作者查詢 / hwanger
作者 hwanger 在 PTT 全部看板的留言(推文), 共4432則
限定看板:全部
看板排序:
1F推: 目前開的樣本數 不足以說明這10%差異是否具有任何意08/07 23:28
2F→: 義 XD08/07 23:28
3F推: 另外 如果假設開n次後 1號開出a_n次 2號開出b_n次08/07 23:47
4F→: (a_n-b_n)/b_n應該是沒有任何哲學意涵的 lim(a_n/n08/07 23:47
5F→: )和lim(b_n/n)才有08/07 23:47
13F推: a大直接用statistical inference否定原po的想法 XDD08/11 22:46
1F推: "用維持通量的方式縮小大小">>>這應該是什麼標準用08/11 13:51
2F→: 語嗎 不是很懂08/11 13:52
3F→: "高解析度的圖片降階">>>壓縮圖片其實還蠻多種演算08/11 13:54
4F→: 法的 而且基本上都是破壞性壓縮08/11 13:55
5F→: 探討eigenvalue的變化 主要還是看具體如何縮小矩陣08/11 13:57
6F→: 並且關於eigenvalue的不等式 大部份都是在講08/11 14:00
7F→: Hermitian matrix 對於一般case 則是看singular08/11 14:01
8F→: value08/11 14:03
9F推: "矩陣這種降階方法" >>>一樣 猜不透你如何降階 但破08/11 14:08
10F→: 壞性壓縮都會有失真的問題08/11 14:09
11F推: 如你所述 aliasing是因為在連續訊號和有限離散訊號08/11 14:18
12F→: 之間做轉換所造成的失真 不太確定是否和你的問題相08/11 14:19
13F→: 關08/11 14:19
17F推: "這方面的用詞不大清楚">>>有看過類似處理手法 不過08/11 14:25
18F→: 我也不知道正確用語是啥08/11 14:26
19F→: 看過這種方法用在螢幕顯示上 沒看過用在算eigenvalu08/11 14:29
22F→: 沒看過有專書討論 不過我會建議這種"粗化方式" 你應08/11 14:31
23F→: 該關注在singular value的變化 而不是eigenvalue08/11 14:32
24F推: 以下純粹個人感覺 你粗化後的矩陣 singular value可08/11 14:37
25F→: 能和原矩陣有關 但eigenvalue看不出來為何要有關聯08/11 14:37
26F→: 而且用這種方式簡化矩陣 通常和"人的感覺"有關 沒聽08/11 14:39
27F→: 過用來做進一步運算的08/11 14:39
28F推: "但對矩陣"取樣"的理論">>>摸不太清楚你的目的是啥08/11 14:47
33F→: 但直覺會是影像處理相關或資料壓縮相關08/11 14:48
36F推: "如果"粗化方法"夠好">>>不太確定是不是存在這樣一08/11 15:04
37F→: 個夠好的粗化方法 但這個問題其實大約等價於 我有一08/11 15:04
38F→: 個高次方的多項式 我用加減乘在其係數上 造出一個低08/11 15:04
39F→: 階的多項式 其根和原式相近08/11 15:04
40F推: 可能有類似的研究 不過應該都會限制原矩陣是某種類08/11 15:08
41F→: 型08/11 15:08
42F推: 在不限制矩陣類型的情況下 就我目前的感覺 得出實08/11 15:16
43F→: 部和虛部會放大的結論只是巧合 可以試想一下有多少08/11 15:16
44F→: 極端情況 可以在相同算法得到相同的簡化矩陣08/11 15:16
8F推: 這裡如果用函數來解釋隨機變數 概念上會有偏差 R大08/11 09:28
9F→: 的舉例反而比較好08/11 09:30
10F→: 用函數來譬喻的話 就像 sin^2(t)+cos^2(t)=108/11 09:31
11F→: 我們也不會認為左邊就不是函數08/11 09:32
12F推: sum of Xi = t是假設的條件 也不是真的有這個等式08/11 09:36
13F→: 我比較好奇的是"iid收歛"是啥??? iid不是描述隨機變08/11 09:37
14F→: 數嗎08/11 09:38
17F推: 還是開頭的第一句話的notation 其實是要表達X1到Xn08/11 10:00
18F→: 是箭頭右邊那個分佈的iid隨機變數???08/11 10:01
1F推: 目前沒有比較好的想法 不過對下面這個多項式08/06 22:38
2F→: 1+5596.66*x/(30*12)-(1+x/12)^133 作牛頓法的話08/06 22:39
