วีดีโอ

Напрягает жестикуляция

Случайно поправляет рукав на одной руке

Изменяя обучающую выборку вы будете получать разные модели в итоге. Так можно сравнивать подходы (типы моделей). И возможно выбирать лучшие параметры. Но для сравнения уже обученных моделей ни один способ не подойдет

спасибо

Кажется вместо X4*(-7 4 0 3) должно быть X4*(-7 4 0 1)

Большое спасибо за объяснение!

датетайм

при тестировании отношения правдоподобия для двух параметров надо же передавать в функцию логарифм дисперсии...

В лекции ошибка в моменте когда рассматривается чаевые по дням недели в зависимости от пола, в качестве аргумента написанна сумма счета вместо чаевых

4:00 Как лектор так нашел что элементы матрицы Σ будут равны квадратному корню собственных значений матрицы XX^T? Это следует из спектрального разложения и возведение в степень диагональной матрицы равно возведению в степень диагональных элементов?

9:00 Из каких соображений следует, что если матрица положительно полуопределена, то у нее диагональные элементы в матрице D неотрицательны? И откуда потом следует, что если у нее диагональные элементы неотрицательны, то она представима в виде произведения двух матрицу Sigma^T * Sigma?

Очень замечательное объяснение!!!

Выводы для дисперсии по районам неправильные, потому что неверные подписи на графике...

Зачем так сложно объяснять

Фаза 1. Собрать трусы

Как он пишет зеркально??

Почему асимптотический доверительный интервал в примере такой широкий? Не сходится же даже с расчетами на следующем слайде...

Stepwise algorithm is outlined in Hyndman and Khandakar (2008)

«Семь раз отмерь и один раз отрежь» - вот суть теоремы Чебышёва П.Л.

логичный вопрос, а что если оболочка M будет равняться всему пространсту? Как в таком случае будет находиться проекцтия? Т.е. в нашем случае оболочка будет образовываться 2 векторами x1 и x2, а что будет если будет еще один вектора, который будет дополнять нашу оболочку до полного пространтсва - R^3? Логичный вопрос из этого, а что если количество векторов размерность веткора y будет сильно больше размера выборки?

8:46 Я все таки не понял, чему воздействие оператора L на вектора (0, 1) дает нам решение уравнения z^4 = 0.

7:18 что-то не понятно, как cos(Ha, b)? равен cos(betta), там по логике должно быть cos(Pi - betta)=-cos(betta) (cos(x) нечетная функция)

4:48 Не понятно, куда делся дискриминант?

Нельзя использовать точечную оценку по всей выборке! Надо минимизировать хи-квадрат или использовать оценку по сгруппированой выборке!!!!!!

Тут он не прав. В качестве оценки параметра сложной гипотезы нельзя использовать любую состоятельную оценку Например точечную оценку по всей выборке нельзя использовать. Только по группированным данным. Или минимизирую сам хи-квардат .

4:01 Здравствуйте! Можете подробнее обьяснить пожалуйста, как из <v1, v2-Alpha*(v1)>=0 мы делаем вывод, что <v1,v2>=Alpha<v1,v1>? Заранее спасибо

Вот тут стало сложно)

Офигенное видео спасибо!!!! Я наконец то стал понимать много нюансов. Только одно остаётся непонятным. На малых выборках если оценка мп смещена она хуже чем несмещенные

Крутой курс!

интересная интерпретация комплексных чисел!

0:51 А что делать для t = 1?

6:35 Почему 11? Их ведь должно быть 12..

Отлично.

максимально непонятно, если вы хотели запутать, чтобы никто ничего не понял, то получилось шикарно

В названии видео ошибка. Вместо SARMA нужно SARIMA. Из-за этого я не смог быстро найти это видео. P.S.Спасибо за видео!

Русский Том Холланд

Не особо понял что значит, что случайная величина равна функции

1. Понятно, что пример игрушечный, но вообще если видите нелинейную гетероскедастичность, лучше используйте тест Уайта, он отлавливает нелинейность. 2. И вообще, не думаю, что это правильно смотреть гетероскедастичность относительно логарифмированной переменной. Гетероскедастичность в таком случае так же сохраняется, просто она перестает быть линейной и отловить ее становится труднее. В частности, если вы посмотрите график остатки/лог.ТВ, то увидите ту же картину, что и для остатки/ТВ, только перекошенную и совсем маловыраженную, то есть ее сложно заметить, но гетероскедастичность действительно есть. 3. Сейчас изменили функцию и для второго параметра необходимо, чтобы первым элементом шла константа. Это можно реализовать либо с помощью функции add_constant(), либо нужно вместо того, чтобы ручками доставать признаки из датафрейма, обратиться к к вашему экземпляру через атрибуты RegressionResultWrapper.model.exog, тогда вы получите то, что нужно. 4. У меня при той же последовательности действий Бройш-Паган дает 0.08 pvalue, что делает гетероскедастичность незначимой. Полагаю, что это из-за того, что изменили внутреннюю реализацию. В любом случае, конкретно в данном кейсе Бройш-Паган не самый лучший выбор.

Во дает!

Удобно

42 это самое лучшее число для зерна, по-умолчанию обычно используют его

ЛУЧШЕЕ, понятное объяснение, огромное спасибо!! При этом во всех учебниках очень очень плохое, возьмем например Гмурмана, Боровкова, Бослаф и т.д., и что видим: 1. начало, 2. пропущен огромный кусок доказательства, самый главный про формулы сокращенного умножения и число комбинаций, а также с перегруппировкой слагаемых, 3. "таким образом вот формула, просто поверьте и тупо ее берите )))00". Лектора на видео не знаю к сожалению, но он поясняет именно так как надо: для тех кто НЕ знает, а не для докторов наук. Спасибо огромное.

Не знаю что это за дата сет такой (может он изначально не годный), но не может такого быть чтобы самая дорогая недвижимость была бы на юго-востоке. Вот такой вот способ очень сложным способом получить неправильный вывод

Анатоооли, согласен с вами

Есть геометрическая интерпретация базиса?

Доброго времени суток) В связи с блокировкой не планируете ли перезалить видео с канала в ВК или Рутуб?

Да ладно врать. Нихрена не понятно.

8:28, там 2.14 должно было получиться, на 2 забыли домножить

Не совсем понял почему в ноутбуке (начиная с 3:00) указано, что мы ищем стандартную ошибку. Формула говорит о другом, это ведь формула не для стандартной ошибки, а для объединенного оценочного средневадратического отклонения. Очень сбивает

Круть