Continuate a non capire che, secondo quanto sostiene Gauss,
Se
X1, X2, ..., Xn sono n variabili casuali Normali tra di loro indipendenti, ciascuna con valore atteso μi e varianza σ²i,
allora
la v.c. Y = α1X1 + α2X2 + ... + αnXn è a sua volta una variabile casuale Normale con valore atteso μ = α1μ1 + α2μ2 + ... + αnμn e varianza σ² = α²1σ²1 + α²2σ²2 + ... + α²nσ²n
E' la varianza (LA VARIANZA PORCA MISERIA!!!!!) quella che deve essere considerata. Non si può prescindere dalla varianza e non dalla Paranza come qualcun altro sostiene, seppure la paranza abbia un suo senso compiuto!!!!
Anche se ad una migliore analisi, anche μ ha una sua certa importanza (il che escluderebbe la paranza a priori)
Ovviamente ciò non toglie (come sosteneva Newton) che la convergenza è quadratica, benché locale (cioè non vale per ogni I). Se invece la radice è multipla, cioè \,f'(\alpha) = 0\, allora la convergenza è lineare (più lenta). Nella pratica, fissata la tolleranza di approssimazione consentita τ, il procedimento iterativo si fa terminare
E suvvia....
Aaaahhh... dimenticavo. Come non citare Bohr che molto limpidamente sostiene che Φ(r) = r / Ze2[E − U(r)], r = x / 4(9π2 / 2)1 / 3a / Z1 / 3, a=\hbar^2/me^2
Da ciò si evince che il sunto della realtà congelata è il preludio ad un preambolo sintetico
Sono convinto che se qualcuno esterno al forum per caso ci legge, ci fa internare d'urgenza
Insieme di tecniche statistiche il cui obiettivo è costituito dall'individuare raggruppamenti di oggetti che abbiano due caratteristiche complementari:
* A) al loro interno, la massima somiglianza tra gli elementi che li costituiscono (gli oggetti appartenenti a ciascun cluster);
* B ) tra di loro, la massima differenza.
Nel linguaggio della statistica, le caratteristiche "A" e "B" corrispondono rispettivamente alla varianza interna (within cluster variance) e a quella esterna (between cluster variance).
In generale, i metodi della Cluster Analysis vengono distinti in due tipi:
* Hierarchical methods, i cui algoritmi ricostruiscono l'intera gerarchia degli oggetti in analisi (il cosiddetto "albero"), vuoi in senso ascendente, vuoi in senso discendente;
* Partitioning methods, i cui algoritmi prevedono che l'utilizzatore abbia preventivamente definito il numero di cluster in cui l'insieme degli oggetti in analisi va diviso.
E secondo voi io ed i miei amici come abbiamo compreso il concetto ? Scoprendo i film porno chiamati 'Cluster ****' ! Molto meglio di qualsiasi definizione e libro ed abbiam preso tutti 28
Quoto anche io
per altro cercavo un divertente articolo di "come si usa il quote", ma fra i suggerimenti proposti da google c'era un "Come usare il preservativo" che punta a siti per ragazze, alchè ho ritrovato questa chicca:
Quoto anche io
per altro cercavo un divertente articolo di "come si usa il quote", ma fra i suggerimenti proposti da google c'era un "Come usare il preservativo" che punta a siti per ragazze, alchè ho ritrovato questa chicca:
This site uses cookies to help personalise content, tailor your experience and to keep you logged in if you register.
By continuing to use this site, you are consenting to our use of cookies.