哇!英數合鳴!
這週四晚上7:30~8:30 —> 李傑老師 @jackleemath
這週六晚上7:30~8:30 —> 俐媽
我們即將要舉辦國三升高一線上直播活動了,
內容精彩、抽獎獎項豐富,
歡迎大家來喔!
今天,送上北一學姊編整的「數學篇」,剛好是英+數合體的最佳表現!
——————...
哇!英數合鳴!
這週四晚上7:30~8:30 —> 李傑老師 @jackleemath
這週六晚上7:30~8:30 —> 俐媽
我們即將要舉辦國三升高一線上直播活動了,
內容精彩、抽獎獎項豐富,
歡迎大家來喔!
今天,送上北一學姊編整的「數學篇」,剛好是英+數合體的最佳表現!
———————————————————-
💯 俐媽英文教室—數學篇:
👉數論
1. 數系:
①ℕ natural number 自然數
②ℤ integer 整數→ decimal小數(循環 recurring+,無限infinite+)
③ℚ rational number 有理數→ irrational number 無理數
④ℝ real number 實數→ imaginary number虛數
⑤ℂ complex number 複數
2. sentence 語句
3. proposition 命題:有真假可言的直述(indicative)語句
4. axiom 公理:不證自明的命題
5. set 集合
6. assume (vt.) 假設→ assumption (n. C)假設→ make assumption about
7. denote (vt.) 表示→ denotation (n. C) 意義,本意
8. exist (vi.) 存在→ existence (n.U) 存在
9. satisfy (vt.) 滿足
10. commutative laws 交換律【x+y=y+x、x×y=y×x】
11. associative laws 結合律【x+(y+z)=(x+y)+z、x(yz)=(xy)z】
12. distributive law 分配律【x(y+z)=xy+ xz】
13. law of trichotomy 三一律
14. axioms of equality 等量公理
15. reciprocal (n.)倒數;(adj.) 相互的,互惠的
16. factor因數→ common factor 公因數
17. multiple 倍數→ common multiple 公倍數
18. Euclidean algorithm 輾轉相除法(歐幾里得算法)
👉集合論
1. subset 子集
2. empty set 空集合
3. universal set 宇集
4. intersection 交集
5. union 聯集
6. difference set 差集
7. complement set 補集
8. Venn diagram 文氏圖
9. power set 冪集合
10. element 元素
11. sufficient condition 充分條件
12. necessary condition 必要條件
13. if and only if若且唯若(充分且必要)(⇔)
👉機率統計
1. Random Variable 隨機變數【variable (n. C) 變數;(adj.) 多變的,反覆無常的】
2. discrete (adj.) 離散的,單獨的
3. Probability Distribution 機率分布
4. expectation/ expected value 期望值
5. Linearity of Expectation 期望值的線性
6. variance 變異數
7. independent event 獨立事件(cf. mutually exclusive event互斥事件)
8. repeated experiment 重複試驗
9. Binomial theorem 二項式定理
10. Binomial distribution 二項式分布
11. sampling 抽樣→ population母體,sample樣本
①簡單隨機抽樣sample random sampling:每一樣本抽到機率相同
②系統性抽樣systematic sampling:將母體元素編號後,每隔一定間隔抽取一個樣本
③分層隨機抽樣stratified random sampling:將母體按某些特性分成數個不重疊的層,再依各層佔母體比例抽取樣本
④叢集抽樣cluster sampling:將母體中相鄰近的個體排為一集體,而以集體為抽樣單位
12.normal distribution常態分布(Gaussian distribution 高斯分布)
13.standard score (standardized score)標準分數(標準化分數)
————————————————————
太深入、太高深啦!
這一定要一代數學大師才能駕馭的啦,有勞李傑老師啦~~
#敬請期待之後推出的傑哥&俐媽Q版照片
#再送上數學篇part2️⃣
#俐媽英文教室
#俐媽英文教室數學篇
#台大明明老師出招囉
變異數算法 在 江魔的魔界(Kong Keen Yung 江健勇) Facebook 的最佳貼文
看到一個Youtube吐槽大陸人寫那種打著心理飛機的文章,說東歐女生很喜歡中國男人。
我住過加拿大9年,我可以告訴白種女生是不會覺得亞裔男生的外形有任何吸引力。
會有異數嗎?
會,但都說明了是異數,還要相信這是常態嗎?
