唔,我六月排假排比較多(請掉三天補休)
由於最近都忙著打電動
但電動也忙得差不多了,或者是今天不想打了
那離19:30星穹鐵道前瞻直播還有段時間
我就在逛知乎
那知乎逛一逛之後,就在試用ChatGPT
雖然關於遊戲設計、人工智慧的事情問ChatGPT我大多不太滿意
不過比較學術性的東西ChatGPT回答還不錯
像統計學
我只知道古典統計跟貝氏統計
但其實還有更多的分支
雖然那些分支不見得有差異大到像古典統計跟貝氏統計那樣
就把詞彙或者說ChatGPT 3.5的回答
提供給各位參考
統計學有哪些流派?
Chat GPT 3.5回答
1. 經典統計學（Classical Statistics）
頻率主義：將概率解釋為事件發生的頻率，強調對樣本和樣本估計量的性質進行推斷。
抽樣理論：研究從總體中抽取樣本以進行推斷的方法，如隨機抽樣和機率抽樣。
2. 貝葉斯統計學（Bayesian Statistics）
貝葉斯方法：基於貝葉斯定理，將概率解釋為主觀信念的度量，強調在觀察數據的基礎上更新信念。
概率模型：建立概率模型描述未知參數的不確定性，並通過貝葉斯推斷方法進行參數估計。
3. 頻率論（Frequentist Approach）
假設檢定：基於樣本數據對假設進行檢定，如t檢定、ANOVA等。
置信區間：通過估計參數的置信區間來表示估計的不確定性。
4. 非參數統計學（Nonparametric Statistics）
無需假設分布：不對樣本數據的分布進行假設，直接對數據進行分析。
排序檢定：基於樣本數據的排序來進行假設檢定，如符號檢定、秩和檢定等。
5. 時間序列分析（Time Series Analysis）
時間序列模型：建立用於描述時間序列數據的模型，如ARIMA模型、濾波器模型等。
季節性和趨勢分析：對時間序列數據中的季節性和趨勢進行建模和預測。
6. 大數據統計學（Big Data Statistics）
分布式計算：利用分布式計算框架對大量數據進行分析，如Hadoop、Spark等。
機器學習統計方法：將機器學習算法應用於大數據分析，如隨機森林、神經網絡等。
7. 生物統計學（Biostatistics）
臨床試驗設計：設計和分析臨床試驗數據，評估治療效果和安全性。
流行病學方法：應用統計方法研究疾病的流行病學特征和影響因素。
8. 環境統計學（Environmental Statistics）
環境數據分析：分析環境數據，評估環境質量和環境風險。
空間統計分析：分析地理空間數據，研究空間變異性和空間相關性。
9. 經濟統計學（Econometrics）
計量經濟模型：建立用於描述經濟現象的數學模型，進行經濟數據的估計和預測。
因果推斷：通過統計方法評估變數之間的因果關係。
10. 社會統計學（Social Statistics）
社會調查：設計和分析社會調查數據，研究社會現象和人口統計。
社會網絡分析：分析社會網絡數據，研究社會關係和結構。
其中其實頻率論我覺得只看它提的內容
感覺還是以古典統計為基礎的
因為置信區間是大陸的說法,臺灣就叫信賴區間
簡單來說就是是一般統計學會學到的內容
後面很多都感覺是配合某個學科融合後做的細分
比較奇怪、陌生的我覺得只有 非參數統計學
所以之後又多問了幾個問題
問了之後我很確定我沒學過 U統計量 跟 非參數統計學
所以就分享下這個名詞給各位
它(非參數統計學)適用的環境是
"直接對數據進行分析和推斷"
也就是說我們可能拿到來路不明的數據
也不知道它是不是常態分佈、泊松分佈或些其它的
是種拿到數據就能直接用的統計學
以下摘錄自ChatGPT的部份回答
這些方法都不需要對數據的分佈進行假設，
因此在很多實際情況下都比參數統計方法更具有彈性和穩健性。
非參數統計學在各種領域中都有廣泛的應用，
如生物統計學、環境統計學、金融統計學等。
補充:這些方法分別是,就它有列的就以下8種非參數統計學所用的手段
我沒仔細研究
但這8種的共通點好像是 都會有個 統計量 U
還有個 零假設
零假設就是說 兩個不同的樣本 它的分佈狀況是不是一樣的
