ЦОС Python #4: Марковские процессы в дискретном времени

Поділитися
Вставка
  • Опубліковано 22 гру 2024

КОМЕНТАРІ • 21

  • @ГерманРыков-ъ6в
    @ГерманРыков-ъ6в Рік тому +1

    Сергей здравствуйте. Просто обескуражен информацией содержащейся в данном плей листе. Спасибо Вам за такой великолепный курс. Создается впечатление, что процесс Маркова это паттерн для рядов Тейлора, с той разницей, что Марков оперирует вероятностью, а Тейлор производной.

  • @Александр-ж3я2т
    @Александр-ж3я2т 3 роки тому +3

    Браво! Так просто изложен материал, к которому реально боялся подступиться!!! Спасибо огромное! Странно, но оба алгоритма при увеличении N ведут себя одинаково - не уходят в бесконечность. Проверил до N=100000.

    • @Александр-ж3я2т
      @Александр-ж3я2т 3 роки тому

      Понял в чем проблема. Величина пси имеет нормальное распределение с нулевым матожиданием. Это значит, что сумма отрицательных и положительных значений должна быть одинакова и колебаться около нуля. Тогда в пределе Xi тоже не может уходить в бесконечность. Следовательно, ее дисперсия не может расти бесконечно. А домножение на константу Хi-1 не влияет на пси никак. В самой последней системе уравнений не хватает множителя r в уравнении авторегрессии скорости при члене Vi-1

    • @Александр-ж3я2т
      @Александр-ж3я2т 3 роки тому

      Получается марковский процесс не имеет под собой никакой механической модели - чистая стохастика - броуновское движение. Но если это броуновское движение, частица не может уйти в бесконечность, иначе все механические взвеси расслаивались бы вдоль стенок сосуда (без учета гравитации, конечно), но такого не происходит.

  • @osvab000
    @osvab000 4 роки тому +1

    Шикарно, первый раз слышу о Марковских процессах. Но интересно очень!

  • @acediabeats3044
    @acediabeats3044 4 роки тому +1

    Спасибо. Очень полезный материал!

  • @КонстантинИбрагимов-т3в

    Ни чего не понял, но очень интересно))

  • @vadim.gerasimenko
    @vadim.gerasimenko 4 роки тому +3

    Годнота!

  • @jamjam3337
    @jamjam3337 11 місяців тому +1

    😎

  • @ilyin_sergey
    @ilyin_sergey 4 роки тому

    когда мы говорим о марковских цепях, мы говорим, по сути, о расчете перехода между событием в момент времени t-1 к событию в текущий момент времени t. И считаем, что вся информация до t-1 уже содержится в t-1 и никакую дополнительную прошлую информацию учитывать не нужно.
    но бывает так, что событие в момент времени t-1 является стат выбросом. тогда и переход от t-2 к t-1 будет "выбиваться", и от t-1 к t (будем иметь ошибку при сравнении прогноза и фактического значения).
    Вопрос вот в чем: можно ли как-то использовать информацию из момента времени t-2, но с каким-то мЕньшим весом, например. Т.е. предыдущее значение (в t-1) является важным, но мы учитываем еще и событие в t-2.
    Спасибо.

  • @FreeMisha65
    @FreeMisha65 4 роки тому +1

    Приветствую. Сделайте пожалуйста видео с инструкцией написания программы для импорта файлов SEG-Y формата в питон и с дальнейшей обработкой ( усиление сигнала, фильтрация). Ну и также про саму выгрузку))

  • @ioio6418
    @ioio6418 Рік тому

    Поясните, для чего, и откуда матрица

  • @gorin-a
    @gorin-a 2 роки тому

    подскажите, а можно ли вычислить ожидаемое количество переходов из состояния A в состояние B, если известны все вероятности переходов?

    • @selfedu_rus
      @selfedu_rus  2 роки тому

      в общем нет, т.к. их бесконечное множество может быть ) Можно найти наиболее вероятное, как раз это и делает фильтр Калмана.

    • @gorin-a
      @gorin-a 2 роки тому

      @@selfedu_rus а если известны конечные состояния и есть условие, что переход происходит только в одном направлении без колец?

    • @selfedu_rus
      @selfedu_rus  2 роки тому

      @@gorin-a ну тогда эти возможные состояния и есть варианты исходов ))

  • @piphuip2573
    @piphuip2573 4 роки тому +1

    Это конечно все не плохо, но без мат бэкграунда смотреть нереально. Вы бы хоть в начале видео говорили о том, какие темы нужно изучить, чтобы понять видео. А то откуда ни возьмись в первых видео появляется сигма, сейчас появилась пи. При том, даже не особо объясняется смысл формул (как их вывести); это даёт лучшее понимание и, как следствие, запоминается лучше. Давать тупо мат формулы и потом просто показывать код - такая себе идея

    • @selfedu_rus
      @selfedu_rus  4 роки тому +1

      как раз для этого см. введение: ua-cam.com/video/I_UjPfSbAPc/v-deo.html

    • @piphuip2573
      @piphuip2573 4 роки тому

      selfedu, так вы там просто про тервер и производную говорите. Ни слова, допустим, о той же теории рядов, линейной алгебре (работа с матрицами), тригонометрии (которая явно появится в будущем). Не сведущим в этом ничего людям разобраться будет очень сложно

    • @selfedu_rus
      @selfedu_rus  4 роки тому

      ваш вопрос был по терверу

    • @nikolay7013
      @nikolay7013 3 роки тому +2

      Зачем тогда вообще смотреть про марковские процессы, если не знаешь математики?