در این مطلب، ویدئو تابع روانسنجی (پایتون)، مدلسازی آزمایشهای واقعی (میزان حدس زدن و نرخ خطا) با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:36:35
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:03,280 –> 00:00:04,560
اوه سلام،
2
00:00:04,560 –> 00:00:05,359
من در مورد
3
00:00:05,359 –> 00:00:06,879
تابع روان سنجی و برخی از
4
00:00:06,879 –> 00:00:10,480
ویدیوهای قبلی که با استفاده از
5
00:00:10,480 –> 00:00:13,360
برنامه نویسی سایکوپی پایتون انجام دادیم فکر می کردم، اما عمدتاً پایتون
6
00:00:13,360 –> 00:00:15,360
این است که ما ایده ای از
7
00:00:15,360 –> 00:00:16,960
تابع روان سنجی از
8
00:00:16,960 –> 00:00:19,520
اصول اولیه از ابتدا ایجاد کردیم و
9
00:00:19,520 –> 00:00:21,520
روشی را انجام دادیم. محرکهای ثابت
10
00:00:21,520 –> 00:00:22,640
فکر میکنم
11
00:00:22,640 –> 00:00:24,800
وانمود میکنم که آزمایشی انجام شود،
12
00:00:24,800 –> 00:00:25,599
اما
13
00:00:25,599 –> 00:00:27,359
پس از تأمل، فکر میکنم وقتی شروع به مدلسازی میکنیم یا واقعاً به استفاده از آن میپردازیم
14
00:00:27,359 –> 00:00:29,760
باید چند اصطلاح دیگر یا
15
00:00:29,760 –> 00:00:32,800
چند ایده دیگر را وارد کنیم
16
00:00:32,800 –> 00:00:36,800
یا
17
00:00:36,800 –> 00:00:38,879
میدانید که
18
00:00:38,879 –> 00:00:41,680
عملکردهای روانسنجی را همانطور که انتظار داریم دستکاری کنیم. خارج
19
00:00:41,680 –> 00:00:43,600
از آزمایشات روان سنجی زندگی واقعی ما
20
00:00:43,600 –> 00:00:45,760
خوب است، بنابراین این چیزی است که من
21
00:00:45,760 –> 00:00:48,000
امروز می خواهم انجام دهم این است که اساساً ما را از
22
00:00:48,000 –> 00:00:48,719
23
00:00:48,719 –> 00:00:50,320
24
00:00:50,320 –> 00:00:51,760
عملکرد روان سنجی نظری به درک کمی
25
00:00:51,760 –> 00:00:54,879
بیشتر از یک درک کاربردی از شما
26
00:00:54,879 –> 00:00:56,960
ببریم.
27
00:00:56,960 –> 00:01:00,000
28
00:01:00,000 –> 00:01:01,359
ویدیوی تکی من سعی می کنم
29
00:01:01,359 –> 00:01:04,879
آن را کاملاً کوتاه نگه دارم، اما شما از نظر تاریخی می دانید که
30
00:01:04,879 –> 00:01:06,320
من نتوانستم این کار
31
00:01:06,320 –> 00:01:07,439
را خیلی خوب انجام
32
00:01:07,439 –> 00:01:09,520
دهم. کمی تخته سفید و
33
00:01:09,520 –> 00:01:10,799
سپس کمی برنامه نویسی پایتون
34
00:01:10,799 –> 00:01:12,960
پس از آن خوب است، بنابراین
35
00:01:12,960 –> 00:01:14,479
اینجا تخته سفیدی است که می توانم خودم را
36
00:01:14,479 –> 00:01:16,960
روی آن صفحه ببینم، اوه تاریخ امروز
37
00:01:16,960 –> 00:01:19,280
سوم از 12
38
00:01:19,280 –> 00:01:21,680
21 کریسمس مبارک است، اگر به آن
39
00:01:21,680 –> 00:01:23,360
تمایل دارید
40
00:01:23,360 –> 00:01:24,640
حالا
41
00:01:24,640 –> 00:01:26,000
بیایید فکر کنیم. در مورد
42
00:01:26,000 –> 00:01:27,759
تابع روانسنجی
43
00:01:27,759 –> 00:01:29,680
وقتی تابع روانسنجی را رسم میکنیم
44
00:01:29,680 –> 00:01:31,200
یا میدانید سادهترین راه برای فکر کردن
45
00:01:31,200 –> 00:01:32,720
به این تابع روانسنجی این است
46
00:01:32,720 –> 00:01:35,439
که روی محور y در اینجا
47
00:01:35,439 –> 00:01:38,400
درصد درستی داریم
48
00:01:38,720 –> 00:01:41,040
و در محور x در اینجا
49
00:01:41,040 –> 00:01:45,799
شدت محرک uh را داریم.
50
00:01:45,799 –> 00:01:48,159
اکنون
51
00:01:48,159 –> 00:01:50,560
و درک اینجا، متأسفم،
52
00:01:50,560 –> 00:01:52,560
درک ما در اینجا این است که اگر ما یک
53
00:01:52,560 –> 00:01:55,040
54
00:01:55,040 –> 00:01:57,680
آزمایش روان فیزیک شنوایی انجام می دهیم، اگر
55
00:01:57,680 –> 00:01:59,360
محرک بسیار بلند باشد
56
00:01:59,360 –> 00:02:01,280
، آزمودنی می
57
00:02:01,280 –> 00:02:03,520
تواند آن را صد در صد درست تشخیص دهد،
58
00:02:03,520 –> 00:02:05,520
خوب است. باید جایی اینجا باشد
59
00:02:05,520 –> 00:02:07,040
که صدای آن خیلی بلند است، بیایید
60
00:02:07,040 –> 00:02:09,280
این را صد دسی بل کنیم،
61
00:02:09,280 –> 00:02:11,840
اگر 100 دسی بل باشد بسیار بلند است و 100
62
00:02:11,840 –> 00:02:13,120
درست باشد، اوکی است،
63
00:02:13,120 –> 00:02:15,280
اما همانطور که صدا را کم می کنیم، صدا را کم می کنیم. دوباره
64
00:02:15,280 –> 00:02:17,760
آن را درست میکنم،
65
00:02:17,760 –> 00:02:19,120
66
00:02:19,120 –> 00:02:21,680
اغلب آنها متأسف نمیشوند
67
00:02:21,680 –> 00:02:23,280
دوباره این کار را انجام دهید.
