Відео

Спасибо большое

И никто не скажет, какого размера выборка считается большой!

Зачем в расчете перцентиля прибавлять к размеру выборки 1?

Шикарное видео, спасибо большое

Спасибо, замечательно объяснили. Но правда я нихуя не понял

а как это будет работать, если я строю гистограмму по выборке, а распределение похоже на гамма-распределение и на логнормальное (оба несимметричные)? как мне тип распределения выбрать-то? Или я сначала нахожу первые моменты, потом считаю параметры распределения, затем по критерию (Пирсона, Колмогорова и т.д) определяю наиулучшее, а у него у же методом макс. правдоподобия уточняю параметр? p.s кстати, а если параметров распределения несколько, тогда как быть?

а почему мат ожидание от Х1 либо Х2 и тд равны мю?

Отлично объяснение для тех кто понимает о чём речь. Для первого объяснения это просто блендер для мозга((. Просто выпишите термины при каждом их появлению в ролике и свяжите первое их упоминание расположение на таймкоде с объяснением термина. Еще можно замерить сколько в один момент в голове зрителя находится ещё не объясненых терминов важных для понимания хода мысли автора, и если вы не ужаснетесь, то вы социопат пытающий зрителей. Фу таким быть.

красный синий , наоборот?

Лучшая подача материала. Спасибо большущее.

датетайм :D

Замечательное пояснение! Конечно голая теория немного тяжеловата, но для тех у кого уже есть проекты очень поучительно.

Спасибо большое! Очень понятно объяснили

филипп начните вести пары, а не пить вино в сербии

Спасибо большое за объяснение

спасибо, очень понятно

просто о сложном, спасибо

42

Благодарю, очень ясно и доступно

А разве в распределении для медведя не должно быть y_i - m ?

Спасибо !

в течение 10 недель на 2% снизить жир это существенно. Т.к. что если продолжать эксперимент, то можно добиться значимых различий

Добрый день! А если мы в рамках эксперимента проверяем сразу несколько не выборок, а показателей, например, в рамках двух групп по животным мы будем сравнивать не только рост, а еще и вес, кол-во пятен и тд - это же считается множественным тестированием и нам необходимо также учитывать это, как разные гипотезы применяя различные поправки? То есть, мы можем выбрать 3 группы пользователей и сравнение их между собой приведет к накопленной ошибке 1 рода, а если в рамках двух групп сравнивать несколько показателей? Спасибо

спросил чатгпт про разницу между збч и цпт на примере Миши: ### Центральная предельная теорема (ЦПТ) Определение: ЦПТ утверждает, что при достаточно большом количестве независимых случайных величин, распределение их суммы (или среднего) будет стремиться к нормальному распределению, независимо от исходного распределения этих величин. Пример с Мишей: Предположим, что время прихода Миши в школу зависит от множества факторов (как вы указали: (x1), (x2), (x_3), и т.д.). Каждый из этих факторов может быть случайной величиной, имеющей какое-то свое распределение (например, время, которое он тратит на завтрак, может варьироваться от 5 до 15 минут). - Если мы рассматриваем много таких факторов (независимых и одинаково распределенных), даже если каждый из них имеет свое собственное распределение, сумма всех этих величин (время прихода) будет приближаться к нормальному распределению, когда количество факторов становится большим. - Например, если Миша каждый день учитывает 10 различных факторов, то распределение времени его прихода в школу будет стремиться к нормальному, даже если каждый из факторов не имеет нормального распределения. ### Закон больших чисел (ЗБЧ) Определение: ЗБЧ утверждает, что при увеличении числа независимых наблюдений среднее значение случайной величины будет стремиться к математическому ожиданию этой величины. Пример с Мишей: Если Миша каждый день фиксирует свое время прихода в школу и делает это много раз (например, в течение 30 дней), то среднее время его прихода будет стремиться к какому-то постоянному значению (математическому ожиданию). - Например, если в среднем Миша приходит в школу за 20 минут, то, если он будет фиксировать свое время прихода в течение 30 дней, среднее значение этих 30 наблюдений будет стремиться к 20 минутам, даже если в отдельные дни он приходил и позже, и раньше. ### Сравнение на примере Миши - ЦПТ: Если мы рассматриваем множество факторов, влияющих на время прихода Миши, то при большом количестве этих факторов сумма времени прихода будет иметь нормальное распределение. Это позволяет нам делать выводы о вероятностях различных значений времени прихода. - ЗБЧ: Если Миша фиксирует свое время прихода в школу на протяжении нескольких дней, то среднее значение его времени прихода будет приближаться к его истинному среднему времени (математическому ожиданию). Это позволяет ему оценить, насколько стабильно он приходит в школу.

