- 346
- 509 211
Прикладная статистика
เข้าร่วมเมื่อ 9 ต.ค. 2022
วีดีโอ
Временные ряды 9.5 Сезонность сложной структуры в R
มุมมอง 169ปีที่แล้ว
Временные ряды 9.5 Сезонность сложной структуры в R
Временные ряды 9.4 Сравнение прогнозов: RC и SPA тесты
มุมมอง 166ปีที่แล้ว
Временные ряды 9.4 Сравнение прогнозов: RC и SPA тесты
Временные ряды 9.3 Сравнение прогнозов, DMтест
มุมมอง 128ปีที่แล้ว
Временные ряды 9.3 Сравнение прогнозов, DMтест
Временные ряды 9.2 Данные прерывающиеся нулями
มุมมอง 149ปีที่แล้ว
Временные ряды 9.2 Данные прерывающиеся нулями
Временные ряды 9.1 Много сезонных составляющих
มุมมอง 592ปีที่แล้ว
Временные ряды 9.1 Много сезонных составляющих
Временные ряды 8.9 Обнаружение структурного сдвига в R
มุมมอง 165ปีที่แล้ว
Временные ряды 8.9 Обнаружение структурного сдвига в R
Временные ряды 8.8 Обнаружение выборосов в R
มุมมอง 124ปีที่แล้ว
Временные ряды 8.8 Обнаружение выборосов в R
Временные ряды 8.7 заполнение пропусков в R
มุมมอง 152ปีที่แล้ว
Временные ряды 8.7 заполнение пропусков в R
Временные ряды 8.6 L6 Оценивание эффекта воздействия
มุมมอง 86ปีที่แล้ว
Временные ряды 8.6 L6 Оценивание эффекта воздействия
Временные ряды 8.5 Структурная модель как конструктор
มุมมอง 127ปีที่แล้ว
Временные ряды 8.5 Структурная модель как конструктор
Временные ряды 8.3 Обнаружение структурного сдвига
มุมมอง 156ปีที่แล้ว
Временные ряды 8.3 Обнаружение структурного сдвига
Временные ряды 8.1 Пропуски, аномалии и структурные сдвиги
มุมมอง 417ปีที่แล้ว
Временные ряды 8.1 Пропуски, аномалии и структурные сдвиги
Временные ряды 7.9 регрессия с ARMA ошибками
มุมมอง 115ปีที่แล้ว
Временные ряды 7.9 регрессия с ARMA ошибками
Временные ряды 7.8 Дневные данные, ARIMA и тригонометрические предикторы
มุมมอง 104ปีที่แล้ว
Временные ряды 7.8 Дневные данные, ARIMA и тригонометрические предикторы
Временные ряды 7.7 собираем предикторы и оцениваем лес/бустинг в R
มุมมอง 150ปีที่แล้ว
Временные ряды 7.7 собираем предикторы и оцениваем лес/бустинг в R
Временные ряды 7.1 Как обойтись без ARIMA и ETS
มุมมอง 353ปีที่แล้ว
Временные ряды 7.1 Как обойтись без ARIMA и ETS
Временные ряды 6.9 Алгоритм Хандакара Хиндмана
มุมมอง 91ปีที่แล้ว
Временные ряды 6.9 Алгоритм Хандакара Хиндмана
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??
Тот де вопрос
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!!!!!!
Почему об этом он не говорит я не понимаю
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
(v2-alpha*v1)*v1 = v2v1-alpha*v1v1 = 0 => v2*v1 = alpha*v1*v1 :)
@@VEymas спасибо большое
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!
А, понял почему SARMA.. Признаю ошибку
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
доверительные интервалы - очень сложный способ?
@@pitsa3671не слишком, но вывод неверный, здесь в другом ошибка
вывод, конечно, неправильный. Ошибка в подписях на графике. В датасете все интуитивно верно - посмотрите на средние по каждому району
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