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?
Напоследок сквозной пример - пешеходный переход через улицу. Техническая функция этой системы - заранее информировать водителя о необходимости остановиться при наличии пешехода на данном участке проезжей части. Итак: простая зебра, даже плюс дорожный знак - система неуправляемая (0). Добавили стандартный светофор, работающий по жесткой программе (1). В "мозги" светофора добавили несколько программ, в зависимости от времени суток включается одна из них (1'). Перераспределились потоки в городе, собрали новую статистику по трафику и перепрограммировали, скорректировали светофор (1''). Наконец, поставили на кнопку сотрудника ДПС, потом позволили эту кнопку нажимать уже самим пешеходам - ввели внешнее управление (2). Следующий шаг - самоуправляемая система (3): детекторы определяют, каков трафик, есть ли пешеходы на подходе и грамотно реагирует на ситуацию переключением цветов.
И это не конец, ведь информирование водителя не гарантирует остановку машины, а наличие сигнала светофора не ограничивает движение пешехода. Лежачие полицейские - не очень эффективное решение, а подземные переходы слишком затратные.
Всем успехов в повышении управляемости и легкости в самоуправлении!
- Станислав Колчанов, консультант по ТРИЗ ЦСТ Analytera
И это не конец, ведь информирование водителя не гарантирует остановку машины, а наличие сигнала светофора не ограничивает движение пешехода. Лежачие полицейские - не очень эффективное решение, а подземные переходы слишком затратные.
Всем успехов в повышении управляемости и легкости в самоуправлении!
- Станислав Колчанов, консультант по ТРИЗ ЦСТ Analytera
#статья #StageGate #SAMSONOWAandPartners #rnd
Создание и разработка нового продукта - долгий и дорогой процесс, включающий множество рисков и неопределенностей. Для управления и лучшего координирования этого хаотичного, на первый взгляд, процесса многие компании используют инструмент Stage-Gate. Что это за модель? Из чего она состоит? И, главное - как ее использовать? Ответы на все эти вопросы, а также бесплатную брошюру по подходу Stage-Gate Вы найдете на сайте компании SAMSONOWA & Partners:
https://www.samsonowa.com/ru/2020/04/20/stage-gate/
Создание и разработка нового продукта - долгий и дорогой процесс, включающий множество рисков и неопределенностей. Для управления и лучшего координирования этого хаотичного, на первый взгляд, процесса многие компании используют инструмент Stage-Gate. Что это за модель? Из чего она состоит? И, главное - как ее использовать? Ответы на все эти вопросы, а также бесплатную брошюру по подходу Stage-Gate Вы найдете на сайте компании SAMSONOWA & Partners:
https://www.samsonowa.com/ru/2020/04/20/stage-gate/
#софт #статметоды
Еще одна бесплатная статистическая программа нового поколения, в которой реализованы методы классической и байесовской (бэйзовской) статистики. Программа JASP (https://jasp-stats.org/). Результаты расчетов полностью соответствуют современным требованиям к оформлению результатов статистического анализа: выводится p-значение, доверительный интервал (коэффициента корреляции, разности средних, медиан и т.п.), а также значение стандартизированного эффекта различий (тоже с доверительным интервалом). Если использовать эту программу, можно не делать выбор, какой критерий применить – параметрический или непараметрический, т.к. оба результата получаются одновременно.
Еще одна бесплатная статистическая программа нового поколения, в которой реализованы методы классической и байесовской (бэйзовской) статистики. Программа JASP (https://jasp-stats.org/). Результаты расчетов полностью соответствуют современным требованиям к оформлению результатов статистического анализа: выводится p-значение, доверительный интервал (коэффициента корреляции, разности средних, медиан и т.п.), а также значение стандартизированного эффекта различий (тоже с доверительным интервалом). Если использовать эту программу, можно не делать выбор, какой критерий применить – параметрический или непараметрический, т.к. оба результата получаются одновременно.