68
00:02:23,280 –> 00:02:24,800
69
00:02:24,800 –> 00:02:26,959
70
00:02:26,959 –> 00:02:29,200
71
00:02:29,200 –> 00:02:31,280
72
00:02:31,280 –> 00:02:33,680
بنابراین ما قبلاً توانستیم
73
00:02:33,680 –> 00:02:36,000
بگوییم خوب است که این در واقع یک
74
00:02:36,000 –> 00:02:37,680
تابع سیگموید است و می دانیم که می
75
00:02:37,680 –> 00:02:40,319
توانیم این سیگموئید را با یک تابع توزیع تجمعی توصیف
76
00:02:40,319 –> 00:02:42,160
کنیم و در
77
00:02:42,160 –> 00:02:46,080
آزمایش قبلی متاسفم اوه ویدیوها
78
00:02:46,080 –> 00:02:49,040
ما از یک گاوسی راست و یک سی دی اف گاوسی
79
00:02:49,040 –> 00:02:51,680
در علم استفاده کردیم. من فکر میکنم گاوسی مشکلی ندارد
80
00:02:51,680 –> 00:02:53,200
81
00:02:53,200 –> 00:02:55,360
و ما گفتیم هی، ببین، ما اهمیتی نمیدهیم
82
00:02:55,360 –> 00:02:57,599
که متقارن است یا نامتقارن، ما
83
00:02:57,599 –> 00:03:00,000
فقط میخواهیم از یک تابع توزیع تجمعی گاوسی
84
00:03:00,000 –> 00:03:01,760
85
00:03:01,760 –> 00:03:02,840
درست استفاده کنیم،
86
00:03:02,840 –> 00:03:04,400
اما
87
00:03:04,400 –> 00:03:08,000
این چیزی نیست که انتظار داریم
88
00:03:08,000 –> 00:03:10,560
وقتی به آن نگاه میکنیم ببینیم. دادههای یک
89
00:03:10,560 –> 00:03:13,760
آزمایش زندگی واقعی به شما نشان میدهم که چرا خوب
90
00:03:13,760 –> 00:03:16,159
است،
91
00:03:16,159 –> 00:03:18,480
اگر یادم میآید که به پایین برویم،
92
00:03:18,480 –> 00:03:20,720
93
00:03:20,720 –> 00:03:22,720
آزمایش روانفیزیکی انجام
94
00:03:22,720 –> 00:03:25,040
دهیم، خوب، من به این رقم برمیگردم. یک
95
00:03:25,040 –> 00:03:28,480
تکلیف انتخاب دو نیروی متناوب را فراخوانی کنید، بنابراین اینجاست
96
00:03:28,480 –> 00:03:30,959
که سوژه شما باید
97
00:03:30,959 –> 00:03:35,440
بین گزینه یک و گزینه دو یکی را انتخاب کند، خوب است،
98
00:03:35,440 –> 00:03:37,120
در این مورد، ما یک جهت گیری محرک انجام می دهیم،
99
00:03:37,120 –> 00:03:39,680
متأسفم، یک
100
00:03:39,680 –> 00:03:43,360
کار تشخیص جهت گیری خوب است، بنابراین
101
00:03:43,360 –> 00:03:45,680
102
00:03:45,680 –> 00:03:48,640
تشخیص جهت گیری
103
00:03:50,000 –> 00:03:50,959
خوب است
104
00:03:50,959 –> 00:03:52,400
و ما چه هستیم. قرار است انجام دهیم این است که ما
105
00:03:52,400 –> 00:03:54,319
یک آزمایش حیوانی انجام می
106
00:03:54,319 –> 00:03:56,319
دهیم و از موش ها استفاده
107
00:03:56,319 –> 00:03:58,080
می کنیم.
