซื้อขายและการนับเงื่อนไขที่จะเปลี่ยนแปลงใด ๆ ส่งผลให้การซื้อขาย ตัวอย่างเช่นสมมติว่าคุณมีระบบการซื้อขายที่ซื้อเมื่อปิดวันนี้น้อยกว่าเมื่อวานนี้ปิดในแนวโน้มขึ้น มันกำหนดขึ้นแนวโน้มเมื่อย้ายสั้นเฉลี่ยสูงกว่าค่าเฉลี่ยเคลื่อนที่อีกต่อไป สำหรับความเรียบง่ายสมมติด้านการขายเป็นสิ่งที่ตรงกันข้ามและมีไม่หยุด มันหยุดที่เรียบง่ายและระบบกลับ ค่าเฉลี่ยเคลื่อนที่สภาพข้ามไปอาจจะถูกนับเป็นสามข้อ จำกัด หนึ่งสำหรับสภาพตัวเองและหนึ่งสำหรับแต่ละย้ายระยะเวลาเฉลี่ย รูปแบบราคาจะเป็นข้อ จำกัด อื่นรวมเป็นสี่ข้อ จำกัด สำหรับด้านยาว จะมีอีกสี่ด้านสั้นสำหรับทั้งหมดแปดข้อ จำกัด ถ้ามีการซื้อขายเพียงแปดยกตัวอย่างเช่นจะไม่มีองศาอิสระและคุณไม่ควรจะมีความเชื่อมั่นในจำนวนการซื้อขายเฉลี่ยถึงแม้ว่ามันจะอยู่ในระดับสูงมาก ในทางกลับกันถ้ามีการซื้อขาย 100 จะมี 92 องศาอิสระซึ่งควรให้ความมั่นใจมากขึ้นในจำนวนการซื้อขายเฉลี่ย ทีเขาทีทดสอบสามารถแสดงเป็นช่วงความเชื่อมั่นสำหรับการซื้อขายเฉลี่ย: CI = * t SD / sqrt (N) ที่ CI เป็นช่วงความเชื่อมั่นรอบการซื้อขายเฉลี่ย, เสื้อทีเป็นสถิติของนักศึกษา, SD เป็นส่วนเบี่ยงเบนมาตรฐานของธุรกิจการค้า, N คือจำนวนของการซื้อขายและ sqrt แสดงให้เห็นถึงรากที่สอง สถิติเสื้อขึ้นอยู่กับจำนวนขององศาอิสระและระดับความเชื่อมั่นที่ ช่วงความเชื่อมั่นหมายความว่าการซื้อขายเฉลี่ยมีแนวโน้มที่จะอยู่ระหว่าง T - CI และ T + CI สำหรับระบบที่จะทำกำไรที่ระดับความเชื่อมั่นที่ระบุการค้าเฉลี่ยตันจะต้องมากกว่าศูนย์ที่ถูกผูกไว้ที่ต่ำกว่า T - CI; กล่าวคือ ถ้าเงื่อนไขนี้เป็นความจริงที่ระดับความเชื่อมั่นที่กำหนดไว้ก็หมายความว่าระบบหรือวิธีการเป็นเรื่องที่ทำกำไรได้โดยเนื้อแท้สมมติฐานของการทดสอบ หนึ่งในสมมติฐานเหล่านี้คือคุณสมบัติทางสถิติของการซื้อขายยังคงเหมือนเดิม โดยเฉพาะถ้าการค้าเฉลี่ยและค่าเบี่ยงเบนมาตรฐานของมันยังคงเหมือนเดิมในอนาคตผลจะยังคงเป็นที่ถูกต้อง แต่เป็นตลาดที่มีการเปลี่ยนแปลงและพัฒนาตลอดเวลาคุณสมบัติของการกระจายทางสถิติของการซื้อขายอาจมีการเปลี่ยนแปลงเช่นกันดังนั้นความระมัดระวังเป็นประกันในการแปลผล วัตถุประสงค์การเรียนรู้ กำหนดองศาอิสระ ประเมินความแปรปรวนจากกลุ่มตัวอย่าง 1 ถ้าหมายถึงประชากรที่เป็นที่รู้จักกัน ทำไมรัฐเบี่ยงเบนไปจากค่าเฉลี่ยของกลุ่มตัวอย่างไม่เป็นอิสระ ระบุสูตรทั่วไปสำหรับองศาอิสระในแง่ของจำนวนของค่านิยมและจำนวนพารามิเตอร์ที่ประมาณ คำนวณ s 2 บางคนประมาณการอยู่บนพื้นฐานของข้อมูลที่มากกว่าคนอื่น ๆ ยกตัวอย่างเช่นการประเมินความแปรปรวนขึ้นอยู่กับขนาดของกลุ่มตัวอย่าง 100 อยู่บนพื้นฐานของข้อมูลที่มากกว่าประมาณการของความแปรปรวนขึ้นอยู่กับขนาดของกลุ่มตัวอย่างของ 5 องศาอิสระ (DF) ของการประเมินเป็นจำนวนชิ้นที่เป็นอิสระ ของข้อมูลเกี่ยวกับที่ประมาณการจะขึ้นอยู่ ตัวอย่างเช่นสมมุติว่าเรารู้ว่าความสูงเฉลี่ยของดาวอังคารคือ 6 และต้องการที่จะประเมินความแปรปรวนของความสูงของพวกเขา เราสุ่มตัวอย่างหนึ่งของดาวอังคารและพบว่าความสูงของมันคือ 8. จำได้ว่าความแปรปรวนถูกกำหนดให้เป็นค่าเฉลี่ยส่วนเบี่ยงเบนกำลังสองของค่าจากประชากรของพวกเขาหมายถึง เราสามารถคำนวณค่าเบี่ยงเบนกำลังสองของค่าของเรา 8 จากประชากร 6 หมายถึงการหาค่าความเบี่ยงเบนแควเดียวจากค่าเฉลี่ย นี้เบี่ยงเบนแควเดียวจากค่าเฉลี่ย (8-6) 2 = 4 เป็นประมาณการของค่าเฉลี่ยส่วนเบี่ยงเบน squared สำหรับดาวอังคารทั้งหมด ดังนั้นขึ้นอยู่กับตัวอย่างของหนึ่งในนี้เราจะประเมินว่าความแปรปรวนประชากรที่ 4 ประมาณนี้จะขึ้นอยู่กับชิ้นส่วนของข้อมูลและดังนั้นจึงมีคำสั่ง df 1 ถ้าเราเก็บตัวอย่างดาวอังคารอีกและได้รับความสูงของ 5 แล้วเราสามารถคำนวณประมาณการที่สองของความแปรปรวน (5-6) 2 = 1 เราก็จะเฉลี่ยประมาณการของเราสอง (4 1) เพื่อให้ได้ประมาณ 2.5 . ตั้งแต่ประมาณนี้จะขึ้นอยู่กับสองชิ้นที่เป็นอิสระของข้อมูลมันมีสององศาอิสระ ทั้งสองมีความเป็นอิสระประมาณการเพราะพวกเขาจะขึ้นอยู่กับสองดาวอังคารเป็นอิสระและสุ่มเลือก ประมาณการจะไม่เป็นอิสระถ้าหลังจากการสุ่มตัวอย่างหนึ่งดาวอังคารเราตัดสินใจที่จะเลือกที่เป็นพี่ชายของดาวอังคารที่สองของเรา ในขณะที่คุณอาจจะคิดมันเป็นเรื่องยากสวยที่เรารู้ว่าประชากรหมายถึงเมื่อเราจะประเมินความแปรปรวน แต่เราต้องแรกประมาณประชากรเฉลี่ย (& หมู่;) กับค่าเฉลี่ยของกลุ่มตัวอย่าง (M) กระบวนการของการประมาณค่าเฉลี่ยของเราส่งผลกระทบต่อองศาของเสรีภาพที่แสดงด้านล่าง กลับไปที่ปัญหาของเราของการประเมินความแปรปรวนในที่สูงอังคารสมมติเราไม่ทราบว่าหมายถึงประชากรและดังนั้นเราต้องประเมินได้จากตัวอย่าง เรามีตัวอย่างสองดาวอังคารและพบว่าพวกเขามีความสูง 8 และ 5 ดังนั้น M ประมาณการของเราของประชากรที่หมายถึงคือ M = (8 + 5) / 2 = 6.5 ตอนนี้เราสามารถคำนวณสองประมาณการความแปรปรวน: ประมาณ 1 = (8-6.5) 2 = 2.25 ประมาณ 2 = (5-6.5) 2 = 2.25 ตอนนี้สำหรับคำถามที่สำคัญ: มีทั้งสองประมาณการอิสระ? คำตอบคือไม่เพราะแต่ละความสูงส่วนร่วมในการคำนวณของเอ็มเนื่องจากความสูงของดาวอังคารเป็นครั้งแรกที่ได้รับอิทธิพลจาก 8 M ก็ยังได้รับอิทธิพลประมาณการ 2. ถ้าความสูงเป็นครั้งแรกที่ได้รับการยกตัวอย่างเช่น 10 แล้วเอ็มจะได้รับ 7.5 และประมาณการ 2 จะได้รับ (5-7.5) 2 = 6.25 แทน 2.25 จุดสำคัญคือว่าทั้งสองประมาณการไม่เป็นอิสระและดังนั้นเราไม่ได้มีสององศาอิสระ วิธีการที่จะคิดเกี่ยวกับการที่ไม่ได้เป็นอิสระก็คือการที่จะต้องพิจารณาว่าถ้าคุณรู้ว่าค่าเฉลี่ยและเป็นหนึ่งในคะแนนที่คุณจะได้รู้ว่าคะแนนอื่น ๆ ตัวอย่างเช่นหากคะแนนคือ 5 และค่าเฉลี่ยคือ 6.5 คุณสามารถคำนวณที่รวมของทั้งสองคะแนน 13 และดังนั้นจึงว่าคะแนนอื่น ๆ จะต้องเป็น 13-5 = 8 โดยทั่วไปองศาอิสระสำหรับการประมาณการเท่ากับจำนวนค่าลบด้วยจำนวนของพารามิเตอร์ที่ประมาณเส้นทางที่จะไปประมาณการในคำถาม ในตัวอย่างอังคารมีสองค่า (8 และ 5) และเราต้องประเมินหนึ่งพารามิเตอร์ (และหมู่;) เกี่ยวกับวิธีการประมาณค่าพารามิเตอร์ที่น่าสนใจ (และซิก 2) ดังนั้นประมาณการความแปรปรวนมี 2-1 = 1 ระดับของเสรีภาพ ถ้าเรามีตัวอย่างอังคารที่ 12 แล้วเราคาดไว้ที่แปรปรวนจะมี 11 องศาอิสระ ดังนั้นองศาของเสรีภาพในการประมาณการความแปรปรวนที่มีค่าเท่ากับไม่มี - 1 ซึ่ง N คือจำนวนของการสังเกต จำจากส่วนที่เกี่ยวกับความแปรปรวนที่สูตรสำหรับการประเมินความแปรปรวนในกลุ่มตัวอย่างคือ: ส่วนของสูตรนี้คือองศาอิสระ กรุณาตอบคำถาม: ไปยังเพดานที่เรียบง่าย เพดานของฉันคือง่ายกว่าที่เคยเป็น พ่อครัวหนุ่มสาวเพิ่มและเพิ่มและเพิ่มแผ่น ในขณะที่คุณได้รับเก่าที่คุณเริ่มต้นที่จะไป ฌาคPépinเชฟชื่อดังของฝรั่งเศส ข้อเสนอบทความชุดปัจจุบันที่มีแนวความคิดของการสลายตัวของผลการดำเนินงานที่เกิดขึ้นเมื่อประสิทธิภาพของกลยุทธ์การซื้อขายเป็นระบบที่เลวร้ายยิ่งเป็นสาระสำคัญในการประยุกต์ใช้เก​​ินกว่าที่จะปรากฏตัวในระหว่างการทดสอบ เราจัดการกับแนวความคิดของการเก็งกำไรในโพสต์สุดท้ายของเรา, การวาดภาพแบบคู่ขนานกับปรากฏการณ์ของการค้นพบหลายในวิทยาศาสตร์ เป็นหลักที่เราตั้งสมมติฐานว่านักพัฒนาจำนวนมากจากการวาดภาพร่างกายที่คล้ายกันของการวิจัยจะสะดุดเมื่อการใช้งานใกล้เคียงที่ประมาณเวลาเดียวกัน