JASP - Free and User-Friendly Statistical Software
JASP - A Fresh Way to Do Statistics
JASP is an open-source statistics program that is free, friendly, and flexible. Armed with an easy-to-use GUI, JASP allows both classical and Bayesian analyses.
#статистика
Как найти размер образца для 8 общих исследовательских дизайнов
Какой размер выборки нам нужен?
Это один из самых распространенных вопросов исследователей.
Определение правильного размера выборки для проекта является наукой, но не точной наукой.
Это похоже на оценку дома: вы делаете предположения, некоторые из которых более точны, чем другие, но редко даете оценку, точно совпадающую с окончательной ценой продающегося дома.
Но хорошая оценка, как и хорошая оценка размера выборки, приближает вас к истине.
Определение размера выборки включает в себя определение типа метрик, которые вы будете собирать, и способов их сбора. Как правило, вы выбираете один из трех подходов, чтобы найти правильный размер выборки:
- выявление проблем или идей
- оценка параметра
- сравнение
В статье рассмотрены восемь исследований с определением размера выборки для каждого.
https://measuringu.com/sample-size-designs/
Как найти размер образца для 8 общих исследовательских дизайнов
Какой размер выборки нам нужен?
Это один из самых распространенных вопросов исследователей.
Определение правильного размера выборки для проекта является наукой, но не точной наукой.
Это похоже на оценку дома: вы делаете предположения, некоторые из которых более точны, чем другие, но редко даете оценку, точно совпадающую с окончательной ценой продающегося дома.
Но хорошая оценка, как и хорошая оценка размера выборки, приближает вас к истине.
Определение размера выборки включает в себя определение типа метрик, которые вы будете собирать, и способов их сбора. Как правило, вы выбираете один из трех подходов, чтобы найти правильный размер выборки:
- выявление проблем или идей
- оценка параметра
- сравнение
В статье рассмотрены восемь исследований с определением размера выборки для каждого.
https://measuringu.com/sample-size-designs/
#триз #11зртс
Закон повышения динамичности. Пределы гибкости.
Формулировка:
Закономерность, заключающаяся в том, что в процессе развития у систем и их элементов увеличиваются гибкость, динамичность и способность к адаптации.
Эта закономерность замыкает тройку "согласованность-управляемость-динамичность", о ней напомню: чтобы лучше (и с меньшими затратами) удовлетворять изменяющимся условиям/требованиям надсистемы, взаимодействия элементов должны становиться все более согласованными; чтобы это согласование осуществлять, необходимо быстро управляться - перестраивать режимы или даже структуру системы. И тут, внимание! - чтобы быстро перестраиваться, надо быть достаточно гибким. О чем и говорит нам формулировка закона.
Механизм реализации выглядит достаточно простым - раздроби себе объект на части, соедини их гибкими связями, вот и динамичность повысилась! Так появляются корданные, цепные и ременные передачи вместо прямых валов, шестеренок и червяков. Так при повышении вместительности городской автобус получает гибкое соединение, чтобы вписываться в повороты на городских перекрестках. Так появляются складные и телескопические стремянки, более удобные в хранении. Так сечение ленты конвейера превращается из плоского в вогнутое за счет дробления протяженного направляющего ролика на несколько малых, размещенных по дуге. Так и линейка превращается в складной метр, такой - из кусочков по 10 см (кто помнит?), а потом - и в рулетку...
Все, вроде, просто и понятно. Однако, мы все знаем и следующий шаг в развитии "этой линейки" - лазерные рулетки и дальномеры. Да, сильное решение - переход от гибких конструкций к газообразным, жидкостным или к полям! И если идея "раздробить объект на части и связать их гибкими связями" ещё как-то укладывается в голове, то направление мысли "а теперь замени всё это на жидкость, газ или поле!" вызывает серьезное сопротивление, и здесь потребуется вся мощь креативности. Но и успех будет куда больше - смена принципа действия, совсем иные способы управления новой системой, повышение идеальности (про нее писали выше - https://t.me/analytera/62).
