#數據分析 — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #數據分析, aggregated by home.social.
-
從檢定發現美國失業率是廣義極值分配特性。同時，Gumbel,type I有機率密度函數，真實告訴你美國失業率的機率模型，而不是出一張圖代表存在機率模型。
以上這些方法都是超越傳統AI的數據分析方法，真正從數據本質出發打造精確統計模型，解決通用模型無法捕捉真實數據規律的難題，通過自動化建模過程揭示隱藏的數學規律。
你學的是落在哪種層次呢？
直線建模能做到，當然非線性的人工智慧自動化建模同樣能做到。數據規律的數學化、自動化(更新+建模+模擬)、強大而直觀的統計分析工具集成，統計學習達成。
其中一種非線性建模：https://x.com/meiyulee357/status/1963281302423241168
@academicchatter @econometrics @ida
#AI #數據分析 #失業 #美國 #經濟 #計量經濟 #modelling #econometrics #unemployment #Statistics #USA #dataanalysis
-
從檢定發現美國失業率是廣義極值分配特性。同時，Gumbel,type I有機率密度函數，真實告訴你美國失業率的機率模型，而不是出一張圖代表存在機率模型。
以上這些方法都是超越傳統AI的數據分析方法，真正從數據本質出發打造精確統計模型，解決通用模型無法捕捉真實數據規律的難題，通過自動化建模過程揭示隱藏的數學規律。
你學的是落在哪種層次呢？
直線建模能做到，當然非線性的人工智慧自動化建模同樣能做到。數據規律的數學化、自動化(更新+建模+模擬)、強大而直觀的統計分析工具集成，統計學習達成。
其中一種非線性建模：https://x.com/meiyulee357/status/1963281302423241168
@academicchatter @econometrics @ida
#AI #數據分析 #失業 #美國 #經濟 #計量經濟 #modelling #econometrics #unemployment #Statistics #USA #dataanalysis
-
從檢定發現美國失業率是廣義極值分配特性。同時，Gumbel,type I有機率密度函數，真實告訴你美國失業率的機率模型，而不是出一張圖代表存在機率模型。
以上這些方法都是超越傳統AI的數據分析方法，真正從數據本質出發打造精確統計模型，解決通用模型無法捕捉真實數據規律的難題，通過自動化建模過程揭示隱藏的數學規律。
你學的是落在哪種層次呢？
直線建模能做到，當然非線性的人工智慧自動化建模同樣能做到。數據規律的數學化、自動化(更新+建模+模擬)、強大而直觀的統計分析工具集成，統計學習達成。
其中一種非線性建模：https://x.com/meiyulee357/status/1963281302423241168
@academicchatter @econometrics @ida
#AI #數據分析 #失業 #美國 #經濟 #計量經濟 #modelling #econometrics #unemployment #Statistics #USA #dataanalysis
-
從檢定發現美國失業率是廣義極值分配特性。同時，Gumbel,type I有機率密度函數，真實告訴你美國失業率的機率模型，而不是出一張圖代表存在機率模型。
以上這些方法都是超越傳統AI的數據分析方法，真正從數據本質出發打造精確統計模型，解決通用模型無法捕捉真實數據規律的難題，通過自動化建模過程揭示隱藏的數學規律。
你學的是落在哪種層次呢？
直線建模能做到，當然非線性的人工智慧自動化建模同樣能做到。數據規律的數學化、自動化(更新+建模+模擬)、強大而直觀的統計分析工具集成，統計學習達成。
其中一種非線性建模：https://x.com/meiyulee357/status/1963281302423241168
@academicchatter @econometrics @ida
#AI #數據分析 #失業 #美國 #經濟 #計量經濟 #modelling #econometrics #unemployment #Statistics #USA #dataanalysis
-
從檢定發現美國失業率是廣義極值分配特性。同時，Gumbel,type I有機率密度函數，真實告訴你美國失業率的機率模型，而不是出一張圖代表存在機率模型。
以上這些方法都是超越傳統AI的數據分析方法，真正從數據本質出發打造精確統計模型，解決通用模型無法捕捉真實數據規律的難題，通過自動化建模過程揭示隱藏的數學規律。
你學的是落在哪種層次呢？
直線建模能做到，當然非線性的人工智慧自動化建模同樣能做到。數據規律的數學化、自動化(更新+建模+模擬)、強大而直觀的統計分析工具集成，統計學習達成。
其中一種非線性建模：https://x.com/meiyulee357/status/1963281302423241168
@academicchatter @econometrics @ida
#AI #數據分析 #失業 #美國 #經濟 #計量經濟 #modelling #econometrics #unemployment #Statistics #USA #dataanalysis
-
如何建構美國失業率的機率模型？機率模型最後要有數學式顯示，不能只是圖形。
1) 直方圖？別想了，沒有數學式。只是圖像視覺化，不是數據分析，也不是人工智慧該有的數據模型。【不合格】
2) 用直方圖的組中點和對應機率值？11組可以使用AI-based piecewise linear regression method的結果是兩段直線。整體的R2達73%。【合格】
3) 建立更多分組的直方圖產生組中點與機率值。運用AI-based piecewise linear regressin method，產生9段直線。整體的R2達93%。【合格】
4) 運用適合度檢定，檢定45種機率分配？發現美國失業率的機率模型服從Gumbel,type I(a=0.68,b=27.82)。根據a值升序模擬產生條件機率分配。【合格】@academicchatter @econometrics @ida
#AI #數據分析 #失業 #美國 #經濟 #計量經濟 #modelling #econometrics #Statistics #artificialintelligence
-
如何建構美國失業率的機率模型？機率模型最後要有數學式顯示，不能只是圖形。
1) 直方圖？別想了，沒有數學式。只是圖像視覺化，不是數據分析，也不是人工智慧該有的數據模型。【不合格】
2) 用直方圖的組中點和對應機率值？11組可以使用AI-based piecewise linear regression method的結果是兩段直線。整體的R2達73%。【合格】
3) 建立更多分組的直方圖產生組中點與機率值。運用AI-based piecewise linear regressin method，產生9段直線。整體的R2達93%。【合格】
4) 運用適合度檢定，檢定45種機率分配？發現美國失業率的機率模型服從Gumbel,type I(a=0.68,b=27.82)。根據a值升序模擬產生條件機率分配。【合格】@academicchatter @econometrics @ida
#AI #數據分析 #失業 #美國 #經濟 #計量經濟 #modelling #econometrics #Statistics #artificialintelligence
-
如何建構美國失業率的機率模型？機率模型最後要有數學式顯示，不能只是圖形。
1) 直方圖？別想了，沒有數學式。只是圖像視覺化，不是數據分析，也不是人工智慧該有的數據模型。【不合格】
2) 用直方圖的組中點和對應機率值？11組可以使用AI-based piecewise linear regression method的結果是兩段直線。整體的R2達73%。【合格】
3) 建立更多分組的直方圖產生組中點與機率值。運用AI-based piecewise linear regressin method，產生9段直線。整體的R2達93%。【合格】
4) 運用適合度檢定，檢定45種機率分配？發現美國失業率的機率模型服從Gumbel,type I(a=0.68,b=27.82)。根據a值升序模擬產生條件機率分配。【合格】@academicchatter @econometrics @ida
#AI #數據分析 #失業 #美國 #經濟 #計量經濟 #modelling #econometrics #Statistics #artificialintelligence
-
如何建構美國失業率的機率模型？機率模型最後要有數學式顯示，不能只是圖形。
1) 直方圖？別想了，沒有數學式。只是圖像視覺化，不是數據分析，也不是人工智慧該有的數據模型。【不合格】
2) 用直方圖的組中點和對應機率值？11組可以使用AI-based piecewise linear regression method的結果是兩段直線。整體的R2達73%。【合格】