108
00:03:58,080 –> 00:04:01,360
109
00:04:01,360 –> 00:04:03,599
110
00:04:03,599 –> 00:04:06,480
111
00:04:06,480 –> 00:04:08,879
کمی اینجا
112
00:04:08,879 –> 00:04:10,480
و نکته جالب در مورد این
113
00:04:10,480 –> 00:04:14,080
عرصه این است که پر از آب است، خوب است و در
114
00:04:14,080 –> 00:04:16,399
نیمه راه این قسمت پشتی اینجا
115
00:04:16,399 –> 00:04:19,040
یک مانع یا یک جداکننده خواهد داشت، حالا این
116
00:04:19,040 –> 00:04:20,959
مانع یا تقسیم کننده مات است، بنابراین شما
117
00:04:20,959 –> 00:04:24,000
نمی توانید از چپ به راست ببینید، خوب و آنچه ما داریم
118
00:04:24,000 –> 00:04:26,240
انجام این کار این است که ما اساساً یک موش را در
119
00:04:26,240 –> 00:04:28,080
این انتهای اینجا قرار می دهیم، پس دم وجود دارد،
120
00:04:28,080 –> 00:04:29,520
بنابراین ما می توانیم ببینیم که ماوس به آن سمت اشاره می
121
00:04:29,520 –> 00:04:32,720
کند و ماوس می تواند به خوبی
122
00:04:32,720 –> 00:04:35,600
به سمت چپ به چپ شنا کند، خوب
123
00:04:35,600 –> 00:04:37,600
یا به سمت راست،
124
00:04:37,600 –> 00:04:38,479
خوب است،
125
00:04:38,479 –> 00:04:41,199
اما به محض اینکه آنها از
126
00:04:41,199 –> 00:04:43,840
این لبه تی گذشته اند مانع او در اینجا خوب است
127
00:04:43,840 –> 00:04:45,919
آنها تصمیم خود را گرفته اند خوب
128
00:04:45,919 –> 00:04:48,160
این قانون است
129
00:04:48,160 –> 00:04:50,160
حالا ما باید آنها را آموزش دهیم تا
130
00:04:50,160 –> 00:04:52,080
در این آزمایش خوب انجام دهند، این یک
131
00:04:52,080 –> 00:04:54,880
وظیفه تبعیض جهت گیری است و بنابراین
132
00:04:54,880 –> 00:04:56,639
در پایان
133
00:04:56,639 –> 00:04:58,560
این
134
00:04:58,560 –> 00:05:00,479
عرصه ما دو رایانه خواهیم داشت
135
00:05:00,479 –> 00:05:02,639
مانیتورها خوب هستند تا بتوانند مانیتورهای رایانه را ببینند
136
00:05:02,639 –> 00:05:04,320
137
00:05:04,320 –> 00:05:05,840
و کاری که ما انجام دادیم این است که
138
00:05:05,840 –> 00:05:08,639
ماوس را آموزش می دهیم تا
139
00:05:08,639 –> 00:05:11,120
یک توری بصری ارائه شده به صورت عمودی را تشخیص
140
00:05:11,120 –> 00:05:12,800
دهد،
141
00:05:12,800 –> 00:05:14,479
خوب،
142
00:05:14,479 –> 00:05:15,759
ما قرار نیست نحوه انجام این کار را بررسی
143
00:05:15,759 –> 00:05:17,039
کنیم. برای گفتن هی، ببین،
144
00:05:17,039 –> 00:05:18,960
ما یک موش را به اندازه کافی
145
00:05:18,960 –> 00:05:21,840
خوب آموزش دادهایم که بتواند برود،
146
00:05:21,840 –> 00:05:24,240
آه که توری عمودی در
147
00:05:24,240 –> 00:05:26,639
سمت چپ است، باید به سمت چپ شنا کنم
148
00:05:26,639 –> 00:05:29,759
، خوب اکنون درست زیر
149
00:05:29,759 –> 00:05:32,560
سطح آب ما یک سکو داریم
150
00:05:32,560 –> 00:05:34,560
خوب یک سکوی پلاستیکی که آنها نمی توانند آن را
151
00:05:34,560 –> 00:05:36,400
ببینند اما درست زیر سطح آب می نشیند
152
00:05:36,400 –> 00:05:38,639
خوب است و این
153
00:05:38,639 –> 00:05:40,960
سکوی نجات آنهاست وقتی که به
154
00:05:40,960 –> 00:05:42,240
آنجا می پرند شروع به
155
00:05:42,240 –> 00:05:43,840
تمیز کردن خود
156
00:05:43,840 –> 00:05:46,160
می کنند شما می دانید که ما می توانیم سپس به آرامی
157
00:05:46,160 –> 00:05:47,520
موس را بردارید e و آن را دوباره در قفس اصلی خود قرار می دهیم
158
00:05:47,520 –> 00:05:49,520
و سپس ماوس بعدی را انجام
159
00:05:49,520 –> 00:05:51,039
می دهیم و می توانیم خیلی سریع از بین موش های
160
00:05:51,039 –> 00:05:54,080
زیادی بچرخیم، بنابراین نکته اینجاست
161
00:05:54,080 –> 00:05:57,440
که اگر آنها
162
00:05:57,440 –> 00:05:59,840
توری عمودی را انتخاب کنند، صفحه نمایش یا
163
00:05:59,840 –> 00:06:01,840
سمتی با توری عمودی است.