ในฐานะที่เป็นนักลงทุนเหล่านี้ในการแข่งขันที่จะเก็บเกี่ยวความผิดปกติเดียวกันหรือคล้ายกันที่นักลงทุนจะเก็บเกี่ยวหุ้นขนาดเล็กที่มีอัลฟา นอกจากนี้เรายังได้สัมผัสกับเหตุผลที่ว่าทำไมเรามีความมั่นใจว่ากลยุทธ์การจัดสรรสินทรัพย์ที่ใช้งานรอบคอบมีแนวโน้มที่จะรักษารายละเอียดผลตอบแทนความเสี่ยงที่ปรับแข็งแกร่งของพวกเขาในอนาคตอันใกล้ จำได้ว่าความหลากหลายของการผลักดันโครงสร้างป้องกันไม่ให้ผลประโยชน์เงินร่วมสมัยขนาดใหญ่เช่นเงินบำนาญพลังและสถาบันขนาดใหญ่อื่น ๆ จากการใช้ประโยชน์จากโอกาสการเก็งกำไรนี้ ที่รากเหล่านี้สระว่ายน้ำขนาดใหญ่ทุน จำกัด โดยกลุ่มคิดว่าโครงสร้างขององค์กรและเคลื่อนไหวช้าขั้นตอนการกำกับดูแล ข้อ จำกัด เหล่านี้ดักคอพวกเขาจากการย้ายโฟกัสของพวกเขาจากแหล่งดั้งเดิมของอัลฟา (เช่นการเลือกการรักษาความปลอดภัย) แหล่งที่มายุทธวิธี โพสต์นี้จะเริ่มต้นการตรวจสอบข้อเท็จจริงของแนวคิดขององศาอิสระในการพัฒนาระบบ องศาของเสรีภาพในระยะที่มีความหมายแตกต่างกันเล็กน้อยขึ้นอยู่กับว่าบริบทเป็นสถิติที่เป็นทางการหรือระบบเครื่องกล ในขณะที่การออกแบบระบบการลงทุนมักจะดึงออกมาจากทั้งบริบทเพื่อจุดประสงค์ในชุดนี้เราจะเอียงมากใกล้กับหลัง โดยเฉพาะอย่างยิ่งจำนวนขององศาอิสระในระบบหมายถึงจำนวนของพารามิเตอร์อิสระในระบบที่อาจส่งผลกระทบผล ครั้งแรกที่ผมค้นพบการลงทุนระบบสัญชาตญาณของฉันคือการหาหลายวิธีที่จะวัดและชุดกรองเวลาที่จะพอดีกับแผ่นงาน Excel ผมชอบเด็กผู้ชายที่ได้ลิ้มรส Bouillabaisse แรงบันดาลใจเป็นครั้งแรกและเพิ่งมีการพยายามที่จะทำซ้ำตัวเอง แต่แทนที่จะสำรวจแตกต่างกันนิดหน่อยไม่มีที่สิ้นสุดของอาหารฝรั่งเศสฉันเพียงแค่โยนทุกสมุนไพรฝรั่งเศสไปได้ลงไปในหม้อในครั้งเดียว เพื่อปัญญาหนึ่งของการออกแบบในช่วงต้นของฉันมีไม่น้อยกว่า 37 ลักษณนามรวมทั้งตัวกรองที่เกี่ยวข้องกับการถดถอย, ค่าเฉลี่ยเคลื่อนที่โมเมนตัมดิบชี้วัดทางเทคนิคเช่น RSI และ Stochastics เช่นเดียวกับแนวโน้มนักเล่นและหมายถึงตัวกรองการพลิกกลับเช่น TSI, DVI, DVO, และโฮสต์ของอื่น ๆ ที่สามและสี่ตัวย่อจดหมาย ตัวบ่งชี้ที่แต่ละคนได้บ่มเพาะให้เป็นค่าที่ดีที่สุดในการสั่งซื้อเพื่อเพิ่มผลตอบแทนในอดีตและค่าเหล่านี้มีการเปลี่ยนแปลงที่ดีที่สุดเท่าที่ผมกับหลักทรัพย์ที่แตกต่างกัน