Примеры про переходы к еще более динамичным, полевым взаимодействиям в системах:
Все варианты беспроводной связи - мобильные телефоны, пульты для телевизора, радиоуправляемые модели - имели проводных или контактных предшественников. Немеханическое "сцепление с дорогой" в виде воздушной подушки и магнитого монорельса сегодня уже не сильно впечатляет, но его же кто-то осмелился придумать! С механической резкой/вырубкой материала соседствуют лазерная; с мехобработкой поверхности - химическая и термическая. При этом полная замена одного способа другим не обязательна - важно, что для получения нужного результата нож/резец/шкурка заменяются на химию, тепло, свет. И повышается точность обрабокти за счет более гибкого, более управляемого инструмента.
Напоследок: замена подлинников картин и скульптур их голографическими (полевыми) копиями. Мы же готовы потерпеть некоторую потерю в качестве, если такую выставку можно собрать достаточно быстро и продемонстрировать где угодно, без пересечения границ и нарушения карантинов?
Пошаговая схема динамизации приведена на схеме внизу поста. Бывает, что промежуточные шаги в развитии систем пропускаются или не всегда требуется достичь конечной точки "полевое взаимодействие" - ведь задача лишь согласоваться с изменяющимися условиями, а не стать максимально гибким за ради удовольствия.
Желаю всем гибкости в теле и динамичности в жизни!
- Станислав Колчанов, консультант по ТРИЗ ЦСТ Analytera
Закон повышения динамичности. Пределы гибкости.
Формулировка:
Закономерность, заключающаяся в том, что в процессе развития у систем и их элементов увеличиваются гибкость, динамичность и способность к адаптации.
Эта закономерность замыкает тройку "согласованность-управляемость-динамичность", о ней напомню: чтобы лучше (и с меньшими затратами) удовлетворять изменяющимся условиям/требованиям надсистемы, взаимодействия элементов должны становиться все более согласованными; чтобы это согласование осуществлять, необходимо быстро управляться - перестраивать режимы или даже структуру системы. И тут, внимание! - чтобы быстро перестраиваться, надо быть достаточно гибким. О чем и говорит нам формулировка закона.
Механизм реализации выглядит достаточно простым - раздроби себе объект на части, соедини их гибкими связями, вот и динамичность повысилась! Так появляются корданные, цепные и ременные передачи вместо прямых валов, шестеренок и червяков. Так при повышении вместительности городской автобус получает гибкое соединение, чтобы вписываться в повороты на городских перекрестках. Так появляются складные и телескопические стремянки, более удобные в хранении. Так сечение ленты конвейера превращается из плоского в вогнутое за счет дробления протяженного направляющего ролика на несколько малых, размещенных по дуге. Так и линейка превращается в складной метр, такой - из кусочков по 10 см (кто помнит?), а потом - и в рулетку...
Все, вроде, просто и понятно. Однако, мы все знаем и следующий шаг в развитии "этой линейки" - лазерные рулетки и дальномеры. Да, сильное решение - переход от гибких конструкций к газообразным, жидкостным или к полям! И если идея "раздробить объект на части и связать их гибкими связями" ещё как-то укладывается в голове, то направление мысли "а теперь замени всё это на жидкость, газ или поле!" вызывает серьезное сопротивление, и здесь потребуется вся мощь креативности. Но и успех будет куда больше - смена принципа действия, совсем иные способы управления новой системой, повышение идеальности (про нее писали выше - https://t.me/analytera/62).
Примеры про переходы к еще более динамичным, полевым взаимодействиям в системах:
Все варианты беспроводной связи - мобильные телефоны, пульты для телевизора, радиоуправляемые модели - имели проводных или контактных предшественников. Немеханическое "сцепление с дорогой" в виде воздушной подушки и магнитого монорельса сегодня уже не сильно впечатляет, но его же кто-то осмелился придумать! С механической резкой/вырубкой материала соседствуют лазерная; с мехобработкой поверхности - химическая и термическая. При этом полная замена одного способа другим не обязательна - важно, что для получения нужного результата нож/резец/шкурка заменяются на химию, тепло, свет. И повышается точность обрабокти за счет более гибкого, более управляемого инструмента.
