Comments 2
Отличный текст!
Но применение к человеческим сообществам теории вероятностей и матстата обладает очень неожиданным свойством — обычно не учитывают, что люди общаются между собой и подвержены моде.
Поэтому нужно помнить об этом всегда и приведу тут пару цитат из книги «Вентцель Е.С. Теория вероятностей: Учеб. для вузов. — 6-е изд. стер. — М.: Высш. шк., 1999.— 576 c.»
Применение матстата оправдано в тех задачах, которые соответствуют вышеизложенным условиям.
И, в практических задачах, нужно учитывать, что люди обмениваются мениями и влияние некоторых людей может быть существенным.
Но применение к человеческим сообществам теории вероятностей и матстата обладает очень неожиданным свойством — обычно не учитывают, что люди общаются между собой и подвержены моде.
Поэтому нужно помнить об этом всегда и приведу тут пару цитат из книги «Вентцель Е.С. Теория вероятностей: Учеб. для вузов. — 6-е изд. стер. — М.: Высш. шк., 1999.— 576 c.»
Различные формы закона больших чисел вместе с различными формами центральной предельной теоремы образуют совокупность так называемых предельных теорем теории вероятностей. Предельные теоремы дают возможность не только осуществлять научные прогнозы в области случайных явлений, но и оценивать точность этих прогнозов.
при суммировании достаточно большого числа случайных величин закон распределения суммы неограниченно приближается к нормальному при соблюдении некоторых условий. Эти условия, которые математически можно формулировать различным образом — в более или менее общем виде, — по существу сводятся к требованию, чтобы влияние на сумму отдельных слагаемых было равномерно малым, т. е. чтобы в состав суммы не входили члены, явно преобладающие над совокупностью остальных по своему влиянию на рассеивание суммы.
Применение матстата оправдано в тех задачах, которые соответствуют вышеизложенным условиям.
И, в практических задачах, нужно учитывать, что люди обмениваются мениями и влияние некоторых людей может быть существенным.
Спасибо :)
Согласен, если предельные теоремы не работают, то надо пользоваться непараметрической статистикой. А если предельные теоремы не работают, а данные не носят частотный характер и поступают порциями, то надо пользоваться Байесовской статистикой.
Согласен и по поводу того, что ненадо не забывать про особенности предметной области в которой планируется использовать статистику и влиянии этих особенностей на извлечение выборки.
Есть планы посвятить непараметрической и Байесовской статистикам несколько статей. А поскольку мой творческий отпуск продлится до сентября-октября, то уверен, что эти статьи точно появятся.
Согласен, если предельные теоремы не работают, то надо пользоваться непараметрической статистикой. А если предельные теоремы не работают, а данные не носят частотный характер и поступают порциями, то надо пользоваться Байесовской статистикой.
Согласен и по поводу того, что ненадо не забывать про особенности предметной области в которой планируется использовать статистику и влиянии этих особенностей на извлечение выборки.
Есть планы посвятить непараметрической и Байесовской статистикам несколько статей. А поскольку мой творческий отпуск продлится до сентября-октября, то уверен, что эти статьи точно появятся.
Sign up to leave a comment.
Погружаемся в статистику вместе с Python. Часть 2. Распределение Стьюдента