#筆記 — Public Fediverse posts

Plaud NotePin S穿戴式AI筆記助手實試 一鍵標註重點
https://www.am730.com.hk/科技/1026723/plaud-notepin-s穿戴式ai筆記助手實試-一鍵標註重點

AIを搭載したPDFが、ひとつの時代の終わりを告げている | WIRED.jp https://www.yayafa.com/2509783/ #SCIENCE #Science&Technology #Technology #アドビ/Adobe #ギア/Gear #テクノロジー #生産性/Productivity #科学 #科学＆テクノロジー #筆記/Writing

讀書筆記：吃藥前，你應該要知道的事
作者：王惠珀
出版社：天下文化
ISBN：9789864794850

#書籍 #筆記 #分享

如果喜歡這一類的內容，請跟我說

----

有經驗法則證明很安全、可以吃的，稱為「食物」；
很安全、有證據證明療效、可以自行使用的，叫做「成藥」（over-the-counter, OTC）；
有療效但未必安全、必須生病才使用的，是「處方藥」（prescriptions）

「保健食品」是「食品」，而不是「藥品」，不是用來治療疾病的。身體有病痛還是得就醫，不能光靠健康食品

證實中藥、西藥會在身體「打架」

從二十世紀通過一階、二階、三階的臨床試驗藥品即可上市，到二十一世紀藥品上市後，必須經過第四階的臨床數據再評估，才能決定是否可永續使用

新藥上市後的實證數據來自於病人，專利失效成為學名藥之後，智慧財產權應屬於公共財

原廠藥失去專利保護後是學名藥，政府有責任讓其他學名藥儘早上市，讓藥品具有取代性，並透過自由競爭創造買方市場，讓民眾早日有便宜的藥可以使用

藥品給付遊戲規則造成以藥養醫，藥業市場集中在大醫院，基層醫療單位不易取得藥品而日益萎縮，缺藥缺了幾十年也沒人管，基層醫療及藥事服務長期失衡，老人在厝邊拿不到藥，從來也沒有人在乎

亂象來自於健保藥品的不合理「訂價」（price）以及不合理「全額給付」造成的藥價黑洞

SARS 最大的「毒性」，或許未必是病毒本身，而是它所帶來的恐慌

SARS 引起的社會恐慌，促成台大社會科學院與醫學院舉辦，台大史上第一次跨領域研討會「後煞時代風險治理與社會重建」，因為這個危機突顯的不只是醫療議題，而是社會秩序與風險的議題

從藥的產出端來說，新藥開發的成功率只有萬分之一，失敗是常態，沒通過「品質、安全、療效」的洗練之前，都不是新藥

臨床試驗是藥物開發最關鍵的階段，然而臨床試驗不可迴避的是可能的風險，這種風險是「試驗中新藥」使用於人體之前無法預測的

因為蚊子為垂直飛行的昆蟲，上下合掌可提升拍中的命中率。 #筆記

#筆記

Do not be afraid of big MoE models
https://www.reddit.com/r/SillyTavernAI/comments/1ch4ga6/do_not_be_afraid_of_big_moe_models/

#LLM

只要領先於這個行業的技術，那麽這就是標準！這就是解答！

1. 沒有所謂近似分配。每個數據集都能找出自己的分配，得到該有的臨界值做統計分析！

2. Durbin-Watson 檢定統計量在所有統計學與計量經濟學、生物統計課本上的臨界值表是錯的！

3. 將迴歸的係數儘可能壓低，讓因素都進入誤差的方法是錯的！

4. AI成熟就能重新驗證數學、統計、機率的理論，再回饋到AI！

5. 迴歸分析是三套數學建模，不是只有期望值模型！或者直線期望值模型後，誤差變成ARCH系列！

6. 迴歸模型可以是線性函數、無限的非線性函數、曲線化直線函數！

以上內容都有書籍、報告書！

#知識 #學習 #筆記 #學術 #數學 #機率 #統計 #經濟 #金融 #生物 #academic #research @academicchatter

克魯曼這次來洗白他不是民主黨的支持者

一直持續關注我的朋友們就能了解，克魯曼這次說的反應經濟狀態的指標是價格水平，而不是變化率，也就是通貨膨脹率。

這點我在用AI數據分析或在一些通貨膨脹率圖形表現上的調整做法是一致的。

但克魯曼只是用文字寫出來，和他推文附圖沒有任何可以說有關的，特別是他還要說與歐元區的物價在時間軸上的相比。

#經濟 #財經 #觀點 #筆記 #數據分析 #AI數據分析 #物價 #通貨膨脹

美國30年公債收益率趨勢圖(2023/01/03 ~ 2023/10/05)

