大數據分析法和軟體實作

怎麼能不知道 #數字 呢？

數字可以告訴你很多事，前提是：請讓數字自己說話‼️

又怎麼能不知道 #價格 就是市場的最佳訊號⁉️

#經濟學 就直言不諱指出，市場機制就是價格‼️

那還缺什麼？

✳️你還缺了一個工具：怎麼讓價格說話的工具

✳️你還缺了一個方法：找出價格說話關鍵時機的方法

第一個「缺」，我提出了「#智能分段數據結構分析軟體」。這套工具就是讓價格能自己說話，告訴我們它的結構和特徵是什麼。

乾淨俐落‼️指的就是你想看什麼樣的價格就看它！它就會告訴你重要的關鍵訊息。

找原因固然重要，可太複雜了就失去所有人都能接受的性質。

想想你買東西時，想東想西，大概最後都不用買了。甚至過了促銷活動，只能原價買。

這聽起來還挺LOW的。可價格讓大家都收到市場告知的主要訊號呀！

你說價格會被操作，所以價格不準，沒意義。

試想那個價格是沒被操作的⁉️生活用品的價格難道沒被操控⁉️那又為何要差別對待投資商品的價格呢❓

反過來想，價格為什麼被操作？他們那群人的目的是什麼🤔拉高割韭菜❓還是做低抄底❓

這就是為什麼我要 #種草「智能分段數據結構分析軟體」的「#動畫版」‼️

有了工具，你就能看到數據、價格，或股價的情況，而不是兩眼摸瞎。

有了動畫版，動圖可以讓你看到價格的動圖走法。

而且那不是一天天的動態走法，而是一段段走法‼️

什麼意思呢？這就要提到第二個「缺」‼️

第二個「缺」，我提出一個方法，就是「#AI人工智能」。在既有的直線線段概念上，加上「AI人工智能」，切割數據的每段時期‼️

✅這是非常大的突破‼️

因為沒人可以明確且具體地抓出來數據的關鍵時間點。這些時間段構成數據結構的狀態。

在「動畫版」軟體內，動圖產生時間點動態，加上「AI人工智能」切割時間，動態的數據進入圖中，就是一段段的時間，而不是一點一點的進入‼️

那麼大家來看看軟體是怎麼操作的 #開箱 影片吧！它就是那麼 #簡單易上手 、#好懂易使用 ！

YouTube 影片連結🔗

https://youtu.be/6InzLHPQ0LA

還沒看過上集的朋友們，可以按這 🔗 https://youtu.be/906GTIlIRf8

還有更多影片持續上架

指標名稱：台灣消費者物價指數_總指數年增率

數據頻率：月資料

數據來源：主計處總體經濟資料庫

數據期間：1981年1月至2021年2月

運算影片：https://youtu.be/DTaQses8qEo

數據結果：

平均數：1.89591

標準差：3.04524

偏態係數：3.78672

峰態係數：23.54307

平均絕對離差：1.82768

測定：Gumbel 型I分配

a=0.67

b=1.610871

———

後續可使用機率分配模擬器生成各種的模擬數據

#統計學不能做為大數據分析的工具

#數據定模 #大數據分析 #尋找機率模型

指標名稱：台灣消費者物價指數_總指數

數據頻率：月資料

數據來源：主計處總體經濟資料庫

數據期間：1981年1月至2021年2月

運算影片：https://youtu.be/KmZTS_HQSL0

數據結果：

平均數：82.10268

標準差：14.91138

偏態係數：-0.34412

峰態係數：1.77104

中位數：84.78

平均絕對離差：12.7552

四分位距：27.36

測定：Pareto1分配

lambda=3.968655

C=104.304292

———

💡免費軟體：一組資料建立數學模式中改良式適合度檢定判定機率模式！

🔗載點：https://tinyurl.com/goodnessoffit

⚙️安裝方法：https://www.facebook.com/101934758670628/posts/102026395328131/?d=n

🟠 認識分配

很多人終其一生可能都沒見過機率分配，或者學習過，但也只當假設。若想做大數據和人工智慧，不了解機率分配模擬器，數據沒辦法確定機率模型，那麼人工智慧的核心模型都變成是人為認定，不會自動智慧思考。

🟠 了解分配

機率分配是由參數控制位置和形狀。當參數改變，位置和形狀也會開始變化。透過機率模擬器，你能夠看到整個機率分配的樣貌，還有參數改變對分配影響。你說這很重要嗎？當然是重要的！這決定了人工智慧的核心機率模型，在新數據加入後的模型變化。即使是細微改變，很可能在人工智慧的每個決策後，造成蝴蝶效應影響。

🟠 係數幫助你判斷分配特性

例如常態分配的偏態係數為0且峰態係數為3的不變特性，可以讓我們去判斷分配是否為常態分配。常態分配還關注在平均數和變異數上。所以參數和係數之間會有關聯。針對這些關聯可以讓你了解分配特性。

🟠 分配之間可以互通

有些分配透過參數設定會變成一樣的分配。這點也是讓使用者在維基百科查詢機率分配後，可以嘗試檢測設定參數後是否與另一個特定分配相同。例如，If X ~ Beta(1, β) then X ~ Kumaraswamy distribution with parameters (1, β)。那麼你就能檢測兩個分配在這參數下的圖形和係數比較。

🟠 有助於幫你的數據找到資料來源的分配

適合度檢定相當於實驗組與對照組的觀念，透過原分配生成的數據，與觀察值的檢定後，看是否來自特定分配。所以機率分配模擬器能夠模擬出那麼多分配，就能幫助你做那麼多分配，和觀察值的適合度檢定。

大數據和人工智慧的核心機率模型或關聯模型的學前觀念-機率論

在108新課綱的高中一年級下學期數學就是教「機率論」。可是太多為了考試而生的所謂「快速解題」法，產生奇奇怪怪，或是先看到解答再去拼湊過程的方法，導致整個機率論的整體架構消失。在接軌統計學時也難以接上觀念。

另外，高中數學已經可以支持你寫出目前「貴鬆鬆」的統計套裝軟體。而你缺少的有

1. 正確的機率論觀念和數學觀念

2. C語言的編寫能力

3. 數學轉換到程式的能力

在2020年，我們推出了高中數學與程式，就是讓高中生具備缺少的能力，健全數學和機率觀念。其後到了大學時，學習數學和統計相關課程，繼續銜接上去到大數據和人工智慧的核心模型建立！

想學會大數據和人工智慧核心模型的設計與建立，這是一套從「數學、機率、統計、程式」四方面基礎，綜合起來的應用程序。當你從小學到大學，數學能力已經足夠讓你將數學相關的知識轉換成程式的語言。不過，若你學的數學無法累積與貫串，那可能需要重新學習，建立正確的數學觀！這些其實是一套體系！不是你想像或經驗過的狀態！

數學模式和統計模式本來就是相輔相成，數學也是來自於數字。統計也是種處理和分析數字的方法！