Обсуждение участника:Riabenko

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
м
м
 
(21 промежуточная версия не показана)
Строка 7: Строка 7:
: Хорошо, спасибо! --[[Участник:Riabenko|Riabenko]] 11:03, 25 мая 2010 (MSD)
: Хорошо, спасибо! --[[Участник:Riabenko|Riabenko]] 11:03, 25 мая 2010 (MSD)
 +
== Курсы Воронцова ==
 +
Женя, привяжи, пожалуйста, страницы курсов Воронцова Статистический анализ данных за разные годы к проекту. Сейчас они — [[Special:Lonelypages|страницы-сироты]]. --[[Участник:Yury Chekhovich|Yury Chekhovich]] 10:21, 9 марта 2014 (MSK)
 +
<tex>\mathbb{D}X</tex>
-
= Задание 2. Анализ реальных данных =
+
<tex>\mathbb{E}X</tex>
-
Ниже приведены описания анализируемых данных и постановки задач. Сами данные каждый студент может получить по электронной почте после сдачи первого задания. При проведении анализа можно пользоваться любыми доступными программными средствами. Необходимо предоставить подробный письменный отчёт по проведённому исследованию, содержащий выводы и описания каждого этапа анализа&nbsp;— используемые методы, обоснование их применимости, промежуточные результаты вычислений, графики. Помимо выводов, касающихся математических особенностей решения, необходимо включить в отчёт заключения, сформулированные в терминах предметной области, которые могли бы быть понятны гипотетическому заказчику-нематематику.
+
-
=== Внешний вид и привлекательность самок мечехвостов ===
+
 
-
Изучалось влияние внешних характеристик самок морских ракообразных [http://upload.wikimedia.org/wikipedia/commons/f/f7/Limulus.jpg мечехвостов] на их привлекательность для самцов. Выборка состоит из данных о наблюдениях над 173 особями и содержит закодированные данные о размере самок, их весе, цвете, состоянии панциря, а также о количестве спутников.
+
<tex>\LARGE P\left(A\left|B\right.\right) = \frac{P(A)P\left(A\left|B\right.\right)}{P(B)}, <br>
-
:: : построить функцию, по внешним параметрам самки предсказывающую, будет ли у неё хотя бы один спутник. Оценить значимость каждого фактора.
+
P(B) = P\left(B\left|A\right.\right)P(A) + P\left(B\left|\bar{A}\right.\right)P(\bar{A}) = 0.8\cdot0.01 + 0.096\cdot0.99 = 0.10304, <br>
-
:: : построить функцию, по внешним параметрам самки предсказывающую количество спутников у самки. Оценить значимость каждого фактора.
+
P\left(A\left|B\right.\right) = \frac{0.01\cdot0.8}{0.10304}\approx 0.078</tex>

Текущая версия

Глоссарий статистических терминов ISI

Категоризация статей

Женя, я вижу, ты активно работаешь над улучшением статей по статистике. Старайся уделять внимание категоризации статей, которые правишь. Необходимым является наличие хотя бы одной категории в статье, но их может быть и несколько. Подробнее о категоризации можно прочитать здесь: MachineLearning:Категоризация. И вообше, не стесняйся спрашивать, если нужна помощь или что-то не понятно. :) --Yury Chekhovich 22:17, 17 мая 2010 (MSD)

Хорошо, спасибо! --Riabenko 11:03, 25 мая 2010 (MSD)

Курсы Воронцова

Женя, привяжи, пожалуйста, страницы курсов Воронцова Статистический анализ данных за разные годы к проекту. Сейчас они — страницы-сироты. --Yury Chekhovich 10:21, 9 марта 2014 (MSK)


\mathbb{D}X

\mathbb{E}X


\LARGE P\left(A\left|B\right.\right) = \frac{P(A)P\left(A\left|B\right.\right)}{P(B)}, <br>
P(B) = P\left(B\left|A\right.\right)P(A) + P\left(B\left|\bar{A}\right.\right)P(\bar{A}) = 0.8\cdot0.01 + 0.096\cdot0.99 = 0.10304, <br>
P\left(A\left|B\right.\right) = \frac{0.01\cdot0.8}{0.10304}\approx 0.078

Личные инструменты