#建模 #精確 #預測誤差 #數學模型

#機率分配模擬器 #中央極限定理 #統計學
大數據分析基礎
來自不同機率分配隨機樣本的中央極限定理研究 介紹
技術來源：模擬
技術應用：大數據建模、尋找數據分配、機率模型、統計模型、驗證中央極限定理

中央極限定理觀念 #中央極限定理

中央極限定理使用得太頻繁，樣本個數超過30就套用標準常態分配進行統計分析。但事實真是如此嗎？

特別是在大數據和人工智慧、元宇宙的模擬技術中就樣本數超過30時套用中央極限，而不管誤差是否可能發生？

現在可以拆開成隨機樣本的相加模式，搭配機率分配模擬器，一個個隨機樣本加上去，檢測樣本個數多少才能有中央極限特性。

這不再是說個教科書說樣本超過30或來個自我認定的經驗原則來說數了！

方法論在美國亞馬遜網路書店，書名”Excel calculating probability distribution simulated data”

大數據和人工智慧若要使用統計分析，那必可不免的會碰到中央極限定理，現在已經有28個分配檢測過中央極限定理特性需要多少樣本數才足夠。

https://youtu.be/7tbThx6Lo5s

#simulation #中央極限定理 #機率 #統計

大數據分析或人工智慧基礎模板：機率分配模擬器

必要功能：
1️⃣ 常用45種機率分配的隨機樣本皆可模擬
2️⃣ 可以隨機生成1億筆以上
3️⃣ 可同時生成兩組或以上的獨立隨機樣本
4️⃣ 可同時生成兩組或以上相依隨機樣本
5️⃣ 可讓機率分配任意函數轉換
6️⃣ 可讓機率分配任意做數學組合

既然機率分配模擬器是人工智慧基礎模板，樣本訓練和比對就是為了能夠和基礎模板配適！

你基礎模板內的機率分配種類不夠多，不能做任意的函數轉換，不能任意做數學組合，硬要套入不到10種固定的機率分配，這就是為什麼人工智慧不會有數學模型結果，只有圖形和精確指標提供參考！

#數據分析
喜歡請點讚、關注和分享，謝謝

介紹文：你用對數據分析嗎？分享完整的數據分析流程

https://meiyulee.github.io/leetalk/2022/03/25/data-analysis-procedure

這文寫了兩天😂😂，如果有新的還會繼續增加

#數據分析

喜歡請點讚、關注和分享，謝謝

分享文：為什麼比對模型那麼困難，搞出那麼多花招指標

https://meiyulee.github.io/leetalk/2022/03/27/cannot-compare-model-reason

有直線道路只是路上障礙太多還特移不走

繞路而行也不知定位系統有沒有發揮作用，能夠走到目地的

我提出兩點說明為什麼比對模型那麼困難！

#數據分析

喜歡請點讚、關注和分享，謝謝