#история
В Империи инков до открытия Америки Христофором Колумбом существовала развитая статистика. Империя была разделена на четыре провинции, в каждой из которых низшей административно-территориальной ячейкой были объединения 10 семей. Главы этих объединений вели учет динамики населения, запасов пищи и одежды, состояния жилищ и дорог, общественных сооружений и т.д. Все это сообщалось императору – Великому Инке.
У инков не было письменности, по крайней мере, она до нас не дошла, но они обладали узелковым «письмом», мнемоническими связками шнурков, т.н. кипу. Любые количественные данные и сведения фиксировались и передавались с помощью этих кипу путем сочетания цветов и длины ниток, формы узелков. Наиболее длинная сохранившаяся до нас связка, весит 6 кг, и длина ее равна расстоянию от Москвы до Петербурга. Фактически, это большой статистический справочник. Он состоит из шнура, на котором одна на другой крепятся нити-подвески и сложные узлы. Нити были 13 узлов, встречались разноцветные нити. В каждом кипу фиксировались однородные предметы.
Владеющие этой шнурковой азбукой, кипукамайоки, и переносящие кипу обязательно находились в каждом населенном пункте империи. Все сведения, поступавшие в столицу, концентрировались в руках главного кипукамайока. Поскольку любая ошибка при вязке кипу каралась смертной казнью, в кипу содержались сведения высокой точности.
Когда последний император инков попал в плен к испанским конкистадорам, то он отдал приказ уничтожить всех кипукамайоков для того, чтобы лишить пришельцев-завоевателей стратегически важной информации. Инки действительно понимали важность статистики. И в итоге человечество навсегда утратило секрет кипу.
см. А. Кузьмищев «Статистика империи инков», «Вопросы статистики» № 9/1996
В Империи инков до открытия Америки Христофором Колумбом существовала развитая статистика. Империя была разделена на четыре провинции, в каждой из которых низшей административно-территориальной ячейкой были объединения 10 семей. Главы этих объединений вели учет динамики населения, запасов пищи и одежды, состояния жилищ и дорог, общественных сооружений и т.д. Все это сообщалось императору – Великому Инке.
У инков не было письменности, по крайней мере, она до нас не дошла, но они обладали узелковым «письмом», мнемоническими связками шнурков, т.н. кипу. Любые количественные данные и сведения фиксировались и передавались с помощью этих кипу путем сочетания цветов и длины ниток, формы узелков. Наиболее длинная сохранившаяся до нас связка, весит 6 кг, и длина ее равна расстоянию от Москвы до Петербурга. Фактически, это большой статистический справочник. Он состоит из шнура, на котором одна на другой крепятся нити-подвески и сложные узлы. Нити были 13 узлов, встречались разноцветные нити. В каждом кипу фиксировались однородные предметы.
Владеющие этой шнурковой азбукой, кипукамайоки, и переносящие кипу обязательно находились в каждом населенном пункте империи. Все сведения, поступавшие в столицу, концентрировались в руках главного кипукамайока. Поскольку любая ошибка при вязке кипу каралась смертной казнью, в кипу содержались сведения высокой точности.
Когда последний император инков попал в плен к испанским конкистадорам, то он отдал приказ уничтожить всех кипукамайоков для того, чтобы лишить пришельцев-завоевателей стратегически важной информации. Инки действительно понимали важность статистики. И в итоге человечество навсегда утратило секрет кипу.
см. А. Кузьмищев «Статистика империи инков», «Вопросы статистики» № 9/1996
#статья #юмор
Ограбление банков: дело не слишком доходное
Ограбление банков – насколько прибыльная экономическая деятельность? Какой дополнительный доход приносит каждый член банды? Какова вероятность остаться на свободе? На эти вопросы отвечают в своей статье члены Королевского статистического общества (Великобритания), которые с помощью статистических моделей провели анализ эксклюзивных данных об ограблениях банков в 2006-2007 гг. Перевод статьи.
https://analytera.ru/about/stati/ograblenie-bankov-delo-ne-slishkom-dohodnoe/
Ограбление банков: дело не слишком доходное
Ограбление банков – насколько прибыльная экономическая деятельность? Какой дополнительный доход приносит каждый член банды? Какова вероятность остаться на свободе? На эти вопросы отвечают в своей статье члены Королевского статистического общества (Великобритания), которые с помощью статистических моделей провели анализ эксклюзивных данных об ограблениях банков в 2006-2007 гг. Перевод статьи.
https://analytera.ru/about/stati/ograblenie-bankov-delo-ne-slishkom-dohodnoe/
#статья #прогнозирование
Использование тестов на различия в сенсорном анализе
Одной из задач отделов R&D в пищевой промышленности является разработка продуктов с хорошими сенсорными свойствами. Это требует проведения различного рода экспериментов и тестов. Методикам, позволяющим выявить сенсорные отличия в двух или нескольких продуктах, и посвящена эта статья.
https://analytera.ru/about/stati/ispolzovanie-testov-na-razlichiya-v-sensornom-anal/
Использование тестов на различия в сенсорном анализе
Одной из задач отделов R&D в пищевой промышленности является разработка продуктов с хорошими сенсорными свойствами. Это требует проведения различного рода экспериментов и тестов. Методикам, позволяющим выявить сенсорные отличия в двух или нескольких продуктах, и посвящена эта статья.
https://analytera.ru/about/stati/ispolzovanie-testov-na-razlichiya-v-sensornom-anal/
#софт #статметоды
Бесплатное и с большими возможностями статистическое ПО для расчета необходимого размера выборки G*Power
https://www.psychologie.hhu.de/arbeitsgruppen/allgemeine-psychologie-und-arbeitspsychologie/gpower.html
Программа позволяет рассчитывать необходимый размер выборки для большого количества тестов: сравнение средних с константой (одновыборочный t-критерий), а также в двух и более независимых и зависимых группах (парный t-критерий и t-критерий для независимых групп, разные варианты дисперсионного анализа); сравнение долей с константой, а также в двух зависимых и независимых группах (тест Мак-Немара, точный критерий Фишера, биномиальный критерий и критерий Хи-квадрат); корреляционный и регрессионный анализ, а также непараметрические критерии Вилкоксона.
После проведения анализа, зная размер выборки и полученное значение эффекта, в программе можно определить достигнутую мощность теста. Удобно, что в результатах можно получить не только значение нужного показателя, но и график его чувствительности к влияющим параметрам (уровень значимости, размер эффекта, мощность, размер выборки).
