ЦОС Python #9: Байесовское построение оценок, метод максимального правдоподобия

Рассматривается общий принцип построения оптимальных байесовских оценок. Даются понятия простой и квадратической функций потерь. Построение оценки по методу максимального правдоподобия и способ ее уточнения при наличии априорной информации.

[СарматПересветов]

Очень полезный урок, но было бы лучше, если бы мы еще рассмотрели конкретный пример нахождения, закрепили бы так сказать на практике, то было бы еще лучше))

[g.s]

Сергей, я правильно понимаю, что в контексте минимизации не имеет значение минимизируем ли мы случайную величину [θ−\frac{1}{n}(y_1+…+y_n)] или же случайной величину R([θ−\frac{1}{n}(y_1+…+y_n)]) где R это функция которая ведет к значению зависящей от θ−\frac{1}{n}(y_1+…+y_n), все равно минимизация одного мат ожидания приведет к минимизации другой, и в контексте минимизации использование θ−\frac{1}{n}(y_1+…+y_n) случайного распределения или R([θ−\frac{1}{n}(y_1+…+y_n)]) не имеет значения?

[barosfpv]

Здравствуйте! На моменте 5:21 нет ошибки? Вроде дифференцирование должно быть по тета с крышкой?

[ГерманКалашников-лд]

Здравствуйте на 11:46 говорится о том, что точка максимума будет достигаться, когда степень exp минимальна, почему так ?

[РональдУизли]

Добрый день, можете сделать ролик о том, где применяется питон и как именно? Не очень понятно как на нем реализуются задачи и какого плана эти самые задачи. Пытался найти ответ на это в интернете, но ответ всегда общий - питон везде применяется и очень полезен, но вот как именно никто не говорит. Будьте добры пожалуйста.

[АндрейПомысов]

Вообще хорошие ролики, но этот не очень коррелирует по доступности с предыдущими. Может ссылок на теорему Байеса дать и пару примеров из реальной жизни закинуть? А то без базовых знаний про Байеса тяжеловато будет воспринимать...