Машинний викладач ∆ | #УкрТґ
Photo
Just in case, SUSY is SuperSymmetry, the direct consequence of string theory, btw. Ironically, this abbreviation is the most applicable thing they came up with.
And to extend our glossary a bit further, guess who I would call гітарасти later (courtesy of Prof. Vilchynskyi, even though he used a less offensive version).
And to extend our glossary a bit further, guess who I would call гітарасти later (courtesy of Prof. Vilchynskyi, even though he used a less offensive version).
Цікавий факт: 95% вашої маси це глюонне поле — джерело сильної взаємодії, яке надає масу нуклонам через взаємодію кварків. Тобто ви на 95% складаєтесь з клею.
Можете перероджувати жарти про воду і диплом.
Можете перероджувати жарти про воду і диплом.
YouTube
Your Mass is NOT From the Higgs Boson
The Higgs Boson is awesome but it's NOT responsible for most of your mass! Thanks to audible.com for supporting this episode: http://bit.ly/ZJ5Q6z
The Higgs mechanism is meant to account for the mass of everything, right? Well no, only the fundamental particles…
The Higgs mechanism is meant to account for the mass of everything, right? Well no, only the fundamental particles…
Машинний викладач ∆ | #УкрТґ
Дехто замовляв фізику, тримайте. #матфіз Коментарі лишайте в бесіді каналу з посиланням на пост або ж в анонімну форму у закріпленому пості. Бо відмін додумався увімкнути коментарі на каналі після цього посту, лол.
Особливо мені подобається цей факт тим, що самі по собі глюони є безмасовими. Якщо спостерігаєте парадокс — бігом читати ось цю статтю! Я намагався пояснити то популярно, напишете чи вийшло.
Вартові Галактики в 2014 відкрили портал у епоху, яка була lively за визначенням. Принаймні безтурботність вони в 1970 передавати вміли, навіть якщо і самі не відчували її.
Some day, yeah
We'll put it together and we'll get it all done
Some day
When your head is much lighter
Some day, yeah
We'll walk in the rays of a beautiful sun
Some day
When the world is much brighter
Some day, yeah
We'll put it together and we'll get it all done
Some day
When your head is much lighter
Some day, yeah
We'll walk in the rays of a beautiful sun
Some day
When the world is much brighter
YouTube
Ooh Child Original The Five Stairsteps
Так як вас тепер таке гарне число, оберіть собі проблему або засоціюйте себе з нею. Сподіваюсь, більше у вас їх нема. І поспішайте, адже там лише одна крихітка на мільйон.
Якщо раптом хочете через 18 хв послухати лекцію під назвою Colliding Schrödinger's kittens for testing Quantum Gravity, то пишіть у коментарях.
Якщо ви як і я отримали цифровий передоз після двох зумів, розмежованих одним гугл-мітом, то саме час зцілитись вийшовши з дому послухавши цей шедевр.
YouTube
Abba - Gimme Gimme Gimme Cover in Attic Greek (BRONZECORE)
Singing this song while getting ready for the orgy with the bois ofc, Classical Greece was lit XD.
Original by @OfficialABBA : https://www.youtube.com/watch?v=XEjLoHdbVeE
Consider supporting the channel, I know what I do ain't much but its honest work…
Original by @OfficialABBA : https://www.youtube.com/watch?v=XEjLoHdbVeE
Consider supporting the channel, I know what I do ain't much but its honest work…
Forwarded from Vla∆
як же я люблю кондмат😍❤️❤️, от же його чудові результати, зліва направо: тензор Намджуна, провідність Чонгука, струм Чингачгука, оператор Гойко Мітіча, кореляційна функція Джина і Юнги, ЛЮБЛЮ!!!🔥🔥🔥🔥
Робимо домашку з кондмату під супровід. Моєму баняку вже давно потрібен адекватний супровід.
— I accidentally Olympiapark. The whole thing!
— Accidentally what?
— Olympiapark. In the rain!
— Accidentally what?
— Olympiapark. In the rain!
Тест нового формату. Точніше його частина. Подивіться на ці формули перш ніж читати наступний пост.
Уявіть, що ви дізнались про існування двох книг/технологій, яким по 5 і 20 років відповідно. Скільки вони ще будуть в друку/актуальними, і яка буде довше?
Тривалість "життя" неорганічних речей, як от лампочок, гарно описується експоненційним розподілом, про який я якось напишу окремо. А саме, ймовірність дожити до певного часу t експоненційно спадає:
P(T>t)=e^(-t/т),
(Якщо ці і наступні формули будуть не дуже зрозуміла, то на фото вони розбірливіші, як от фото 1 вище)
де т це певна стала, а T це реалізована тривалість життя, яка є випадковою змінною. Очевидно, що Т>=0. Порахуємо матсподівання тривалості життя за допомогою зручної формули:
E[T]=\int_0^\infty P(T>t)dt=т.
(Фото 2 вище)
Як бачимо, зміст параметру т це очікуваний, середній час життя, в нашому випадку тривалість бути у друку або актуальність.
Важливою властивістю експоненційного розподілу є те, що це працює не лише з самого початку життя, а в довільний його момент. Тобто якщо очікуваний час життя лампочки 5 роки, і вона прожила 4, то в середньому їй досі лишилось жити 5 років! Це можна побачити з наступного. Нехай лампочка вже прожила 2 роки, яка ймовірність їй дожити до віку 3 років? За формулою Баєса:
Р(T>3|T>2)=P(T>3,T>2)/P(T>2)=e^(-3/т)/е^(-2/т)=е^(-1/т),
(Звідси і надалі формули на фото нижче)
Де при переході від другого до третього виразу ми використали те, що подія Т>3 автоматично містить в собі події Т>2 (бо якщо ви дожили до швейцарських 83, то очевидно ви дожили і до українських 72), і тому ймовірність спостерігати подію Т>3 разом з Т>2 така ж, як і Т>3 саму.
