Непонятно, почему ЦПТ не работает на "Польском ЕГЭ". На графике вы показываете "нарушенное" биномиальное распределение и говорите, что оно должно быть похоже на нормальное. По свойствам биномиального распределения это верное утверждение. Но это не то же самое, что говорит ЦПТ: по ЦПТ выборочное среднее сходится к нормальному (а на графике было не выборочное среднее, а индивидуальные результаты). Таймкод 11:05

Thank you!!!

plt.hist((x_1 + x_2 +x_3+x_4+x_5+x_6+x_7+x_8)/((8**(1/2))*0.577), bins = 100, density = True) нужно же делить на корень(n)*среднекв_откл n = 8 (допустим) 0.577 -- среднеквадратичное отклонение для равномерного распределения от -1 до 1 и тогда действительно наблюдается сходимость а в видео автор просто суммирует случайные величины, а не использует цпт полностью, и там не будет хорошей сходимости, если просто считать суммы, то они будут все время ниже плотности стандартного нормального распределения

У Томаса Байеса даже год рождения : случайная величина. Статистик от Б - га !

Спасибо за видео! Все рассказано простыми и понятными словами.

А где доказательство?

Добавляйте ссылке под видео, а не в самом видео.

4:20 не понимаю, если подставлять вместо сигма квадрат дисперсию, то в нормальном распределении будет p * (1 - p) / n^2 же? Почему то в лекции делят на n без квадрата

то что я искал

спасибо за детство😭😭😭😭😭😭

А можно ссылку на эту лекцию?

Какой смысл упоминать тетрадку и не прикладывать её? Если это реклама, то так прямо и говорите - полный курс с ноутбуками стоит столько-то. Если не реклама, то выкладывайте ноутбуки.

А где бы взять код на питоне?

так что там с Жорой?

Спасибо 🙏

можно побольше руками размахивать

Спасибо! Все по существу. Некоторые нюансы я не знал, и при прогнозировании временных рядов с помощью градиентного бустинга использовал специальную кросс-валидации без перемешивания

Классные лекции! Спасибо

Блин, только на этом ролике заметил, что в плейлисте уроки не отсортированы

Как же всë понятно!!! Спасибо за ролик!

Почему s = 5?

4:17 по идее должен быть следующий промежуток для K(z): K(z) = [-(1/2) <= z < 1/2], то есть равно должно быть слева, возле -(1/2), а не справа, как на доске

можно отзеркалить видео, и будете писать слева направо

06:55 - переливание краски из одной банки в другую это НЕ Гауссовская операция, т.к. меняется количество краски в банке-источнике. Гауссовскими операциями уменьшить ранг матрицы действительно нельзя, а вот операциями типа переливание можно. Например, если бы количество краски в каждой банке было бы не 0.8, а например, 0.2, то можно было бы перелить всю краску в одну банку и ранг матрицы уменьшился бы от 4 до 1. Поэтому итоговый вывод на 08:00 неверен.

Спасибо!

Прекрасное объяснение!

Спасибо за лекцию

Супер! Спасибо за объяснение!

2:40. Вектор вида (0, x, 0, -x) тоже подойдет. Лямбда будет -1.

Не понял фразу "Сумма большого числа случайных величин имеет распределение близкое к нормальному". Сумма величин имет распределение? Это как? Или я чего-то не понимаю

Если проверяется гипотеза, что вероятность смертей Старков совпадает с остальными, то тогда нужно писать: H0: pS = pL; pS=pG; pS=pNW

Объясните, пожалуйста, почему тут используется запись "X = k"? k - это какое-то конкретное значение X или какие-то возможные значения из X? Почему используется именно k, а не x?

круто

лайк

лайк

ничего не понятно

Не понял в чём проблема зефирного теста. То что дети из богатых семей лучше справляются с зефирным тестом чем дети из бедных, никак не отрицает результаты первого эксперимента. Там обе группы как раз таки были однородные, все из успешных семей. Те кто не умел сдерживаться в дальнейшем добились худших результатов в жизни.

А откуда взялись а1, а2 и а3? Что это такое?

нихера непонятно. используется материал, который не объяснялся

Спасибо!

на 10-й минуте ошиблка в арифметике - z_obs = 10/sqrt(29) = 1.86 а не 1.76

Переписал функцию на более общий вид, мб кому-то пригодится def mat_stat(*args, **kwargs): try: df = args[0] match kwargs.get('ddof'): case 0: ddof = 0 case _: ddof = 1 xm, ym = [df[i].mean() for i in df] xsd, ysd = [df[i].std(ddof=ddof) for i in df] pc = df.corr().x.y return [xm, ym, xsd, ysd, pc] except IndexError as ie: print(f'Ошибка {ie}: укажите аргументы функции')

Добрый день! А если тестируемых групп не 2, а , например, 3, это же тоже должно влиять на объем выборки. Этот параметр можно где-то учесть в данных методиках расчета?

почему видео начинается со скримера...

Все просто супер

Т.э. получается кумулятива да? Если я правильно понял

Отлично!

полезно

спасибо большое! удивлена, что так мало просмотров

Вроде как на courser'е был курс от ВШЭ по программированию на golang. Случаем его нигде не выложили в интернете?