Бесплатное и с большими возможностями статистическое ПО для расчета необходимого размера выборки G*Power
https://www.psychologie.hhu.de/arbeitsgruppen/allgemeine-psychologie-und-arbeitspsychologie/gpower.html
Программа позволяет рассчитывать необходимый размер выборки для большого количества тестов: сравнение средних с константой (одновыборочный t-критерий), а также в двух и более независимых и зависимых группах (парный t-критерий и t-критерий для независимых групп, разные варианты дисперсионного анализа); сравнение долей с константой, а также в двух зависимых и независимых группах (тест Мак-Немара, точный критерий Фишера, биномиальный критерий и критерий Хи-квадрат); корреляционный и регрессионный анализ, а также непараметрические критерии Вилкоксона.
После проведения анализа, зная размер выборки и полученное значение эффекта, в программе можно определить достигнутую мощность теста. Удобно, что в результатах можно получить не только значение нужного показателя, но и график его чувствительности к влияющим параметрам (уровень значимости, размер эффекта, мощность, размер выборки).
#триз #11зртс
Закон повышения согласованности. Было-стало.
Сегодня мы пользуемся такой формулировкой закона:
Закономерность, заключающаяся в том, что в процессе развития происходит последовательное согласование характеристик частей технической системы (ТС) между собой, а также ТС и ее частей с надсистемой.
Итак, согласование или целенаправленное рассогласование параметров применяют для повышения полезного эффекта или исключения вредного.
А вот текст, изначально предложенный Альтшулером, был несколько другой:
Необходимым условием принципиальной жизнеспособности технической системы является согласование ритмики (частоты колебаний, периодичности) всех частей системы.
Здесь озвучено условие создания/существования системы. Сегодняшняя же формулировка - одно из направлений развития систем.
Я приведу примеры из совсем разных областей. Думаю, что каждый легко определит, какой пример иллюстрирует создание системы, возникновение системного свойства, а какой - развитие уже существующей системы.
Начнем с "лирики".
Под песни группы "Кино" отлично идти пешком под рюкзаком. А вот кушать совершенно невозможно - жуём мы быстрее и глотание работает совсем не в ритме песен В.Цоя, сбивается. Дальше - больше: наверняка можно найти сообщения, что проигрывание спокойной музыки на ферме увеличивает удой молока.
Часы, стоящие на одной полке, начинают тикать в унисон. А поскольку механизмы у всех ходиков различаются, то одни часы начинают спешить, а другие отставать. Но тикают они в унисон, механические колебания на обшей "станине" самосогласуются.
Посмотреть кино под настроение, услышать музыку или стихи, совпадающие с твоим "душевным состоянием", надеть костюм, который тебе идёт или хорошо сидит - это всё результат спонтанного, когда случайного, а когда и интиуитивного согласования, совпадения, созвучности.
Теперь перейдем к более техническим системам.
Кто-то наверняка помнит ауру ужаса, окружавшую раньше походы к стоматологу. Одна из составляющих этой ауры - болевые импульсы, возникающие при сверлении зуба. Так вот частота этих импульсов - исторически так уж получилось - совпадала с частотой вращения инструмента. И возникало что-то типа болевого резонанса! Проблема ушла как только скорость вращения увеличили - осознано рассогласовали частоту колебаний инструмента и "собственную частоту колебаний изделия".
Еще один медицинский пример - установки для дробления камней в почках. Направленный луч ультразвука дробит камни, чтобы те в дальнейшем вывелись из организма естественным путем. Изначально для разрушения камня требовалась большая мощность ультразвука, что поражало не только "мишень", но и окружающие ткани. Решение пришло после того, как была согласована частота ультразвука с частотой колебания камней. Это вызывало резонанс, который и разрушал камни, благодаря чему мощность луча удалось уменьшить и исключить влияние на остальные ткани.
Еще множество примеров можно найти на согласование ритмики, частоты. Однако ж и другие параметры ТС могут требовать согласования. Вот прямо на наших глазах происходит поиск все более и более эргономичных клавиатур, а это уже - согласование формы. Иллюстрация внизу поста. Смотрим на мир широко раскрытыми глазами, ищем новые примеры повышения согласованности!
- Станислав Колчанов, консультант по ТРИЗ ЦСТ Analytera
Закон повышения согласованности. Было-стало.
Сегодня мы пользуемся такой формулировкой закона:
Закономерность, заключающаяся в том, что в процессе развития происходит последовательное согласование характеристик частей технической системы (ТС) между собой, а также ТС и ее частей с надсистемой.
Итак, согласование или целенаправленное рассогласование параметров применяют для повышения полезного эффекта или исключения вредного.
А вот текст, изначально предложенный Альтшулером, был несколько другой:
Необходимым условием принципиальной жизнеспособности технической системы является согласование ритмики (частоты колебаний, периодичности) всех частей системы.
Здесь озвучено условие создания/существования системы. Сегодняшняя же формулировка - одно из направлений развития систем.
Я приведу примеры из совсем разных областей. Думаю, что каждый легко определит, какой пример иллюстрирует создание системы, возникновение системного свойства, а какой - развитие уже существующей системы.
Начнем с "лирики".
Под песни группы "Кино" отлично идти пешком под рюкзаком. А вот кушать совершенно невозможно - жуём мы быстрее и глотание работает совсем не в ритме песен В.Цоя, сбивается. Дальше - больше: наверняка можно найти сообщения, что проигрывание спокойной музыки на ферме увеличивает удой молока.
Часы, стоящие на одной полке, начинают тикать в унисон. А поскольку механизмы у всех ходиков различаются, то одни часы начинают спешить, а другие отставать. Но тикают они в унисон, механические колебания на обшей "станине" самосогласуются.
Посмотреть кино под настроение, услышать музыку или стихи, совпадающие с твоим "душевным состоянием", надеть костюм, который тебе идёт или хорошо сидит - это всё результат спонтанного, когда случайного, а когда и интиуитивного согласования, совпадения, созвучности.
Теперь перейдем к более техническим системам.
