1. 开头新闻数据来源:tylervigen.com,Wikipedia,Autodesk Research 2. 视频素材来自于VOA News,The Age & Sydney Morning Herald,图片素材来自于网络 3. Nature文章链接:doi.org/10.1038%2F35004661,doi.org/10.1038%2F20094
博士你好,我在是西班牙留学的学生,我现在是大三,可是有一门课超级太难学会了,翻译成英语大概是statistical inferences and econometric introduction,看了你的科普视频之后觉得茅塞顿开,就是希望你可以专门出一期的教学类视频。我这有好多同学都被这门课难住了。谢谢谢谢!!!
你好博士,我要你幫忙What kind of theory is this: “Malaysian immigrant workers are willing to perform jobs Japan. workers are not willing to perform"? A.Correlational hypothesis B.Causal hypothesis C.Relational hypothesis D.Descriptive hypothesis 我自己覺得是d的答案。。 你覺得是哪個?
講講概率論是個好主意
博士你好,我在是西班牙留学的学生,我现在是大三,可是有一门课超级太难学会了,翻译成英语大概是statistical inferences and econometric introduction,看了你的科普视频之后觉得茅塞顿开,就是希望你可以专门出一期的教学类视频。我这有好多同学都被这门课难住了。谢谢谢谢!!!
请博士多讲讲概率论数理统计在数据分析上的解释和应用啊
为了youtobe多推荐点类似你的高质量科普频道我要在你频道留言哈哈哈哈
up主能开设概率论与数理统计的教学课程吗哈哈哈
希望up多讲一些,您讲的很好
up主的视频我是真心喜欢啊
点赞!! 如果能把背景音乐声音再调小一点或取消就更好了!! 期待下一期!
支持更新❤😊
非常喜欢博士的知识视频!
好帅
请教一个问题,按数学期望值,如果已知a的发生概率是12.5%,b的概率是87.5%,在a和b随机事件不断循环中,
问题1:a和b一共累计发生多少次,可以达到达到正态分布的概率99%(多大概率范围)
问题2:当a和b累计50(a的次数+b的次数)时,a实际的概率区间(多大概率范围)
问题3:a+b累计次数,和a的概率变化[合十][合十][合十][合十][合十][合十]
讲的好好👍👍
就很有用!
受益了
Kai 博士你好,能介紹一下要怎麼做因果性的分析嗎?謝謝
好棒啊博士 加油
能不能多讲一点别的相关分析 然后分析一下它们的利弊 和 适用情况
我觉得博主如果能用更贴近生活的例子加上一些动画演示效果,视频播放量肯定能大增,因为大部分人看视频都是图一乐而不是来学习的😅
新冠与死亡也是这样,很多高龄老人有基础疾病 本来就不久人世 新冠感染只是诱发因素或弱因果关系
政治介入太多
Hi Hi
跟你請教個東西,中介效果分析(Mediation analysis)如果採用這東西,加入時間順序下,可以證明其因果嗎
你好博士,我要你幫忙What kind of theory is this: “Malaysian immigrant workers are willing to perform jobs Japan. workers are not willing to perform"?
A.Correlational hypothesis
B.Causal hypothesis
C.Relational hypothesis
D.Descriptive hypothesis 我自己覺得是d的答案。。 你覺得是哪個?
穿红色有没有可能是比较显眼😂 这可能是色彩理论心理学那块?
相关性只是一个背景下同时被触发了,就好比杠杆一头我的屁股和座椅同时上升了,但不是屁股的上升让座椅上升的,可能是A,可能是C也可能是其他的非A非C。C伴随B发生,B不须伴随C发生,这也是两件事。而如果中间的轴坏了,或者其他环境参与者变了,原来的相关也会不相关。所以发生在天地人下的主谓宾逻辑成立首先要有天地人的某背景。还要有主宾,还要有谓语不被法律等更大的环境禁止。还有过去相关不代表未来相关,所以天地人有范围的。还有大概看,粗看相关,细看,微观不相关,褒义词从大的说相关,从小的说不相关。越开方,相当于把分母变大,参照物变大越相关,越平方把分母表小相当于把参照物变小,越微观,相当于越不相关!
