Liczby naturalne $\mathbb{N}$

Podział liczb - #1

Początki matematyki to liczby naturalne $\mathbb{N} = \{1,2,3,\ldots\}$, czyli narzędzie służące do opisu liczności (np. trzy elementy) lub do podawania kolejności (np. trzecia osoba). Z biegiem czasu do liczb wprowadzono pierwsze działania – dodawanie i mnożenie. Z łatwością można wykazać, że liczby naturalne są zamknięte ze względu na dodawanie i mnożenie – jednak nim przejdziemy dalej – wyjaśnię w kilku słowach co to tak naprawdę oznacza.

Zamkniętość zbioru ze względu na działanie

Rozważmy dowolny zbiór $A$ oraz dwuargumentowe działanie $a*b$ określone na elementach $a, b \in A$.

Mówimy, że zbiór $A$ jest zamknięty ze względu na działanie $*$ jeśli dla dowolnych $a, b \in A$ istnieje $c \in A$, że $c=a*b$.

Inaczej mówiąc, zbiór jest zamknięty ze względu na dane działanie jeśli wszystkie możliwe wyniki wskazanego działania (na elementach rozważanego zbioru) są również elementami tego zbioru. W analogi do dodawania i mnożenia liczb naturalnych możemy stwierdzić, że suma dwóch liczb naturalnych jest liczbą naturalną, a w konsekwencji mnożenie dwóch liczb naturalnych daje także wynik w liczbach naturalnych.

$$\Big(\mathbb{N}, +, \times\Big)$$

Wraz z rozwojem matematyki wprowadzano kolejne działania, które ujawniły „niekompletność” zbioru liczb naturalnych.

Liczby całkowite $\mathbb{Z}$ jako „domknięcie” odejmowania „-„

Podział liczb - #2

Wprowadzenie odejmowania pokazało, że liczby naturalne nie są zamknięte ze względu na to działanie. Dla wielu liczb naturalnych wynik odejmowania jest liczbą naturalną, jednak istnieje równie wiele przykładów uzasadniających wniosek przeciwny, np.:

$$2-5 = -3 \notin \mathbb{N}$$

Uzupełniając liczby naturalne o liczby do nich przeciwne oraz 0 otrzymujemy liczby całkowite $\mathbb{Z}=\{\ldots,-3,-2,-1,0,1,2,3,\ldots\}$ zamknięte również ze względu na odejmowanie.

$$\Big(\mathbb{Z}, +, \times,-\Big)$$

Liczby wymierne $\mathbb{Q}$ jako „domknięcie” dzielenia $\frac{\cdot}{\cdot}$

Podział liczb - #3

Liczby wymierne wyrażając proporcję (stosunek) pomiędzy wielkościami powstają z ilorazu dwóch liczb całkowitych.

Każdą liczbę wymierną można zapisać jako ułamek, tzn. $\mathbb{Q}=\Big\{\frac{m}{n}:m,n\in\mathbb{Z},n\neq 0\Big\}$ gdzie $m, n$ są liczbami całkowitymi, a $n$ jest różne od 0.

I choć dla części liczb naturalnych ich iloraz jest również liczbą naturalną (np. 10 / 2 = 5), to istnieje równie wiele przypadków sytuacji odwrotnej, np.

$$\frac{1}{5}\notin\mathbb{Z}$$

Liczby wymierne są zamknięte ze względu na iloraz (z pominięciem 0 – gdyż dzielenie przez 0 nie jest określone).

$$\Big(\mathbb{Q}, +, \times,-, \frac{\cdot}{\cdot}\Big)$$

Liczby algebraiczne jako „częściowe domknięcie” pierwiastkowania $\sqrt{\cdot}$ i potęgowania ${m}^{n}$.

Podział liczb - #4

Już Pitagoras potrafił wykazać że długości przekątnej jednostkowego kwadratu nie da się wyrazić jako stosunku ówcześnie znanych liczb. Z twierdzenia Pitagorasa łatwo zapisujemy

$$x^2=1^2+1^2$$

$$x^2=2$$

$$x=+/-\sqrt{2}\notin\mathbb{Q}$$

Pierwiastek z liczby 2 nie jest liczbą wymierną, podobnie jak i $\sqrt{3}$, $\sqrt{5}$, … Zapiszmy nieco ogólniej

$$x^2-2=0$$

Zatem pierwiastek z liczby 2 jest zerem wielomianu (pierwiastkiem wielomianu) o wymiernych współczynnikach.