3F→: 初始值設在0.05的話(因為這個多項式在0.05為正 在08/06 22:41
4F→: 0.06為負) 作個四五次 就可以達到圖中解答的精度08/06 22:42
5F推: 例如在下列網址上計算08/06 22:46
6F→: https://keisan.casio.com/exec/system/124494690708/06 22:46
7F推: 等待其他能人解答08/06 23:23
10F推: scipy.optimize.root預設是用MINPACK的HYBRD 不太確08/07 00:59
11F→: 定WolframAlpha是用啥演算法08/07 00:59
18F推: 本身沒碰過財金相關 如果這是考題之類的話 應該就是08/07 14:16
19F→: c大所說的 用特殊的計算機或者試卷應該有附表之類的08/07 14:19
20F→: 諮詢過清大王偉成老師的意見過後 也是建議牛頓法 意08/07 14:20
21F→: 即如果真得有漂亮的解法的話 那也是非常聰明而罕見08/07 14:21
22F推: 同時老師也有給另一個基於"固定點定理"的算法08/07 14:25
23F→: 如果令 y = 1+r/12 則原式可以換成y^n-ay+b=0的形式08/07 14:27
24F→: 選取適當的alpha 我們可將式子換成08/07 14:29
25F→: y = alpha y + (1-alpha)(y^n + b)/a08/07 14:30
26F→: 令 f(y) = alpha y + (1-alpha)(y^n + b)/a08/07 14:32
27F→: 考慮 y_{k+1} = f(y_k) 做迭代 如果有收歛 就有可能08/07 14:33
28F→: 收歛到我們想的根 這裡alpha的選取是需要經驗和其他08/07 14:34
29F→: 知識來分析的08/07 14:35
30F→: 上面這個方法和牛頓法 都是在有"指數對數表"的情況08/07 14:36
31F→: 下 勉強可以手算的08/07 14:37
32F推: 以下是基於上述方法的程式碼 迭代5次就有圖片解答的08/07 14:54
33F→: 精準度 其中alpha值是試出來的 冏08/07 14:54
34F→: https://paste.ofcode.org/uzGvnhBvP8xFSyQ5LdV5ZN08/07 14:55
40F推: XDD 因為我還蠻喜歡去思考這些東西背後的機理 其實08/07 20:08
41F→: 看到這篇文的第一時間我也是用scipy去算答案 只是我08/07 20:09
42F→: 假設原PO可能是想問有沒有比較clever或doable的作法08/07 20:11
43F→: 既然c大說財管那邊沒有特別的解法的話 那就是沒有簡08/07 20:14
44F→: 單明瞭的方法08/07 20:14
45F→: 我有特別google到討論這類多項式的文章 但大都需要08/07 20:16
46F→: 一定的數學背景 所以就略去不談08/07 20:17
55F推: "用能解方程式的計算機又得到0">>>囧 因為0真的是08/09 02:00
56F→: 根08/09 02:00
57F→: "用能解方程式的計算機又得到0">>>囧 因為0真的是08/09 02:01
58F→: 根08/09 02:01
59F推: 我自己不論用scipy.optimize.root,牛頓法 還是固定08/09 02:12
60F→: 點定理 都還是會先用bisection method (或簡單的說08/09 02:12
61F→: 中間值定理) 確定一個夠小的區間 然後設定initial08/09 02:12
62F→: guess(前面我都設0.04)08/09 02:12
63F推: 這些透過迭到得到近似值的演算法都很依賴於初始值08/09 02:18
64F→: 偏偏現在所有求根的程式 基本上都是這種迭代型的演08/09 02:18
65F→: 算法 (因為比較快 同時有些算法很穩定)08/09 02:18
66F推: "(說明書寫它使用牛頓法)">>>看看說明書能不能設08/09 02:25
67F→: 定迭代的初始值 應該要是可以 因為牛頓法對於初始08/09 02:25
68F→: 值有一定程度的敏感度08/09 02:25
69F推: ""可能非本科看不出方程式求根的難易度"">>>數學系08/09 02:35
70F→: 也只是多學「分析根的性質的方法」一個對其他系很08/09 02:35
71F→: 難的方程 通常對數學系的人也沒有變簡單08/09 02:35
72F推: ""我唯一想得到的解法是代數字囧"">>>按照c大所說08/09 02:43