Кто-то наверняка помнит ауру ужаса, окружавшую раньше походы к стоматологу. Одна из составляющих этой ауры - болевые импульсы, возникающие при сверлении зуба. Так вот частота этих импульсов - исторически так уж получилось - совпадала с частотой вращения инструмента. И возникало что-то типа болевого резонанса! Проблема ушла как только скорость вращения увеличили - осознано рассогласовали частоту колебаний инструмента и "собственную частоту колебаний изделия".
Еще один медицинский пример - установки для дробления камней в почках. Направленный луч ультразвука дробит камни, чтобы те в дальнейшем вывелись из организма естественным путем. Изначально для разрушения камня требовалась большая мощность ультразвука, что поражало не только "мишень", но и окружающие ткани. Решение пришло после того, как была согласована частота ультразвука с частотой колебания камней. Это вызывало резонанс, который и разрушал камни, благодаря чему мощность луча удалось уменьшить и исключить влияние на остальные ткани.
Еще множество примеров можно найти на согласование ритмики, частоты. Однако ж и другие параметры ТС могут требовать согласования. Вот прямо на наших глазах происходит поиск все более и более эргономичных клавиатур, а это уже - согласование формы. Иллюстрация внизу поста. Смотрим на мир широко раскрытыми глазами, ищем новые примеры повышения согласованности!
- Станислав Колчанов, консультант по ТРИЗ ЦСТ Analytera
#история
The Lady Tasting Tea
Провожая это богатое на события лето, мы хотели бы напомнить вам историю, произошедшую одним теплым днем в Кембридже примерно 100 лет назад.
Англичанка Мюриэль Бристоль, находясь в компании своих друзей, отметила, что чай, который они пьют, меняет вкус в зависимости от способа смешивания с молоком. А точнее разницу между чаем, налитым в молоко, и молоком, налитым в чай.
Начался спор, в котором участники размышляли о разнице в температурах напитка или других физических и химических факторах. Одним из участников оказался знаменитый статистик Рональд Эйлмер Фишер, к тому времени уже опубликовавший ставшим классическим труд The Design of Experiments. Он предложил передовой способ решения проблемы – проведение эксперимента.
Провести эксперимент на двух чашках было бы некорректно, так как был бы велик процент угадывания, зато при использовании 4 чашек каждого напитка вероятность угадывания равнялась бы 1 к 70. Сначала будет предположено, что дегустатор не может определить способ приготовления чая, предположение будет опровергнуто, если результаты эксперимента окажутся маловероятными при допущении, что дегустатор действительно не может отличить чашки, при этом степень допущения определяем мы сами в виде процента. В дальнейшем благодаря математическим вычислениям Фишер сделал вывод, что при использовании 8 чашек вероятность угадывания всего 1,4%, тогда как правильный выбор 3 чашек из 4 уже составляет 23%.
Подробнее об этом эксперименте вы можете прочитать в книге Дэвида Салсберга, которому рассказал историю один из участников чаепития, книга так и называется – The Lady Tasting Tea. К слову, все чашки леди действительно угадала.
The Lady Tasting Tea
Провожая это богатое на события лето, мы хотели бы напомнить вам историю, произошедшую одним теплым днем в Кембридже примерно 100 лет назад.
Англичанка Мюриэль Бристоль, находясь в компании своих друзей, отметила, что чай, который они пьют, меняет вкус в зависимости от способа смешивания с молоком. А точнее разницу между чаем, налитым в молоко, и молоком, налитым в чай.
Начался спор, в котором участники размышляли о разнице в температурах напитка или других физических и химических факторах. Одним из участников оказался знаменитый статистик Рональд Эйлмер Фишер, к тому времени уже опубликовавший ставшим классическим труд The Design of Experiments. Он предложил передовой способ решения проблемы – проведение эксперимента.
Провести эксперимент на двух чашках было бы некорректно, так как был бы велик процент угадывания, зато при использовании 4 чашек каждого напитка вероятность угадывания равнялась бы 1 к 70. Сначала будет предположено, что дегустатор не может определить способ приготовления чая, предположение будет опровергнуто, если результаты эксперимента окажутся маловероятными при допущении, что дегустатор действительно не может отличить чашки, при этом степень допущения определяем мы сами в виде процента. В дальнейшем благодаря математическим вычислениям Фишер сделал вывод, что при использовании 8 чашек вероятность угадывания всего 1,4%, тогда как правильный выбор 3 чашек из 4 уже составляет 23%.
Подробнее об этом эксперименте вы можете прочитать в книге Дэвида Салсберга, которому рассказал историю один из участников чаепития, книга так и называется – The Lady Tasting Tea. К слову, все чашки леди действительно угадала.
#статья #civictech #SAMSONOWAandPartners #rnd
Как улучшить взаимодействие между органами власти, населением и бизнесом для повышения качества жизни в городе?
С развитием технологий появляются новые инструменты для решения таких вопросов. Сегодня мы хотим показать Вам один из таких инструментов — это платформы civic tech.
Что такое civic tech? Какие возможности открывают такие платформы для бизнеса, государств и их граждан? Как используют civic tech в странах Европы и как внедряют такие платформы в России?
Ответы на все эти вопросы Вы найдете в статье от компании SAMSONOWA & Partners:
https://zen.yandex.ru/media/id/5ec3fc217c7cac5ee2764cf5/civic-tech-kak-tehnologii-obediniaiut-gosudarstvo-i-obscestvo-5ed8ee09ac3b84037e5f9491
Как улучшить взаимодействие между органами власти, населением и бизнесом для повышения качества жизни в городе?
С развитием технологий появляются новые инструменты для решения таких вопросов. Сегодня мы хотим показать Вам один из таких инструментов — это платформы civic tech.
Что такое civic tech? Какие возможности открывают такие платформы для бизнеса, государств и их граждан? Как используют civic tech в странах Европы и как внедряют такие платформы в России?
Ответы на все эти вопросы Вы найдете в статье от компании SAMSONOWA & Partners:
https://zen.yandex.ru/media/id/5ec3fc217c7cac5ee2764cf5/civic-tech-kak-tehnologii-obediniaiut-gosudarstvo-i-obscestvo-5ed8ee09ac3b84037e5f9491
Яндекс Дзен
Civic Tech: Как технологии объединяют государство и общество?
Как технологии могут приносить пользу не только в бизнесе, но и для взаимодействия между государством и его гражданами? Платформы civic tech помогают городским властям услышать жителей, их нужды и решить локальные проблемы.
