2344 shaares
alire
àlire
à lire
alire
alire
J'aime bien ce gars-là.
Problème mal posé, mais rigolo
actus
À lire
Ne pas utiliser eqnarray, préférer align. Article intéressant
RandomFields(utils) n'est plus maintenu, c'est officiel. Le message de l'auteur/mainteneur:
Dear Users of RandomFields(Utils),
it is a de facto decision of CRAN that CRAN does not support any
further updates of the auxiliary package RandomFieldsUtils since April 2022.
So, I do not have any hope that a new version of RandomFields will be accepted by CRAN, eventually.
The future of my R packages is very unclear. The currently most likely scenario is to put the latest versions on github and to move to Julia for future programming.
Many thanks to you, Kurt and Uwe for the great support the past years.
Best,
Martin
Dear Users of RandomFields(Utils),
it is a de facto decision of CRAN that CRAN does not support any
further updates of the auxiliary package RandomFieldsUtils since April 2022.
So, I do not have any hope that a new version of RandomFields will be accepted by CRAN, eventually.
The future of my R packages is very unclear. The currently most likely scenario is to put the latest versions on github and to move to Julia for future programming.
Many thanks to you, Kurt and Uwe for the great support the past years.
Best,
Martin
Un site intéressant
Super algo pour générer des polygones convexes aléatoires.
Ok, bon à savoir. Quand on fait free -m, on a la mémoire utilisée: conky indique que la mémoire libre est quasi-vide, mais que nenni: l'essentiel est dans le cache. C'est pas vraiment un pb.
À lire
Intéressant. Si on a une variable X qui est une somme d'autres variables, on peut s'appuyer là dessus pour en faire un IC assez étroit. Meilleur que Vysochanskij-Petunin, à garder sous le coude.
à lire
À lire
à voir
à voir
Intéressant, justement, j'avais besoin de ça.
1 n'est pas un nombre premier, sinon ça fout le bordel dans certains théorèmes mathématiques. Un nombre premier est divisible par 1 et par lui-même. Or, 1 est divisible par 1 et par lui-même, mais 1 et lui-même ne sont pas des nombres différents, et ça ça fout le bazar.
À voir
Quelques livres intéressants
Génial ! ça existe en podcast !
À creuser
À lire
À lire. Tiré d'un article qui parle de ce bouquin: "ils montrent comment des savoirs et méthodes venus des neurosciences sont aisément mobilisés
dans l’action publique, en ce qu’ils sont porteurs d’une vision individualisante de problèmes publics. Mobiliser ces connaissances et les incarner dans des instruments permet d’éviter de s’attaquer à la racine collective de problèmes aussi divers que la malnutrition ou le réchauffement climatique. "
M'a l'air intéressant...
dans l’action publique, en ce qu’ils sont porteurs d’une vision individualisante de problèmes publics. Mobiliser ces connaissances et les incarner dans des instruments permet d’éviter de s’attaquer à la racine collective de problèmes aussi divers que la malnutrition ou le réchauffement climatique. "
M'a l'air intéressant...
Intéressant.
À lire
Intéressant
Dossier sur les Néonicotinoïdes de l'ANSES. Intéressant.
À lire
À lire
À lire
À lire
À lire
à voir
À lire
"Appendix to" un peu meilleur que "appendix of" quand on parle des annexes d'un article.
À creuser
À lire
À lire
C'est génial
À llire
À lire
à lire
À lire
À lire
À lire
à lire
À lire
À lire
À garder sous le coude sci-hub miroirs.
À lire
À lire
C'est vraiment pas intuitif... Mais c'est marrant
Intéressant.
À lire
à lire
À lire
Démonstration limpide de la distribution exponentielle pour les waiting times sur un processus de Poisson
grep sur du PDF. Tout existe sous linux
À lire
à lire
Intéressant
À lire
à lire
à lire
À lire
À écouter
À lire
À lire
À lire
Article intéressant: si j'échantillonne n individus et que je ne trouve aucun positif, quel est le risque maximum d'être positif ? Règle ici: on a 95% de chances que le risque soit inférieur à n/3 -- et en suivant le même raisonnement qu'eux, 86% de chances que le risque soit inférieur à n/2.
Logique : On cherche une confiance à 95% donc un niveau de confiance à 0.05. Du coup, on cherche 0.05^(1/n), ce qui correspond grosso modo à -log(0.05)/n ~= 3/n.
