ЗБЧ и ЦПТ | Вероятность и статистика #3
Вставка
- Опубліковано 2 лип 2024
- Покупайте мой курс по А/Б-тестам stepik.org/a/194930 Скидка 20% по промо коду UA-cam
Приходи тусоваться на канал и в чат в Телеграм t.me/mikhaylovgleb
Ноутбук: colab.research.google.com/dri...
Талеб монтекарлит: • Doing Probability with...
0:00 Начало стрима, леопарды, спецэффекты
2:10 Как сделать темную тему в колаб
6:06 Вступительное слово
9:00 Закон больших чисел
15:39 Графическая демонстрация ЗБЧ вариант 1
20:00 Графическая демонстрация ЗБЧ вариант 2 (секси)
27:13 Работает ли ЗБЧ с нормальным распределением?
28:58 Работает ли ЗБЧ с равномерным распределением?
31:08 Работает ли ЗБЧ с жирно хвостовым распределением?
41:21 Среднестан и Крайнестан
49:18 Что такое жирный хвост?
52:48 Центральная предельная теорема
54:51 Чем отличается статистика от вероятности?
58:42 Графическая демонстрация ЦПТ
1:06:40 Почему работает ЦПТ? (Почему получается нормальное распределение?)
1:15:46 С увеличением размера сэмпла уменьшает стандартное отклонение среднего
1:21:44 ЦПТ и жирнохвостовые распределения
1:28:55 Нафига нужна ЦПТ?
1:34:42 Завершение стрима, шутки, леопарды и т.д.
![Вероятности вероятностей: #1. Биномиальное распределение [3Blue1Brown]](http://i.ytimg.com/vi/kkgE50r6kIM/mqdefault.jpg)
Огромное уважение автору! Я пока не слышала более понятного объяснения "Чем отличается статистика от вероятности?". Спасибо за вашу работу, Глеб!
Видно что автор и сам кайфует и рад поделиться находкой - тем что сложные теоремы (если их сухо излагать) довольно понятны на самом деле. Спасибище Глебу!!!
Глеб, все твои видео просто огонь! Предельно понятно как цпт) учился на Я.П но жаль не ты был лектором) правда соседние группы присылали твои лекции, просто топ)
лайк поставил. коммент для продвижения написал. Спасибо за бесплатный контент. Идем дальше
Классный материал, отличная подача. Спасибо большое)
Спасибо, лучшая лекция по теме.
Отличная лекция! Спасибо за материал!
Темная тема - это просто топчик! Ну и курс огонь
Как всегда, смотрю ваши ролики, потому что другие не могу понять😅, спасибо за отличные записи стримов)
за Талеба огромное спасибо!
Гаусян! Ааааа. Орнул)
Я сразу после стрима сделал нормальный эксперимент доказывающий, что стандартное отклонение обратно пропорционально квадратному корню из количества наблюдений. colab.research.google.com/drive/173qlWlc9onkT7Fq-IlM-QHwT6hXOD1Qg?usp=sharing (в самом конце ноутбука)
А на стриме я натупил). Я считал стандартные отклонения для самих семплов, а надо конечно же для средних! Но в любом случае, самая простая демонстрация этого это то, как я показал: если сэмпл маленький, то гистограмма широкая, если сэмпл увеличивается, то гистограмма сужается, становится более компактной. И это происходит со скоростью единица делить на квадратный корень из размера семпла.
Глеб привет! супер лекции! Подача - огонь) Просто царь леопардов 😁
Подскажи, а какое расширение для темной темы используешь в chrome? А то что-то найти не могу
Спасибо! Это дарк ридер. chrome.google.com/webstore/detail/dark-reader/eimadpbcbfnmbkopoojfekhnkhdbieeh?hl=en
🎉
Не очень понял о каком генераторе ты говоришь на 54:51 ? (мне показалось, что ты говорил о распределении и именовал его генератором, если так, то почему ?)
Генератором я здесь называю генеральную совокупность
Не очень понял фразу "одно наблюдение не может повлиять на среднее". Если было 1000 наблюдений в равномерном распределении с средним 0.48. Мы добавили 1 наблюдение с значение 1000. Средние станет 1.48. Т.е. значительно измениться
Понял)))Очень мало взял. Взял 10000 наблюдений теперь все четка
Этим я иллюстрировал разницу между Среднестаном и Крайнестаном. Это значит, что в распределениях близких к нормальному просто не возможно получить одно значение, которое сильно повлияет на среднее. Например возьмем вес. Есть мы наберем 1000 людей и их средний вес будет скажем 70. И теперь добавим к ним самого тяжелого человека на Земле -- сколько это может быть? Ну допустим 400. Среднее увеличиться совсем немного, оно станет 70.33
А вот если мы пойдем в Крайнестан, и станем измерять например состояние людей. То одно значение тут может полностью изменить среднее. Например мы возьмем 1000 обычных людей состояние которых около нуля, и добавим туда Илона Маска. Как изменится среднее? В среднем все станут миллионерами.
В зависимости от распределения одно значение может не играть почти никакой роли, а может ставить все с ног на голову.
Будет курс по Data Science?
Пока не знаю)
t.expanding().mean()
Твои видео вызывают назойливое желание бежать к ноуту и кодить!!!