Artificial Neural Networks

Art

Emoções e Valências

A Deep Dive Into Brainwaves: Brainwave Frequencies Explained

Testes de hipótese

Queremos verificar se duas máquinas produzem peças com a mesma homogeneidade quanto a resistência à tensão. Para isso, sorteamos dias amostras de 6 peças de cada máquina, e obtivemos as seguintes resistências:

Máquina A	145	127	136	142	141	137
Máquina B	143	128	132	138	142	132

O que se pode concluir fazendo um teste de hipótese adequado?
Solução:
Da teoria de testes de hipótese sabemos que, assumindo a distribuição normal, o teste para a hipótese:

que é equivalente à

é feito calculando-se a estatística de teste:

e em seguida comparando-se este valor com um valor da tabela de  e/ou calculando-se o P-valor associado com  e  graus de liberdade. Devemos também fixar o nível de significância do teste, que neste caso vamos definir como sendo 5%.
Para efetuar as análises no R vamos primeiro entrar com os dados nos objetos que vamos chamar de ma e mb e calcular os tamanhos das amostras que vão ser armazenados nos objetos na e nb.

Pré-processamento

Script

ma <- 127="" 136="" 137="" 141="" 142="" c="" p="">na <- length="" ma="" p="">na

mb <- 128="" 132="" 138="" 142="" c="" p="">nb <- length="" mb="" p="">nb

cor(ma,mb)

par(mfrow=c(4,4))
plot(ma,mb,main="Correlation")
abline(lm(ma~mb),col="red")
boxplot(ma,main="MA")
boxplot(mb,main="MB")
barplot(rbind(ma,mb),main="R Correlation")
barplot(cbind(ma,mb),main="C Correlation")
plot(table(ma),main="MA")
plot(table(mb),main="MB")
hist(ma,main="MA")
hist(mb,main="MB")
dotchart(ma,main="MA")
dotchart(mb,main="MB")
barplot(t(summary(ma)),main="MA")
barplot(t(summary(mb)),main="MB")
plot(density(ma),main="MA")
plot(density(mb),main="MB")
plot(density(ma),main="MA x MB")
lines(density(mb),col="red")
par(mfrow=c(1,1))

heatmap(cbind(ma,mb),main="HeatMap")
pairs(cbind(ma,mb),main="Pairs")

par(mfrow=c(2,2))
mean(ma)
median(ma)
sd(ma)
min(ma)
max(ma)
quantile(ma)
plot(c(ma),type = "l",main="MA")
abline(mean(ma), 0, col="red")
abline(median(ma), 0, col="blue")
abline(max(ma), 0, col="purple")
abline(min(ma), 0, col="green")

mean(mb)
median(mb)
sd(mb)
min(mb)
max(mb)
quantile(mb)
plot(c(mb),type = "l",main="MA")
abline(mean(mb), 0, col="red")
abline(median(mb), 0, col="blue")
abline(max(mb), 0, col="purple")
abline(min(mb), 0, col="green")

mean(c(ma,mb))
median(c(ma,mb))
sd(c(ma,mb))
min(c(ma,mb))
max(c(ma,mb))
quantile(c(ma,mb))
plot(c(c(ma,mb)),type="l",main="MA")
abline(mean(c(ma,mb)), 0, col="red")
abline(median(c(ma,mb)), 0, col="blue")
abline(max(c(ma,mb)), 0, col="purple")
abline(min(c(ma,mb)), 0, col="green")

plot(ma,type="l",main="MA x MB")
lines(mb,col="red")
abline(mean(c(ma,mb)), 0, col="red")
abline(median(c(ma,mb)), 0, col="blue")
abline(max(c(ma,mb)), 0, col="purple")
abline(min(c(ma,mb)), 0, col="green")
par(mfrow=c(1,1))


ma.v <- ma="" p="" var="">ma.v

mb.v <- mb="" p="" var="">mb.v

fcalc <- ma.v="" mb.v="" p="">fcalc

pval <- 2="" fcalc="" lower="F)</p" na-1="" nb-1="" pf="">pval

var.test(ma,mb)
t.test(ma,mb)
<- 127="" 136="" 137="" 141="" 142="" c="" p=""><- length="" ma="" p=""><- 128="" 132="" 138="" 142="" c="" p=""><- length="" mb="" p=""><- ma="" p="" var=""><- mb="" p="" var=""><- ma.v="" mb.v="" p=""><- 2="" fcalc="" lower="F)</p" na-1="" nb-1="" pf="">

The laws of probability, so true in general, so fallacious in particular.

Kiss - We Are One

Determinants of Personal Power

Personal Power: Stepping-Stone or Stumbling Block

The Blind Men and the Elephant

Types of controlled vocabularies

The “berry-picking” model of how users move through an information system

Integrated browsing, searching, and asking over many iterations

Four common information needs

The infamous three circles of information architecture

Information architecture deliverables

Information architecture systems

Information architecture concepts

Fascismo

1.    Passado mítico
2.    Propaganda
3.    Anti-intelectualismo
4.    Irrealidade
5.    Hierarquia
6.    Vitimização
7.    Lei e ordem
8.    Tensão sexual
9.    Sodoma & Gomorra
10.    Arbeit Marcht Frei

Características Básicas do Totalitarismo

• Culto ao líder: Os três regimes possuíam um forte culto ao líder, e sua imagem era espalhada em todos os locais possíveis, como escolas, por exemplo.
• Unipartidarismo: Todos os totalitarismos suprimiam a existência dos partidos, e somente o partido do governo tinha a permissão de funcionar.
• Doutrinação: A população dos regimes totalitários era alvo de intensa doutrinação, que se iniciava com o ensino infantil. Essa doutrinação visava propagar a ideologia do governo.
• Centralização do poder: O poder político no totalitarismo é centralizado no líder e/ou no partido.
• Uso do terror: O terror era uma arma dos regimes totalitários para amedrontar seus opositores e perseguir grupos enxergados como “inimigos do Estado”.
• Censura: A censura era uma prática comum a jornais e à população em geral. Regimes totalitários não aceitavam críticas, denúncias e não aturavam a existência de uma oposição.
• Militarização: Exaltação do exército e militarização da sociedade.
• Criação de inimigos internos e/ou externos: Esse mecanismo era utilizado como distração ou justificativa para explicar as ações e o autoritarismo do regime.
• Nacionalismo exacerbado: O nacionalismo no totalitarismo assumia um viés extremista que pregava a exclusão e perseguição de outros povos ou etnias.

α = r × β

where β = 600%, α = 30% and r = 5%

It shouldn't bother me, no, it shouldn't, but it does

Can you afford that luxury?

Ideology