Vérif sous R:
set.seed(777)
n <- 10:100
p <- seq(0,0.5, length=1000)
g <- sapply(n, function(ni) {
m0 <- sapply(p, function(y) {
rb <- rbinom(100, prob=y, size=ni)
})
cs <- colSums(m0==0)
css <- cumsum(cs)/sum(cs)
p[max(c(1:length(css))[css<0.95])]
})
plot(n,g, xlab="Taille d'échantillon",
ylab="Prévalence correspondant à 95% des zéros")
lines(n, 3/n, col="red", lwd=2)
Vérif maths. On considère la série:
$$
\sum_{k=0} (z^k)/(k!) = \exp(z)
$$
On définit $z = \log(0.05)/n$, ce qui nous permet d'étendre $\exp z =
0.05^{1/n}$ de la façon suivante:
$$
0.05^{1/n} = \sum_{k=0} \frac{(log(0.05)^k)}{n^k k!}
$$
Si $n$ suffisamment grand, on arrondit à:
$$
0.05^{1/n} \approx \log(0.05)/n
$$
et $log(0.05) \approx 3$
En suivant le même raisonnement, si l'on fixe un intervalle à 86\%,
alors le seuil est à 2/n.
Logique : On cherche une confiance à 95% donc un niveau de confiance à 0.05. Du coup, on cherche 0.05^(1/n), ce qui correspond grosso modo à -log(0.05)/n ~= 3/n.
Vérif sous R:
set.seed(777)
n <- 10:100
p <- seq(0,0.5, length=1000)
g <- sapply(n, function(ni) {
m0 <- sapply(p, function(y) {
rb <- rbinom(100, prob=y, size=ni)
})
cs <- colSums(m0==0)
css <- cumsum(cs)/sum(cs)
p[max(c(1:length(css))[css<0.95])]
})
plot(n,g, xlab="Taille d'échantillon",
ylab="Prévalence correspondant à 95% des zéros")
lines(n, 3/n, col="red", lwd=2)
Vérif maths. On considère la série:
$$
\sum_{k=0} (z^k)/(k!) = \exp(z)
$$
On définit $z = \log(0.05)/n$, ce qui nous permet d'étendre $\exp z =
0.05^{1/n}$ de la façon suivante:
$$
0.05^{1/n} = \sum_{k=0} \frac{(log(0.05)^k)}{n^k k!}
$$
Si $n$ suffisamment grand, on arrondit à:
$$
0.05^{1/n} \approx \log(0.05)/n
$$
et $log(0.05) \approx 3$
En suivant le même raisonnement, si l'on fixe un intervalle à 86\%,
alors le seuil est à 2/n.
Super site pour identifier la faune, les coquillages, etc. sur l'estran, à la plage
À lire
À lire
gold.
marrant
marrant
À lire
À lire
À lire
Pour avoir les infos de résolution des images en pdf, utiliser pdfimages et pas identify. En clair:
pdfimages -list t.pdf
pdfimages -list t.pdf
Idées lecture
À lire
À lire
à lire (cf. fil twitter associé, ya pas mal de refs associées)
À lire
À lire
Le placeholder _ est en effet plus simple. Ça donne
iris |> lm(Sepal.length~factor(Species), data=_)
Effectivement, c'est plus clair. À partir de 4.2.
iris |> lm(Sepal.length~factor(Species), data=_)
Effectivement, c'est plus clair. À partir de 4.2.
Ah ben ça va peut-être pas rester... dommage, j'aimais bien.
Gargl, ça reste expérimental. J'espère que ça va finir par être résolu cette affaire, j'aime bien ça.
En définissant :
Sys.setenv(`_R_USE_PIPEBIND_` = TRUE)
On peut utiliser des fonctions lambda de la façon suivante :
iris |> . => lm(Sepal.Length ~ factor(Species), data=.)
Parce que |> est un pipe, et . => définit une fonction lambda prenant l'argument .
Sys.setenv(`_R_USE_PIPEBIND_` = TRUE)
On peut utiliser des fonctions lambda de la façon suivante :
iris |> . => lm(Sepal.Length ~ factor(Species), data=.)
Parce que |> est un pipe, et . => définit une fonction lambda prenant l'argument .
À lire
Site pratique
À lire
Intéressant