164
00:06:01,840 –> 00:06:04,160
درست است،
165
00:06:04,160 –> 00:06:06,800
می دانید اگر آنها از کنار این خط تصمیم گیری
166
00:06:06,800 –> 00:06:09,199
به سمت چپ شنا کنند، ممکن است
167
00:06:09,199 –> 00:06:10,880
به بیرون بروند و به این سمت بروند، اما
168
00:06:10,880 –> 00:06:13,680
پاسخ اولیه آنها این بود که به سمت چپ بروند
169
00:06:13,680 –> 00:06:14,960
، بنابراین ما می خواهیم
170
00:06:14,960 –> 00:06:16,880
بگوییم درست است، اما
171
00:06:16,880 –> 00:06:18,479
اگر آنها به سمت درست شنا
172
00:06:18,479 –> 00:06:20,880
میکنند، درست است، اکنون
173
00:06:20,880 –> 00:06:23,600
این توری عمودی
174
00:06:23,600 –> 00:06:25,759
میتواند به سمت چپ
175
00:06:25,759 –> 00:06:28,639
خوب یا به سمت راست
176
00:06:28,639 –> 00:06:30,160
به سمت راست ارائه شود، و این
177
00:06:30,160 –> 00:06:32,880
به صورت شبه تصادفی درست میشود،
178
00:06:32,880 –> 00:06:35,440
اکنون امیدواریم این آزمایش
179
00:06:35,440 –> 00:06:38,000
منطقی باشد، بنابراین ماوس
180
00:06:38,000 –> 00:06:40,000
وقتی به سمت توری عمودی می رود درست است،
181
00:06:40,000 –> 00:06:41,759
182
00:06:41,759 –> 00:06:44,240
بنابراین آنچه را که می خواهیم به خوبی
183
00:06:44,240 –> 00:06:46,000
آزمایش کنیم،
184
00:06:46,000 –> 00:06:47,759
موارد زیر است، این یک تبعیض جهت گیری است،
185
00:06:47,759 –> 00:06:49,440
186
00:06:49,440 –> 00:06:52,560
بنابراین ما محرک آزمون خود را خواهیم داشت
187
00:06:52,560 –> 00:06:54,720
که عمودی است. توری کردن
188
00:06:54,720 –> 00:06:56,800
اما ما آن یا
189
00:06:56,800 –> 00:07:00,160
در مقابل آن را
190
00:07:00,160 –> 00:07:03,520
با محرک جایگزین خود مقایسه می کنیم که می تواند یک
191
00:07:03,520 –> 00:07:05,280
توری افقی
192
00:07:05,280 –> 00:07:07,599
همان فرکانس فضایی همان کنتراست باشد،
193
00:07:07,599 –> 00:07:09,840
194
00:07:09,840 –> 00:07:12,720
آزمایش حساسیت کنتراست را نمی خواهیم، خوب این فقط یک تم
195
00:07:12,720 –> 00:07:14,880
یز جهت گیری ساده است، بنابراین اگ
196
00:07:14,880 –> 00:07:18,639
بگوییم که تست در جهت گیری 90 درجه است، بسیار
197
00:07:18,639 –> 00:07:20,960
خوب و
198
00:07:20,960 –> 00:07:25,120
محرک جایگزین صفر درجه در جهت گیری است،
199
00:07:25,120 –> 00:07:26,319
200
00:07:26,319 –> 00:07:28,240
به نظر ما خوب است، این باید برای ماوس کاملاً آسان باشد
201
00:07:28,240 –> 00:07:30,160
، نباید آن را
202
00:07:30,160 –> 00:07:31,759
درست انجام دهند
203
00:07:31,759 –> 00:07:33,360
.
204
00:07:33,360 –> 00:07:36,319
سمت پاداش سمت درست است و بنابراین
205
00:07:36,319 –> 00:07:38,479
من می خواهم به سمت این سمت شنا کنم در
206
00:07:38,479 –> 00:07:40,000
حالی که با این طرف که
207
00:07:40,000 –> 00:07:41,840
کاملاً متفاوت به نظر می رسد، 90 درجه
208
00:07:41,840 –> 00:07:46,240
متفاوت است خوب است، بنابراین این باید آسان باشد
209
00:07:46,960 –> 00:07:50,000
نه اینکه از نظر شناختی خوب باشد،
210
00:07:50,000 –> 00:07:52,000
بنابراین ما انتظار داریم که آنها یک امتیاز دریافت کنند.
211
00:07:52,000 –> 00:07:54,960
صد در صد درست است،
212
00:07:54,960 –> 00:07:56,720
بنابراین اگر شیب عمودی
213
00:07:56,720 –> 00:07:58,080
در سمت چپ ارائه شود،
214
00:07:58,080 –> 00:08:00,240
اگر توری عمودی
215
00:08:00,240 –> 00:08:01,440
به سمت راست ارائه شود، به سمت چپ شنا می کنند. آنها می
216
00:08:01,440 –> 00:08:03,599
خواهند به سمت راست شنا کنند و
217
00:08:03,599 –> 00:08:05,039
به سمت توری افقی
218
00:08:05,039 –> 00:08:07,759
که در طرف دیگر ارائه شده است شنا نمی کنند، خوب
219
00:08:07,759 –> 00:08:08,560
درست است،
220
00:08:08,560 –> 00:08:10,639
221
00:08:10,639 –> 00:08:13,440
بیایید تفاوت جهت یا دلتا
222
00:08:13,440 –> 00:08:18,400
اوری خوب را تغییر دهیم تا جهت دلتای d-ori
223
00:08:18,400 –> 00:08:21,280
برابر با 90 درجه باشد
224
00:08:21,280 –> 00:08:24,800
d فقط مخفف این است. دلتا بسیار خوب
225
00:08:24,800 –> 00:08:26,879
حالا
226
00:08:26,879 –> 00:08:29,039
دوباره 90 را در اینجا
227
00:08:29,039 –> 00:08:30,479
خواهیم داشت که می تواند در
228
00:08:30,479 –> 00:08:32,240
سمت چپ یا سمت راست صفحه نمایش داده شود،
229
00:08:32,240 –> 00:08:33,599
من فقط آن را در سمت چپ قرار می دهم فقط برای
230
00:08:33,599 –> 00:08:34,479
اینکه
231
00:08:34,479 –> 00:08:36,399
بتوانیم دنبال کردن و آنچه را که می کنیم برای ما آسان شود.