เมื่อมาถึงจุดหนึ่งที่ผมได้รับการออกแบบระบบการค้า IWM ที่มีผลตอบแทนทางประวัติศาสตร์สูงกว่า 50% และอัตราส่วนชาร์ปมากกว่า 4 เหล่านี้เป็นชนิดของระบบที่ดำเนินการได้ดีอย่างเหลือเชื่อย้อนหลังแล้วระเบิดขึ้นในการผลิตและ thats สิ่งที่เกิดขึ้น คนที่ฉันกำลังใช้ระบบ IWM เวลาหุ้นสหรัฐไม่กี่สัปดาห์ที่ผ่านมาและหายไป 25% นับสิบชั่วโมงและสัปดาห์ดึกคืนที่เครื่องคอมพิวเตอร์ลงท่อระบายน้ำที่ ปัญหาเกี่ยวกับระบบที่ซับซ้อนที่มีชิ้นส่วนที่เคลื่อนไหวอีกหลายคนที่พวกเขาต้องการคุณที่จะหาจุดที่สมบูรณ์แบบที่แน่นอนของการเพิ่มประสิทธิภาพในมิติที่แตกต่างกันในกรณีของฉัน 37 เพื่อให้เข้าใจสิ่งที่ผมหมายถึงว่าคิดพยายามที่จะสร้างอร่อยกับ 37 แตกต่างกัน ส่วนผสม วิธีที่คุณสามารถเคยพบการผสมผสานที่สมบูรณ์แบบ? เกลือเล็กน้อยอาจนำมาออกรสชาติของโรสแมรี่ แต่อาจเอาชนะน้ำมันแห้ว จะทำอย่างไร? เพิ่มเกลือมากและน้ำมันแห้วมากขึ้น? แต่น้ำมันแห้วมากขึ้นอาจไม่ได้เสริม earthiness ของ chanterelles ที่ คุณจะเห็นว่ามันไม่ได้เป็นเพียงแค่พอที่จะหาที่ดีที่สุดในท้องถิ่นสำหรับแต่ละจําแนกเป็นรายบุคคลใด ๆ มากกว่าที่คุณสามารถตัดสินใจเกี่ยวกับจำนวนเงินที่เหมาะสมของส่วนผสมในอาหารใด ๆ โดยไม่คำนึงถึงผลกระทบต่อส่วนผสมอื่น ๆ Thats เพราะในกรณีส่วนใหญ่สัญญาณจากหนึ่งลักษณนามโต้ตอบกับลักษณนามในรูปแบบอื่น ๆ ที่ไม่ใช่เชิงเส้น ตัวอย่างเช่นถ้าคุณทำงานกับสองตัวกรองในการรวมกันบอกว่าการย้ายข้ามเฉลี่ยและได้ใช้มือดีที่คุณจะไม่มีความกังวลเกี่ยวกับความยาวที่เหมาะสมของค่าเฉลี่ยเคลื่อนที่ (s) หรืองวด lookback สำหรับ oscillator อิสระ; แต่คุณต้องตรวจสอบผลของการออสซิลในช่วงระยะเวลาที่เป็นราคาที่สูงกว่าค่าเฉลี่ยการเคลื่อนย้ายและอีกครั้งเมื่อราคาต่ำกว่าค่าเฉลี่ยเคลื่อนที่ คุณอาจพบว่า oscillator จะทำงานค่อนข้างแตกต่างกันเมื่อย้ายกรองเฉลี่ยอยู่ในรัฐหนึ่งกว่าจะในรัฐอื่น เพื่อให้คุณคิดขอบเขตของความท้าทายนี้ได้พิจารณาความเรียบง่ายที่แต่ละลักษณนามมีเพียง 12 การตั้งค่าที่เป็นไปได้บอกว่าช่วง lookback 1 ถึง 12 เดือน 37 จําแนกที่มีทางเลือกที่เป็นไปได้ 12 ต่อลักษณนามแสดงถึง 6.6 x 10 ^ 18 พีชคณิตที่เป็นไปได้ ในขณะที่เพิ่มเงิน quintillion ไม่อาจดูเหมือนเรียบง่ายให้พิจารณาว่าหลายลักษณนามใน 37 มิติของฉันระบบ IWM มีสองหรือสามพารามิเตอร์ของตัวเอง (lookback สั้น lookback