#софт #статметоды #калькулятор
Бесплатный он-лайн калькулятор для A/B теста
Часто при выполнении A/B теста необходимо сравнить доли клиентов, выполнивших какие либо действия, или коэффициенты конверсии в разных группах. С точки зрения статистических методов, в этом случае используется критерий Хи-квадрат Пирсона. В MS Excel есть соответствующая функция. Но ее использование предполагает еще самостоятельные расчеты. Облегчить себе жизнь можно с помощью он-лайн калькулятора на сайте https://measuringu.com/ab-cal/. Для расчета следует указать число клиентов, выполнивших действие, и общее число клиентов. В результате калькулятор выдаст вам p-значение.
Бесплатный он-лайн калькулятор для A/B теста
Часто при выполнении A/B теста необходимо сравнить доли клиентов, выполнивших какие либо действия, или коэффициенты конверсии в разных группах. С точки зрения статистических методов, в этом случае используется критерий Хи-квадрат Пирсона. В MS Excel есть соответствующая функция. Но ее использование предполагает еще самостоятельные расчеты. Облегчить себе жизнь можно с помощью он-лайн калькулятора на сайте https://measuringu.com/ab-cal/. Для расчета следует указать число клиентов, выполнивших действие, и общее число клиентов. В результате калькулятор выдаст вам p-значение.
#софт #статметоды #калькулятор
Бесплатные калькуляторы для расчета измерителей качества
Показатель PPM (Parts per Million Defective), или DPPM (Defect Parts Per Million) характеризует количество несоответствующих единиц продукции в расчете на 1 млн. проконтролированных. Его можно рассчитать в калькуляторе https://www.easycalculation.com/statistics/dppm-calculator.php.
Дополнительно к PPM калькулятор выдает два стандартных отклонения - Short-Term Process Standard Deviation (используется в формулах расчета Cp и Cpk) и Long-Term Process Standard Deviation (для расчета Pp и Ppk), а также таблицу перевода значений PPM в значения выхода процесса Yield (Y), показывающего долю единиц, признанных в итоге соответствующими.
Там же можно рассчитать показатель DPMO (Defects Per Million Opportunities) - число несоответствий на 1 млн. возможностей их появления https://www.easycalculation.com/statistics/dpmo-calculator.php
Бесплатные калькуляторы для расчета измерителей качества
Показатель PPM (Parts per Million Defective), или DPPM (Defect Parts Per Million) характеризует количество несоответствующих единиц продукции в расчете на 1 млн. проконтролированных. Его можно рассчитать в калькуляторе https://www.easycalculation.com/statistics/dppm-calculator.php.
Дополнительно к PPM калькулятор выдает два стандартных отклонения - Short-Term Process Standard Deviation (используется в формулах расчета Cp и Cpk) и Long-Term Process Standard Deviation (для расчета Pp и Ppk), а также таблицу перевода значений PPM в значения выхода процесса Yield (Y), показывающего долю единиц, признанных в итоге соответствующими.
Там же можно рассчитать показатель DPMO (Defects Per Million Opportunities) - число несоответствий на 1 млн. возможностей их появления https://www.easycalculation.com/statistics/dpmo-calculator.php
Easycalculation
DPPM Calculation | Defect Parts Per Million Calculator
DPPM also termed as Defect Parts Per Million is a six sigma metric used in manufacturing in order to estimate the entire production load. Use this online calculator, to find the DPM and process sigma metrics based on the number of defects.
#триз #11зртс
Закон неравномерности развития частей системы. Природа в проекции на техносферу.
Сегодня речь пойдет о закономерности, которая для технических систем звучит так:
Развитие частей системы идет неравномерно; чем сложнее система, тем неравномернее развитие ее частей.
* Следствием данного закона является то, что рано или поздно изменение одной составляющей ТС спровоцирует цепную реакцию технических решений, которые приведут к изменению и оставшихся частей.
* Неравномерность развития частей системы является причиной возникновения противоречий и, следовательно, изобретательских задач.
Прежде, чем приводить технические примеры посмотрим, что происходит в сферах, не так легко управляемых человеком - в природе, в мире, в социуме.
Организм человека:
У ребенка нарастание массы головного и спинного мозга в основном заканчивается к 8—10 годам, почти достигая массы взрослого. А вот, вилочковая железа интенсивно развивается у плода, после же рождения рост ее замедляется, практически останавливается. Сердце: от рождения до двух лет усиленно растет, затем пауза до 7 лет, потом снова рост объема, в 11—13 лет к росту добавляется еще и тончайшая дифференцировка в клетках мышечных тканей сердца. Про каждый орган и функциональную систему организма медикам известны этапы роста, развития, тонкой настройки. И даны объяснения, исходя из функционала органа и требований адаптации организма к окружающему миру, т.е. надсистеме. Природа даже успевает предугадывать и разрешать назревающие внутри организма конфликты, казалось бы, связанные с нестыковками в скорости развития разных систем.
Самый заметный нам пример - подростковый организм: сердце опережает в росте кровеносные сосуды, вследствие чего кровяное давление повышается и затрудняет прежде всего работу самого сердца. Так называемое «юношеское сердце» приводит нередко к головокружениям, посинению и похолоданию конечностей у в этом возрасте. Головные боли, быстрая утомляемость и периодические приступы вялости; иногда у подростков наблюдается обморочное состояние из-за спазмов мозговых сосудов. Интенсивный рост тела, резкое усиление деятельности желез внутренней секреции, сильно повышают возбудимость центральной нервной системы. С окончанием периода полового созревания эти нарушения обычно исчезают бесследно. Ну, почти бесследно - все те, назревавшие "противоречия" в организме, природа разрешила путем "усложнения системы управления" организмом, развитием личности - новыми ощущениями себя, отношениями с окружающими, эмоциональным интеллектом и пр.
Социум и мир:
Здесь уже стоит учитывать активное вмешательство человека(ов), однако неравномерность развития разных элементов накапливается достаточно объективно и все также приводит к назреванию конфликтов/противоречий. Помните, про революционную ситуацию: "верхи не могут, а низы не хотят"? Это лишь часть характеристики, удачная фраза, описывающая эмоцию мира-подростка-капитализма. В то время капитализм эпохи свободной конкуренции уже превращался в империализм, и противоречия между двумя классами - пролетариатом и буржуазией - обострились. Стал очевиден конфликт между монополистическим и немонополистическим капиталом, между метрополиями и колониями, накопился разрыв в уровнях развития стран.