73F→: 在財管裡 這是最適合的作法(bisection method) 所08/09 02:43
74F→: 以你一開始方向其實就對了XD08/09 02:43
76F→: 習慣推文 XDDD08/09 09:55
80F推: XDD 其實log那行右邊如果只展到第一項其實也不太行08/09 14:55
81F→: 在大概知道位數的情況下 就粗估要展到至少平方項08/09 14:58
82F→: 133畢竟還是太大了08/09 14:58
10F推: 感謝樓上 初次看到這位女優時 也是驚為天人 只可惜找到08/09 10:13
11F→: 兩三片08/09 10:13
12F→: 另外我隱約中記得兩名女生的片子不只一部?08/09 10:13
13F推: 1283691 128387708/09 14:29
1F推: 因為真的沒有統一的定義呀 XDDD 參照wiki的2.1節08/09 09:46
2F→: https://en.wikipedia.org/wiki/Quartile08/09 09:46
3F→: 在數據量很大 且其累積分布函數的反函數看起來像是08/09 09:51
4F→: [0,1]區間的連續函數的話 那用哪一個定義 對其分析08/09 09:53
5F→: 都影響不大08/09 09:53
5F推: s大的解析是比較好的 以下只是提供一個國中解法08/05 23:18
6F→: PA延伸直線和QB延伸直線兩線平行 且距離為3^(1/2)08/05 23:20
7F→: PA線段加BQ線段恆為2 稍微畫一下圖 可以看出在PA為08/05 23:22
8F→: 1.5 QB為0.5時 AB恰好垂直兩平行線 所以就是3^(1/2)08/05 23:24
9F→: 這裡一個比較tricky的一個點 就是A和B實際上只會在08/05 23:25
10F→: 一組固定的平行線上跑08/05 23:26
11F→: 而PQ與這組平行線的夾角就是60度和120度08/05 23:28
12F推: 正如C大所述 其實就是題目沒有指出當R在PQ上線段移08/05 23:35
13F→: 動時 求可能的AB線段長的最小值08/05 23:36
16F推: 讀過幾年數學系08/06 07:36
1F推: 不知道能不能幫上你的忙 可以參照下面這篇wiki08/02 12:49
2F→: https://en.m.wikipedia.org/wiki/Equality_(mathem08/02 12:50
3F→: atics)08/02 12:50
4F推: 基本上就是區分 equality, identity, 和equation08/02 13:00
5F→: 對於equality (也就是=) 形式上我們不深究其哲學意08/02 13:00
6F→: 涵 只對其該有的性質作描述08/02 13:00
7F→: =是一個二元的relation 滿足08/02 13:00
8F→: 1.對於所有數學對像x, x=x08/02 13:00
9F→: 2. x=y 會推到 y=x08/02 13:00
10F→: 3. x=y及y=z會推到 x=z08/02 13:00
11F→: 4.對於所有可能的"函數"f, x=y會推得f(x)=f(y)08/02 13:00
12F推: 如wiki所述 identity是針對兩個"函數" f和g, identi08/02 13:05
13F→: ty被忽略的潛台詞是 for all, 也就是08/02 13:05
14F→: for all x,y,z,..., f(x,y,z,...)=g(x,y,z,...)08/02 13:05
15F→: 這裡的等號是前述的relation08/02 13:05
16F推: equation的對像也是2個函數f,g 但潛台詞則是there e08/02 13:08
17F→: xist 也就是下列這個性質08/02 13:08
18F→: for exist x,y,z,..., f(x,y,z,...)=g(x,y,z,...)08/02 13:09
19F→: 所謂解方程式 就是驗證上述性質是否正確08/02 13:10
20F→: 如果正確 則求特例08/02 13:11
21F推: 這裡relation和function都是用直觀集合論的術語08/02 13:13
22F推: 正如wiki所述 我們並沒有用不同的符號將identity和e08/02 13:20
23F→: quation區分開來 但兩者都是基於equality這個概念08/02 13:20
24F推: 對於equality的表現性質還漏一項08/02 13:32
25F→: 5. 對於任意一個可能的性質P, x=y, z=w,...會推到P(08/02 13:32