期間最快上漲收益率落在9月20日到9月27日以每日平均0.063%上升

即使是9月28日到10月5日趨勢則是以平均每日0.042%上升

#筆記 #投資筆記 #投資 #理財 #經濟 #財經 #公債 #債券 #利率 #數據分析 #知識 #學習 #教學 #分享 #美國

台燿收盤價趨勢圖
2023年7月3日到2023年10月4日
最右邊的趨勢可以看到是上漲趨勢

AI目前檢測不出有趨勢轉折
只要股價在週五仍是上漲，趨勢就仍是往上

但如果明天週五的收盤價落在147.5，那麼就會出現新趨勢了

#投資 #理財 #經濟 #財經 #趨勢 #股市 #股價 #投資筆記 #筆記 #AI #台股

那些電視上的分析師認為AI概念股的技嘉可以進場，但從趨勢圖來看，2023年9月21日就開始走上漲趨勢

現在進場值得嗎？
以到2023年10月4日的數據來說，AI測定出10月4日的收盤價已經是新趨勢開始。

10月4日: 287.5
10月5日: 288.0
新趨勢應該是向上趨勢
但三天數據才會比較可信

另外，9月21日開始的趨勢得到2.43點的斜率，經AI更新後趨勢力道變為2.80點。這代表10月4日的數據在9月21日的趨勢內會導致趨勢力道變緩。至於10月4日開始的新趨勢力道目前是0.5，還須持續關注與計算。

#投資 #理財 #經濟 #財經 #數據分析 #技嘉 #股市 #股價 #投資筆記 #筆記 #台股

今天東森財經新聞(YT)在講網通股，分析師認為合勤控營收不錯可以買

那我就拿每月營收來看趨勢
2016年1月到2023年8月
最右邊的趨勢還是下降啊~~
不過AI檢測出2023年8月營收會是新趨勢的起點，目前不知道方向，但猜測會是向上

#投資 #理財 #經濟 #財經 #股市 #股價 #合勤控 #營收 #數據分析 #筆記 #投資筆記

上則貼文可以看出美元指數已經是處於上升趨勢，但如果看下圖的年增率就會認為美元指數的-2.7%後會提出美元轉弱的觀點。

這是因為上則貼文是以「趨勢」角度看，而美元指數年增率則是兩點(去年同月)做比較的兩點連成一直線觀念。

#經濟 #財經 #美元 #匯率 #外匯 #數據分析 #投資 #美國 #筆記

上則貼文可以看出美元指數已經是處於上升趨勢，但如果看下圖的年增率就會認為美元指數的-2.7%後會提出美元轉弱的觀點。

這是因為上則貼文是以「趨勢」角度看，而美元指數年增率則是兩點(去年同月)做比較的兩點連成一直線觀念。

#經濟 #財經 #美元 #匯率 #外匯 #數據分析 #投資 #美國 #筆記

上則貼文可以看出美元指數已經是處於上升趨勢，但如果看下圖的年增率就會認為美元指數的-2.7%後會提出美元轉弱的觀點。

這是因為上則貼文是以「趨勢」角度看，而美元指數年增率則是兩點(去年同月)做比較的兩點連成一直線觀念。

#經濟 #財經 #美元 #匯率 #外匯 #數據分析 #投資 #美國 #筆記

上則貼文可以看出美元指數已經是處於上升趨勢，但如果看下圖的年增率就會認為美元指數的-2.7%後會提出美元轉弱的觀點。

這是因為上則貼文是以「趨勢」角度看，而美元指數年增率則是兩點(去年同月)做比較的兩點連成一直線觀念。

#經濟 #財經 #美元 #匯率 #外匯 #數據分析 #投資 #美國 #筆記

#圖表 美國名目廣義美元指數趨勢 (2018年1月到2023年9月)

從2018年到2023年9月可以看出美元的強力上漲，期間只有兩次下降，並且皆持續6個月。

兩次強力上漲發生在2019年11月開始的趨勢，以及2022年1月開始的趨勢，第一次持續7個月，第二次持續10個月。

美元的強勢可以為美國帶來吸收資金的能力，並且美元更具購買力。

#經濟 #財經 #美元 #匯率 #外匯 #數據分析 #投資 #美國 #筆記

#圖表 美國名目廣義美元指數趨勢 (2018年1月到2023年9月)

從2018年到2023年9月可以看出美元的強力上漲，期間只有兩次下降，並且皆持續6個月。

兩次強力上漲發生在2019年11月開始的趨勢，以及2022年1月開始的趨勢，第一次持續7個月，第二次持續10個月。

美元的強勢可以為美國帶來吸收資金的能力，並且美元更具購買力。

#經濟 #財經 #美元 #匯率 #外匯 #數據分析 #投資 #美國 #筆記

#圖表 美國名目廣義美元指數趨勢 (2018年1月到2023年9月)