Как разрешался этот клубок противоречий, надеюсь, все помнят: мировая война - перераспределение мировых ресурсов, революции разных видов - новые идеологии и системы управления странами.
А что же технические системы?
Части ТС не развиваются самостоятельно, по собственному желанию, однако всегда происходит это неравномерно, без должной "координации". Источником развития являются требования надсистем или других элементов, а мы всегда увлеченно совершенствуем то, что требуется сегодня, например, источник энергии или исполнительный орган - ведь пока остальные элементы справляются и конфликт еще не обострился!
Примеры:
Закон неравномерности развития частей системы. Природа в проекции на техносферу.
Сегодня речь пойдет о закономерности, которая для технических систем звучит так:
Развитие частей системы идет неравномерно; чем сложнее система, тем неравномернее развитие ее частей.
* Следствием данного закона является то, что рано или поздно изменение одной составляющей ТС спровоцирует цепную реакцию технических решений, которые приведут к изменению и оставшихся частей.
* Неравномерность развития частей системы является причиной возникновения противоречий и, следовательно, изобретательских задач.
Прежде, чем приводить технические примеры посмотрим, что происходит в сферах, не так легко управляемых человеком - в природе, в мире, в социуме.
Организм человека:
У ребенка нарастание массы головного и спинного мозга в основном заканчивается к 8—10 годам, почти достигая массы взрослого. А вот, вилочковая железа интенсивно развивается у плода, после же рождения рост ее замедляется, практически останавливается. Сердце: от рождения до двух лет усиленно растет, затем пауза до 7 лет, потом снова рост объема, в 11—13 лет к росту добавляется еще и тончайшая дифференцировка в клетках мышечных тканей сердца. Про каждый орган и функциональную систему организма медикам известны этапы роста, развития, тонкой настройки. И даны объяснения, исходя из функционала органа и требований адаптации организма к окружающему миру, т.е. надсистеме. Природа даже успевает предугадывать и разрешать назревающие внутри организма конфликты, казалось бы, связанные с нестыковками в скорости развития разных систем.
Самый заметный нам пример - подростковый организм: сердце опережает в росте кровеносные сосуды, вследствие чего кровяное давление повышается и затрудняет прежде всего работу самого сердца. Так называемое «юношеское сердце» приводит нередко к головокружениям, посинению и похолоданию конечностей у в этом возрасте. Головные боли, быстрая утомляемость и периодические приступы вялости; иногда у подростков наблюдается обморочное состояние из-за спазмов мозговых сосудов. Интенсивный рост тела, резкое усиление деятельности желез внутренней секреции, сильно повышают возбудимость центральной нервной системы. С окончанием периода полового созревания эти нарушения обычно исчезают бесследно. Ну, почти бесследно - все те, назревавшие "противоречия" в организме, природа разрешила путем "усложнения системы управления" организмом, развитием личности - новыми ощущениями себя, отношениями с окружающими, эмоциональным интеллектом и пр.
Социум и мир:
Здесь уже стоит учитывать активное вмешательство человека(ов), однако неравномерность развития разных элементов накапливается достаточно объективно и все также приводит к назреванию конфликтов/противоречий. Помните, про революционную ситуацию: "верхи не могут, а низы не хотят"? Это лишь часть характеристики, удачная фраза, описывающая эмоцию мира-подростка-капитализма. В то время капитализм эпохи свободной конкуренции уже превращался в империализм, и противоречия между двумя классами - пролетариатом и буржуазией - обострились. Стал очевиден конфликт между монополистическим и немонополистическим капиталом, между метрополиями и колониями, накопился разрыв в уровнях развития стран.
Как разрешался этот клубок противоречий, надеюсь, все помнят: мировая война - перераспределение мировых ресурсов, революции разных видов - новые идеологии и системы управления странами.
А что же технические системы?
Части ТС не развиваются самостоятельно, по собственному желанию, однако всегда происходит это неравномерно, без должной "координации". Источником развития являются требования надсистем или других элементов, а мы всегда увлеченно совершенствуем то, что требуется сегодня, например, источник энергии или исполнительный орган - ведь пока остальные элементы справляются и конфликт еще не обострился!
Примеры:
Совсем свежий - процессоры персональных компьютеров очень быстро наращивали мощность, а система охлаждения процессоров (кулер) практически не менялась. Охлаждение компьютеров, особенно ноутбуков до сегодняшних дней недостаточно эффективно: либо куллер сломается, либо процессор сгорит.
Второй пример почти "из глубины веков" - производительность токарного станка и его техническая характеристика оставались почти неизменными на протяжении многих лет. Интенсивно развивались привод, трансмиссия, повышалась точность, совершенствовалось управление. Сам резец как рабочий орган оставался прежним, то есть неподвижной моносистемой. И только когда вдруг (!?) снова потребовалось повышать производительность, появились вращающиеся чашечные резцы. Далее была задействована микроструктура вещества резца: под действием электрического тока режущая кромка резца стала колебаться до нескольких раз в секунду. А потом уже, благодаря газовым и лазерным резцам, полностью изменившим облик станка, скорость обработки металла вышла на новый, немыслимый полвека назад, уровень.
Итак, неравномерность развития элементов заложена самой природой. Не важно человеком ли создается/обостряется эта неравномерность или другими силами. Конфликты-противоречия, вызванные увеличением разрыва в развитии будут с нами всегда. Прерваться в увлекательном совершенствовании сегодняшней техники, увидеть поотставшие в развитии зоны, поставить задачи на поиск потенциальных решений для них и сработать на опережение - одна из задач творцов, т.е. нас с вами.
- Станислав Колчанов, консультант по ТРИЗ ЦСТ Analytera
Второй пример почти "из глубины веков" - производительность токарного станка и его техническая характеристика оставались почти неизменными на протяжении многих лет. Интенсивно развивались привод, трансмиссия, повышалась точность, совершенствовалось управление. Сам резец как рабочий орган оставался прежним, то есть неподвижной моносистемой. И только когда вдруг (!?) снова потребовалось повышать производительность, появились вращающиеся чашечные резцы. Далее была задействована микроструктура вещества резца: под действием электрического тока режущая кромка резца стала колебаться до нескольких раз в секунду. А потом уже, благодаря газовым и лазерным резцам, полностью изменившим облик станка, скорость обработки металла вышла на новый, немыслимый полвека назад, уровень.