Напоследок: замена подлинников картин и скульптур их голографическими (полевыми) копиями. Мы же готовы потерпеть некоторую потерю в качестве, если такую выставку можно собрать достаточно быстро и продемонстрировать где угодно, без пересечения границ и нарушения карантинов?
Пошаговая схема динамизации приведена на схеме внизу поста. Бывает, что промежуточные шаги в развитии систем пропускаются или не всегда требуется достичь конечной точки "полевое взаимодействие" - ведь задача лишь согласоваться с изменяющимися условиями, а не стать максимально гибким за ради удовольствия.
Желаю всем гибкости в теле и динамичности в жизни!
- Станислав Колчанов, консультант по ТРИЗ ЦСТ Analytera
#история
Статистика кладов исключает демографический взрыв в Древнем Риме в I веке н.э.
Какая может быть связь между найденными археологами кладами и политическими потрясениями в истории и причем тут статистика?
Американские исследователи предложили новый метод оценки численности населения в прошлые эпохи. Для реконструкции демографических показателей они использовали данные по распределению кладов во времени. Число найденных (то есть не вернувшихся к владельцам) кладов зависит от социальной нестабильности, а социальная нестабильность, в свою очередь, снижает прирост населения. Таким образом, чем больше найдено кладов, тем меньше был прирост населения.
В статье по ссылке вы можете найти информацию, как ученые исследовали статистические данные по нахождению кладов и увидеть корреляцию на графиках.
https://elementy.ru/novosti_nauki/431165/Statistika_kladov_isklyuchaet_demograficheskiy_vzryv_v_Drevnem_Rime_v_I_veke_n_e
Статистика кладов исключает демографический взрыв в Древнем Риме в I веке н.э.
Какая может быть связь между найденными археологами кладами и политическими потрясениями в истории и причем тут статистика?
Американские исследователи предложили новый метод оценки численности населения в прошлые эпохи. Для реконструкции демографических показателей они использовали данные по распределению кладов во времени. Число найденных (то есть не вернувшихся к владельцам) кладов зависит от социальной нестабильности, а социальная нестабильность, в свою очередь, снижает прирост населения. Таким образом, чем больше найдено кладов, тем меньше был прирост населения.
В статье по ссылке вы можете найти информацию, как ученые исследовали статистические данные по нахождению кладов и увидеть корреляцию на графиках.
https://elementy.ru/novosti_nauki/431165/Statistika_kladov_isklyuchaet_demograficheskiy_vzryv_v_Drevnem_Rime_v_I_veke_n_e
Элементы
Статистика кладов исключает демографический взрыв в Древнем Риме в I веке н.э.
Американские исследователи предложили новый метод оценки численности населения в прошлые эпохи. Для реконструкции демографических показателей они использовали данные по распределению кладов во времени. Число найденных (то есть не вернувшихся к владельцам)…
#статистика #bigdata
Мир big data в 8 терминах
Мировой объем оцифрованной информации растет по экспоненте. По данным компании IBS, к 2003 году мир накопил 5 эксабайтов данных (1 ЭБ = 1 млрд гигабайтов). К 2008 году этот объем вырос до 0,18 зеттабайта (1 ЗБ = 1024 эксабайта), к 2011 году — до 1,76 зеттабайта, к 2013 году — до 4,4 зеттабайта. В мае 2015 года глобальное количество данных превысило 6,5 зеттабайта. К 2020 году, по прогнозам, человечество сформирует 40-44 зеттабайтов информации.