從2018年到2023年9月可以看出美元的強力上漲，期間只有兩次下降，並且皆持續6個月。

兩次強力上漲發生在2019年11月開始的趨勢，以及2022年1月開始的趨勢，第一次持續7個月，第二次持續10個月。

美元的強勢可以為美國帶來吸收資金的能力，並且美元更具購買力。

#經濟 #財經 #美元 #匯率 #外匯 #數據分析 #投資 #美國 #筆記

#圖表 美國名目廣義美元指數趨勢 (2018年1月到2023年9月)

從2018年到2023年9月可以看出美元的強力上漲，期間只有兩次下降，並且皆持續6個月。

兩次強力上漲發生在2019年11月開始的趨勢，以及2022年1月開始的趨勢，第一次持續7個月，第二次持續10個月。

美元的強勢可以為美國帶來吸收資金的能力，並且美元更具購買力。

#經濟 #財經 #美元 #匯率 #外匯 #數據分析 #投資 #美國 #筆記

#圖表 #台灣 死亡人數和屍體火化人數之關聯圖
死亡人數和火化人數有正向關係。隨著死亡人數增加，火化人數增長趨緩，但最後一條關聯線則又提高增長速度。

另外，死亡人數增加，並未是1：1的增加火化人數，而是超過1😳

兩軸也不是45度線😳

有人知道為什麼嗎？

#筆記 #人口 #死亡

#圖表 美國核心個人消費支出年增率趨勢
2018年1月到2023年8月
✅目前AI並未檢測到趨勢轉折訊號，這表示從7月的4.291%下降到8月的3.876%不會改變上圖最新趨勢方向

✅AI檢測9月如果介於(3.578, 4.254)仍不會發生趨勢轉折，這對聯準會爭取到很大的調整空間

新聞報導PCE數據發布後，交易員繼續押注聯準會加息已經結束。我倒是很好奇，他們認為食物和能源物價波動性大而可以剔除，剔除後的PCE年增率做為主要判斷是否要升息的指標。

那我是否可以認為食物和能源的價格在冬季民眾就少買了？這有點笑話。

至少從下圖的最新趨勢可以看出趨勢方向不改變，沒有更往下，也沒有反轉向上的跡象。交易員的壓注如同賭博。

#經濟 #財經 #投資 #新聞 #數據分析 #筆記

我認為美國最終會接受低成本的中國產品與服務，即使經過多地轉運，想要解決高通膨的問題就是擴大供給，而且是低成本的供給！畢竟美國聯邦政府負債累累，利息支出持續爆表。

#筆記 #經濟 #政府失靈

美國聯邦政府不會關門
因為美國人不會讓這事情發生

那為了避免美國聯邦政府關門的臨時支出法案還包夾要外援的金額。讓人看了不知該說什麼才好。

每半年的關門危機就像放羊的孩子
最後會怎樣，沒人知道？

#筆記

美國真的消費者支出強勁嗎？
先定義強勁是指上漲或下降速度，所以就是時間序列的資料的趨勢斜率。

文內說明指標結果並未證實美國消費者支出強勁。
https://aida-tw.github.io/aidal/2023/09/28/PCE

美國銀行執行長認為美國經濟軟著陸，而非衰退的理由不充足，數據分析不支持他的論點。

#經濟 #財經 #消費 #知識 #學習 #美國 #美股 #投資 #USA #economy #數據分析 #筆記 #學習

如果教育也是黨錮呢？
學閥林立，各占山頭
為了填出山來
杯弓交錯
時代再變
教育內容看似有變
但多數仍維持40年前的教學內容
某些專業甚至拋棄過去的知識
回到幼兒數數與辨識之道
看似合理
處處皆是破綻
沒有根的學問
終路到頭