Итак, неравномерность развития элементов заложена самой природой. Не важно человеком ли создается/обостряется эта неравномерность или другими силами. Конфликты-противоречия, вызванные увеличением разрыва в развитии будут с нами всегда. Прерваться в увлекательном совершенствовании сегодняшней техники, увидеть поотставшие в развитии зоны, поставить задачи на поиск потенциальных решений для них и сработать на опережение - одна из задач творцов, т.е. нас с вами.
- Станислав Колчанов, консультант по ТРИЗ ЦСТ Analytera
#история
А вы знали, что распределение Стьюдента могло называться распределением Госсета?
Уильям Сили Госсет – одна из важнейших фигур в истории статистики. Практически всю жизнь он проработал на пивоваренном заводе Guinness в Дублине. Госсет принял участие в усовершенствовании способов пивоварения, когда владелец завода принял решение отойти от традиционных способов производства. На рубеже девятнадцатого и двадцатого веков Guinness уделяла свое основное внимание поддержанию высокого качества продукции при одновременном увеличении масштабов и снижении себестоимости производства пива.
Госсет понял, как использовать статистические методы при сравнении рецептов пива, например, изучить влияние сырья, характеристики которого варьировались и зависели от внешней среды. Также постоянно требовалось проводить эксперименты, число которых всегда было недостаточным для выводов. Конечно, ученые периодически использовали небольшие выборки в качестве доказательства выводов, но они не имели никакой возможности измерить вероятную точность своих оценок. Все методы экстраполяции по выборке опирались на идею, что нужно взять большую выборку — больше 30 наблюдений — и использовать понятие стандартного нормального распределения. Этот подход был верен для большинства неторопливых академических исследований, но в условиях промышленного производства возможности рассмотреть большую выборку образцов зачастую просто не было.
Даже «научно мыслящие» компании — такие как «Гиннесс» — были ограничены в количестве продукта, который они могли подвергнуть тестированию: в конце концов, все они работали ради поставки товаров конечному потребителю и получения прибыли.
Госсет разработал математическое обоснование «закона ошибок» («law of errors») для малых статистических выборок. Сегодня его открытие известно как «t-распределение Стьюдента» (Student’s t-distribution). Распределение Стьюдента —основной способ определения вероятной ошибки оценки в зависимости от размера выборки, и по сей день широко применяемый в науке и промышленности. Student’s t-distribution является одним из столпов современной статистики и фундаментом концепции статистической значимости.
Так почему же распределение Стьюдента, а не Госсета? Guinness договорились с ученым, что он может опубликовать свои работы, но только так, чтобы конкуренты компании не смогли понять, как распределение с успехом используется в пивоваренной промышленности.
А вы знали, что распределение Стьюдента могло называться распределением Госсета?
Уильям Сили Госсет – одна из важнейших фигур в истории статистики. Практически всю жизнь он проработал на пивоваренном заводе Guinness в Дублине. Госсет принял участие в усовершенствовании способов пивоварения, когда владелец завода принял решение отойти от традиционных способов производства. На рубеже девятнадцатого и двадцатого веков Guinness уделяла свое основное внимание поддержанию высокого качества продукции при одновременном увеличении масштабов и снижении себестоимости производства пива.
Госсет понял, как использовать статистические методы при сравнении рецептов пива, например, изучить влияние сырья, характеристики которого варьировались и зависели от внешней среды. Также постоянно требовалось проводить эксперименты, число которых всегда было недостаточным для выводов. Конечно, ученые периодически использовали небольшие выборки в качестве доказательства выводов, но они не имели никакой возможности измерить вероятную точность своих оценок. Все методы экстраполяции по выборке опирались на идею, что нужно взять большую выборку — больше 30 наблюдений — и использовать понятие стандартного нормального распределения. Этот подход был верен для большинства неторопливых академических исследований, но в условиях промышленного производства возможности рассмотреть большую выборку образцов зачастую просто не было.
Даже «научно мыслящие» компании — такие как «Гиннесс» — были ограничены в количестве продукта, который они могли подвергнуть тестированию: в конце концов, все они работали ради поставки товаров конечному потребителю и получения прибыли.
Госсет разработал математическое обоснование «закона ошибок» («law of errors») для малых статистических выборок. Сегодня его открытие известно как «t-распределение Стьюдента» (Student’s t-distribution). Распределение Стьюдента —основной способ определения вероятной ошибки оценки в зависимости от размера выборки, и по сей день широко применяемый в науке и промышленности. Student’s t-distribution является одним из столпов современной статистики и фундаментом концепции статистической значимости.
Так почему же распределение Стьюдента, а не Госсета? Guinness договорились с ученым, что он может опубликовать свои работы, но только так, чтобы конкуренты компании не смогли понять, как распределение с успехом используется в пивоваренной промышленности.
#статьи #ии
Как ИИ помогает учёным изучать исследования о COVID-19, чтобы найти лекарства и создать вакцину
Научное сообщество всего мира мобилизовано для борьбы с пандемией COVID-19. Каждый день появляются сотни научных статей о новом виде коронавируса, как в журналах, так и в нерецензированных препринтах. Материалов уже гораздо больше, чем человек может успеть прочитать. Команда исследователей из Калифорнийского университета в Беркли рассказала изданию Conversation об инструменте, который помогает врачам получать новые инсайты о COVID-19 и может приблизить нас к нахождению лекарства.
По оценкам авторов, существует 500 000 документов, имеющих отношение к COVID-19, которые были опубликованы до вспышки вируса, включая работы, связанные со вспышками атипичной пневмонии в 2002 году и MERS в 2012 году. Любой из них может содержать информацию, которая позволит найти эффективное лечение или вакцину от COVID-19.
Традиционные методы поиска в научной литературе просто не помогают. Вот почему исследователи из университета Беркли используют методы искусственного интеллекта для создания поисковой системы COVIDScholar, посвященной COVID-19.
