|
|
|
|
Die meisten hier kennen bestimmt Alan Beckers Video Animation vs Maths
Er hat knapp zwei Wochen ein neues Video rausgebracht: Animation vs Physics
e: ein würdiger Post für eine neue Seite.
|
[Dieser Beitrag wurde 1 mal editiert; zum letzten Mal von Strahlung-Alpha am 23.12.2023 2:22]
|
|
|
|
|
|
Boah, ey, die Stringpropaganda am Ende nervt ja mal.
And when their eloquence escapes me/ Their logic ties me up and rapes me
|
|
|
|
|
|
|
| Zitat von Wraith of Seth
Boah, ey, die Stringpropaganda am Ende nervt ja mal.
And when their eloquence escapes me/ Their logic ties me up and rapes me
| |
Meinten Sie String Emil?
|
|
|
|
|
|
|
Ich hatte eine derartige Reaktion erwartet .
|
|
|
|
|
|
|
Ich finde das Video dahingehend beeindruckend, dass es zeigt, wie viel shit wir lernen und ausrechnen mussten. Und es berührt ja nichtmal alle Themen.
Bin schon etwas stolz.
|
|
|
|
|
|
|
Und ich würde den Kram jederzeit wieder studieren.
Hätte es gerne zum Beruf gemacht...
|
|
|
|
|
|
|
OK, können wir uns bitte auf diese Szene mit der praktisch reibungsfreien Oberfläche, dem Seil und der Masse konzentrieren? I call bullshit, weil Impulserhaltung. Diskutiert!
|
[Dieser Beitrag wurde 2 mal editiert; zum letzten Mal von Lord-McViper am 24.12.2023 9:57]
|
|
|
|
|
|
OK, ich entblöße mich:
Der Ball hat am gestreckten Seil Impuls 0 und daher bewegt sich die Figur nun mit diesem Impuls nach rechts???
|
|
|
|
|
|
|
| Zitat von horscht(i)
Und ich würde den Kram jederzeit wieder studieren.
Hätte es gerne zum Beruf gemacht... | |
Dito. Naja. Es anderen beibringen ist auch toll.
|
|
|
|
|
|
|
Noch ein paar Tarifrunden und ich geh zurück an die Uni.
|
|
|
|
|
|
|
|
|
|
|
Und dann noch gleich einen Youtube-Link da lassen. Offenbar hat Randall von xkcd eine Kanal gestartet und postet dort Videos zu what-if. Ich bin gespannt wie viel Videos kommen werden:
|
|
|
|
|
|
|
| Zitat von Strahlung-Alpha
Und dann noch gleich einen Youtube-Link da lassen. Offenbar hat Randall von xkcd eine Kanal gestartet und postet dort Videos zu what-if. Ich bin gespannt wie viel Videos kommen werden:
https://www.youtube.com/watch?v=2LSyizrk8-0
| |
Voll geil!
Der Junge hilft einem einfach generell dabei, unter allen widrigen Zuständen in der Welt die Vernunft zu bewahren.
|
|
|
|
|
|
|
Auf Empfehlung Swots hier auch noch mal gecrosspostet...
(Eigentlich wollte ich eh in diesen Thread hier, habe mich aber vertan...)
| Zitat von -=Charon=-
Frage zum JPG-Algorithmus:
Ich habe ein Ausgangsbild (Farbbild, um die 20 Megapixel), das ich in Photoshop einmal regulär als 24-Bit-JPG abspeichere.
Wenn ich das Originalbild jedoch in der Farbtiefe reduziere, indem ich die Farbpalette auf 16 Farben beschränke, und dann wieder (mit derselben Kompressionsqualität) abspeichere, ist diese Datei deutlich größer (12 MB) als die 24-Bit-Version (5 MB). (Irfanview zeigt bei beiden Dateien 24 Bit pro Pixel an, aber wohl auch einfach nur, weil JPG Farbbilder grundsätzlich in 24-Bit-"Container" stopft, ne?)
Meine Frage also: Wieso braucht eine Datei mit weniger Farben bzw. einer geringeren Farbtiefe mehr Platz als eine mit einem deutlich größeren Farbraum?
Ist der JPG-Algorithmus bei Farbtiefen unter 24 Bit ineffizienter? Und zwar möglicherweise so ineffizient, dass die Datei sogar größer wird (statt maximal gleich groß zu bleiben)?
Wenn man das Gleiche mit PNG versucht (16 Bit vs. 8 Bit) ist es so, wie man es erwarten würde (geringere Farbtiefe erzeugt deutlich geringere Dateigröße).
| |
|
|
|
|
|
|
|
|
|
|
|
Hallo, Statistikfrage:
Ich habe eine Zeitreihe mit Ausfällen von einem bestimmten Bauteil, z.B. einem Motor. Jetzt weiß ich aber, dass in meiner Zeitreihe nicht die Daten für einen Motor liegen, sondern die Daten für n (baugleich, unabhängig voneinander) Motoren, die ich anhand der vorliegenden Daten nicht mehr deterministisch trennen kann.
Wenn ich jetzt die Ausfallwahrscheinlichkeiten für einen Motor ausrechnen möchte, kann ich einfach diese Zeitreihe zufällig in n Zeitreihen aufsplitten und dann daraus die Wahrscheinlichkeiten ableiten? Oder was wäre hier der saubere Prozess?
Letztendlich brauche ich pro Jahr sowas wie eine erwartete Anzahl von Ausfällen. Ich könnte daher auch die Ausfälle für diese n Motoren im Ganzen nehmen, eine Verteilung fitten und dann über die Zukunft Monte-Carlo-simulieren und das Ergebnis pro Jahr am Schluss durch n teilen. Sollte man das lieber so machen?
