登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

一粒浮尘

飘渺虚无

 
 
 

日志

 
 

再吐嘈一下。。。  

2013-05-31 00:53:38|  分类: 吐槽 |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |
这是统计里面的知识,但是一般的数理统计的教科书里讲得又不是那么的清楚(主要原因是
书本上的东西都是很理想化和简单化的东西或者例子),而做实际科研的时候,遇到的情况
往往比较复杂,因此容易迷失。究其原因,还是因为学完后就丢在一边,很长时间都不去用
这些东西,因而也就遗忘了。虽然在其他的书籍里或者文献里也会看到这些,并且觉得很“
熟悉”,往往就得过且过,直接略过。。。然而,这是一种及其不良的习惯,就说我现在做
的一点小事情,要写一个kernel density estimator,estimator是写完了,然后
是测试,就是生成随机样本,将estimator用来测量样本的密度。先是用了最简单的均匀
分布,用KDE测量后发现,弄出来的结果有“不小的”涨落。之所以加这么个引号,是因为
我其实还没学会如何去判断这些涨落的实际大小。于是乎拿起一本数理统计的教科书,复习
了一下,然后。。。突然一下全部明白了,这东西其实非常简单,只怪自己把这些基础的
知识遗忘太久了。。。

泊松分布的由来,其实是因为二项式分布遇到了一些困难,就是当样本变大,计算那些C系
数很费劲,于是泊松跳出来,发明了泊松分布。今天在计算自己做的小模拟的涨落时,一开
始觉得犯愁,觉得无从下手。。。当看完教材,一想,靠,那个模拟对应的就是一个泊松
过程!这次是体会清楚什么叫做“过程”了,也知道了为何很多时候估算某种误差总是用
1/SQRT(N)了。所以,基础知识学得扎实,就不至于这么浪费时间了。。。
  评论这张
 
阅读(310)| 评论(2)

历史上的今天

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2018