Полный текст статьи https://rb.ru/story/covidscholar/ , Автор Татьяна Петрущенкова, Редактор «Технологий»
Как ИИ помогает учёным изучать исследования о COVID-19, чтобы найти лекарства и создать вакцину
Научное сообщество всего мира мобилизовано для борьбы с пандемией COVID-19. Каждый день появляются сотни научных статей о новом виде коронавируса, как в журналах, так и в нерецензированных препринтах. Материалов уже гораздо больше, чем человек может успеть прочитать. Команда исследователей из Калифорнийского университета в Беркли рассказала изданию Conversation об инструменте, который помогает врачам получать новые инсайты о COVID-19 и может приблизить нас к нахождению лекарства.
По оценкам авторов, существует 500 000 документов, имеющих отношение к COVID-19, которые были опубликованы до вспышки вируса, включая работы, связанные со вспышками атипичной пневмонии в 2002 году и MERS в 2012 году. Любой из них может содержать информацию, которая позволит найти эффективное лечение или вакцину от COVID-19.
Традиционные методы поиска в научной литературе просто не помогают. Вот почему исследователи из университета Беркли используют методы искусственного интеллекта для создания поисковой системы COVIDScholar, посвященной COVID-19.
Полный текст статьи https://rb.ru/story/covidscholar/ , Автор Татьяна Петрущенкова, Редактор «Технологий»
Rusbase
Как ИИ помогает учёным изучать исследования о COVID-19, чтобы найти лекарства и создать вакцину | Rusbase
Создатели COVIDScholar о своём инструменте
#новости #ПП2020
Коллеги!
У нас новость - мы добавили в программу конференции Прогнозирование и планирование 2020 практический мастер-класс on-line «Оценка пределов прогнозируемости» Артема Егорова.
Как оценить реальные возможности по повышению точности прогнозов? Стоит ли вкладывать дополнительные ресурсы в развитие прогностических алгоритмов или мы близки к естественному потолку? Эти вопросы беспокоят всех, кто работает над повышением качества прогностической деятельности. В ходе мастер-класса будет показан один из подходов к оценке пределов прогнозируемости. Мы рассмотрим в чем идея алгоритма, какие есть ограничения и, наконец, на реальных данных покажем, как проводить вычисления. Алгоритм оценки будет демонстрироваться на примере исторической статистики реальных данных по продажам.
Для хорошего понимания техники все желающие смогут провести расчеты самостоятельно, скачав предварительно файл с исходными данными. Для выполнения самостоятельных расчетов достаточно будет иметь только MS Excel любой версии.
В связи с этим мы хотели бы провести опрос среди подписчиков канала.
Коллеги!
У нас новость - мы добавили в программу конференции Прогнозирование и планирование 2020 практический мастер-класс on-line «Оценка пределов прогнозируемости» Артема Егорова.
Как оценить реальные возможности по повышению точности прогнозов? Стоит ли вкладывать дополнительные ресурсы в развитие прогностических алгоритмов или мы близки к естественному потолку? Эти вопросы беспокоят всех, кто работает над повышением качества прогностической деятельности. В ходе мастер-класса будет показан один из подходов к оценке пределов прогнозируемости. Мы рассмотрим в чем идея алгоритма, какие есть ограничения и, наконец, на реальных данных покажем, как проводить вычисления. Алгоритм оценки будет демонстрироваться на примере исторической статистики реальных данных по продажам.
Для хорошего понимания техники все желающие смогут провести расчеты самостоятельно, скачав предварительно файл с исходными данными. Для выполнения самостоятельных расчетов достаточно будет иметь только MS Excel любой версии.
В связи с этим мы хотели бы провести опрос среди подписчиков канала.
У нас есть возможность проводить платные on-line мастер-классы с возможностью самостоятельных вычислений на реальных данных. Интересен ли вам такой формат?
Anonymous Poll
83%
Да
17%
Нет
Если да, какие темы или способы вычислений вы хотели бы освоить? Ответ на вопрос можно отправить в группу Analytera Info или на электронную почту orgcom@analytera.ru
#софт #статметоды #калькулятор
В настоящее время при выполнении статистическое анализа по результатам проверки гипотез в соответствии с международными рекомендациями (ICMJE, 2013) следует приводить не только p-значение (можно даже и без него обойтись), но также 95%-ый доверительный интервал для оцененных различий сравниваемых средних (медиан, долей) и значение стандартизированного эффекта, на основании которого можно сделать вывод о практической важности различий. Стандартизированный эффект при сравнении средних с помощью t-критерия Стьюдента https://www.socscistatistics.com/effectsize/default3.aspx может быть рассчитан по формулам Гласса, Хеджеса и Кохена (Glass, Hedges & Cohen). В общем случае рассчитывается эффект по Коэну, для малых выборок (не более 16 наблюдений) – по Хеджесу, формула Гласса используется при неравных дисперсия в выборках.
Все три варианта можно рассчитать в бесплатном калькуляторе «Effect Size Calculator for T-Test»
https://www.socscistatistics.com/effectsize/default3.aspx, что особенно ценно, учитывая отсутствие подобного расчета, например, в SPSS, Minitab, IBM SPSS Statistics.
В настоящее время при выполнении статистическое анализа по результатам проверки гипотез в соответствии с международными рекомендациями (ICMJE, 2013) следует приводить не только p-значение (можно даже и без него обойтись), но также 95%-ый доверительный интервал для оцененных различий сравниваемых средних (медиан, долей) и значение стандартизированного эффекта, на основании которого можно сделать вывод о практической важности различий. Стандартизированный эффект при сравнении средних с помощью t-критерия Стьюдента https://www.socscistatistics.com/effectsize/default3.aspx может быть рассчитан по формулам Гласса, Хеджеса и Кохена (Glass, Hedges & Cohen). В общем случае рассчитывается эффект по Коэну, для малых выборок (не более 16 наблюдений) – по Хеджесу, формула Гласса используется при неравных дисперсия в выборках.
Все три варианта можно рассчитать в бесплатном калькуляторе «Effect Size Calculator for T-Test»
https://www.socscistatistics.com/effectsize/default3.aspx, что особенно ценно, учитывая отсутствие подобного расчета, например, в SPSS, Minitab, IBM SPSS Statistics.
Social Science Statistics
Free statistics calculators for students and researchers in the social sciences.
#триз #11зртс
Закон повышения управляемости. Не власти ради, а "токмо пользы для"...
Формулировка этого закона следующая:
Закономерность, заключающаяся в том, что в процессе развития технические системы становятся все более управляемыми.