我感觉这个话题个第一性原理有点像,但是说不清这里面的区别。
哈哈哈哈
這部影片 七個月前就有來看了
過了七個月 終於看見一絲希望 回來提出一個關鍵
其實因果與相關 最終我發現了 並不是等不等於的問題
應該直接注重在 到底是偏相關 還是偏因果
也就是 相關與因果 兩種情況 是相反的兩個方向
越因果 越不相關 (雖然很多人會說 有因果就是高度相關阿 ,但這句話前後對調 就絕對不通)
越相關 越不因果
也就是 是比例問題 是9:1 5:5 3:7
那好玩的問題就來了
又要怎麼判斷到底是偏相關 還是偏因果呢?
以科學與數學的方向來說 就是"蒙特卡羅方法"
那如果一般人不能用這種方法還有其他招嗎?
有的 請相信大數法則的另一種特性
大數法則通常是指蒐集大量相同類型的數據來做分析
而這裡的大數法則 則是不同類型的"種類量"
例如:你要知道一個人是不是跟你電波頻率個性相同
基本上你並不會直接問他個性是甚麼?
而是會從這人身上的各種情報與不同消息八卦來判斷聊天獲得信息
這在因果邏輯鏈 或者因果邏輯樹 的概念上來解釋最洽當不過
就是"子節點多不多" 或者說 "變項多不多" 或 "樹根多不多" 多到一定數量
就像福爾摩斯偵探判案 可以判斷 華生 身上各種微小的線索 來推敲出的消息
沒錯 這也就是同時利用了貝葉斯定律 貝氏定律
(上述是同時用到大數法則的種類數多+貝氏定律)
這裡只要關注邏輯樹的樹根量就可以了
比如電影與溺水的這件事情
看似數據線性相關性很高
若把這兩件事情的樹根 各拆解出10個樹根(子變項 子因素)
就會發現在樹根節點上 幾乎沒有更多的強力相關性
所以 我們就能直接靠直覺推定 這兩件事只是"偏相關"
最後說說我的看法 我認為 現在要開始改口說 "偏相關" 或者 "偏因果"
因為這樣更符合比例原則!
(因為繼續修改 電腦很卡 所以我接著繼續回復)
為何我會重視這個問題 並且持續探索追蹤
因為這問題是個非常嚴重關卡,而且是容易被人忽視的問題
我有個朋友 就是這裡卡住 一直無法提高"科學信仰"
而且我也是如此
直到最近看到蒙地卡羅 與 大數法則的非數據效應後 才恍然大悟
這問題很容易在要不要信 科學的路上 絆倒一堆人
甚至很多學完統計學 科學思維 的人 還是會相信玄學或哲學為大頭
有的時候我也只能感慨
知道科學 , 學會科學 , 癡迷科學 是三種境界
版主一定是最後的境界!
格兰杰:那我走?
那因果性是怎麼確定的呢?
3:13 相關性系數可以有負值嗎?
严格来说,现实中就不存在因果性这东西,因果性只是人的一种臆想,对于反复发生A然后发生B的事情,将前者A认为是因,后者B认为是果,但其实这只是一种归纳而已。
宝可梦的bgm点赞😂
nb
背景音乐可以不那么吵吗😂
有點不太懂B導致A的解釋
就是頭上有蝨子判斷人健康的情況
因為AB本來就是需要靠一些主觀思考的判讀
他想表達的是
最正確的判讀 一定要符合 數據統計+主觀判斷 二者不能缺一
大部分的人都只有主觀判斷
會統計的人也很容易過於重視數據而忽略主觀
兩者並用 連續運用的技術 本來就是要相輔相成
數據統計+主觀判斷 一直重複持續到最後 最大概率能獲得最正確有價值的情報
另外你的症頭是大多數學統計的人都會遇到的問題 包括我
只有多練習找尋10幾個範例 扭轉主觀意識的看法
通常教統計最大的問題就是 大多學生對於"統計現象"都白紙一張
所以學得特別憋扭痛苦 但也沒別的法門 多找點相關的議題故事歷史來學習分辨
德國坦克 富人紅酒 飛機彈孔 入學男女 醫療 農藥癌症 尋找冥王星 這些都是統計經典故事
講得很好,但是沒有穿紅衣服,所以不給讚😀
up主是学经济学的吧
嗯嗯博士论文做的资源经济学
1. 他还是个孩子, 所以就放过他吧.
2. 大过年的, 所以算了吧...
MIT博士都要穷到拍youtube视频来赚钱了吗?
为啥拍视频就是穷
逻辑感人😂建议你看十遍这个视频
好帅
哈哈哈