Нажо же так тупо и непонятно обьяснятьт нифига непонятно

А на бирже можно прогнозить этими методами? Эффективно?

При классификации ошибки 1 и 2 рода перепутаны 8:45

Добрый день! Столкнулась с таким вопросом по данной теме: Почему ошибка первого или второго рода определяется произведением вероятности на интеграл от функции плотности распределения? И никак не могу разобраться с этим, не могли вы, пожалуйста, помочь с этим разобраться?

Спасибо автору за разбор и отдельно за визуализации 👍. Не могу согласиться с тем, что полученное значение sample_size при использовании функции zt_ind_solve_power необходимо делить на 2, т.к. согласно документации функция в nobs1 возвращает количество наблюдений для выборки 1 группы (nobs1: "number of observations of sample 1"). Соответственно, в sample_size мы получаем размер выборки для 1-ой группы и при ratio = 1 нам для достижения целей исследования потребуется sample_size*2. Тогда общее количество наблюдений будет в два раза больше, а не в два раза меньше как показано в видео.

Думаю , что не 0.075>0.5, а 0.075 > 0.05

Напрягает жестикуляция

Случайно поправляет рукав на одной руке

Изменяя обучающую выборку вы будете получать разные модели в итоге. Так можно сравнивать подходы (типы моделей). И возможно выбирать лучшие параметры. Но для сравнения уже обученных моделей ни один способ не подойдет

спасибо

Кажется вместо X4*(-7 4 0 3) должно быть X4*(-7 4 0 1)

Большое спасибо за объяснение!

датетайм

при тестировании отношения правдоподобия для двух параметров надо же передавать в функцию логарифм дисперсии...

В лекции ошибка в моменте когда рассматривается чаевые по дням недели в зависимости от пола, в качестве аргумента написанна сумма счета вместо чаевых

4:00 Как лектор так нашел что элементы матрицы Σ будут равны квадратному корню собственных значений матрицы XX^T? Это следует из спектрального разложения и возведение в степень диагональной матрицы равно возведению в степень диагональных элементов?

9:00 Из каких соображений следует, что если матрица положительно полуопределена, то у нее диагональные элементы в матрице D неотрицательны? И откуда потом следует, что если у нее диагональные элементы неотрицательны, то она представима в виде произведения двух матрицу Sigma^T * Sigma?

Очень замечательное объяснение!!!

Выводы для дисперсии по районам неправильные, потому что неверные подписи на графике...

Зачем так сложно объяснять

Фаза 1. Собрать трусы

Как он пишет зеркально??

Почему асимптотический доверительный интервал в примере такой широкий? Не сходится же даже с расчетами на следующем слайде...

Stepwise algorithm is outlined in Hyndman and Khandakar (2008)

«Семь раз отмерь и один раз отрежь» - вот суть теоремы Чебышёва П.Л.

логичный вопрос, а что если оболочка M будет равняться всему пространсту? Как в таком случае будет находиться проекцтия? Т.е. в нашем случае оболочка будет образовываться 2 векторами x1 и x2, а что будет если будет еще один вектора, который будет дополнять нашу оболочку до полного пространтсва - R^3? Логичный вопрос из этого, а что если количество векторов размерность веткора y будет сильно больше размера выборки?