Liczby algebraiczne, zdefiniowane jako rozwiązania wielomianów o wymiernych współczynnikach, są pierwszym etapem „domknięcia” liczb wymiernych.

Liczby rzeczywiste $\mathbb{R}$ jako granice ciągów liczb wymiernych.

Podział liczb - #5

Liczby wymierne (nawet rozszerzone o liczby algebraiczne) nie są zupełne.

Zbiór nazywamy zupełnym jeśli w zbiorze istnieje granica każdego ciągu spełniającego warunek Cauchy’ego.

Wykres ciągu Cauchy’ego Wykres ciągu Cauchy’ego – źródło wikipedia.org

Mówimy, że ciąg spełnia warunek Cauchy’ego, jeśli dla ustalonej dowolnie małej liczby, pomijając skończoną liczbę elementów ciągu, „odległość” pomiędzy pozostałymi dowolnymi dwoma elementami ciągu nie przekracza ustalonej wartości.

Dobrym i bardzo znanym przykładem jest ciąg definiujący podstawę logarytmu naturalnego

$$a_n=(1+\frac{1}{n})^n$$

Każdy element ciągu jest liczbą wymierną, gdyż powstaje z mnożenia liczb wymiernych. Ciąg ten spełnia warunek Cauchy’ego, jest zbieżny, jednak jego granica nie istnieje w liczbach wymiernych.

$$\lim a_n=e\notin\mathbb{Q}$$

Liczba e nie jest liczbą wymierną, nie jest również liczbą algebraiczną, Liczba e jest przykładem kolejnej klasy liczb „uzupełniających braki” w liczbach wymiernych.

Liczby nienależące do zbioru liczb wymiernych, które są granicami ciągów liczb wymiernych spełniających warunek Cauchy’ego, nazywamy liczbami niewymiernymi.

Niektóre z liczb niewymiernych są liczbami algebraicznymi (np. $\sqrt{2}$), jednak znaczna ich większość to liczby przestępne, czyli takie, które nie są pierwiastkiem żadnego wielomianu o współczynnikach wymiernych.

$$\Big(\mathbb{R}, +, \times,-, \frac{\cdot}{\cdot}, \lim \Big)$$

Liczby zespolone jako „domknięcie” pierwiastkowania $\sqrt{-1}$

Podział liczb - #6

Świat szedł do przodu, matematyka odkrywała kolejne wzory opisujące rzeczywistość. W XVI wieku ponownie napotkano problem „niezupełności” liczb i działań. Trudność pojawiła się w momencie wyprowadzania wzoru na pierwiastki wielomianu stopnia 3. Każdy wielomian stopnia 3 ma przynajmniej jedno miejsce zerowe, jednak okazało się, że konstrukcja wzoru podającego te pierwiastki wymaga założenia istnienia wartości $\sqrt{-1}$. Tak powstały liczby zespolone, których znaczenie jest dużo bardziej głębokie niż wartość $\sqrt{-1}$ oraz wzory Cardano dla równań sześciennych. Liczby zespolone to całkowicie nowy wymiar liczb, wymiar ukryty, mimo wszystko pojawiający się w niemal każdej empirycznej dziedzinie nauki z fizyką na czele…

… ale o tym w kolejnej części cyklu…

Pozdrowienia,

Mariusz Gromada

Poza Liczbami: Inne Twórcze Przestrzenie

Matematyka i muzyka są ściśle powiązane przez rytm, harmonię i struktury

Matematyka i muzyka są ściśle powiązane przez rytm, harmonię i struktury, które wykorzystują matematyczne wzory i proporcje do tworzenia estetycznych i emocjonalnych doznań. Z nieśmiałą ekscytacją przedstawiam moją pierwszą poważniejszą kompozycję, w której starałem się uchwycić te połączenia.

Scalar – zaawansowana aplikacja mobilna z silnikiem matematycznym mojego autorstwa

Minus razy minus daje plus

Z pewnością każdy wie, że wynikiem mnożenia liczb ujemnych jest liczba dodania. Formułka „minus razy minus daje plus” była nam wtłaczana do głów w trakcie wczesnych lat szkolnych. Nauczyciele zapomnieli jednak wyjaśnić dlaczego tak właśnie jest, oraz przybliżyć motywację matematyków definiujących arytmetykę liczb ujemnych.