26F→: x,z,...)和P(y,w,...)是邏輯相等的08/02 13:32
27F推: 關於equality 還可參照下面這篇08/02 13:40
28F推: https://en.wikipedia.org/wiki/Extensionality08/02 13:43
32F推: XD 因為我是用手機手寫輸入 才用這麼久08/03 16:17
34F推: 我一開始也想回上面這句 XD 只是覺得原po想要更一般08/04 08:54
35F→: 的說明 才從頭說起08/04 08:54
36F→: 當一個等式的左右兩邊都是邏輯上的closed term時 我08/04 08:56
37F→: 們得確也會叫他恆等式 英文也還是identity08/04 08:57
38F推: 在英文中的確常會把帶有等式的運算式都叫做equation08/06 07:14
39F→: 從其字根看起來也是合情合理 (在中文裡 等式和方程08/06 07:14
40F→: 式則是不同的概念) 在不會太奇怪的情況下 for all08/06 07:14
41F→: 的確也是there exist的特例08/06 07:14
42F推: wiki那篇 equation那節第一段前半寫的敍述 就是中08/06 07:34
43F→: 文中 方程式的概念08/06 07:34
44F→: 也是第一段 其後半段也有提到類似連結的說法08/06 07:34
45F→: 而第二段的敘述也直接點名 我們並沒有真的給equatio08/06 07:34
46F→: n一個明確的定義08/06 07:34
47F→: 我上面在寫的時候 第一直覺就是用"方程式"在描述08/06 07:34
48F→: 很抱歉08/06 07:34
6F推: 不是很重要 不過花宮應該是在左下角戴藍領巾那位08/06 00:14
3F推: 樓上的網址不錯 更進一步我們有Gauss–Wantzel定理08/01 19:59
4F→: 他的敘述是 一個正n邊形可以被尺規作圖 若且唯若08/01 20:00
5F→: n的質因數只能有 2 或 費馬質數 並且n的所有奇質因08/01 20:03
6F→: 數次方只能為一08/01 20:04
7F推: 這裡所謂的尺規作圖是指無記號的直尺及一般的圓規08/01 20:10
8F→: 也就是我們一般代數上所認知的尺規作圖08/01 20:11
9F→: 針對正七邊形 我們有特別的尺規作圖作法08/01 20:13
10F→: 可參照08/01 20:13
11F→: https://en.wikipedia.org/wiki/Heptagon 的1.2節08/01 20:14
12F→: 1.2Construction 的部份08/01 20:16
13F推: 相關的概念有Pierpont prime 在以下08/01 20:20
14F→: https://en.wikipedia.org/wiki/Pierpont_prime08/01 20:21
15F→: 的 第4節 Polygon construction 可以找到08/01 20:21
16F推: 突然發現原po說的是每一邊都不等長的五邊形08/01 20:25
17F→: 答案是可以的 你只要作出正5邊形後 再對每一邊作適08/01 20:27
18F→: 當的平行線即可 至於滿足類似條件的n邊形其實就等價08/01 20:29
19F→: 於 作正n邊形 所以就回到Gauss–Wantzel定理08/01 20:30
24F推: 感謝L大大 因為我也看不懂ha大大在說什麼 正在建構08/04 20:33
25F→: 一個反例 A=(0,0), B=(cos(3pi/5),sin(3pi/5))08/04 20:35
26F→: C=B+10(cos(pi/5),sin(pi/5))08/04 20:37
27F→: D=C+3(cos(-pi/5),sin(-pi/5))=(D0,D1)08/04 20:38
28F→: E=(D0+D1cot(3*pi/5),0)08/04 20:39
29F→: 這五個點是constructible 原本是想像L大大那樣畫圖08/04 20:42
30F→: 比大小 覺得輸出圖形很麻煩 就想說算一個反例就好了08/04 20:43
31F→: 基本上就是沿L大圖形的想法 就可以去想像當邊數大於08/04 20:45
32F→: 4時的情形08/04 20:46
33F推: 以下的程式碼雖然不是證明 但可以供原po做數值上的08/04 21:16
34F→: 驗證08/04 21:17
35F→: https://paste.ofcode.org/5pukpQUyiEsKX3b3YdjBMA08/04 21:17