那U統計量的大小會決定是否能否決零假設
也就是根據計算出來的U統計量
來判別至少兩組不同的樣本之間
是否具相同的特性(像是不是都是常態分佈)
它沒有講得很詳細
但我猜就跟信賴區間類似
我猜大概也是有幾成的可能性能否定這假設這樣吧
畢竟統計學抽樣有很多狀況
抽出一些狀況是有可能誤判的
回正題,總之是以下八個非參數統計學的方法:
1. 秩和檢定（Wilcoxon rank-sum test）
2. 符號檢定（Sign test）
3. Kolmogorov-Smirnov檢定
4. Mann-Whitney U檢定
5. Kruskal-Wallis檢定
6. Friedman檢定
7. Kernel density estimation（核密度估計）
8. Bootstrap方法
我再想想看要問些什麼還是直接休息眼睛
也可能要開始煮晚餐了
煮晚餐了,當然是泡麵,嚴格上來說不是泡麵
因為韓式泡麵不能用泡的,如果韓式泡麵也算泡麵
那陽春麵、餛飩麵也可以叫泡麵
若把韓式泡麵當泡麵
那大概除了涼麵、炸醬麵、王子麵、科學麵以外都是泡麵
但基本上泡麵跟非泡麵用鍋子煮的,煮的方式都差不多
所以我說煮泡麵
具體就是農心烏龍麵啦
然後我想到前幾天看到的消息
說2.4版本好像有新命途的三月七
(我本來以為是2.3版本,因為我以為會保持一個版本消耗掉21個命運的足跡)
然後說不會因此發佈天外衛星通訊
但是它不是這麼說的
它說 don't drip marketing
所以就順便問下ChatGPT關於涓滴行銷的具體內容
問:涓滴行銷 例子
"涓滴行銷"（Drip Marketing）是一種市場營銷策略，
通過持續且逐步的方式向潛在客戶或現有客戶提供有價值的信息和內容，
以建立信任、引起興趣，並最終促成交易。
這種策略旨在通過連續的溝通與互動，
有效地吸引客戶並保持與客戶之間的聯繫。
以下是一些涓滴行銷的例子：
歡迎郵件系列：
當有新客戶註冊或訂閱時，可以發送一系列的歡迎郵件，
向他們介紹公司、產品或服務，
並提供有關如何開始使用產品或服務的指南和提示。
產品教育：
通過定期的電子郵件或社交媒體帖子，
向客戶提供有關產品功能、用途和優勢的信息，
以幫助他們更好地了解產品並提高使用效果。
定期更新：
定期向客戶發送行業新聞、趨勢分析、專家觀點或公司動態等內容，
以保持客戶對公司和產品的關注。
活動邀請：
向客戶發送邀請函，
邀請他們參加網絡研討會、線下活動、產品展示或特別促銷活動，
以加強客戶與公司之間的互動和聯繫。
客戶反饋：
定期向客戶發送問卷調查或評論請求，
收集客戶的意見和反饋，以了解客戶需求，並持續改進產品和服務。
特別優惠：
通過發送獨家優惠碼、折扣促銷或免費試用活動等方式，
吸引客戶並提高他們的購買意願。
客戶教育中心：
建立客戶教育中心或知識庫，
提供客戶支持、問題解答和使用指南，
以幫助客戶解決問題並充分利用產品或服務。
這些例子都是涓滴行銷的常見實踐方式，
通過持續的、有價值的溝通與互動，
有效地與潛在客戶或現有客戶建立關係，提高品牌忠誠度，並促進銷售和業務增長。
我再思考看看還有想到些什麼
哦,我在問統計學之前還有問個問題
就是以前提的黑洞的質量是怎麼算的?
我那時是以為假定宇宙在黑洞出現之前的總質量是知道的
那黑洞出現之後,其它能計算的都計算了
扣掉的就是黑洞的質量
因為黑洞的光跟電進不去,所以我只想到這方法
但黑洞的質量計算大致上是
先找出被黑洞影響的天體(恆星之類的)
然後用萬有引力定律的公式來算
看恆星被黑洞影響的速度這樣大致上估算的
如果黑洞是單純缺乏光、電磁波的介質的話
那不太好解釋黑洞可能會有擴大的情形
雖然正常也想像不出來為什麼會有光跟電磁波到不了的現象
但在黑洞出現之前
萬有引力定律是成立的
所以黑洞出現之後,就先假設萬有引力定律對黑洞也是成立的
因此才猜測黑洞是質量異常龐大所形成的現象
(老實說這推論個人覺得是很有問題的
試圖用一小部份已知的現象去解釋未知的天文現象
然後再用對黑洞以外能成立的物理定律
去規範黑洞
但反正黑洞是什麼大家也不是很清楚
像黑洞是質量還是能量?