Mnożenie jako skrócone dodawanie

Mówi się, że mnożenie to skrócone dodawanie, co jest w zupełności prawdą i, przy ograniczeniu do liczb całkowitych, faktem dosyć oczywistym.

$$3\times 4 = 3 + 3 + 3 + 3 = 4 + 4 + 4 = 12$$

Mnożenie jest przemienne i rozdzielne względem dodawania

Te dwie fundamentalne własności mnożenia zapisujemy jako

przemienność $a\times b = b\times a$

przykład $3\times 4 = 4\times 3=12$

rozdzielność $a\times (b+c)=a\times b + a\times c$

przykład $3\times 4 = 3\times (1+3) = 3\times 1 + 3\times 3 = 3 + 9 = 12$

Mnożenie liczb ujemnych z punktu widzenia matematyka

Matematycy, definiując arytmetykę liczb ujemnych, chcieli zachować spójność z już rozwiniętą arytmetyką liczb dodatnich i zera. Opierając się na interpretacji skróconego dodawania łatwo uzasadniamy następujące:

$$-3\times 4 = (-3)+(-3)+(-3)+(-3)=-12$$

„Dodając dług do długu” otrzymujemy większy dług – intuicyjne. Teraz wykorzystując przemienność mnożenia otrzymujemy:

$$4\times (-3)=-3\times 4=-12$$

W tym momencie z intuicją już trochę trudniej, natomiast spójność została zachowana. Czas przejść do meritum – tzn spróbujmy odpowiedzieć na pytanie:

$$-3\times (-4)=?$$

Do rozwiązania powyższego zastosujemy trick na bazie rozdzielność mnożenia względem dodawania.

$$-3\times 0=0$$

$$-3\times 0=-3\times(-4+4)=0$$

$$-3\times(-4+4)=-3\times (-4)+(-3)\times 4=0$$

$$-3\times(-4)+(-12)=0$$

$$-3\times(-4)=12$$

Powyższe z intuicją nie ma nic wspólnego, jednak jest spójne, tzn. na bazie arytmetyki liczb dodatnich i zera, przemienności mnożenia, rozdzielności mnożenia względem dodawania, jesteśmy w stanie uzasadnić dlaczego mnożenie liczb ujemnych musi być liczbą dodatnią.

Mnożenie liczb ujemnych jako zmniejszenie straty

Załóżmy, że mnożymy dwie liczby, gdzie interpretacja pierwszej to wartość zysku bądź starty, natomiast znaczenie drugiej to zwielokrotnienie (zwiększenie / zmniejszenie) pierwszej wartości. W takiej sytuacji mnożenie dwóch liczb ujemnych oznacza zmniejszenie straty, czyli łączny efekt dodatni działania.

Interpretacja zmniejszenia straty

Powyższe wyjaśnienie można określić mianem intuicyjnego 🙂

I na koniec film od Mathologer’a wyjaśniający powyższy problem (materiał, na którym wzorowałem powyższy wpis).

Pozdrowienia,

Mariusz Gromada

Poza Liczbami: Inne Twórcze Przestrzenie

Matematyka i muzyka są ściśle powiązane przez rytm, harmonię i struktury

Matematyka i muzyka są ściśle powiązane przez rytm, harmonię i struktury, które wykorzystują matematyczne wzory i proporcje do tworzenia estetycznych i emocjonalnych doznań. Z nieśmiałą ekscytacją przedstawiam moją pierwszą poważniejszą kompozycję, w której starałem się uchwycić te połączenia.

Scalar – zaawansowana aplikacja mobilna z silnikiem matematycznym mojego autorstwa

Miesięcznik Finansowy Bank

W najbliższym wydaniu Miesięcznika Finansowego Bank będą miał okazję odpowiedzieć na kilka bardzo ciekawych pytań z obszaru BI oraz Customer Intelligence. Część wywiadu jest już dostępna pod poniższym linkiem. Serdecznie zapraszam 🙂

„Danych trzeba używać

W jaki sposób dbać o jakość danych niezbędnych do przeprowadzania wiarygodnych analiz? Mariusz Gromada, kierownik Zespołu Analitycznego Wsparcia Kampanii, Departament Zarządzania Kampaniami w Banku Millennium.