加拿大的男女,普遍上對種族歧視非常敏感,也非常抗拒,但,沒有歧視,不代表白鮑會喜歡臘腸。
白、黑、印度、南美、華人的男生中,以男性氣概的角度來講,華男的指數是最低的。
其中一個統計,是在美國網路交友網站上的實驗,華男對比起白男外形,華男肯定是輸給白男。除了外形,如果個人資料中加上了自己年收入,華男要比白男每年賺多過25萬美金,才有機會被女生考慮。
當然,我會覺得這些異族約會的情況,在歐美這些地方,是會逐步改變,特別是在那些有明顯亞裔的大城市,如多倫多、紐約、加州、倫敦。
但在東歐,華人的數量非常少。
我當年(十多年前)去克羅西亞學把妹的時候,入境的時候,每個人都看著我,因為黃皮膚的人,非常少。
我在Zagreb上課的5天,我印象中好像只見到一個華男。
不過,我真的會說東歐的美女,有一些會美到把你融化掉,不少是明星級的,那種高貴的氣質也是美國美女中也未必看得到,但在東歐很常見。
我印象最深的是飛去Zagreb的飛機上,空姐是大媽,但在機場陸地上揮牌指揮我們的小飛機的那位工作人員,是美到爆錶再爆錶的那種。
我的把妹老師在教我搭訕時,其中一個讀著醫學的美女,我也跟她合照了,就是你們看到的這一位 Marina,當年我是用數碼相機來拍,你可以看到這照片是有用到閃光燈,但這種光線就把她的顏值在照片上降低了一點,現場的她也是美到爆的。
搭訕的時候,我的東歐老師還建議了我們華人可以用的一個方法,會讓西方女生很有興趣跟你聊,那些上過我的追女班的男生應該知道了。
這場搭訕我坐下來聊了應該有一個小時上下,前提條件是她的英文不錯,而且聊到她問我結婚了沒,我就說到因為我妹妹比我更早結婚,所以在華人的婚禮裡,如果妹妹比哥哥早結婚,在婚禮當天我的一條褲子要掛在妹妹的房門,她要從褲子之下走出去云云。
她聽到這個就很好奇了,其實我也不確定這個是華人習俗,抑或是馬來西亞一些特定群體的習俗。
但,我可以絕對可以告訴大家,Chinese man 絕對不是歐美女生心目中會有想過想跟他們交配的。就算在美國土生土長的華女,也不會把華男擺在交配排行榜的第一位,因為同樣的也是覺得華男的男子氣概是最弱的。
反之,華人女生在歐美確實有很多白男心中,有想像過是跟華女交配的。
華人男生在歐美還是有一個很強的優勢 —— 華人男同志在歐美是很吃香的,非常吃香,常有黑腸洋腸要填補你心靈的空虛。
#江魔設教
#廣渡魔粉
如果覺得我的文章有幫到你,你可以隨緣樂捐,打賞個小費給我吧:http://paypal.me/kongdemon
不打小費的話,麻煩幫忙點讚分享,好讓演算法幫我推文!
變異數算法 在 子迂的蠹酸齋 Facebook 的最讚貼文
有段時間沒接觸行為科學的書籍了。 天下文化 此次出版的《雜訊》,是由諾貝爾經濟學獎得主丹尼爾康納曼,與另外兩位學者共同撰寫。康納曼在台灣曾經出版過《快思慢想》,這本非常經典之作。雖然當初出版時有部分翻譯問題,但內容中討論的「快思」及「慢想」兩套系統,以及對人類諸多不理性行為的討論,依舊能帶來諸多啟發。
書名名為《雜訊》,聽來費解,但其實這是統計學上未能妥善解釋或改善的變因。本書開頭便以人類打靶時的不同結果,作為解釋「雜訊」的方式。若彈孔集中分布於靶心,則不存在偏誤或雜訊;若彈孔集中但偏離靶心,則產生了「偏誤」;彈孔集中與否的狀態,則取決於是否受到「雜訊」干擾。康納曼於書中明確的說,統計學長期發展皆致力於發現並解決「偏誤」,鮮少花費氣力於消除「雜訊」。
書中將雜訊分作水準雜訊、型態雜訊,而型態雜訊中又包含了場合雜訊。水準雜訊所指,便是不同個體因為性格和專業判斷不同,產生的不同結果。型態雜訊,則是因個體對不同事件好惡有差異之別,導致統計意義上的雜訊。而場合雜訊則屬於無法歸類的項目,諸如天氣、情緒等等。
舉本書中的法官故事為例。有些法官平均起來特別喜歡輕判,有些則喜愛重判,這是水準雜訊。而部分法官針對盜竊案特別重判,或針對單親家庭的罪犯特別寬容,這是型態雜訊。而宣判當天的天氣、法官的情緒、咖啡的好壞等則為場合雜訊,因太不可定義及討論,則被視為單純的隨機變數。本書《雜訊》,即為討論如何消除水準及型態雜訊而寫。
20世紀初,統計學大師高爾頓參加一場鄉間活動,主持人將一頭牛牽至台上,請底下800餘位鄉民猜體重。這些鄉民中有畜牧專家,也有單純的路人。他們將手中的投注票丟到箱中進行活動。高爾頓不相信這麼多閒雜人等能正確猜出牛的體重,事後向主辦單位索取全部投注票,算得所有人猜測的平均體重為1197磅,而牛隻的實際體重為1198磅,平均數離真實數字相去不遠,就連中位數也與實際體重相差無幾。
