Люди добрые, не дайте окончательно уехать крышей!
В первом комментарии будет картинка — сырые данные и математически выделенный из них сигнал. А я смотрю и не верю, ну совсем. Это правда так делают, да? Или все-таки полет бурной фантазии авторов?
Картинка из статьи в реферируемом журнале, если что.

наука на научном форуме  499x284, 21.04 kb

Лучшие умы интернета

19 Responses to Люди добрые, не дайте окончательно уехать крышей!

  1. M2yRain M2yRain:

    : Везет тебе. Я правительство просил, просил. Даже мудрым его называл.
    Все равно, так и не исправили мой коммент, где разметка поплыла.

    А ты раз — и все уже в ажуре. Может я прошу неправильно?

  2. Ef7No:

    : Все можно перевести на язык вероятностей в конце концов. Скажем, указать доверительные интервалы для положения и ширины линии при доверительной вероятности 95%. Наверняка они будут охватывать почти всю картинку. Это субъективно, но опираясь на свой нескромный опыт обработки экспериментальных данных. Грубо говоря, на картинке непубликуемая в нормальных журналах лажа, если только она не сопровождается оценками ошибок для модели.

    Еще знаю способ. Берете модель, пипку вот с картинки, и на нее накладываете шум со статистическими свойствами, как у экспериментального шума. Обрабатываете методом наименьших квадратов или еще как. Повторяете. Еще повторяете раз этак миллион. Строите гистограмму для определяемых в обработке параметров. Получаете для них экспериментальную функцию распределения вероятностей, отражающую реальность.

  3. Odaam:

    : Там данные долго мучают Баесиановской фильтрацией. На языке вероятностей то что на картинке якобы 2.5 сигма; примерно такая же картинка несколько лет спустя (на картинке выше 10 лет накопления сигнала, на новой 18) дает, якобы, 4.2 сигма. Статью на 6 сигм мне не дают. Импакт фактор журнала — 5 с чем-то.
    Я честно не знаю что думать.

    наука на научном форуме  500x368, 87.50 kb

  4. Amtodin:

    Вообще, я видел обработку сигнала вейвлетами. Вот там — совсем магия/шаманство. Из почти белого шума выделяли колебания и их период.

  5. supef:

    : где такое было?

  6. MvxCap:

    : Ну почему «почти из белого шума». Если сгенерить что-нибудь сугубо рандомально, они и из этого скорее всего что-нибудь да выделят.

  7. Amtodin:

    : вот именно что нет. На настоящий белый шум они выдавали фигню, по которой обёртка метода выдавала «колебаний не обнаружено, грязные данные». На сильно загрязнённую последовательность двух колебаний они выдавали правильные периоды обоих. В общем, всё работало отлично и правильно. Просто выглядело магией из-за грязноты входных данных.

  8. MvxCap:

    : Можешь прислать ссылочку?

  9. Amtodin:

    : ссылки не знаю
    Работа была выполнена в ЮУрГУ: Анна Коренченко, возможно Валерий Петрович Бескачко, +аспирантка, плюс возможно ещё кто-то.
    Исследование вязкости жидкого металла путём съёма параметров крутильных колебаний при помощи лазера.

  10. Amtodin:

    : а ну вот вроде одна из их работ

  11. SdiMilk:

    : не в тему, сентиментальное: ах, какие прекрасные лекции по квантам читает Бескачко!

  12. SdiMilk:

    По теме. Спросила у друга, который шарит, вот, что он мне написал:

    если график представляет число частиц энергия которых лежит в заданных интервалах, то тут просто работа с кривой распределения. Чтобы получить черную линию, нужно уменьшить разброс значений — то есть отбросить «хвосты» у зеленой и наверно увеличить дискретизацию в районе математического ожидания. Но тут замечание: «хвостов» как таковых у зеленой нет, отбрасывыть их незаконно.

  13. RumTunes:

    : посты пиши — так оперативнее.

  14. Amtodin:

    : он вообще прекрасен 🙂 Зубр и человечище!

  15. MvxCap:

    : ЭЭЭэээ, я ничего не понимаю в проводящей жидкости, про магнитное поле давно все забыл и вообще туплю, но что-то про вейвлеты ничего там не нашел…

    Для того, чтобы дать ответ «колебаний не обнаружено, грязные данные», скорее всего есть какой-то параметр: если получилось больше, чем столько-то — сигнал, меньше — шум. Ну или еще какие-то критерии — скажем, если слишком много «сигналов» одинаковой мощности, и тд. Думаю, что эти параметры можно установить только экспериментально. Что, впрочем, никак не умалает результатов. Просто то, что со стороны может казаться магией, на самом деле, возможно, просто хорошее знание данных, с которыми люди работают.

  16. SdiMilk:

    : согласна 🙂 а стиль лекций, кстати, чем-то напоминает Ричарда всея физики Фейнмана. У нас стояло 2 пары квантов подряд (!), а время летело так, что иной раз и за полпары больше утомишься.

  17. Amtodin:

    : да, извини, что, возможно, ввёл в заблуждение. Эта работа вроде бы никак не связана с той, о которой я говорил. Просто привёл пример работы этой троицы 🙂

  18. Peeen:

    Вот берешь ты кубик игральный, и знаешь, что если его бросить, на нем просто обязано выпасть 1,2,3,4,5 или 6.

    Вощм бросаешь, смотришь — а там — емае, 1423. Бросаешь еще раз — 3201, еще раз — 2001. Покидал-покидал ты его, собрал данные, наплотил гистограмму.
    Теперь внимание вопрос — что же чаще всего выпадает на кубике — 1,2,3,4,5 или 6? Вопрос непростой, поэтому ты расчехляешь самые крутые статистические методы оценки параметров модели, твой компьютер фырчит изо всех сил, и через полчаса вычислений выдает самый лучший из всех возможных ответов: «ПЯТЬ».

    Отлично. Теперь осталось только нарисовать гистограмму зеленым, поверх отметить полученный результат и отдать в печать. Ура, наука опять восторжествовала!

    Это я к тому, что к любым данным можно зафигачить нормальное распределение.

Добавить комментарий

Ваш e-mail не будет опубликован.