232
00:08:36,399 –> 00:08:37,919
میخواهیم انجام دهیم این است
233
00:08:37,919 –> 00:08:39,919
که ما آزمایشهایی خواهیم داشت که در آنها
234
00:08:39,919 –> 00:08:41,839
دیگر صفر درجه نخواهد بود، اما
235
00:08:41,839 –> 00:08:45,440
میدانید که ممکن است بخواهیم به آن 45 بدهیم،
236
00:08:45,440 –> 00:08:47,040
اکنون آنچه قبلاً در آزمایشهایم انجام دادهام
237
00:08:47,040 –> 00:08:49,040
این است که آن را قرار دادهام در
238
00:08:49,040 –> 00:08:52,480
10 درجه اختلاف 10 درجه خوب است،
239
00:08:52,480 –> 00:08:55,839
بنابراین
240
00:08:56,160 –> 00:08:58,640
در برخی آزمایشات دیگر 45 خواهد بود، ما
241
00:08:58,640 –> 00:09:00,720
90 درجه را همانطور که هست رها می کنیم، می تواند
242
00:09:00,720 –> 00:09:04,880
به چپ یا راست، بنابراین 90 درجه ارائه شود
243
00:09:05,760 –> 00:09:07,600
و برای مثال ممکن است چیزی شبیه به 10 درجه انجام دهیم،
244
00:09:07,600 –> 00:09:09,519
بنابراین این بسیار
245
00:09:09,519 –> 00:09:10,480
246
00:09:10,480 –> 00:09:12,880
دشوار خواهد بود،
247
00:09:12,880 –> 00:09:14,640
بنابراین می توانید ببینید که کار g است
248
00:09:14,640 –> 00:09:17,360
اکنون کمی سختتر
249
00:09:17,360 –> 00:09:19,360
250
00:09:19,360 –> 00:09:22,800
251
00:09:22,800 –> 00:09:27,200
252
00:09:27,680 –> 00:09:28,480
عمل
253
00:09:28,480 –> 00:09:30,560
میکنیم، بنابراین متأسفم که a d برابر است با 10 d یا e برابر با 45 خوب است و سپس کاری که میتوانیم انجام دهیم این است که میتوانیم
254
00:09:30,560 –> 00:09:33,120
سختترین آزمایش را انجام
255
00:09:33,120 –> 00:09:35,680
دهیم، در حالی که 90 درجه داریم
256
00:09:35,680 –> 00:09:37,279
در مقابل
257
00:09:37,279 –> 00:09:41,279
شما آن را 90 درجه حدس
258
00:09:43,519 –> 00:09:46,160
میزنید.
259
00:09:46,160 –> 00:09:47,440
برابر با
260
00:09:47,440 –> 00:09:50,320
صفر راست است، بنابراین اگر صفحه چپ
261
00:09:50,320 –> 00:09:52,720
و راست هر دو 90 درجه را نشان میدهند، صبر کنید،
262
00:09:52,720 –> 00:09:56,000
تنها یکی از آنها پلتفرم مناسبی دارد
263
00:09:56,000 –> 00:09:58,240
و این سختترین
264
00:09:58,240 –> 00:09:59,519
آزمایشی
265
00:09:59,519 –> 00:10:01,839
خواهد بود که آنها
266
00:10:01,839 –> 00:10:04,640
سختترین آزمایش را انجام خواهند داد،
267
00:10:04,640 –> 00:10:05,920
در
268
00:10:05,920 –> 00:10:08,160
واقع ماوس قرار است انجام دهد. حدس بزنید
269
00:10:08,160 –> 00:10:10,079
که آنها فقط می خواهند حدس بزنند زیرا ما
270
00:10:10,079 –> 00:10:11,760
حتی به عنوان انسان نمی توانیم
271
00:10:11,760 –> 00:10:13,519
تفاوت بین این دو را تشخیص دهیم و نمی دانیم
272
00:10:13,519 –> 00:10:15,360
پلت فرم کجاست و بنابراین ما
273
00:10:15,360 –> 00:10:17,680
فقط باید حدس می زنیم خوب است بنابراین
274
00:10:17,680 –> 00:10:20,240
این حالا یک حدس بزنید
275
00:10:20,399 –> 00:10:23,360
چون یکی از دو گزینه وجود دارد،
276
00:10:23,360 –> 00:10:25,519
بنابراین شما گزینه یک را
277
00:10:25,519 –> 00:10:27,360
در مقابل گزینه دو دارید،
278
00:10:27,360 –> 00:10:29,279
آنها
279
00:10:29,279 –> 00:10:33,440
در پنجاه درصد مواقع درست خواهند بود، بنابراین یکی
280
00:10:33,440 –> 00:10:37,120
از دو درست خواهد بود،
281
00:10:38,240 –> 00:10:39,519
بنابراین فکر می کنم ممکن است بتوانید ببینید
282
00:10:39,519 –> 00:10:42,240
مشکل ما کجاست. اکنون اجازه دهید
283
00:10:42,240 –> 00:10:44,160
به اولین
284
00:10:44,160 –> 00:10:47,040
عملکرد روانسنجی خود برگردیم ما گفتیم خوب صبر کنید
285
00:10:47,040 –> 00:10:48,480
286
00:10:48,480 –> 00:10:50,560
من در نیوتن تلخ هستم زیرا آلمانی ها
287
00:10:50,560 –> 00:10:51,600
می گویند
288
00:10:51,600 –> 00:10:53,200
خوب
289
00:10:53,200 –> 00:10:55,600
ما انتظار داشتیم که آنها به
290
00:10:55,600 –> 00:10:58,720
صفر درصد برسند درست زمانی که نمی
291
00:10:58,720 –> 00:11:00,720
توانند محرک را تشخیص دهند،
292
00:11:00,720 –> 00:11:03,519
اما در دو وظیفه انتخاب نیروی جایگزین
293
00:11:03,519 –> 00:11:06,160
ما هرگز صفر درصد را دریافت نمی کنیم. یا
294
00:11:06,160 –> 00:11:08,959
ما انتظار داریم که هرگز صفر درصد را دریافت
295
00:11:08,959 –> 00:11:11,600
نکنیم، بلکه انتظار داریم که به طور اتفاقی در 50 درصد، حداقل را به حداکثر برسانیم یا
296
00:11:11,600 –> 00:11:13,360
متاسفیم،
297
00:11:13,360 –> 00:11:15,120
298
00:11:15,120 –> 00:11:18,399
299
00:11:18,480 –> 00:11:19,360
300
00:11:19,360 –> 00:11:21,519
بنابراین حیوانات نمی توانند
301
00:11:21,519 –> 00:11:23,839
محرک را خوب ببینند، اما هنوز
302
00:11:23,839 –> 00:11:25,680
هم یک و دو را درست می کنند.