當然這是群眾智慧的一個現象,但前提是群眾並未產生從眾或錨定等效應。換之,重要的是讓意見彼此獨立,就能發揮群眾智慧,降低雜訊。作者提及許多大型組織的決策,之所以會產生過大的雜訊,有相當程度的因素在於組織內部不願導致爭吵,避免有不團結的氣氛。事實上確實如此,許多企業的中高層幹部,都不願意與其他同級主觀產生紛爭導致雙方不睦,更別提下屬敢當面質疑上司決定了。
當然這些高層都並非是甚麼尋常人,他們都是受過專業訓練的專家,只是作者認為這些專家學者們,都對自身過於自信,否定自己有「客觀性的無知」存在,導致許多判斷下得果斷,卻被過多雜訊所影響,進而影響了決策的效益。
如何減少雜訊就成了更重要的問題。最重要的方式,便是保持對事物的開放心態,並衝分理解判斷的目標是準確,而並非是領導人個人特質的展現。決策不能以單一個案去審視當前狀況,而更應該以統計意義為出發點進行思考,並非陷入個案的故事及敘事結構,進而喪失客觀性。更重要的是不要對事情有「絕對」的判斷,更應該以「相對」的數字方式評斷事件。總而言之,這本書以長期被統計領域忽視的「雜訊」為題,寫了一本引人深思的著作。
每次閱讀行為科學或行為經濟學書籍時,我總能感受到一股濃濃的「反人性傾向」。作者雖然於書中並非否定人類的直覺或第一反應,但本書有相當篇幅皆用於描寫演算法或統計模型優於人類,甚至部分內容還提出,人類針對不同事物的加權比重,遠遠不及於等比重的方式用於統計模型中。
閱讀時,我不斷想起曾火紅一時的電影《魔球》。指MLB奧克蘭運動家隊,曾於2000年以數學統計模型,建立一支低薪資但卻足夠強大的球隊。該部電影中,將所有球員的能力量化分析,並否定了過往球探覓才時的直覺和潛力。果不其然,本書也略帶提到《魔球》原作。魔球確實曾經影響大量運動領域,MLB曾有多支球隊皆引進魔球計量法,進而重新打造隊伍。近幾年就連NBA也出現部分球隊,將這套系統引進,並成功打造勁旅。不過魔球的成功,也僅能代表這套系統能有效打造勁旅,真正遇上統計意義上的「異數」時,統計數字是沒有能力發掘潛力巨星的,如Kawhi Leonard或Stephen Curry於選秀或生涯初期,都是黯淡無光的球員,若全採用魔球方式,這類球員恐將沒有今日之巨星地位。
書中因多次以演算法為主軸,強調人類應該將直覺至於判斷的最後階段,而非是一開始就有直覺先入為主。作者曾以法官判決及醫療診斷為部分篇章的主題,總無可避免地提及人工智慧於這些領域的發展。多少讓人想到,《關鍵報告》中的犯罪預判系統,以及《心靈判官》中的全能西比拉系統。每每讀這類行為經濟學的書籍,總讓人有種反人類和反人性的衝動。
本書相當有趣。若你是《快思慢想》的讀者,則齋主我相當推薦你一讀,畢竟書中大量引用前作的思維陷阱案例,並有大篇幅提及「系統一」的缺失。若齋友你不曾讀過《快思慢想》,那本書有相當篇幅用於介紹這本前作,甚至在幾位作者巧妙的敘述下,你會發現讀完《雜訊》時,你也有了相當《快思慢想》的思維基礎。
《雜訊》已經全台上市。 今天(7/1)博客來還有特殊優惠,《快思慢想》66折,同時還可以用75折的價格加購《雜訊》。有興趣的齋友們還不趕快下單購買嗎?
https://www.books.com.tw/products/0010893007
變異數算法 在 台灣數位媒體應用暨行銷協會 Facebook 的最佳解答
【本消息稿由台灣微告提供】
市場的變化很快,從過去五年到現在,數位領域的工具在運用上也有了極大的轉變,在台灣微吿擁有近五年 Facebook 廣告優化師經歷的康彩宣 Abbie,過去負責許多「成效型客戶」,也協助日商客戶操作過上千萬的廣告預算,她認為:「Facebook 演算法一直在調整,消費者已經不再是被動的接收資訊,現在發文也不見得觸及得到大眾。」
想做到全媒體整合,打通消費者的廣告體驗渠道,可以運用合適數位工具及平台完成,對此,Abbie 也從消費者五感體驗為出發點,提出 5 個建議:
1、味覺吸引:建立自媒體,持續餵給消費者好內容
2、視覺吸引:透過 KOL引誘大眾眼光,提高好感度
3、聽覺吸引:以耳傳耳,善用 Facebook 下廣告的優勢
4、嗅覺吸引:維持敏銳嗅覺,嗅出更多 Google 關鍵字組
5、觸覺吸引:365 天不間斷,用 LINE 接觸消費者日常
#DMA會員公司
#台灣微告