Теория вероятности

Нейросети научились точнее предсказывать поведение случайных систем

(Авторы исследования Андрей Андреев и Никита Кулагин за работой. Источник: Александр Храмов)

Всем привет! Сегодня в преддверии нового видео о методе максимального правдоподобия я решила рассказать вам об удивительном учёном, чья жизнь и научный путь вдохновляют до сих пор. Это Абрахам де Муавр — человек, чьи работы повлияли на несколько поколений математиков и остаются актуальными даже спустя столетия!

Говорим с Максимом Деминым о значении теории вероятностей для рациональности и аргументации. На простых примерах выясняем, как учет вероятностей помогает принимать решения. Говорим про байесовскую теорию, связь обоснования с истиной и философские проблемы прогнозирования.

Мне 23 года, спб.

Занимаюсь математикой и машинным обучением, это почти полностью меня характеризует как человека.

Баганов Валерий Юрьевич, кандидат экономических наук, доцент кафедры менеджмента, маркетинга и сервиса Байкальский государственный университет (664003, Россия, Иркутск, ул. Ленина, 11, e-mail: bvj@inbox.ru)

Раздел математики, который изучает способы составления объектов из заданного множества в определенном порядке или без учета порядка. Она занимается перестановками, сочетаниями, разбиениями и другими методами подсчета и анализа различных комбинаторных структур.

Предлагается масштабируемый метод MORBI для многоцелевой байесовской оптимизации в пространствах высокой размерности. MORBO идентифицирует разнообразные глобально оптимальные решения, выполняя оптимизацию в нескольких локальных областях пространства дизайна параллельно с использованием координированной стратегии.

Полезные материалы:

Парадокс дней рождения: https://masterok.livejournal.com/2122520.html

1. Поговорим о модели

Алексей Буфетов / ЛШСМ

Цель данного курса — показать, как вероятностные методы и интуиция помогают отвечать на теоретико-числовые вопросы. Я расскажу про два существенно разных сюжета.

1. Правильные гипотезы

Наивный байесовский классификатор (Naive Bayes classifier) — вероятностный классификатор на основе формулы Байеса со строгим (наивным) предположением о независимости признаков между собой при заданном классе, что сильно упрощает задачу классификации из-за оценки одномерных вероятностных плотностей вместо одной многомерной.

Сегодня сложная тема, но мы объясним её просто и понятно. Разговор пойдёт про алгоритмы и немного про математику. 

Методы Монте-Карло — это набор методов в математике для изучения случайных процессов. Случайных — это когда что-то в них происходит непредсказуемым образом, например:

Продолжаем изучать теорию вероятностей на примере Геншина! Как оценить результаты эксперимента, который проходит в два этапа и как анализировать вероятность после опыта?

Ровно 400 лет назад 19 июня 1623 года в городке Клермон-Ферран (Франция) родился Блез Паскаль — выдающийся математик, физик, механик, философ, литератор.

Многие слышали про треугольник Паскаля в комбинаторике, про теорему Паскаля в геометрии, про названную в честь него единицу давления…

Итак, сегодня в нашем геометрическом паблике 303 геометрической группы выкладываем материалы для экзамена по самому геометрическому из всех геометрических предметов, а именно теории случайных процессов ?????. Вот обещанная подборка полезных материалом для экзамена по теории случайных процессов на 1 потоке по курсу лекций В. И. Афанасьева.

Меня зовут Кристина Лукьянова, я работаю бизнес-аналитиком в компании GlowByte.

Сегодня хочу поговорить об А/Б-тестах, а именно — об альтернативном способе их проведения, который не требует расчета p-value. Так что это за способ и какое применение в нем нашла теорема Байеса?

Два подхода к А/Б-тестам

Каждую неделю по вторникам приглашаем всех желающих на лекции по математической статистике. Максим Николаев познакомит слушателей как с классическими результатами в этой области, так и с более современными вычислительными методами.

0:00 Введение

2:01 Время падения камня с Пизанской башни

В пятницу вечером на Ёжике обычно публикуются качественные книжные посты от Саши Оганесяна, но сегодня по независящим от нас причинам, данного поста не будет. Зато у нас появилась возможность опубликовать, давно ожидающий своего часа, пост с видео семинаров по теории вероятностей!

Это первая лекция по теории вероятностей, а точнее первая часть Лекции 1. Сегодня только простейшие понятия: что такое событие (или исход, результат опыта), достоверное событие, невозможное событие и случайное событие.

Со случайными событиями мы и будем иметь дело.

Компьютерам непросто сгенерировать истинную случайность, поскольку алгоритмы используют закономерности, которые можно отследить. Но если соединить машину с действительно непредсказуемым химическим процессом, как это сделали шотландские ученые, можно получать действительно случайные числа.

1. Событие и вероятность. Курс по теории вероятностей

2. Сумма вероятностей несовместных событий. Курс по теории вероятностей

3. Произведение вероятностей независимых событий. Курс по теории вероятностей

4. Вероятность суммы событий . Курс по теории вероятностей

Лекция 1. Основы комбинаторики

Лекция 2. Разбиения. Рекуррентные соотношения и производящие функции

Лекция 3. Производящие функции. Асимптотики

Лекция 4. Деревья. Унициклические графы

Лекция 5. Обходы и раскраски

Лекция 6. Введение в теорию вероятностей

Лекция 7. Случайные величины

Прямо сейчас начинается вебинар по - "Теория вероятности: от простых до необычных задач"

Теорема Байеса — одно из важнейших правил теории вероятностей, применяемых в Data Science. Рассмотрим интуитивный вывод теоремы на практике.

1. Основные понятия

2. Случайные величины и их характеристики

3. Статистические гипотезы. Динамика процессов

4. Направления теории случайных процессов

5. Марковские случайные процессы

6. Теория массового обслуживания

7. Прогнозирование случайных процессов