АК
Кстати, @konhis, а зачем оно вообще считается? Чего-то впаривать хотите или балансить сессии? Возможно цель метрики «подскажет» её правильное содержание.
Size: a a a
2020 January 13
PU
Хорошо, х - количество "зачтено", у - количество "не зачтено". (х-у)/x вполне интерпретируемо. 1 - все "зачтено", 0 - одинаковое количество зачтено и не зачтено, отрицательные значения - больше не зачтено. Да и сами числа вполне осмысленны и отражают разницу.
хм. не соглашусь про зачтено/не зачтено
но в целом ты прав, можно и так сделать
но в целом ты прав, можно и так сделать
ГД
привычкой. и понятными интерпретациями
например, когда кд ~ 10, это показывает, что игрок хорошо играет
когда около 0.1 - что плохо
x - y можно схожим образом интерпретировать, но с нюансами
а вот x / (1 - y) уже непонятно как интерпретировать
например, когда кд ~ 10, это показывает, что игрок хорошо играет
когда около 0.1 - что плохо
x - y можно схожим образом интерпретировать, но с нюансами
а вот x / (1 - y) уже непонятно как интерпретировать
Разность все-таки как-то странно выглядит... Игрок, который умер 10 раз, убил 110 раз очевидно играет лучше, чем игрок, который умер 1010 и убил 1110, однако в данной метрике они одинаковы
PU
Кстати, @konhis, а зачем оно вообще считается? Чего-то впаривать хотите или балансить сессии? Возможно цель метрики «подскажет» её правильное содержание.
сравнить две группы, у одних боты посильнее, у других посложнее
и понять, есть ли разница между группами / конфигами ботов. и какая это разница, что получают пользователи при разных конфигах
и понять, есть ли разница между группами / конфигами ботов. и какая это разница, что получают пользователи при разных конфигах
PU
Разность все-таки как-то странно выглядит... Игрок, который умер 10 раз, убил 110 раз очевидно играет лучше, чем игрок, который умер 1010 и убил 1110, однако в данной метрике они одинаковы
да, поэтому обычно и смотрим и отношение, и абсолютные значения
ДК
Разность все-таки как-то странно выглядит... Игрок, который умер 10 раз, убил 110 раз очевидно играет лучше, чем игрок, который умер 1010 и убил 1110, однако в данной метрике они одинаковы
О чем и речь, нужна какая-то нормировка
PU
О чем и речь, нужна какая-то нормировка
говорю ж, обычно нормируем x / y
просто сейчас в y оказалось много нулей
просто сейчас в y оказалось много нулей
АК
говорю ж, обычно нормируем x / y
просто сейчас в y оказалось много нулей
просто сейчас в y оказалось много нулей
Ботов на помойку, раз никто не умирает 😁
PU
нормально, это первый бой, там нельзя пугать совсем хардкором
ДК
говорю ж, обычно нормируем x / y
просто сейчас в y оказалось много нулей
просто сейчас в y оказалось много нулей
Я понимаю, да, именно так. Просто самое очевидное и первое приходящее на ум решение в данном случае - использовать вместо x/y y/x, если х=0 намного меньше.
R
Я понимаю, да, именно так. Просто самое очевидное и первое приходящее на ум решение в данном случае - использовать вместо x/y y/x, если х=0 намного меньше.
так это ведь по сути не решает проблему, нет? y/x при y=0 равно нулю для любых x, что не сильно лучше x/y, который в таком случае NA
PU
так это ведь по сути не решает проблему, нет? y/x при y=0 равно нулю для любых x, что не сильно лучше x/y, который в таком случае NA
если inf/na небольшое количество, мы их просто можем удалить
но не когда их до четверти выборки
но не когда их до четверти выборки
R
если inf/na небольшое количество, мы их просто можем удалить
но не когда их до четверти выборки
но не когда их до четверти выборки
иметь K/D, не чувствительную к K для четверти выборки, не сильно лучше, я к этому :D
PU
о, коллеги. раз уж все тут активные
как посчитать т-тест по статистикам, а не по сырым данным? может, кто знает функцию?
навскидку функции такой не знаю, самому писать лень, гугл тоже не особо помогает и спамит t.test()-ом
как посчитать т-тест по статистикам, а не по сырым данным? может, кто знает функцию?
навскидку функции такой не знаю, самому писать лень, гугл тоже не особо помогает и спамит t.test()-ом
ГД
если inf/na небольшое количество, мы их просто можем удалить
но не когда их до четверти выборки
но не когда их до четверти выборки
Вообще, если бы это была пропорция, то можно было бы добавлять к числителю и знаменателю параметры из априорного бета-распредления. Это вполне научная практика - http://varianceexplained.org/r/empirical_bayes_baseball/. Поправка лапласа - это своего рода частный случай. Но здесь отношение двух пуассонов - я не знаю, как для этого случая рассчитать поправки
ГД
о, коллеги. раз уж все тут активные
как посчитать т-тест по статистикам, а не по сырым данным? может, кто знает функцию?
навскидку функции такой не знаю, самому писать лень, гугл тоже не особо помогает и спамит t.test()-ом
как посчитать т-тест по статистикам, а не по сырым данным? может, кто знает функцию?
навскидку функции такой не знаю, самому писать лень, гугл тоже не особо помогает и спамит t.test()-ом
А стандартное отклонение и средние есть?
PU
Вообще, если бы это была пропорция, то можно было бы добавлять к числителю и знаменателю параметры из априорного бета-распредления. Это вполне научная практика - http://varianceexplained.org/r/empirical_bayes_baseball/. Поправка лапласа - это своего рода частный случай. Но здесь отношение двух пуассонов - я не знаю, как для этого случая рассчитать поправки
оу. спасибо, буду смотреть. любопытная штука.
ГД
expss::compare_means