303
00:11:25,680 –> 00:11:27,680
در حال حاضر هیچ تغییری در این
304
00:11:27,680 –> 00:11:30,959
بیت بالا وجود ندارد، بسیار خوب، آنها هنوز باید 100
305
00:11:30,959 –> 00:11:33,680
را در بالای صفحه دریافت کنند،
306
00:11:33,680 –> 00:11:36,640
بنابراین می توانید ببینید که این مسئله
307
00:11:36,640 –> 00:11:38,240
ای است که
308
00:11:38,240 –> 00:11:40,800
وقتی ما آن را در پایتون می سازیم، عملکرد روان سنجی ما خوب
309
00:11:40,800 –> 00:11:43,760
است، باید در حال حاضر آن را در
310
00:11:43,760 –> 00:11:46,000
نظر بگیریم. فکر میکنم این
311
00:11:46,000 –> 00:11:49,839
لامبدا نامیده میشود یا گاما نامیده میشود،
312
00:11:51,600 –> 00:11:52,959
من دوباره بررسی میکنم که وقتی
313
00:11:52,959 –> 00:11:55,760
وارد برنامهنویسی پایتون میشویم، خوب است،
314
00:11:55,760 –> 00:11:58,800
بنابراین
315
00:11:58,800 –> 00:12:01,519
درست زمانی که تابع روانسنجی خود را میسازیم، در اینجا با مشکلاتی روبرو خواهیم شد،
316
00:12:01,519 –> 00:12:02,720
317
00:12:02,720 –> 00:12:03,519
بنابراین
318
00:12:03,519 –> 00:12:05,440
اولین چیزی که باید بفهمیم
319
00:12:05,440 –> 00:12:07,200
خوب چگونه میخواهیم
320
00:12:07,200 –> 00:12:11,399
نرخ حدس را در نظر بگیریم،
321
00:12:12,160 –> 00:12:13,519
من یک چیز دیگر را به شما میدهم
322
00:12:13,519 –> 00:12:14,800
که در مورد بعدی
323
00:12:14,800 –> 00:12:15,760
به آن میپردازیم، همچنین
324
00:12:15,760 –> 00:12:18,399
ماوس ما هرگز 100 درست نمیکند،
325
00:12:18,399 –> 00:12:20,720
ما
326
00:12:20,720 –> 00:12:24,440
یک خطا خواهیم داشت نرخ
327
00:12:27,040 –> 00:12:28,720
و در حالت ایدهآل این کمتر
328
00:12:28,720 –> 00:12:30,399
از پنج درصد خواهد بود،
329
00:12:30,399 –> 00:12:32,720
بنابراین میزان لغزش به این معناست که حتی اگر
330
00:12:32,720 –> 00:12:36,560
آن را به سادهترین کار ممکن تبدیل
331
00:12:36,560 –> 00:12:39,120
کنیم، حیوان یا سوژه شما باز هم
332
00:12:39,120 –> 00:12:41,279
اشتباه میکنند، شاید پنج درصد
333
00:12:41,279 –> 00:12:43,839
از مواقعی که آنها این کار را انجام میدهند. خطا
334
00:12:43,839 –> 00:12:45,839
هیچ کس کامل نیست برخی از افراد سعی می کنند عمل کنند
335
00:12:45,839 –> 00:12:48,639
، یعنی من فکر می کنم دوست دارم نزدیک شوم،
336
00:12:48,639 –> 00:12:49,839
337
00:12:49,839 –> 00:12:52,240
اما با
338
00:12:52,240 –> 00:12:54,000
جدیت تمام باید توابع توزیع تجمعی خود را تغییر دهیم، بسیار
339
00:12:54,000 –> 00:12:56,800
خوب است
340
00:12:56,800 –> 00:13:00,480
تا نرخ لغزش
341
00:13:00,480 –> 00:13:03,040
را لحاظ کنیم، امیدوارم اگر به عقب برنگردیم، منطقی باشد.
342
00:13:03,040 –> 00:13:04,639
برای شروع و ببینید که چگونه
343
00:13:04,639 –> 00:13:06,560
آن را از ابتدا ساختهایم، اکنون
344
00:13:06,560 –> 00:13:09,600
به سراغ پایتون میروم،
345
00:13:09,600 –> 00:13:10,880
ببخشید،
346
00:13:10,880 –> 00:13:13,519
و ما یک رویکرد بسیار
347
00:13:13,519 –> 00:13:15,680
ساده برای
348
00:13:15,680 –> 00:13:17,839
اصلاح عملکردهای روانسنجی خود خواهیم داشت.