3) 建立更多分組的直方圖產生組中點與機率值。運用AI-based piecewise linear regressin method，產生9段直線。整體的R2達93%。【合格】
4) 運用適合度檢定，檢定45種機率分配？發現美國失業率的機率模型服從Gumbel,type I(a=0.68,b=27.82)。根據a值升序模擬產生條件機率分配。【合格】@academicchatter @econometrics @ida
#AI #數據分析 #失業 #美國 #經濟 #計量經濟 #modelling #econometrics #Statistics #artificialintelligence
-
如何建構美國失業率的機率模型？機率模型最後要有數學式顯示，不能只是圖形。
1) 直方圖？別想了，沒有數學式。只是圖像視覺化，不是數據分析，也不是人工智慧該有的數據模型。【不合格】
2) 用直方圖的組中點和對應機率值？11組可以使用AI-based piecewise linear regression method的結果是兩段直線。整體的R2達73%。【合格】
3) 建立更多分組的直方圖產生組中點與機率值。運用AI-based piecewise linear regressin method，產生9段直線。整體的R2達93%。【合格】
4) 運用適合度檢定，檢定45種機率分配？發現美國失業率的機率模型服從Gumbel,type I(a=0.68,b=27.82)。根據a值升序模擬產生條件機率分配。【合格】@academicchatter @econometrics @ida
#AI #數據分析 #失業 #美國 #經濟 #計量經濟 #modelling #econometrics #Statistics #artificialintelligence
-
#踢開美國財經數據的櫃門 肉類、家禽、魚類和蛋類產品物價的通貨膨脹率短期趨勢就是那麼地有形。
最新的趨勢是從2024年10月到2025年3月平均每月上升1.248%。往前看前一條趨勢是從2024年3月到9月，平均每月上升0.447%。這是美國去年鬧蛋荒的情況，通貨膨脹率增長速度也沒這次這麼快。話說年年禽流感，怎麼美國年年更缺蛋？
至於數據期間內有沒有比這次肉類、家禽、魚類和蛋類產品通貨膨脹率增長更快速度的時期呢？答案是有的。
當時是2020年2月到7月，通貨膨脹率平均每月上升1.917%，確實比2024年10月到2025年3月期間的增長速度還快。但想想當時發生了什麼事情？現在發生什麼事情？
#經濟 #財經 #美國 #通貨膨脹 #通脹 #數據分析 #AI #MathAI #USA #inflation #economy #EconomyWatch
-
#踢開美國財經數據的櫃門 美國人食用的乳製品及相關產品物價的通貨膨脹率趨勢又發生什麼事情呢？這是穩定上升的短期趨勢從2023年10月到2025年3月。對！你沒看錯趨勢期間。它已經持續18個月。
#經濟 #財經 #美國 #通貨膨脹 #通脹 #數據分析 #AI #MathAI #USA #inflation #economy #EconomyWatch
-
#踢開美國財經數據的櫃門 美國人吃的穀物與烘培產品通脹變化又是如何呢？看看這短期趨勢告訴你什麼。從2024年9月到2025年3月平均每月上升0.086%。當他們用預期值和公告值比大小，讓你無感時，通脹趨勢變化才是真實反映你生活情況。
其實穀物屬於美國自產自銷居多才是。看看這通貨膨脹率的走法和短期趨勢，真是新冠肺炎影響甚大啊😂
#經濟 #財經 #美國 #通貨膨脹 #通脹 #數據分析 #AI #MathAI #USA #inflation #EconomyWatch
-
美國通貨膨脹趨勢 - 截至2024年11月
1) 灰線的起始沒有改變2) 灰線平均每月下降0.1215%，相比於先前已經下降趨緩
3) 觀察空心三角點在灰線之上，代表實際通貨膨脹率已經被趨勢線低估
注意：9月聯準會宣布降息!!!!!美國仍處於總統大選期
雖說精準趨勢未能在9月成為新趨勢開始
原因是最精準結果下至少9個月成為新趨勢所以11月數據也只是剛好滿足至少9個月形成新趨勢的特性
另外11月數據加入後的確讓2024年3月開始的趨勢線變得不準了
接下來得看川普上台與聯準會政策的動作
才可能看到趨勢反轉或其他變化參考:
以2022年開始追蹤且設定至少8個月形成趨勢的趨勢分析
https://sites.google.com/view/usinflation#CPI #inflation #usinflation #經濟 #財經 #美國 #資料分析 #數據分析 #AI數據分析 #通貨膨脹 #通膨 #FED
-
本來猜測臺灣與日本的通貨膨脹有類似的趨勢狀態，但運用MathAI軟體完成趨勢圖後，發現沒這回事!!!