Тобто ймовірність прожити ще хоча б рік, наприклад, точно така ж як і була з самого початку. А отже й очікувана тривалість життя від сьогодні така сама, як і від створення. Ця властивість розподілу називається відсутність пам'яті.
Застосуємо це до нашої задачі. Нехай перша технологія має очікувану актуальність х, а друга — у. Як нам оцінити ці х та у з наших даних? За допомогою методу максимальної правдоподібності, який буде описано нижче. Густина експоненційного розподілу рівна:
p(t)=-dP(T>t)/dt=e^(-t/т)/т
Відповідно ймовірність спостерігати технологію в її момент життя між t та t+dt рівна приблизно Р(t<T<t+dt)=р(t)dt. Беручи проміжки dt однаковими, але достатньо малими (наприклад, місяць-три), знайдемо при якому параметрі т ймовірність спостерігати першу технологію на u=5-му році (+-кілька місяців) життя є максимальною з усіх (тобто вищою, ніж дізнатись про неї на 6-му, 4-му, 1-му, довільному іншому році її життя):
Р(u<T<u+dt)=р(u)dt=e^(-u/т)dt/т.
dP(u<T<u+dt)/dт=e^(-u/т)dt(u/т^3-1/т^2)=0
т=u
Як бачимо, очікувана актуальність рівна моменту спостереження! Тобто книга, яка була у друку 5 років, в середньому буде у друку стільки ж, в той час як книга 20-річної давності, яка досі є актуальною, очікується бути актуальною ще років з 20. Тобто старі технології, які досі у вжитку, з великою ймовірністю переживуть нові і юні.
Взяв у дядька Талеба ідею. Як бачите, виглядає дуже змістовно, але цей канал був створений для дискусій, тож вперед до критики.
#теорім
Тривалість "життя" неорганічних речей, як от лампочок, гарно описується експоненційним розподілом, про який я якось напишу окремо. А саме, ймовірність дожити до певного часу t експоненційно спадає:
P(T>t)=e^(-t/т),
(Якщо ці і наступні формули будуть не дуже зрозуміла, то на фото вони розбірливіші, як от фото 1 вище)
де т це певна стала, а T це реалізована тривалість життя, яка є випадковою змінною. Очевидно, що Т>=0. Порахуємо матсподівання тривалості життя за допомогою зручної формули:
E[T]=\int_0^\infty P(T>t)dt=т.
(Фото 2 вище)
Як бачимо, зміст параметру т це очікуваний, середній час життя, в нашому випадку тривалість бути у друку або актуальність.
Важливою властивістю експоненційного розподілу є те, що це працює не лише з самого початку життя, а в довільний його момент. Тобто якщо очікуваний час життя лампочки 5 роки, і вона прожила 4, то в середньому їй досі лишилось жити 5 років! Це можна побачити з наступного. Нехай лампочка вже прожила 2 роки, яка ймовірність їй дожити до віку 3 років? За формулою Баєса:
Р(T>3|T>2)=P(T>3,T>2)/P(T>2)=e^(-3/т)/е^(-2/т)=е^(-1/т),
(Звідси і надалі формули на фото нижче)
Де при переході від другого до третього виразу ми використали те, що подія Т>3 автоматично містить в собі події Т>2 (бо якщо ви дожили до швейцарських 83, то очевидно ви дожили і до українських 72), і тому ймовірність спостерігати подію Т>3 разом з Т>2 така ж, як і Т>3 саму.
Тобто ймовірність прожити ще хоча б рік, наприклад, точно така ж як і була з самого початку. А отже й очікувана тривалість життя від сьогодні така сама, як і від створення. Ця властивість розподілу називається відсутність пам'яті.
Застосуємо це до нашої задачі. Нехай перша технологія має очікувану актуальність х, а друга — у. Як нам оцінити ці х та у з наших даних? За допомогою методу максимальної правдоподібності, який буде описано нижче. Густина експоненційного розподілу рівна:
p(t)=-dP(T>t)/dt=e^(-t/т)/т
Відповідно ймовірність спостерігати технологію в її момент життя між t та t+dt рівна приблизно Р(t<T<t+dt)=р(t)dt. Беручи проміжки dt однаковими, але достатньо малими (наприклад, місяць-три), знайдемо при якому параметрі т ймовірність спостерігати першу технологію на u=5-му році (+-кілька місяців) життя є максимальною з усіх (тобто вищою, ніж дізнатись про неї на 6-му, 4-му, 1-му, довільному іншому році її життя):
Р(u<T<u+dt)=р(u)dt=e^(-u/т)dt/т.
dP(u<T<u+dt)/dт=e^(-u/т)dt(u/т^3-1/т^2)=0
т=u
Як бачимо, очікувана актуальність рівна моменту спостереження! Тобто книга, яка була у друку 5 років, в середньому буде у друку стільки ж, в той час як книга 20-річної давності, яка досі є актуальною, очікується бути актуальною ще років з 20. Тобто старі технології, які досі у вжитку, з великою ймовірністю переживуть нові і юні.
Взяв у дядька Талеба ідею. Як бачите, виглядає дуже змістовно, але цей канал був створений для дискусій, тож вперед до критики.
#теорім
👍2