349
00:13:17,839 –> 00:13:19,839
بنابراین در حال حاضر ما به دنبال در قسمت
350
00:13:19,839 –> 00:13:22,399
برنامه نویسی همه چیز خوب است، بنابراین
351
00:13:22,399 –> 00:13:25,040
اگر
352
00:13:25,040 –> 00:13:27,120
از um
353
00:13:27,120 –> 00:13:30,079
anaconda یا از spider استفاده می کنید یا اگر
354
00:13:30,079 –> 00:13:32,480
از اتم یا نوت بوک استفاده می کنید، کد ویژوال استودیو خود را باز کرده ام،
355
00:13:32,480 –> 00:13:34,480
مهم نیست فقط آن را باز کنید
356
00:13:34,480 –> 00:13:37,760
و مطمئن شوید که ویرایشگر um شما
357
00:13:37,760 –> 00:13:40,320
آیا کار می کند و اینکه شما
358
00:13:40,320 –> 00:13:43,040
به کتابخانه های پایتون خود دسترسی دارید و
359
00:13:43,040 –> 00:13:44,160
اوم
360
00:13:44,160 –> 00:13:46,000
شما آماده کرک کردن هستید اساساً
361
00:13:46,000 –> 00:13:47,760
خوب است، اکنون می خواهم کمی به سمت چپ
362
00:13:47,760 –> 00:13:49,440
نگاه کنم زیرا
363
00:13:49,440 –> 00:13:51,839
مانیتور من اینجاست که در حال عکسبرداری هستم و بنابراین من
364
00:13:51,839 –> 00:13:53,760
ممکن است کمی به جلو و عقب تکان بخورم،
365
00:13:53,760 –> 00:13:55,440
بنابراین سعی نمی کنم بی
366
00:13:55,440 –> 00:13:56,639
ادب باشم، فقط به این نگاه می کنم که کجا
367
00:13:56,639 –> 00:13:59,440
برنامه نویسی می کنم خوب است، بنابراین بیایید نگاهی به اینجا بیندازیم،
368
00:13:59,440 –> 00:14:00,399
369
00:14:00,399 –> 00:14:01,680
اجازه دهید یک رشته سند را درست در
370
00:14:01,680 –> 00:14:03,920
ابتدا قرار دهیم و ما به خود یادآوری می کنیم که چه کاری
371
00:14:03,920 –> 00:14:04,959
باید انجام دهیم
372
00:14:04,959 –> 00:14:07,040
، تابع روان سنجی
373
00:14:07,040 –> 00:14:08,079
374
00:14:08,079 –> 00:14:10,720
باید اصلاح شود
375
00:14:10,720 –> 00:14:13,120
و نرخ حدس را داشتیم
376
00:14:13,120 –> 00:14:15,600
اکنون برای تکالیف انتخاب نیروی متناوب یک و دو به خاطر بسپاریم،
377
00:14:15,600 –> 00:14:18,160
378
00:14:18,160 –> 00:14:20,880
حتی زمانی که محرک بسیار
379
00:14:20,880 –> 00:14:23,680
دشوار بود، سخت ترین
380
00:14:23,680 –> 00:14:25,519
آن که ما هنوز در حال اجرا هستیم. نرخ پنجاه درصد
381
00:14:25,519 –> 00:14:27,920
درست است یا نرخ حدس زدن، بنابراین این کار
382
00:14:27,920 –> 00:14:30,000
ادامه دارد تا پنجاه درصد باشد، اما باید
383
00:14:30,000 –> 00:14:31,760
آن را در یک اعشار قرار دهیم تا
384
00:14:31,760 –> 00:14:33,839
0.5 شود
385
00:14:33,839 –> 00:14:35,760
و چیز دیگری که داشتیم oh، ما
386
00:14:35,760 –> 00:14:37,839
آن را گاما
387
00:14:37,839 –> 00:14:40,240
اوکی نامیدیم، بنابراین گاما است و سپس ما چیزی را نیز
388
00:14:40,240 –> 00:14:43,279
داریم که ما آن را نرخ لغزش مینامیم،
389
00:14:43,279 –> 00:14:45,760
و این حتی زمانی که
390
00:14:45,760 –> 00:14:47,920
ساده ترین ممکن بود،
391
00:14:47,920 –> 00:14:49,680
ببخشید که آنها هنوز هم
392
00:14:49,680 –> 00:14:51,680
چند بار اشتباه
393
00:14:51,680 –> 00:14:53,760
می کنند، من فکر می کنم نوعی
394
00:14:53,760 –> 00:14:56,079
تعریف رسمی این است که
395
00:14:56,079 –> 00:14:59,279
میزان خطای مستقل از محرک خوب است
396
00:14:59,279 –> 00:15:01,279
که کمی بیشتر به نظر می رسد. اوه،
397
00:15:01,279 –> 00:15:02,560
اما شما می دانید
398
00:15:02,560 –> 00:15:04,720
که تعدادی خطا خواهید داشت،
399
00:15:04,720 –> 00:15:06,480
صرف نظر از اینکه مستقل از
400
00:15:06,480 –> 00:15:09,680
محرک است، مهم نیست، خوب، اوم ما می
401
00:15:09,680 –> 00:15:13,120
خواهیم بگوییم اوم پنج درصد
402
00:15:13,120 –> 00:15:15,440
باشه، اوه متاسفم پنج درصد، من
403
00:15:15,440 –> 00:15:17,199
کمی تفنگ را می پرم که در اعشار
404
00:15:17,199 –> 00:15:21,360
برابر 0.05 خواهد بود و این لامبدا است،
405
00:15:21,360 –> 00:15:22,959
حالا
406
00:15:22,959 –> 00:15:24,079
407
00:15:24,079 –> 00:15:26,240
اگر میخواهید متغیر خود را لامبدا نامگذاری کنید مراقب باشید
408
00:15:26,240 –> 00:15:29,519
زیرا به یاد داشته باشید لامبدا یک
409
00:15:29,519 –> 00:15:33,279
تابع ویژه ویژه در پایتون است و um
410
00:15:33,279 –> 00:15:34,880
اگر سعی کنید و
411
00:15:34,880 –> 00:15:37,279
بنویسید لامبدا اوکی است، به مشکل خواهید خورد تا متوجه شوید. چگونه ما
412
00:15:37,279 –> 00:15:39,839
از آن دور می
413
00:15:39,839 –> 00:15:41,120
414
00:15:41,120 –> 00:15:43,120
زنیم بسیار خوب ما از یک
415
00:15:43,120 –> 00:15:44,079
416
00:15:44,079 –> 00:15:46,480
تابع توزیع تجمعی گاوسی um
417
00:15:46,480 –> 00:15:49,440
از کتابخانه آمار psi pi
418
00:15:49,440 –> 00:15:52,079
sci pi dot خود
419
00:15:52,079 –> 00:15:55,040
استفاده می کنیم بسیار خوب، بنابراین بیایید
420
00:15:55,040 –> 00:15:57,440
برخی از چیزهایی را
421
00:15:58,800 –> 00:16:01,440
که می خواهیم وارد کنیم.