Oder gibt es direkt irgendwas gutes, um solche Mixture-Modelle zu fitten?
|
[Dieser Beitrag wurde 1 mal editiert; zum letzten Mal von homer is alive am 15.03.2024 11:55]
|
|
|
|
|
|
Wenn die Motoren eh identisch sind und sich nicht gegenseitig beeinflussen, dann ist es doch egal, ob du sie trennen kannst oder nicht?
So wie ich das verstehe, hast du fuer n Motoren eine Zeitreihe bestehend aus m<=n Ausfallzeitpunkten T_1, ... T_m.
Warum nicht einfach annehmen, dass die Lebensdauer dieser Sorte Motor eine Zufallsvariable X ist, und deine Spruenge T_i sind Realisierungen von X (ggf. noch immer laufende Motoren nicht vergessen falls m<n). Darauf basierend dann die Verteilung von X fitten.
|
[Dieser Beitrag wurde 2 mal editiert; zum letzten Mal von Irdorath am 15.03.2024 12:06]
|
|
|
|
|
|
Abstände zwischen allen Events ermitteln und auftragen, Normalverteilung dran fitten, und den Mittelwert*n nehmen würde ich sagen.
|
|
|
|
|
|
|
| Zitat von Oli
Abstände zwischen allen Events ermitteln und auftragen, Normalverteilung dran fitten, und den Mittelwert*n nehmen würde ich sagen.
| |
Und darauf dann am Besten noch ne Regression fitten oder was, ich glaub ich spinne! Ich waere von homer persoenlich enttaeuscht, wenn er das nicht mittels Bayes-Statistik aufzieht und seine Prior (einer Exponentialverteilung denn wir rechnen das per Hand aus) mit den gegebenen Observationen der Lebenszeiten aktualisiert.
|
|
|
|
|
|
|
Ich glaube, ich habe das nicht ganz akkurat beschreiben.
Hier mal ein Beispieldatensatz. Den ersten Plot beobachte ich, d.h. ich sehe viele AUsfälle, die sich eigentlich auf verschiedene Motoren zurückführen lassen, was ich in den Daten aber so nicht sehe. Die letzten 3 sind Beispiele, wie die Daten aussehen könnten.
Ich habe also bspw. 2 Motoren in einer Zeitreihe vermischt, aber ich möchte letztendlich die Ausfälle für nur einen einzelnen Motor modellieren. Könnte ich einfach die beobachteten Daten nehmen und x2 nehmen? Oder würde man das so angehen wie in meinem letzten Post beschrieben?
Anwendungsfall ist, dass ich die Modellierung dann auf ein anderes Asset übertragen möchte, bei dem sich die Anzahl der Motoren unterscheidet. Bzw. dass ich auch Ausfallwahrscheinlichkeiten händisch bzw. auf Expertenwissen basierend aufbauen kann.
|
[Dieser Beitrag wurde 5 mal editiert; zum letzten Mal von homer is alive am 15.03.2024 15:04]
|
|
|
|
|
|
Mein Bauchgefühl: Du kannst die Beobachtung als modellieren, wenn die X_i unabhängig und identisch sind wird sich das in vielen Rechnungen wie "nX" verhalten.
|
|
|
|
|
|
|
Hier, ich hab auch eine Meinung!
Ich würde wohl sagen die (also Ausfälle über die Zeit von Motor i) sind Poisson-Prozesse, und du beobachtest eben die Summe mehrerer unabhängiger Prozesse. Kann man bestimmt tolle Statistik drüber ausrechnen.
|
|
|
|
|
|
|
Ich mag aber auch Olis Cowboy-Statistik.
|
|
|
|
|
|
|
| Zitat von B0rG*
Hier, ich hab auch eine Meinung!
Ich würde wohl sagen die (also Ausfälle über die Zeit von Motor i) sind Poisson-Prozesse, und du beobachtest eben die Summe mehrerer unabhängiger Prozesse. Kann man bestimmt tolle Statistik drüber ausrechnen.
| |
Wenn die Motoren mehrmals ausfallen koennen ist dis de way. Was aus homers zweitem Beispiel ja auch hervorgeht, da hab ich aber nur mit Bauchgefuehl draufgeguckt!
|
|
|
|
|
|
|
Danke! Als Modellierung von so Ausfallzeiten nimmt man irgendwie am ehesten eine Weibull-Verteilung, aber viele Verteilungen lassen sich gut fitten, unter anderem Exponential- und Poisson-Verteilung.
Aber danke für die Rückmeldung. Ich bin hier nur als Architekt dabei, der angesetzte Data Scientist kennt sich mit statistischer Modellierung nur noch schlechter als ich aus.
Letztendlich würde man einfach die Summe der Verteilungen modellieren. Sowas ist für mich auch heute immer noch nicht ersichtlich, obwohl es so sein sollte.
|
[Dieser Beitrag wurde 2 mal editiert; zum letzten Mal von homer is alive am 16.03.2024 13:33]
|
|
|
|
|
|
| Zitat von homer is alive
Danke! Als Modellierung von so Ausfallzeiten nimmt man irgendwie am ehesten eine Weibull-Verteilung, aber viele Verteilungen lassen sich gut fitten, unter anderem Exponential- und Poisson-Verteilung.
| |
Fancy, wieder was neues gelernt .
|
|
|
|
|
|
Thema: pOT-lnformatik, Mathematik, Physik XXIV |