Dosyć często miałem okazję odpowiadać na to pytanie i zawsze moją główną radą było, aby danych używać. Wykorzystywanie danych, to pierwszy krok do identyfikacji nieprawidłowości w danych. Nie istnieje system informatyczny bez błędów, hurtowania danych bez błędów w danych – natomiast z pewnością istnieją nieujawnione błędy, których ujawnienie to sytuacja pozytywna. Największym ryzykiem dla jakości danych w środowisku BI jest wytworzenie w organizacji dodatkowego obiegu informacji, bazującego na alternatywnych źródłach. Analogicznie – największym wyzwaniem dla projektów wdrożenia hurtowni danych jest skuteczne zastąpienie już funkcjonującego obiegu informacji, co jest bezpośrednią konsekwencją braku zaufania do nowych źródeł – i koło się zamyka…

Jak temu zaradzić? Kluczowe jest, aby jednostka odpowiedzialna za obszar BI działała w sposób szybki, elastyczny, bardzo pro-biznesowy, wychodziła naprzeciw potrzebom użytkowników z różnym poziomem wiedzy technicznej i biznesowej. Jednostka BI musi w pełni akceptować, że jakość danych jest inaczej rozumiana przez odbiorców biznesowych (aktualność/terminowość, poprawność/kompletność, czytelność, szybkość/dostępność, spójność) oraz przez partnerów IT (główny nacisk na integralny i znormalizowany model danych, elastyczność struktur danych, wydajność rozwiązania). Ponadto jednostka BI musi odpowiednio reagować na zgłoszone błędy, skutecznie i szybko je poprawiając. Nie ma nic gorszego dla procesu poprawy jakości danych niż bardzo długi okres rozwiązywania problemu. Taka sytuacja powoduje irytację odbiorców, skutecznie ich zniechęcając do zgłaszania kolejnych błędów w przyszłości, oraz motywując do wytworzenie alternatywnego obiegu informacji.

Analiza błędów i ich naprawa musi być realizowana z naciskiem na architekturę aplikacji IT (łącznie z usługami integrującymi się w czasie rzeczywistym), w tym weryfikację i eliminację redundancji danych, stosowanie kontroli i walidacji zarówno na etapie wprowadzania danych, jak też na styku aplikacji i systemów. To są podstawy, których spełnienie jest niezbędne, aby zacząć rozważać wdrażanie systemów kontroli jakości danych. Bardzo dużą część błędów można wykryć już na etapie pozyskiwania danych, w sposób automatyczny, poprzez odpowiednie zaprojektowanie i użycie scenariuszy kontrolnych.

Scenariusze kontrolne opisują te sytuacje, co do których przewidujemy, że mogą się wydarzyć. Dotyczy to zarówno technicznych aspektów jakości, takich jak spójność/integralność danych, poprawność formatu pól, sumy kontrolne, wartości ekstremalne, jak i niektórych kwestii biznesowych – np.: reguły eksperckie, rozkłady wartości, trendy, czy odchylenia od zdefiniowanych wzorców. Rynek oferuje wiele rozwiązań klasy Data Quality, w równie wielu przypadkach organizacje wytwarzają takie rozwiązania samodzielnie.”

Mariusz Gromada

Danych trzeba używać – www.alebank.pl

Pozdrowienia,

Mariusz Gromada

Poza Liczbami: Inne Twórcze Przestrzenie

Matematyka i muzyka są ściśle powiązane przez rytm, harmonię i struktury

Matematyka i muzyka są ściśle powiązane przez rytm, harmonię i struktury, które wykorzystują matematyczne wzory i proporcje do tworzenia estetycznych i emocjonalnych doznań. Z nieśmiałą ekscytacją przedstawiam moją pierwszą poważniejszą kompozycję, w której starałem się uchwycić te połączenia.

Scalar – zaawansowana aplikacja mobilna z silnikiem matematycznym mojego autorstwa

Blog MathSpace.pl istnieje nieco ponad 3 miesiące, zatem mogę podzielić się już pierwszymi statystykami dotyczącymi Was 🙂

Szacuję, że na 65% jesteś mężczyzną …

Twój wiek na 85% nie przekracza 45 lat …

Mogę powiedzieć, że z prawdopodobieństwem 65% mieszkasz w Polsce …

I jeśli faktycznie mieszkasz w Polsce, to na 40% mieszkasz w Warszawie 🙂

MathSpace.pl - Użytkownicy - Miejscowości - Poslak

Na koniec miejscowości, z których pochodzą użytkownicy MathSpace.pl

MathSpace.pl - Użytkownicy - Miejscowości - Świat

Pozdrowienia,

Mariusz Gromada

Poza Liczbami: Inne Twórcze Przestrzenie

Matematyka i muzyka są ściśle powiązane przez rytm, harmonię i struktury

Matematyka i muzyka są ściśle powiązane przez rytm, harmonię i struktury, które wykorzystują matematyczne wzory i proporcje do tworzenia estetycznych i emocjonalnych doznań. Z nieśmiałą ekscytacją przedstawiam moją pierwszą poważniejszą kompozycję, w której starałem się uchwycić te połączenia.