ยาวคะแนนซีค่าพี ฯลฯ ) และแต่ละคน ของพารามิเตอร์เหล่านั้นยังถูกปรับให้เหมาะสม ไม่เคยคิดหาเข็มในกองหญ้านี้เป็นเหมือนการหาเม็ดหนึ่งโดยเฉพาะทรายบนชายหาด มีปัญหาอีกเช่นกันคือทุกครั้งที่คุณแบ่งระบบออกเป็นสองหรือมากกว่ารัฐที่คุณ definitionally ลดจำนวนของการสังเกตในแต่ละรัฐ เพื่อแสดงให้เห็นคิดว่าแต่ละ 37 ลักษณนามในระบบ IWM ของฉันมีเพียง 2 รัฐยาวหรือเงินสด จากนั้นจะมี 2 ^ 37 = 137000000000 รัฐระบบที่เป็นไปได้ จำได้ว่านัยสำคัญทางสถิติขึ้นอยู่กับจำนวนของการสังเกตเพื่อให้การลดจำนวนของการสังเกตต่อสถานะของระบบที่ช่วยลดนัยสำคัญทางสถิติผลการสังเกตของแต่ละรัฐและระบบโดยรวม ตัวอย่างเช่นใช้ระบบการซื้อขายทุกวันกับ 20 ปีของประวัติศาสตร์การทดสอบ หากท่านแบ่ง 20 ปี ( 5000 วัน) ระยะเวลาการเข้า 137000000000 รัฐเป็นไปได้แต่ละรัฐจะมีโดยเฉลี่ยเพียง 5000/137 พันล้าน = 0.00000004 สังเกตต่อรัฐ! เห็นได้ชัดว่า 20 ปีของประวัติศาสตร์ไม่พอที่จะมีความเชื่อมั่นในระบบนี้ คุณจะต้องระยะเวลาการทดสอบกว่า 3 ล้านปีที่ผ่านมาจะได้รับนัยสำคัญทางสถิติ ตามกฎองศามากขึ้นของการมีเสรีภาพในรูปแบบของคุณมากขึ้นขนาดของกลุ่มตัวอย่างที่จะต้องพิสูจน์ให้เห็นนัยสำคัญทางสถิติ สนทนายังเป็นจริง: กำหนดขนาดตัวอย่างเดียวกันรูปแบบที่มีองศาน้อยกว่าความเป็นอิสระน่าจะมีนัยสำคัญทางสถิติที่สูงขึ้น ในโลกการลงทุนถ้าคุณกำลังมองหาที่ผลการทดสอบหลังของทั้งสองรูปแบบการลงทุนที่มีประสิทธิภาพการทำงานที่คล้ายกันโดยทั่วไปคุณควรจะมีความมั่นใจมากขึ้นในรูปแบบที่มีองศาที่น้อยลงของเสรีภาพ อย่างน้อยที่สุดเราสามารถพูดได้ว่าเป็นผลมาจากรูปแบบที่จะมีนัยสำคัญทางสถิติมากขึ้นและโอกาสที่สูงขึ้นของการส่งมอบผลในการผลิตที่สอดคล้องกับสิ่งที่เป็นข้อสังเกตในการจำลอง วิธีชามหลาย Bouillabaisse คุณจะต้องลิ้มลองเพื่อให้แน่ใจว่า youd พบส่วนผสมที่ลงตัวของส่วนผสม? ด้วยเหตุนี้การเพิ่มประสิทธิภาพเช่นการปรุงอาหารจะต้องดำเนินการในลักษณะบูรณาการที่บัญชีสำหรับทุกขนาดของปัญหาที่เกิดขึ้นในครั้งเดียว และนี่คือแรงผลักดันที่อยู่เบื้องหลังความเป็นจริงแปลกที่บ่อยครั้งในโลกการลงทุนเช่นเดียวกับการปรุงอาหารสามเณรแสวงหาความซับซ้อนในขณะที่ทหารผ่านศึกแสวงหาความเรียบง่าย นี่คือ counterintuitive