#日本 通貨膨脹率 關鍵時間點與趨勢變化
- 深咖啡色線(含)之前的趨勢期間都不超過半年
- 土黃色線趨勢維持5個月並且是整體數據期間增長最快
#經濟 #財經 #data #MathAI #inflation #AI #Japan #數據分析 #dataanalysis #datavisualization #trend #economy #market #通貨膨脹 #通膨 #通脹 #course #education
-
2.期間切割比較基準
✅新冠疫情前(灰色線和橙色線)：通貨膨脹率在0.7%到2.3%之間，這兩段趨勢線作為基準。
3.疫情期間的趨勢變化
✅新冠疫情初期(灰色線)：出現通貨緊縮，通貨膨脹率甚至為負值。
✅2021年(黃色線)：2021年9月後，通貨膨脹率超過3%。很可惜當時沒有預警信號。
✅2022年(淺藍色線)：2022年是通貨膨脹最迅猛的時期。
✅2023年初(綠色線)：緊縮政策導致通貨膨脹率迅速下降。
✅2023年末(深藍色線)：通貨膨脹率下降趨緩並低於3%。
AI數據分析的趨勢結果幫助我們容易理解一些經濟變化。另外，你可上網查歐元區在趨勢線期間的政策，了解政策延遲特性及缺乏指標預警的問題。
#通貨膨脹 #inflation #美國 #聯準會 #智慧數據分析 #AI #USA #人工智慧 #FED #AI數據分析 #通膨 #統計 #財經 #通脹 #IDA #統計學 #人工智能 #數學 #數據分析 #經濟 #Mathai #data
-
美國通貨膨脹率玩的小把戲，消息稱預期降至3.4%。
全球對數據的公告是與「預期值」做比較，因這是最直觀的了解方式。然而，這也可能存在人為操控的空間，對投資商品價格影響重大。例如，調控預期讓消息更加具影響力。
AI和大數據結合後，可以實現AI數據分析，每新增數據都能重複運算與AI判斷。基於數學方法的分析使結果更加精確，自然也能以數學結果做前後期比對或驗證。
在美國通膨升溫和聯準會政策消息紛飛之際，MathAI軟體通過AI數據分析方法找出精準的趨勢轉折點，並在新數據公布後顯示美國通膨可能進入波動盤整期。
#經濟 #財經 #通貨膨脹 #通膨 #通脹 #inflation #數據分析 #AI數據分析 #智慧數據分析 #IDA #FED #聯準會 #美國 #USA #AI #人工智慧 #人工智能 #數學 #統計 #統計學 #pattern #model #economy #CPI #MathAI
-
美國產能利用率(見圖一)出現清楚的三條趨勢線。從2022年1月到2024年3月呈現一條下降趨勢線，平均每月減少0.0866。2023年6月低於79的絕對數字。
圖二是美國出口物價指數從2022年6月開始下降，產生三條下降趨勢線。
這代表美國出口所記錄的貨物價格上逐月在下降，意味著美國以降低出口價格的方式出口銷售其他國家或地區。
產能利用率與出口物價指數都表明美國有產能過剩的可能，所以產能利用率持續下降27個月，而且出口到國外的貨物也在2022年開始走降價方式出售。
儘管從美國產能利用率和出口物價指數的下降趨勢來看，確實暗示著某種供應過剩的現象，但這僅僅是觀察到的一部分情況。
實際上，產能過剩可能是一個較為複雜的問題，受到許多因素的影響，如市場需求、國際貿易政策、供應鏈狀況等。
這需要進一步研究和分析其他相關指標和因素的影響，以確定是否真的存在產能過剩問題。
#經濟 #財經 #美國 #產能過剩 #excesscapacity #出口 #數據分析 #data #MathAI #AI #infographic #datavisualization #economy
-
後知後覺的FED通膨反映
3月29日鮑爾認為2月數據「絕對更符合我們希望看到的情況」。
然而，他們不具有AI數據分析能力，而不知道2月數據反而讓PCE物價年增率的下降速度趨緩。
下圖的數據期間內，平均PCE物價年增率為3.13%。
難怪FED宣告持續在抗物價上升的道路上。
Dec 2023: 2.6%
Jan 2024: 2.4%
Feb 2024: 2.5%
最新的空心三角點高於估計值，表示PCE物價年增率趨緩，並反映在平均每月下降的速度，從0.243%變成0.237%。#FED #inflation #AI #數據分析 #經濟 #財經 #通膨 #通貨膨脹 #PCE #academicchatter #data #dataanalysis #AI數據分析 #economia #econdon
-
中國通貨膨脹趨勢圖
關鍵時間點與趨勢變化
1. 2021年12月到2022年7月平均每月增加0.24%
2. 2022年8月到2022年12月平均每月減少0.26%
3. 2023年1月到2023年5月平均每月減少0.46%
4. 2023年6月到2024年2月平均每月增加0.003%
#econdon #inflation #china #economy #academicchatter #中國 #通貨膨脹 #通膨 #通脹 #趨勢 #數據分析 #人工智慧 #人工智能 #ai #mathai #infographic #data #dataanalysis #artificialintelligence #ai數據分析
-
美國消費者物價指數在公布2024年2月的數據後，趨勢會發生怎樣的改變呢？
1. 最新趨勢起點不變
2. 上個月的最新趨勢平均每月增加0.798
3. 這個月的最新趨勢平均每月增加0.797
由此可見美國 #CPI 上升趨緩2024年2月公布的 #CPI 高於預期又如何!
這趨勢圖印證為何美國股市反應不明顯，因為CPI確實趨緩。
即使如此，以2018年1月的數字為基準，美國CPI仍是高得驚人。
喜歡這則貼文
→ 點讚、轉發與人分享以獲得支持
→ 關注 @aphoebusli ，每天閱讀AI數據分析的內容#投資 #經濟 #財經 #通貨膨脹 #美國 #通膨 #通脹 #inflation #usa #ai #mathai #dataanalysis #dataanalytics #infographic #AI數據分析 #數據分析 #知識 #學習 #觀點
-
美國通貨膨脹率趨勢圖
在加入2024年1月數據讓最新趨勢轉為下降趨勢後(速度=-0.004%)，雖然2024年2月的通膨率(=3.15317%) > 1月通膨率(=3.09088%)，但對趨勢來說，平均每月下降速度反而增快(-0.012%)。
喜歡這則貼文
→ 點讚、轉發與人分享以獲得支持
→ 關注 @aphoebusli ，每天閱讀AI數據分析的內容#投資 #經濟 #財經 #通貨膨脹 #美國 #通膨 #通脹 #inflation #usa #ai #mathai #dataanalysis #dataanalytics #infographic #AI數據分析 #數據分析 #知識 #學習 #觀點
-
最後，讓我們回答高物價負擔沉重程度怎麼看！
我們選擇第二種情況為例。當然你也能選第一種情況製作圖形，進行觀察。
計算差值=每個月的真實消費者物價指數減去當月自然增長下的估計值。因為自然增長期是從2020年10月到2024年1月，有底色的區域就是這段時間。
區域圖中，垂直高度就代表高物價帶來的負擔沉重程度。高度愈高表示負擔愈大。也就是原本不用負擔那麼高的物價，如今卻要額外負擔。這就像走路負重愈來愈重。
人們對高物價的反應通常是能夠忍受程度，在口頭表現，或是轉為選擇相對較便宜的替代品。但使用數字來表示，這樣的差距或許能解釋為什麼有些人確實感受到高物價，並覺得生活難過下去了🤔
這線程可以有所價值。
點讚、轉發、與他人分享
關注追蹤 @aphoebusli ，閱讀AI數據分析的最新內容4/
@academicchatter @econometrics
#經濟 #財經 #AI #MathAI #inflation #VisualAnalytics #AI數據分析 #數據分析 #人工智慧 #人工智能 #知識 #學習 #dataanalysis #觀點 #通貨膨脹 #通膨
-
第二種情況是選擇2020年4月到9月的趨勢線為基準。此時已經通過首次被新冠肺炎襲擊。
我們一樣用此條趨勢線的數學式，繼續計算後續時間對應的消費者物價指數估計值。(見藍線)
有沒有覺得深藍色線與最新趨勢好似平行呢？
事實上，深藍色線平均每月增長0.895，最新趨勢平均每月增長0.798。
我們從這兩種情況都發現時間作用下，自然增長的趨勢線仍無法追上美國的真實物價水準。
3/
@academicchatter @econometrics
#經濟 #財經 #AI #MathAI #inflation #VisualAnalytics #AI數據分析 #數據分析 #人工智慧 #人工智能 #知識 #學習 #觀點 #通貨膨脹 #通膨
-
我們需要“比較基準”，但哪個位置才是呢？
這可以說是見仁見智。
我選擇兩個期間為“基準”。這是我個人認為的！你也可以選擇其他方式當作“基準”。