Звучит весьма банально, но здесь есть что рассмотреть. Вот комментарии:
Управление - это комплекс действий, целью которых является подстройка системы под изменяющиеся параметры обрабатываемого объекта, элементов надсистемы и/или окружающей среды. То есть согласовываться с изменяющимися условиями и продолжать приносить пользу, выполнять функции на хорошем уровне. Таким образом, данный закон - один из механизмов повышения согласованности, о котором был пост ранее. А вот чтобы управление системой осуществлялось, сама она "должна уметь" функционировать в нескольких состояниях, т.е. быть изменяемой, динамичной. О законе повышения динамичности еще не было поста, но он будет. Сейчас же нам важно, что существует связка: согласованость-управляемость-динамчность.
Многие системы изначально создаются неуправляемыми - просто учитываются параметры обрабатываемых ими объектов в своих наихудших или наиболее вероятных значениях. Так, забор выстроенный от нарушителя, имеет обоснованную высоту и прочность. И - точка, ничего в таком заборе не сможет отреагировать при "атаке" боевым слоном или человеком на телескопических ходулях :)
Приведу ниже несколько степеней управляемости, а читателю предлагаю пофантазировать что может получиться, если доразвить забор по этим пунктам. Поехали!
• Система, работающая по жесткой программе. Крылатая ракета, посудомоечная и стиральная машины действуют по зашитому в них алгоритму, независимо от степени загрязнения объектов их главной функции или даже - от наличия/отсутсвия этих объектов. Иногда пользователь может выбрать один из алгоритмов и нажать кнопку пуск.
• Часы - хороший пример системы с жесткой программой, однако они чуть более управляемы, поскольку допускают корректировку с учетом фактических данных извне. И тут не важно, подводим ли мы стрелки вручную раз в неделю или раз в секунду электронные часы получают синхро-сигнал через сеть - суть от этого не меняется: жесткая программа, плюс периодическая корректировка из надсистемы.
Успеваете представить, каким должен быть и как функционировать забор, работающий по жесткой программе? А по жесткой программе с периодической корректировкой?
• Далее - системы с внешним управлением. Здесь не только войско радиоуправляемых моделей, но и весь ручной инструмент, швейная машинка, газовая плита и многие технологические процессы с операторами, например, процесс выработки сахара из свеклы. Даже обычный автомобиль - ведь водитель является объектом главной функции автомобиля, то есть "внешним" для авто. Объект управляет ТС.
• Чайник со свистком - внешнее управление, а современный электрический чайник - уже полшага к самоуправляемой системе: запускается извне, а останавливается сама. Примеры самоправляемых систем: сущетсвующие нынче системы кондиционирования и увлажнения воздуха в помещении, стеклоочистители с датчиком дождя в автомобиле, самонаводящиеся ракеты, подсветка экрана телефона, меняющаяся с учетом внешнего освещния. Даже предохранительный клап и электрический предохранитель - самоуправляемые, они "принимают решение и действуют сами" в зависимости изменения параметров обрабатывемого объекта.
Напоминаю про забор: как приспособить его реакцию на хитроумных внешних нарушителей, применив внешнее управление? А применив самуправление?
Закон повышения управляемости. Не власти ради, а "токмо пользы для"...
Формулировка этого закона следующая:
Закономерность, заключающаяся в том, что в процессе развития технические системы становятся все более управляемыми.
Звучит весьма банально, но здесь есть что рассмотреть. Вот комментарии:
Управление - это комплекс действий, целью которых является подстройка системы под изменяющиеся параметры обрабатываемого объекта, элементов надсистемы и/или окружающей среды. То есть согласовываться с изменяющимися условиями и продолжать приносить пользу, выполнять функции на хорошем уровне. Таким образом, данный закон - один из механизмов повышения согласованности, о котором был пост ранее. А вот чтобы управление системой осуществлялось, сама она "должна уметь" функционировать в нескольких состояниях, т.е. быть изменяемой, динамичной. О законе повышения динамичности еще не было поста, но он будет. Сейчас же нам важно, что существует связка: согласованость-управляемость-динамчность.
Многие системы изначально создаются неуправляемыми - просто учитываются параметры обрабатываемых ими объектов в своих наихудших или наиболее вероятных значениях. Так, забор выстроенный от нарушителя, имеет обоснованную высоту и прочность. И - точка, ничего в таком заборе не сможет отреагировать при "атаке" боевым слоном или человеком на телескопических ходулях :)
Приведу ниже несколько степеней управляемости, а читателю предлагаю пофантазировать что может получиться, если доразвить забор по этим пунктам. Поехали!
• Система, работающая по жесткой программе. Крылатая ракета, посудомоечная и стиральная машины действуют по зашитому в них алгоритму, независимо от степени загрязнения объектов их главной функции или даже - от наличия/отсутсвия этих объектов. Иногда пользователь может выбрать один из алгоритмов и нажать кнопку пуск.
• Часы - хороший пример системы с жесткой программой, однако они чуть более управляемы, поскольку допускают корректировку с учетом фактических данных извне. И тут не важно, подводим ли мы стрелки вручную раз в неделю или раз в секунду электронные часы получают синхро-сигнал через сеть - суть от этого не меняется: жесткая программа, плюс периодическая корректировка из надсистемы.
Успеваете представить, каким должен быть и как функционировать забор, работающий по жесткой программе? А по жесткой программе с периодической корректировкой?
• Далее - системы с внешним управлением. Здесь не только войско радиоуправляемых моделей, но и весь ручной инструмент, швейная машинка, газовая плита и многие технологические процессы с операторами, например, процесс выработки сахара из свеклы. Даже обычный автомобиль - ведь водитель является объектом главной функции автомобиля, то есть "внешним" для авто. Объект управляет ТС.
• Чайник со свистком - внешнее управление, а современный электрический чайник - уже полшага к самоуправляемой системе: запускается извне, а останавливается сама. Примеры самоправляемых систем: сущетсвующие нынче системы кондиционирования и увлажнения воздуха в помещении, стеклоочистители с датчиком дождя в автомобиле, самонаводящиеся ракеты, подсветка экрана телефона, меняющаяся с учетом внешнего освещния. Даже предохранительный клап и электрический предохранитель - самоуправляемые, они "принимают решение и действуют сами" в зависимости изменения параметров обрабатывемого объекта.
Напоминаю про забор: как приспособить его реакцию на хитроумных внешних нарушителей, применив внешнее управление? А применив самуправление?