Двумерные нормальные распределения

⏭️ Подпишитесь на нас в Patreon   / socratica   В предыдущем видео мы обсуждали одномерное нормальное распределение (колоколообразную кривую), так что теперь вы все эксперты! Нормальные распределения    • Normal Distributions Explained – With Real...   В этом уроке мы расширим знакомую колоколообразную кривую на два измерения. Двумерное нормальное распределение — также называемое гауссовым распределением для двух переменных — описывает, как данные разбросаны, когда одновременно наблюдается вариация в двух направлениях. Начиная с метания дротиков в мишень и использования деревянных брусков, мы постепенно осваиваем интуитивное понимание перехода от одномерного к двумерному моделированию. Вы узнаете, как вектор среднего значения и ковариационная матрица определяют форму распределения, и как функции плотности вероятности обобщаются от кривых к поверхностям. Попутно мы изучим реальные примеры применения, включая доходность фондового рынка и высокоточные виды спорта. В конце вы увидите, как двумерный случай подготавливает нас к общему многомерному нормальному распределению в любом количестве измерений. ⏭️ Вы можете найти информацию о следующем: 0:00 Дротики и двумерные вариации 1:00 Краткий обзор одномерных нормальных распределений 2:00 От кривых к поверхностям 3:00 Вектор среднего значения 4:30 Ковариационная матрица 6:00 Доходность акций Пример 7:30 Двумерная функция плотности вероятности 9:00 Приложения: дартс и акции 11:00 От двумерных к N-мерным распределениям ▶️ 𝙒𝘼𝙏𝘾𝙃 𝙉𝙀𝙓𝙏: Нормальные распределения    • Normal Distributions Explained – With Real...   Особая благодарность нашим замечательным спонсорам на Patreon: Умар Хан Трейси Карин Прелл Томас Майерс Майкл Шебанов Маркос Сильвейра М. Эндрюс KW Кевин Б. Джон Кравец Джереми Шиманек Эрик Экклстон Кристофер Кемсли Джим Вудворт Спасибо, добрые друзья! 💜🦉 Подпишитесь на наш Patreon:   / socratica   📚 Мы рекомендуем (партнерские ссылки): «Прогулка пьяницы: как случайность управляет нашей жизнью» Леонарда Млодинова https://amzn.to/4j9n0YP «Искусство статистики: как учиться на данных» Дэвида Шпигельхальтер https://amzn.to/3S9E46a Как стать отличным учеником (по мотивам Сократики!) электронная книга: https://amzn.to/2Lh3XSP бумажная книга: https://amzn.to/3t5jeH3 🎬 АВТОРЫ: Автор сценария и продюсер: Майкл Харрисон и Кимберли Хэтч Харрисон Монтаж: Аливия Браун и Меги Шуке Музыкальная лицензия от Soundstripe Код: 6F6NQWRP2DBJBIQZ 🎓 ABOT OR ВВЕДЕНИЕ: Майкл получил степень бакалавра математики в Калифорнийском технологическом институте (Caltech), а также занимался аспирантурой по математике в Калифорнийском университете в Беркли и Вашингтонском университете, специализируясь на теории чисел. Будучи программистом-самоучкой, Майкл преподавал математику и компьютерное программирование в колледже. Он применял эти знания в качестве финансового аналитика (количественного специалиста) и программиста в Google. Кимберли получила степень бакалавра биологии и еще одну степень бакалавра английского языка в Caltech. Она занималась аспирантурой по молекулярной биологии в Принстоне, специализируясь на иммунологии и нейробиологии. Кимберли более 16 лет проработала научным сотрудником и двенадцать лет преподавала биологию и химию. Майкл и Кимберли Харрисон являются соучредителями Socratica. Их миссия? Создать образование будущего. Готовы 🧠 ПОГРУЗИТЬСЯ В МИР с Сократикой? 📺 Подпишитесь на SMART-видео по математике, естественным наукам и программированию: http://bit.ly/SocraticaSubscribe ▶️ МАТЕРИАЛЫ: Советы по учебе http://bit.ly/StudyTipsPlaylist Python http://bit.ly/PythonSocratica Химия http://bit.ly/Chemistry_Playlist Математический анализ http://bit.ly/CalculusSocratica Геометрия http://bit.ly/GeometrySocratica #2DNormalDistributions #math #MeanVector