Статус: Офлайн
Реєстрація: 26.09.2007
Повідом.: 13006
Реєстрація: 26.09.2007
Повідом.: 13006
При описании характера зависимости больше интересует не конкретное ее поведение, а "асимптотика". Причем в зависимости от задачи, нас интересует асимптотика на разных масштабах. И одна и та же функция может вести себя очень сильно по разному в зависимости от конкретного масштаба.
Например:
давление крови в сосудах не постоянно.
Если мы попробуем отследить это давление в масштабе нескольких ударов сердца, то заметим, что характер этой зависимости периодический. Анализируя эту периодичность можно сделать некоторые выводы.
Если внимательно рассмотрим масштаб одного удара, то заметим фрактальные эффекты. На таком масштабе можно делать другие выводы - оценивая высоту пиков давления
Если еще растянуть масштаб, то получим динамику давления (которое обычно и меряют, типа 120/80 числа), которая также много о чем может сказать (какой при этом характер зависимости окажется - тоже очень показательно... наверное... для специалистов
)
Заметьте: функция одна и та же, но в зависимости от конкретного масштаба мы применяем различные асимптотики.
Так и с зависимостью количества подхвативших заразу. В зависимости от конкретной задачи, можно обратить внимание на фрактальность кривой (если ее очень точно отрисовать) - и это офигенски интересная часть исследования зависимостей. Можно заметить (как многие тут делали) недельные колебания - и это тоже интересно, можно сделать выводы о том, как работает система тестирования, например. А если масштаб увеличить, то заметим экспоненциальную асимптоту - она важна потому, что быстро характеризует зависимость, как "мы в ****е и расслабляться рано"
Это очень и очень поверхностно, но надеюсь на часть вопросов ответил
ЗЫ я тут еще и не совсем правильно термин "асимптота" употребляю... но хрен с ним... это наиболее подходящий в данном контексте, как по мне![]()
А чем не угодил термин "аппроксимация" - он же для этого и придуман)
И я немного о другом, вот цитата:
"я прокомментировал Ваше утверждение, что "экспоненциальная зависимость" обязательно связана с числом е. Я это воспринял, как Вы такие зависимости описываете обязательно, как f(t) = k e^(wt)
И написал, что зависимость может быть намного сложнее.
А дальше уже описал, почему (и зачем) такой характер зависимости можно называть экспоненциальным."
Сложную зависимость можно называть экспоненциальной, если она похожа на нее, но с припиской, что это приближенная к экспоненте кривая, если мы не уверены, что там точная зависимость f(t) = k e^(wt). Грубо, конечно, можно называть любой "задирающийся" рост экспоненциальным, но тут нужно или крестик снять, или трусы надеть, если мы про формально корректное описание.
Фрактальность кривых статистических данных - второстепенный вопрос как раз, если речь о сильно зашумленных данных, даже график колебаний внутри недели хрен пойми что показывает - на выходных меньше лабораторий анализы делают или меньше людей приходит сдавать анализы по будням?
Похоже, что лаборатории, раз так стабильно колеблются, но все равно это бесполезная информация в отличие от усредненной линии. Но и усреднять нужно аккуратно, чтобы аппроксимация не получилась бредом.
), которая также много о чем может сказать (какой при этом характер зависимости окажется - тоже очень показательно... наверное... для специалистов 