แม้สำหรับผู้เชี่ยวชาญด้านการลงทุนซึ่งเป็นเหตุผลที่การออกแบบระบบมีเส้นโค้งการเรียนรู้ที่แปลกประหลาดที่มีแนวโน้มที่จะย้ายได้อย่างรวดเร็วออกไปจากวิธีการง่ายๆที่นำคุณไปยังซื้อขายระบบในสถานที่แรก (ในกรณีของเรา Fabers ทำงานพร้อมกับ Chartist และอร์ซีย์ไรท์) ที่มีต่อการออกแบบที่ซับซ้อนมากแต่ละคนมีการตั้งค่าที่เหมาะสมที่สุดที่แม่นยำมาก ในที่สุดคุณรู้จักความโง่เขลาของการแสวงหานี้และทำงานย้อนกลับไปสู่​​การเชื่อมโยงกันและความเรียบง่าย แน่นอนไม่ได้หมายความว่าง่ายง่ายมากกว่าสามเณรสามารถปฏิบัติตามสูตรง่ายๆที่จะสร้างผลงานชิ้นเอกการทำอาหาร ในขณะที่คุณจะค้นพบความเรียบง่ายความคิดสามารถที่ซับซ้อน deceptively เราจะให้คุณตัวอย่างของการที่ในบทความต่อไปของเรา สำหรับตอนนี้โปรดผ่านเกลือและพริกไทย เขียนโดย GestaltU ในพุธ 5 กุมภาพันธ์, 2014 ที่ 05:30 [ร่างต้นอาจมีการเปลี่ยนแปลง.] หนึ่งในคำถามที่ instrutor dreads มากที่สุดจากผู้ชมที่ตรงไปตรงมาทางคณิตศาสตร์คือ "ว่าอะไรคือองศาอิสระ?" มันไม่ใช่ว่ามีไม่มีคำตอบ คำตอบทางคณิตศาสตร์เป็นวลีเดียว "ตำแหน่งของรูปแบบสม." ปัญหาคือแปลว่าผู้ชมที่มีความรู้ในวิชาคณิตศาสตร์ไม่ขยายเกินคณิตศาสตร์โรงเรียนมัธยม มันเป็นสิ่งหนึ่งที่จะบอกว่าองศาอิสระเป็นดัชนีและอธิบายถึงวิธีการคำนวณสำหรับสถานการณ์บางอย่าง แต่ไม่มีของชิ้นส่วนเหล่านี้ของข้อมูลที่จะบอกสิ่งที่องศาหมายถึงเสรีภาพ ในฐานะที่เป็นทางเลือกที่จะ "ตำแหน่งของรูปแบบสมการกำลังสอง" ผมมีความสุขเสมอแจ็ค 1973 บทความดีในอเมริกาสถิติ "อะไรคือองศาของเสรีภาพ?" 27 227-228 ซึ่งเขาเท่ากับองศาอิสระเพื่อความแตกต่างใน dimensionalities ของพื้นที่พารามิเตอร์ แต่นี้เป็นคำตอบบางส่วน มันอธิบายถึงสิ่งที่องศาอิสระสำหรับการทดสอบไคสแควร์จำนวนมากและองศาเศษของเสรีภาพสำหรับการทดสอบ F แต่ก็ไม่ได้ทำเช่นกันกับการทดสอบทีหรือองศาส่วนของเสรีภาพสำหรับการทดสอบ F ในขณะที่ฉันกินเพื่อกำหนดองศาอิสระเป็นวิธีการรักษาคะแนน ชุดข้อมูลที่มีจำนวนของการสังเกตการพูด, n พวกเขาเป็นแต่ละชิ้น n ข้อมูล ชิ้นส่วนเหล่านี้ของข้อมูลที่สามารถนำมาใช้อย่างใดอย่างหนึ่งในการประมาณค่าพารามิเตอร์หรือความแปรปรวน โดยทั่วไปแต่ละรายการค่าใช้จ่ายที่ถูกหนึ่งระดับของเสรีภาพ องศาที่เหลืออยู่ของเสรีภาพที่ใช้ในการประเมินความแปรปรวน ทั้งหมดที่เราต้องทำคือการนับอย่างถูกต้อง ตัวอย่างเดียว: n มีข้อสังเกตอยู่ มีหนึ่งพารามิเตอร์ (ค่าเฉลี่ย) ที่จะต้องมีการประมาณ ที่ใบองศา n-1 ของเสรีภาพสำหรับการประเมินความแปรปรวน สองตัวอย่าง: มี 1 n + n 2 ข้อสังเกต มีสองวิธีที่จะได้รับการคาดว่าจะได้ ที่ใบ 1 n + 2 n -2 องศาอิสระสำหรับการประเมินความแปรปรวน One-way ANOVA กับกลุ่ม g: มี 1 n + .. + ng สังเกต นอกจากนี้ก. หมายถึงการถูกประเมิน ที่ใบ 1 n + .. + องศางะ - g ของเสรีภาพสำหรับการประเมินความแปรปรวน บัญชีนี้สำหรับองศาส่วนของเสรีภาพสำหรับสถิติ F สมมติฐานหลักถูกทดสอบโดยหนึ่งในวิธีการวิเคราะห์ความแปรปรวนเป็นที่หมายถึงประชากรกรัมมีค่าเท่ากัน สมมติฐานคือว่ามีค่าเฉลี่ยเพียงครั้งเดียว สมมติฐานทางเลือกก็คือว่ามีวิธีการของแต่ละบุคคลกรัม ดังนั้นจึงมี G-1 --that เป็นกรัม (H 1) ลบ 1 (H 0) - องศาอิสระสำหรับการทดสอบสมมติฐาน บัญชีนี้สำหรับองศาเศษของเสรีภาพสำหรับอัตราส่วน F มีวิธีการดูองศาเศษของเสรีภาพสำหรับอัตราส่วน F อีก สมมติฐานกล่าวว่ามีความแปรปรวนในกหมายถึงประชากรที่ไม่มี มีวิธีการกรัมตัวอย่าง ดังนั้นจึงมี G-1 องศาอิสระสำหรับการประเมินความแปรปรวนในหมู่วิธีกรัม การถดถอยหลายพยากรณ์พี: มีข้อสังเกตกับ n + p 1 พารามิเตอร์ที่จะคาด - หนึ่ง coeffient ถดถอยสำหรับแต่ละพยากรณ์บวกตัด ใบนี้ NP-1 องศาอิสระสำหรับข้อผิดพลาดที่บัญชีสำหรับองศาข้อผิดพลาดของเสรีภาพในตาราง ANOVA สมมติฐานการทดสอบในตาราง ANOVA คือทั้งหมดของค่าสัมประสิทธิ์ของการพยากรณ์ที่มี 0 สมมติฐานคือว่ามีค่าสัมประสิทธิ์ที่จะถูกประเมิน สมมติฐานทางเลือกก็คือว่ามีค่าสัมประสิทธิ์พีที่จะประมาณ herefore มี P-0 หรือพีองศาอิสระสำหรับการทดสอบสมมติฐาน บัญชีนี้สำหรับองศาการถดถอยของเสรีภาพในตาราง ANOVA มีวิธีการดูองศาการถดถอยของเสรีภาพอีก สมมติฐานกล่าวว่าการตอบสนองที่คาดว่าจะเหมือนกันสำหรับทุกค่าของตัวแปรทำนาย ดังนั้นจึงมีพารามิเตอร์หนึ่งที่จะประเมิน - การตอบสนองที่พบบ่อย สมมติฐานทางเลือกระบุรุ่นที่มีหน้า + 1 parameters-- พีสัมประสิทธิ์การถดถอยรวมทั้งสกัดกั้น ดังนั้นจึงมีความเป็น --that พีพี + 1 (H 1) ลบ 1 (H 0) - องศาการถดถอยของเสรีภาพสำหรับการทดสอบสมมติฐาน เอาล่ะเพื่อที่เป็นรูปแบบสมการกำลังสอง? ลองดูที่ความแปรปรวนของตัวอย่างเดียว ถ้า y ที่เป็น n 1 เวกเตอร์ของการสังเกตแล้ว จำนวนขององศาอิสระเท่ากับอันดับของ n โดย n เมทริกซ์ M ซึ่งเป็น n-1 [กลับไปที่เล็ก ๆ น้อย ๆ คู่มือการปฏิบัติทางสถิติ]