Scalar – zaawansowana aplikacja mobilna z silnikiem matematycznym mojego autorstwa

W części 1 wpisu na temat Spirali Ulama zaznaczyłem, że efekt wizualnego ułożenia liczb pierwszych na diagonalach spirali kwadratowej jest konsekwencją głównie dwóch własności:

  1. Na przekątnych są albo same liczby parzyste, albo same liczby nieparzyste, zatem tylko diagonale z liczbami nieparzystymi będą agregować liczby pierwsze;
  2. Niektóre diagonale zagęszczają bardziej liczby pierwsze niż inne, co wynika z zależności pomiędzy przekątnymi i funkcją kwadratową oraz faktem, że niektóre funkcje kwadratowe generują więcej liczb pierwszych niż inne.

Dzisiejszy tekst poświęcę przybliżeniu własności nr 2.

Wielomiany i rekurencja

Funkcja kwadratowa i rekurencja

Dla wielomianów możemy zawsze podać ich postać rekurencyjną, Jest to własność mało znana, jednak dosyć prosta w uzasadnieniu. Pokażę to na przykładzie funkcji kwadratowej, jednocześnie wzbogacając cykl „Zabawy z rekurencją” 🙂

$$f(x) = ax^2+bx+c$$

Rozważmy następnie równanie

$$f(x+1)=f(x)+Bx+C$$

Podstawiając i upraszczając…

$$a(x+1)^2+b(x+1)+c=ax^2+bx+c+Bx+C$$

$$ax^2+2ax+a+bx+b+c=ax^2+bx+c+Bx+C$$

$$2ax+a+b=Bx+C$$

$2a=B$    oraz    $a+b=C$

otrzymujemy

$a=\frac{B}{2}$    oraz    $b=C-a$

Następnie analizując $f(1)$ mamy

$f(1)=a+b+c$    zatem    $c=f(1)-a-b$

$$c=f(1)-a-(C-a)=f(1)-C$$

Wniosek: jeśli znana jest relacja rekurencyjna $f(x+1)=f(x)+Bx+C$ oraz znamy wartość $f(1)$ to jesteśmy w stanie jednoznacznie wskazać równanie kwadratowe $ax^2+bx+c$ spełniające daną zależność rekurencyjna, gdzie

$a=\frac{B}{2}$,    $b=C-a$,    $c=f(1)-C$

Uogólnienia dokonujemy na bazie dwumianu Newtona

$$(x+1)^n = {n\choose 0}x^n+{n\choose 1}x^{n-1}+{n\choose 2}x^{n-2}+\ldots+{n\choose {n-1}}x+{n\choose n}$$

Funkcja kwadratowa i linie proste / przekątne na spirali Ulama

Poniżej spróbuję pokazać w jaki sposób „nawijanie prostej na kwadrat” sprawia, że parabole w efekcie otrzymują kształt linii prostych.

Przykład 1 – Pionowa prosta

Spirala Ulama - równanie prostej 1

Zapisujemy zależność rekurencyjną

$$f(1)=4$$

$$f(2)=f(1)+1+2+3+3+2$$

$$f(3)=f(2)+2+3+5+5+3$$

$$\ldots$$

$$f(n+1)=f(n)+n+2n+(2n+1)+(2n+1)+(n+1)$$

$$f(n+1)=f(n)+8n+3$$

Teraz, korzystając z wyprowadzonego wcześniej wzoru, wyznaczamy współczynniki a, b, c funkcji kwadratowej spełniającej $f(n+1)=f(n)+8n+3$.

$a=\frac{8}{2}=4$,    $b=3-4=-1$,    $c=4-3=1$

$$f(n)=4n^2-n+1$$

Dla testu czy wszystko jest ok sami podstawcie $n=1,2,3\ldots$

Przykład 2 – Przekątna (linia diagonalna)

Spirala Ulama - równanie prostej 2

Ponownie zapisujemy zależność rekurencyjną, tym razem nieco prostszą.

$$f(1)=3$$

$$f(2)=f(1)+2+2+3+3$$

$$f(3)=f(2)+4+4+5+5$$

$$\ldots$$

$$f(n+1)=f(n)+n+2n+2n+(2n+1)+(2n+1)$$

$$f(n+1)=f(n)+8n+2$$

Korzystając ze znanego wzoru wyznaczamy a, b, c dla $f(n+1)=f(n)+8n+2$.