ChatGPT的說法是,黑洞只會吸收和轉換能量
但本身不具有能量
總之黑洞是個很奇怪的東西
所以也只能現有的方法將就著用了
就像電梯謬誤
如果古代因緣際會
預見了未來會有高樓大廈的社會
他可能會對高樓大廈做出很多推斷
但是他並不知道電梯的存在
所以他可能會推斷各樓層很寬廣
而且會為了補給而打仗這樣)
---------------------------
ChatGPT有介紹些關於討論AI的網站
所以我逛了下
結果就這麼剛好
亮點不是他們研究的內容
而是作者群是
Yingxiang Zhang
Mike Wurm
Eddie Li
Alexander Wakim
Joseph Kelly
Brenda Price
Ying Liu
research.google (2024)
嗯,畢竟中文用拼音的話,會無視平上去入
所以也是會有遇上流螢的機會
稍微下載了下來下
果然看不懂
直接問ChatGPT大致上的內容還是不錯的
這篇名為
《Media Mix Model Calibration with Bayesian Priors》的研究來自 Google，
可能是關於使用貝葉斯統計方法來校準媒體混合模型的文章。
在行銷和廣告領域中，
媒體混合模型
是一種用於評估和最佳化各種行銷渠道（如電視、網絡、廣播等）效果的模型。
(如果下載下來的話,會看到很多MMM,就是 媒體混合模型 Media mix model簡稱
像一開始的 GBHMMM
那Geo-level指的大概是圖像化表達的,猜測啦
H那個字印象中是階層,具體指的是什麼不太清楚
我單純看PDF裡面的圖說故事這樣
畢竟也沒接觸過AI領域跟媒體領域較細的部份
因為Geo通常不是幾何就是地理,但它附圖好像沒提及地理因素
所以簡略猜測是這樣)
ChatGPT 3.5也是有些問題的
多問了幾個問題
知道 白矮星 中子星 黑洞
白矮星似乎比較沒有特點
但中子星其實光也是無法逃脫它的
雖然具體跟黑洞的差異在哪邊不清楚
所以我就直接問
已知黑洞名稱
結果跑出來的是
黑洞的名稱通常是根據其發現的情況或所在天體的名稱來命名的。
一般情況下，黑洞是以其所在天體的名稱加上一個序號來命名的，例如：
天體名稱 + 序號：
例如「天體名稱A的黑洞」或「星系NGC 1234的黑洞」。
發現者或發現團隊名稱：
有時，黑洞也會以發現者或發現團隊的名稱來命名，例如「賽勒斯·雷·X的黑洞」。
科學特徵名稱：
在某些情況下，黑洞也可以根據其特殊的科學特徵或屬性來命名，
例如「超大質量黑洞」或「X射線源」等。
黑洞的命名通常是由相關的天文學機構或國際天文學聯合會（IAU）進行管理和規範的。
因此，
對於已知的黑洞，其名稱可以在相應的天文觀測報告、學術文獻或官方天文網站上找到。
巧合的是,我問已知 中子星 名稱
跑出來的答案跟黑洞名稱回答幾乎是一模一樣
只是把黑洞改成中子星三個字
我猜ChatGPT八成是把恆星的名字由來、規範跟中子星和黑洞弄混了
只好查比較正規的資料
然後找到個還算有趣的延伸閱讀
這篇文章也是引用中譯書籍的內容
由於西方很喜歡這類考據的內容
所以我相信應該是真的有那本書的存在
當然我是沒看過就是了
所以黑洞跟中子星其實都是理論上存在
但是具體在哪邊、長怎樣不太清楚的天文現象
雖然好像在近幾年是有黑洞的照片
不過理論上來說
能產生黑洞的恆星,它們本來發出來的光芒就到不了地球
(地球上觀測不到,因為光被重力限制住了
恆星的光要到地球,除去距離幾光年這樣的因素之外
還要考慮它週遭的各類天體的質量影響
或者簡單的來說各天體的萬有引力的影響
光也許是能量,但它也會受到萬有引力或直接說是質量的制約
或者說如果理論上的黑洞真得存在的話
那光就會受到萬有引力的影響)
因此哪天真的發現具體已知的黑洞的話
大概也指不出來在天空的哪邊吧?
或者是靠已知的星定位
但就個人小時候的經驗
我連北斗七星都找不太到
而且那時花蓮晚上還看得到星星
現在的花蓮好像晚上也看不太到星星了
有比台北多一些
現在似乎是大約能看到9顆星星
距離差太遠
所以應該也不太清楚是已知的哪些星
LINE