Сергей, я правильно понимаю, что в контексте минимизации не имеет значение минимизируем ли мы случайную величину [θ−\frac{1}{n}(y_1+…+y_n)] или же случайной величину R([θ−\frac{1}{n}(y_1+…+y_n)]) где R это функция которая ведет к значению зависящей от θ−\frac{1}{n}(y_1+…+y_n), все равно минимизация одного мат ожидания приведет к минимизации другой, и в контексте минимизации использование θ−\frac{1}{n}(y_1+…+y_n) случайного распределения или R([θ−\frac{1}{n}(y_1+…+y_n)]) не имеет значения?
Очень полезный урок, но было бы лучше, если бы мы еще рассмотрели конкретный пример нахождения, закрепили бы так сказать на практике, то было бы еще лучше))
@@selfedu_rus Тета без крышки в данной записи - переменная интегрирования, весь интеграл же - функция от Тета с крыкой, его нельзя дифференциировать по тета.
Здесь следует воспринимать тета с крышкой, как целевое (оптимальное) значение параметра тета, которое мы хотим найти в соответствии с квадратической функцией потерь. Поэтому единственная переменная, которая здесь есть - это параметр тета.
@@selfedu_rus Да, всё верно, мы ищем тету с крышкой - оптимальную оценку параметра тета для всех возможных значений самого тета и результатов измерений тета. Для этого нужно минимизировать функцию потерь по параметру тета с крышкой. И производную на 5:30 нужно брать по тета с крышкой, иначе это математически не верно - мы уже проинтегрировали по всем возможным значениям тета на бесконечном интервале, интеграл больше от неё не зависит. На слайде все выкладки правильно записаны, кроме того, что надо крышку добавить к переменной, по которой берётся производная.
@@selfedu_rusУ exp(-x) максимум не при x=0, а при y=0, если x=y^2. Вообще, не всякий зритель на зубок знает теорию вероятности. Что эта за формула с интегралами на 2:55?
Добрый день, можете сделать ролик о том, где применяется питон и как именно? Не очень понятно как на нем реализуются задачи и какого плана эти самые задачи. Пытался найти ответ на это в интернете, но ответ всегда общий - питон везде применяется и очень полезен, но вот как именно никто не говорит. Будьте добры пожалуйста.
Вообще хорошие ролики, но этот не очень коррелирует по доступности с предыдущими. Может ссылок на теорему Байеса дать и пару примеров из реальной жизни закинуть? А то без базовых знаний про Байеса тяжеловато будет воспринимать...
Сергей, я правильно понимаю, что в контексте минимизации не имеет значение минимизируем ли мы случайную величину [θ−\frac{1}{n}(y_1+…+y_n)] или же случайной величину R([θ−\frac{1}{n}(y_1+…+y_n)]) где R это функция которая ведет к значению зависящей от θ−\frac{1}{n}(y_1+…+y_n), все равно минимизация одного мат ожидания приведет к минимизации другой, и в контексте минимизации использование θ−\frac{1}{n}(y_1+…+y_n) случайного распределения или R([θ−\frac{1}{n}(y_1+…+y_n)]) не имеет значения?
Очень полезный урок, но было бы лучше, если бы мы еще рассмотрели конкретный пример нахождения, закрепили бы так сказать на практике, то было бы еще лучше))
👍👍👍👍👍
Здравствуйте! На моменте 5:21 нет ошибки? Вроде дифференцирование должно быть по тета с крышкой?
нет, тета, т.к. это переменная, тета с крышкой - оценка параметра, ее мы должны в итоге найти
@@selfedu_rus Тета без крышки в данной записи - переменная интегрирования, весь интеграл же - функция от Тета с крыкой, его нельзя дифференциировать по тета.
Здесь следует воспринимать тета с крышкой, как целевое (оптимальное) значение параметра тета, которое мы хотим найти в соответствии с квадратической функцией потерь. Поэтому единственная переменная, которая здесь есть - это параметр тета.
@@selfedu_rus Да, всё верно, мы ищем тету с крышкой - оптимальную оценку параметра тета для всех возможных значений самого тета и результатов измерений тета. Для этого нужно минимизировать функцию потерь по параметру тета с крышкой. И производную на 5:30 нужно брать по тета с крышкой, иначе это математически не верно - мы уже проинтегрировали по всем возможным значениям тета на бесконечном интервале, интеграл больше от неё не зависит. На слайде все выкладки правильно записаны, кроме того, что надо крышку добавить к переменной, по которой берётся производная.
@@barosfpv да, лажанулся немного, вы правы по тета с крышкой!
👍
Здравствуйте на 11:46 говорится о том,что точка максимума будет достигаться ,когда степень exp минимальна,почему так ?
Да, например, exp(-x) максимум при x=0. Постройте график и убедитесь.
@@selfedu_rusУ exp(-x) максимум не при x=0, а при y=0, если x=y^2. Вообще, не всякий зритель на зубок знает теорию вероятности. Что эта за формула с интегралами на 2:55?
Добрый день, можете сделать ролик о том, где применяется питон и как именно? Не очень понятно как на нем реализуются задачи и какого плана эти самые задачи. Пытался найти ответ на это в интернете, но ответ всегда общий - питон везде применяется и очень полезен, но вот как именно никто не говорит. Будьте добры пожалуйста.
у вас общий вопрос, поэтому и получаете общий ответ, питон в нейронных сетях, в бэкендах сайтов, в научных исследованиях, и т.п.
Вообще хорошие ролики, но этот не очень коррелирует по доступности с предыдущими. Может ссылок на теорему Байеса дать и пару примеров из реальной жизни закинуть? А то без базовых знаний про Байеса тяжеловато будет воспринимать...