$a=\frac{8}{2}=4$,    $b=2-4=-2$,    $c=3-2=1$

$$f(n)=4n^2-2n+1$$

Przykład: funkcja $n^2+n+41$ generująca liczby pierwsze

Wielomian $n^2+n+41$ jest funkcją „często generującą” liczby pierwsze. W tym przypadku dla każdego $n=0,1,\ldots,39$ wynik jest zawsze liczbą pierwszą. Poniżej tabela prezentująca zestawienie dla $n$ z zakresu od $0$ do $100$.

n n^2+n+41 Czy liczba pierwsza?
0 41 1
1 43 1
2 47 1
3 53 1
4 61 1
5 71 1
6 83 1
7 97 1
8 113 1
9 131 1
10 151 1
11 173 1
12 197 1
13 223 1
14 251 1
15 281 1
16 313 1
17 347 1
18 383 1
19 421 1
20 461 1
21 503 1
22 547 1
23 593 1
24 641 1
25 691 1
26 743 1
27 797 1
28 853 1
29 911 1
30 971 1
31 1033 1
32 1097 1
33 1163 1
34 1231 1
35 1301 1
36 1373 1
37 1447 1
38 1523 1
39 1601 1
40 1681 0
41 1763 0
42 1847 1
43 1933 1
44 2021 0
45 2111 1
46 2203 1
47 2297 1
48 2393 1
49 2491 0
50 2591 1
51 2693 1
52 2797 1
53 2903 1
54 3011 1
55 3121 1
56 3233 0
57 3347 1
58 3463 1
59 3581 1
60 3701 1
61 3823 1
62 3947 1
63 4073 1
64 4201 1
65 4331 0
66 4463 1
67 4597 1
68 4733 1
69 4871 1
70 5011 1
71 5153 1
72 5297 1
73 5443 1
74 5591 1
75 5741 1
76 5893 0
77 6047 1
78 6203 1
79 6361 1
80 6521 1
81 6683 0
82 6847 0
83 7013 1
84 7181 0
85 7351 1
86 7523 1
87 7697 0
88 7873 1
89 8051 0
90 8231 1
91 8413 0
92 8597 1
93 8783 1
94 8971 1
95 9161 1
96 9353 0
97 9547 1
98 9743 1
99 9941 1
100 10141 1

Po więcej przykładów odsyłam do artykułu „Prime-Generating Polynomial”.

Pozdrowienia,

Mariusz Gromada

Poza Liczbami: Inne Twórcze Przestrzenie

Matematyka i muzyka są ściśle powiązane przez rytm, harmonię i struktury

Matematyka i muzyka są ściśle powiązane przez rytm, harmonię i struktury, które wykorzystują matematyczne wzory i proporcje do tworzenia estetycznych i emocjonalnych doznań. Z nieśmiałą ekscytacją przedstawiam moją pierwszą poważniejszą kompozycję, w której starałem się uchwycić te połączenia.

Scalar – zaawansowana aplikacja mobilna z silnikiem matematycznym mojego autorstwa

W 1963 polski matematyk Stanisław Ulam uprzyjemniał sobie czas spędzany w trakcie „bardzo długiego i bardzo nudnego” wykładu. Rekreacja polegała na takim wypisywaniu kolejnych liczby naturalnych 1, 2, 3, …, aby finalny kształt utworzył „spiralę kwadratową” . Poniżej przykład dla pierwszych 49 liczba naturalnych, spirala oczywiście nie kończy się na 49, chodzi jedynie o zobrazowanie zasady.

Spirala Ulama

W kolejnym kroku na tak przygotowanej „tablicy” Ulam oznaczył wszystkie liczby pierwsze

Spirala Ulamanastępnie usuwając pozostałe.

Spirala UlamaW tym momencie jego oczom ukazał się niezwykle ciekawy i nieznany dotąd wzór – tendencja do układania się liczb pierwszych na „przekątnych / liniach diagonalnych”. Lepiej to obrazuje spirala wygenerowana dla znacznie większego zakresu liczb.