第一個期間是經過AI數據分析得到的2019年8月到2020年3月的精準趨勢線。
這是一條直線，所以我能根據它的數學式(估計式)，繼續計算接下去時間代號的消費者物價指數估計值‼️ (黃線)
此時，我們能清楚看到黃線低於真實的消費者物價指數，以及精準趨勢線🤓
每個月的真實值減去黃線的估計值，就是美國物價高於“如果沒有新冠肺炎下的可能會因時間增長的物價水準”。
兩數值差距愈大，即圖上的垂直距離愈大，物價愈發高漲！
2/
@academicchatter @econometrics
#經濟 #財經 #AI #MathAI #inflation #VisualAnalytics #AI數據分析 #數據分析 #人工智慧 #人工智能 #知識 #學習 #觀點 #通貨膨脹 #通膨
-
圖一沒有比較基準點，怎麼能說美國物價高漲呢？看圖的縱軸說數字愈來愈大⁉️
這是一個最直接的方式。
你覺得現在美國物價水準高，應該是看到其他物價的相對位置才這麼認為的，還是有其他方式看出美國物價水準很高呢？
1/
@academicchatter
@econometrics#AI #MathAI #AI數據分析 #數據分析 #人工智慧 #人工智能 #VisualAnalytics #dataanalysis #inflation #知識 #學習 #觀點 #inflation #通貨膨脹 #通膨
-
有意思的是，新聞報導指出會有年減16%的原因有二:
1. 通膨及升息效應影響
2. 全球經濟成長放緩 (終端需求疲弱、產業去化庫存尚未結束)
這第二點與前面出口增加的供應鏈庫存逐步去化產生矛盾。這都是正在進行中，怎麼庫存去化過程特別影響外銷訂單呢?這新聞是在玩文字遊戲。所以，我們更應該看時間軸的趨勢圖，有效幫助我們了解數據情況。
從台灣外銷訂單趨勢圖中的2022年與2023年可以發現兩年的首尾產生巨大的落差，變成2023年相當於約從2021年的低點開始!!
如此一看就能知道，台灣外銷訂單每年都是上升趨勢，但起始的情況不佳才是真正造成後面月份即使再努力，也拉不到2022年對應月份的水準!!
下/
#台灣 #經濟 #財經 #出口 #數據分析 #AI #人工智慧 #人工智能 #AI數據分析 #MathAI #知識 #學習 #教育 #觀點 #觀念 #教學 -
雖然新聞的數字表明台灣出口月數據在2023年12月的年增率是增加11.8%，這同樣也是兩點的比較，並不能代表趨勢，也沒有趨勢意義。那麼在時間軸上的趨勢表現，確實2023年3月到12月是上升趨勢，另外，從絕對數字(縱軸)來看，只能說台灣回到2022年年中高點。想要再創新高，或突破2022年的高點，都需更多的契機。
在新聞報導中給出了「AI新興科技應用商機活絡」，以及「供應鏈庫存逐步去化帶動拉貨需求」的兩大需求面理由。但這兩者仍屬於「製造業」的說詞，顯示台灣經濟主力仍是製造業，而非AI軟體服務與應用。後者是指台灣自研使用的AI，而不是LLM模組這種核心拿過來應用的AI。
目前看來，AI同電腦業一樣分為軟體與硬體，openAI或特斯拉都從軟體研發，轉為需要軟硬體雙手持有的情況。這表示硬體跟不上軟體(或者軟體太耗硬體?!)，原本做軟體程式研發的公司轉為需要適配的硬體，搭配加速軟體運算。
#台灣 #經濟 #財經 #出口 #數據分析 #AI #人工智慧 #人工智能 #AI數據分析 #MathAI #知識 #學習 #教育 #觀點 #觀念 #教學