422
00:16:01,440 –> 00:16:05,040
آیا شما
423
00:16:05,040 –> 00:16:07,279
از وارد کردن وسایل اطلاع دارید، بنابراین اگر
424
00:16:07,279 –> 00:16:10,240
دیگ بخار استاندارد خود را
425
00:16:10,240 –> 00:16:12,079
دارید که چیزهای بسیار رایجی دارید که همیشه
426
00:16:12,079 –> 00:16:13,759
آنها را وارد می کنید و همانطور که نیاز دارید با آنها بازی
427
00:16:13,759 –> 00:16:16,160
کنید، خواهید دید که من اغلب چه چیزی را وارد
428
00:16:16,160 –> 00:16:18,959
می کنم، بنابراین می خواهم وارد کنم os
429
00:16:18,959 –> 00:16:21,120
not improp
430
00:16:21,120 –> 00:16:25,279
import os من می خواهم از زمان تاریخ،
431
00:16:25,279 –> 00:16:28,079
املای من واقعا بد است um زمان وارد کردن تاریخ
432
00:16:28,079 –> 00:16:30,000
433
00:16:30,000 –> 00:16:31,199
خوب خواهد شد
434
00:16:31,199 –> 00:16:32,240
طولانی خواهد بود
435
00:16:32,240 –> 00:16:33,279
اوه
436
00:16:33,279 –> 00:16:35,120
ما می خواهیم numpy
437
00:16:35,120 –> 00:16:40,399
import numpy به عنوان mp ما می خواهیم uh the scipy
438
00:16:40,399 –> 00:16:43,199
بنابراین um
439
00:16:44,000 –> 00:16:47,560
از scipy.stats
440
00:16:48,160 –> 00:16:51,360
هنجار وارد کردن
441
00:16:51,360 –> 00:16:53,839
و ما همچنین میخواهیم رسم کنیم، بنابراین ما را
442
00:16:53,839 –> 00:16:59,519
وارد کنید چه نقطهای pi نمودار را بهعنوان plt
443
00:16:59,519 –> 00:17:01,360
این باید ما را در شروع درست
444
00:17:01,360 –> 00:17:02,959
حرکت
445
00:17:02,959 –> 00:17:04,799
دهد، اوه، بیایید
446
00:17:04,799 –> 00:17:08,720
خروجی ترمینال شما را پاک
447
00:17:12,319 –> 00:17:14,640
کنیم، بهشت خوب، امروز روز تعطیل من است و نم
448
00:17:14,640 –> 00:17:16,559
توانم spell for muck
449
00:17:16,559 –> 00:17:17,599
right
450
00:17:17,599 –> 00:17:20,959
so OS dot system
451
00:17:20,959 –> 00:17:22,559
کاری که ما میخواهیم انجام دهیم این است که شما همه این
452
00:17:22,559 –> 00:17:24,160
موارد را اینجا ببینید، ممکن است نتوانید آنها را
453
00:17:24,160 –> 00:17:25,760
ببینید، اما شما این همه کثیف را
454
00:17:25,760 –> 00:17:28,640
اینجا میبینید، خیلی خوب، هر بار که برنامهمان را
455
00:17:28,640 –> 00:17:30,960
اجرا میکنیم، میخواهیم آن را پاک کنیم، بنابراین
456
00:17:30,960 –> 00:17:33,520
یک من تازه شروع میکنیم. خطاهایی که
457
00:17:33,520 –> 00:17:36,080
دریافت می کنیم خطاهایی هستند که اخیراً هستند،
458
00:17:36,080 –> 00:17:38,880
من یک بار دیگر آن را اشتباه نوشتم
459
00:17:38,880 –> 00:17:41,120
چگونه ممکن است مشکلی وجود داشته باشد، اوه ما
460
00:17:41,120 –> 00:17:44,880
می خواهیم cls را ارسال کنیم اگر نام سیستم عامل
461
00:17:44,880 –> 00:17:47,840
462
00:17:48,320 –> 00:17:50,240
nt
463
00:17:50,240 –> 00:17:53,200
باشد، در غیر این صورت اگر نیست nt ما می خواهیم بعلاوه
464
00:17:53,200 –> 00:17:55,120
clear okay سپس ما قرار است
465
00:17:55,120 –> 00:17:58,240
زیر آ