Spirala Ulama

Każdy z Was może wygenerować podobną spiralę używają np. tego generatora.

Spirala Ulama i parzystość / nieparzystość liczb

Nietrudno zauważyć, że na liniach diagonalnych leżą albo same liczby parzyste, albo same liczby nieparzyste. Liczby pierwsze, poza 2, są nieparzyste – zatem nic dziwnego, że układają się na przekątnych reprezentujących liczby nieparzyste. Zaskakujące jest natomiast to, że niektóre diagonale zawierają ich znacznie więcej niż inne.

Spirala Ulama i wielomiany kwadratowe

Badania nad spiralą Ulama pokazały, że wzory przez nią ujawnione mają związek z generację przez niektóre funkcje kwadratowe nienaturalnie dużej liczby liczb pierwszych (ang. prime-rich quadratic polynomials), tzn. dla niektórych $f(x)=ax^2+bx+c$ „nienaturalnie” często $f(n)$ jest liczbą pierwszą dla $n\in\mathbb{N}$. Diagonale mogą być reprezentowane przez wielomiany stopnia 2, co wyjaśniam na poniższym schemacie.

Spirala Ulama i wielomiany stopnia 2

Przeczytaj również:

Pozdrowienia,

Mariusz Gromada

Poza Liczbami: Inne Twórcze Przestrzenie

Matematyka i muzyka są ściśle powiązane przez rytm, harmonię i struktury

Matematyka i muzyka są ściśle powiązane przez rytm, harmonię i struktury, które wykorzystują matematyczne wzory i proporcje do tworzenia estetycznych i emocjonalnych doznań. Z nieśmiałą ekscytacją przedstawiam moją pierwszą poważniejszą kompozycję, w której starałem się uchwycić te połączenia.

Scalar – zaawansowana aplikacja mobilna z silnikiem matematycznym mojego autorstwa

W cyklu „Matematyka w obrazkach” tym razem graficzny sposób wyznaczenia pewnej całki oznaczonej.

Matematyka w obrazkach - całka sin^2(x)

Pozdrowienia,
Mariusz Gromada

Poza Liczbami: Inne Twórcze Przestrzenie

Matematyka i muzyka są ściśle powiązane przez rytm, harmonię i struktury

Matematyka i muzyka są ściśle powiązane przez rytm, harmonię i struktury, które wykorzystują matematyczne wzory i proporcje do tworzenia estetycznych i emocjonalnych doznań. Z nieśmiałą ekscytacją przedstawiam moją pierwszą poważniejszą kompozycję, w której starałem się uchwycić te połączenia.

Scalar – zaawansowana aplikacja mobilna z silnikiem matematycznym mojego autorstwa

Ze statystyk odwiedzin wynika, że cykl „Ocena jakości klasyfikacji” cieszy się Waszym zainteresowaniem – zatem wracam do tej tematyki. Dziś przedstawię wstęp do analizy jakości modeli predykcyjnych, skupiając się na jednym tylko aspekcie jakości – tzn. na sile modelu w kontekście separacji klas. Zapraszam 🙂

Jakość modelu predykcyjnego

Matematyka dostarcza wielu różnych miar służących ocenie siły modelu predykcyjnego. Różne miary są często ze sobą mocno powiązane, i choć przedstawiają bardzo podobne informacje, umożliwiają spojrzenie na zagadnienie z innych perspektyw. Przez jakość modelu predykcyjnego rozumiemy typowo ocenę jakości w trzech obszarach:

  1. Analiza siły separacji klas – czyli jak dalece wskazania modelu są w stanie „rozdzielić” faktycznie różne klasy pozytywny i negatywne;
  2. Analiza jakość estymacji prawdopodobieństwa – bardzo ważne w sytuacjach wymagających oceny wartości oczekiwanych, tzn. poszukujemy wszelkiego rodzaju obciążeń (inaczej – błędów systematycznych);
  3. Analiza stabilności w czasie – kluczowy aspekt rzutujący na możliwość wykorzystywania modelu w faktycznych przyszłych działaniach.

Wszystkie wymienione obszary są ze sobą powiązane terminem prawdopodobieństwa, za pomocą którego można wyrazić zarówno siłę separacji, jak też stabilność w czasie.

