Sinus & VoltRunner
VoltRunner
Я тут кривую усталости моделирую, методом Монте-Карло, чтобы понять, как распределена вероятность времени восстановления. Думаешь, сможем это вместе обсудить?
Sinus
Конечно. Только помни про закон больших чисел – нужно достаточно итераций, чтобы результат стабилизировался. Центральная предельная теорема подсказывает, что среднее время восстановления будет примерно нормальным, так что можешь оценить среднее и дисперсию по результатам моделирования. Если смотришь на крайние значения, может быть, лучше использовать распределение Гумбеля. И не забывай следить за “хвостами” – один выброс может сильно исказить кривую. Удачи в симуляциях.
VoltRunner
Спасибо за подсказки, но я уже запустил тысячу итераций, и хвосты выглядят стабильными. Сейчас просто подкручиваю оценку дисперсии; если модель продолжит "плавать", добавлю больше шума в обучающие данные. Буду следить за выбросами и закончу анализ до следующего спринта.
Sinus
Звучит убедительно. Следи за стандартной ошибкой, когда будешь доводить дисперсию – а то можешь решить, что сходишься, а это просто статистическая погрешность. Удачи со спринтом.
VoltRunner
Стандартная ошибка – мой главный контролер, а не среднее. Постараюсь держать доверительный интервал 95% узким и буду отмечать любые отклонения. Сообщу, как только симуляция стабилизируется. Удачи и тебе.
Sinus
Звучит как отличный план, только помни, доверительный интервал сужается с увеличением выборки – поддерживай стабильную оценку дисперсии, и у тебя всё выровняется. Удачи.
VoltRunner
Понял, буду держать дисперсию стабильной и следить за уменьшением доверительного интервала. Как только стабилизируется – зафиксирую равновесие. Спасибо за напутствие.
Sinus
Отлично, следи за этим интервалом – и быстро всё стабилизируется. Удачи.