Сможем ли мы совладать с ней? По расчетам IBS, в 2013 году только 1,5% накопленных массивов данных имело информационную ценность. К счастью, мир спасут технологии обработки больших данных. Они позволят людям объять необъятное и получить из этого пользу. Каким образом — читайте дальше.
https://rb.ru/howto/big-data-in-8-terms/
Мир big data в 8 терминах
Мировой объем оцифрованной информации растет по экспоненте. По данным компании IBS, к 2003 году мир накопил 5 эксабайтов данных (1 ЭБ = 1 млрд гигабайтов). К 2008 году этот объем вырос до 0,18 зеттабайта (1 ЗБ = 1024 эксабайта), к 2011 году — до 1,76 зеттабайта, к 2013 году — до 4,4 зеттабайта. В мае 2015 года глобальное количество данных превысило 6,5 зеттабайта. К 2020 году, по прогнозам, человечество сформирует 40-44 зеттабайтов информации.
Сможем ли мы совладать с ней? По расчетам IBS, в 2013 году только 1,5% накопленных массивов данных имело информационную ценность. К счастью, мир спасут технологии обработки больших данных. Они позволят людям объять необъятное и получить из этого пользу. Каким образом — читайте дальше.
https://rb.ru/howto/big-data-in-8-terms/
rb.ru
Мир big data в 8 терминах
Тем, кто не осилил Википедию
#новости #ПП2020
Коллеги!
Напоминаем, что с 30 сентября по 2 октября пройдет наша онлайн конференция Прогнозирование и планирование 2020.
«Прогнозирование и планирование» https://www.forecasting-conference.ru/ - это единственная русскоязычная конференция по прогнозированию в России для производственных компаний и коммерческих предприятий.
В течение трех онлайн-дней вы сможете:
• познакомиться с уникальными практическими кейсами, представленными ведущими специалистами
• рассмотреть как уже зарекомендовавшие себя, так и новые подходы и методики решения задач, связанных с прогнозированием и планированием
• обменяться информацией с коллегами
• пообщаться с выступающими экспертами и задать интересующие вас вопросы
Будем рады встретиться с вами!
Ниже вы найдете актуальную программу конференции
Коллеги!
Напоминаем, что с 30 сентября по 2 октября пройдет наша онлайн конференция Прогнозирование и планирование 2020.
«Прогнозирование и планирование» https://www.forecasting-conference.ru/ - это единственная русскоязычная конференция по прогнозированию в России для производственных компаний и коммерческих предприятий.
В течение трех онлайн-дней вы сможете:
• познакомиться с уникальными практическими кейсами, представленными ведущими специалистами
• рассмотреть как уже зарекомендовавшие себя, так и новые подходы и методики решения задач, связанных с прогнозированием и планированием
• обменяться информацией с коллегами
• пообщаться с выступающими экспертами и задать интересующие вас вопросы
Будем рады встретиться с вами!
Ниже вы найдете актуальную программу конференции
#софт #статметоды
Бесплатная статистическая программа нового поколения, в которой, как и в JASP, реализованы методы классической и байесовской (бэйзовской) статистики, а выходные формы полностью соответствуют современным требованиям к оформлению результатов статистического анализа. Программа Jamovi (https://www.jamovi.org/features.html), разработчик которой – один из разработчиков JASP. Разработчики позиционируют программу как бесплатную альтернативу таким дорогостоящим пакетам, как SPSS и SAS. Пишут, что программа всегда будет бесплатной и открытой, т.к. «сделана научным сообществом для научного сообщества».
А если выполнять расчеты частично в JASP, частично – в Jamovi, можно очень облегчить себе написание отчета по результатам анализа.
Бесплатная статистическая программа нового поколения, в которой, как и в JASP, реализованы методы классической и байесовской (бэйзовской) статистики, а выходные формы полностью соответствуют современным требованиям к оформлению результатов статистического анализа. Программа Jamovi (https://www.jamovi.org/features.html), разработчик которой – один из разработчиков JASP. Разработчики позиционируют программу как бесплатную альтернативу таким дорогостоящим пакетам, как SPSS и SAS. Пишут, что программа всегда будет бесплатной и открытой, т.к. «сделана научным сообществом для научного сообщества».
А если выполнять расчеты частично в JASP, частично – в Jamovi, можно очень облегчить себе написание отчета по результатам анализа.