數百年的數學專業發展
哪成想被打壓成抽根換底
誰能知道解決大數據和人工智慧方法
還不是得回到原本的數字之道

看透還說破
總比藏著捏著
隱隱藏藏還來得好

#筆記

#筆記 #統計學 #迴歸分析
【創新研究畫重點】
對迴歸分析第二個假設：直線模式，是不是能放寬呢？

直線模式在計量經濟學的討論直線模式可能產生問題時，使用拋物線的散布點圖，此時當然配適直線的結果遠不如拋物線的二次方函數還來得好。

我們也很意外，到目前為止，多數的量化分析仍維持直線模式，而非檢測數據是否合宜直線的型態。

那麼，直線模式能不能被打破呢？當然可以。當數據分析進入到「資料探勘」(data mining)時，它著重的問題點就是找出數據之間的關聯規律。

這關聯規律可不是什麼直線模式，很可能是其他特殊函數的形式才能表現出來。因此，探勘可以指函數的篩選，而篩選原則則是能夠愈精準愈或好。

這個想法延續到大數據分析 — 為數據建模 — 上，同樣都是希望尋找出符合數據的數學模型。但縱觀論文期刊文獻，極少真正在研究如何配適出精準地數學模型。

反而是套模型訓練結果布滿大多數的論文期刊文獻中。我們也不能說這些文獻有誤或不足。只能說是研究方向和目的不同，而出現的結果。

同時還出現主題和內文排擠現象。但凡不同于於常見分析用法，或真正想解決期望值模型的直線模式限制都很容易被打槍與拒絕。

#筆記 #數據分析

你做的數據分析能夠從美國通貨膨脹率精準抓出2023年6月是新上升趨勢的開始呢？

學術愛搞一堆複雜的數學模型或應用，他們能解決這麼簡單且實務的問題嗎？他們不在乎這些簡單問題，並且嗤之以鼻！

這讓人很無奈！那些掌握教育大餅和一直用理論或人為干預設定壟斷方式的利益團體又怎麼願意讓非利益團體內的人解決問題呢！真的很遺憾！

#筆記 #統計學 #迴歸分析

問題：你使用迴歸分析的目的是什麼？

🟢 找變數間關聯
🟢 解讀統計分析結果

這兩者看似相同，其實大大不同

如果是找變數間的關聯，這其中包含
☑️ 自變數選擇：選擇和應變數最有線性相關，才能讓直線迴歸更具解釋力和代表性。

☑️ 期望值模型的模型形式選擇：誰說變數之間關聯就是直線，那只是方便簡單的模式展現而已。

但在計量經濟學和部分統計學內容中，將直線模式視為假設，有的使用者甚至當直線是不可打破的設定。

至於多數的研究論文則偏重在迴歸分析的統計分析解讀上，對參數點估計值的區間估計和假設檢定，樂此不疲地描述與解讀，套上他們開心內心預設的認知。

此時，我們得回到這個問題：

你用迴歸分析的目的是什麼？

如果你想知道的是變數間的關聯，那麼期望值模型就得找出具有最高解釋力的函數形式。

為了達到最符合變數間的規律，即使此函數很可能非常複雜，甚至有Overfitting的現象，我們也要盡全力找出最小誤差的函數形式。

這點在Hsiao 等人在2021年發表的期刊論文中就為台灣期貨指數找出最佳的期望值模型。

#筆記 #統計學 #迴歸分析

✅ 迴歸分析的第五個假設：存在樣本平均數，並且條件期望值為應變數的母體平均數

本身統計分析是基於

1. 樣本平均數
2. 中央極限定理

所發展出的區間估計和假設檢定分析方法，所以從母體分配隨機抽出的樣本，自然可以形成樣本平均數(這是種數學組合)。

不過遇到沒有平均數的母體分配，雖然可以隨機抽出樣本並計算樣本平均數，但這並不能去解釋母體參數用，只是自己玩開心，沒有任何意義。

因此，想要確定樣本的母體分配，就得先做「適合度檢定」。不過統計學的「適合度檢定」有所侷限，這導致統計套裝軟體侷限住「適合度檢定」的使用，最後只用於檢查樣本是否來自常態分配。

王冠先和李玫郁在2019年的「統計學不能做為大數據分析的工具」一書中，提出「改良式適合度檢定」。

在不違反適合度檢定的基本概念和原理下，可測定45種分配，另外他們在同年已經發展到可測定78種分配，並可繼續增加。

#筆記 #統計學 #迴歸分析

✅ 迴歸分析第四個假設：樣本數對相互獨立

無論是時間序列資料或一般的數對資料，只要使用迴歸分析都需要滿足樣本從母體分配而來，相互之間彼此獨立。

統計學中也發展出「獨立性檢定」幫助使用者檢定樣本之間是否獨立。

另外也有隨機性檢定，幫助使用者檢定樣本之間是否隨機。

這兩個檢定得在還沒有做迴歸分析前，先對樣本進行基礎的測定。確認樣本符合假設後，才能對樣本執行迴歸分析。

很遺憾的是多數迴歸分析的使用者並沒有依照流程對樣本做事前的分析，確認是否合用迴歸分析。

多數使用者在學習過程中也缺乏這樣的認知和訓練，因此，那些迴歸分析結果無論符不符合理論或使用者預設的想法，讀者都要謹慎面對。

錯信或認為結果符合認知想法，很可能已經落入分析的雷區，造成錯誤訊息與錯誤指引。