Założenia

Podobnie do poprzednich część cyklu załóżmy, że rozważamy przypadek klasyfikacji binarnej (dwie klasy: „Pozytywna – 1” oraz „Negatywna  – 0”). Załóżmy ponadto, że dysponujemy modelem predykcyjnym $p$ zwracającym prawdopodobieństwo $p(1|x)$ przynależności obserwacji $x$ do klasy „Pozytywnej  -1” (inaczej „P od 1 pod warunkiem, że x”). I jeszcze ostatnie założenie, wyłącznie dla uproszczenia wizualizacji i obliczeń – dotyczy rozmiaru klasy pozytywnej – ustalmy, że jej rozmiar to 20%, inaczej, że prawdopodobieństwo a-priori P(1)=0.2.

Model predykcyjny a siła separacji klas – nieskumulowane prawdopodobieństwo

Poniżej przedstawiamy różne przypadki wizualnej oceny siły modelu. Interpretacja zamieszczonych wykresów jest następująca:

  • Oś pozioma reprezentuje kolejne segmenty populacji, tu zostały użyte decyle bazy względem zwracanej wartości prawdopodobieństwa przez model. Zatem 1 decyl agreguje 10% populacji z największym estymowanym prawdopodobieństwem, kolejne decyle – analogicznie.
  • Oś pionowa przedstawia prawdopodobieństwo warunkowe, że obserwacja z danego segmentu populacji (tutaj decyl bazy) faktycznie pochodzi z klasy „Pozytywnej – 1”.

Model - nieskumulowane prawdopodobieństwo - brak separacji klas

Naturalnym jest, że model predykcyjny posiadający dodatnią siłę separacji klas, wykorzystany do podziału populacji na segmenty względem wartości malejącej (tutaj 10 decyli), powinien wpłynąć na faktyczną częstość obserwacji klasy „Pozytywnej – 1”. Tzn. w pierwszych decylach powinniśmy widzieć więcej klasy „1” – kolejne przykłady właśnie to obrazują.

Model - nieskumulowane prawdopodobieństwo - niska separacja klas

Model - nieskumulowane prawdopodobieństwo - wysoka separacja klas

Dla każdego przypadku klasyfikacji istnieje również teoretyczny model idealny, z możliwie najwyższą siłą separacji klas. Tak model się „nie myli”, co obrazuje poniższy schemat.

Model - nieskumulowane prawdopodobieństwo - maksymalna separacja klas

Inne „nietypowe” przypadki (jednak czasami spotykane w praktyce) to modele z ujemną korelacją w stosunku do targetu.

Model - nieskumulowane prawdopodobieństwo - ujemna separacja klasOstatecznie możliwy jest również wariant „mieszany”, obserwowany często po długim czasie wykorzystywania modelu, bez jego aktualizacji, w wyniku zmian w danych, błędów w danych, zmian definicji klas (tzw, targetu), itp.

model_wariant_mieszany

Model predykcyjny a siła separacji klas – nieskumulowany lift

Lift jest normalizacją oceny prawdopodobieństwa do rozmiaru klasy pozytywnej, czyli do rozmiaru reprezentowanego przez prawdopodobieństwo a-priori $P(1)$. Lift powstaje przez podzielenie wartości prawdopodobieństwa właściwej dla segmentu przez prawdopodobieństwo a-priori. W ten sposób powstaje naturalna interpretacja liftu, jako krotności w stosunku do modelu losowego (czyli modeli bez separacji klas):

  • lift < 1 – mniejsza częstość „klasy 1” niż średnio w populacji
  • lift = 1 – częstość „klasy 1” na średnim poziomie dla populacji
  • lift > 1 – większa częstość „klasy 1” niż średnio w populacji

Poniżej prezentacja graficzna

Model - nieskumulowany lift - brak separacji klas

Model - nieskumulowany lift - niska separacja klas

Model - nieskumulowany lift - wysoka separacja klas

Model - nieskumulowany lift - maksymalna separacja klas

Model - nieskumulowany lift - ujemna separacja klas

model_lift_wariant_mieszany

Pozdrowienia,

Mariusz Gromada

Poza Liczbami: Inne Twórcze Przestrzenie

Matematyka i muzyka są ściśle powiązane przez rytm, harmonię i struktury

Matematyka i muzyka są ściśle powiązane przez rytm, harmonię i struktury, które wykorzystują matematyczne wzory i proporcje do tworzenia estetycznych i emocjonalnych doznań. Z nieśmiałą ekscytacją przedstawiam moją pierwszą poważniejszą kompozycję, w której starałem się uchwycić te połączenia.

Scalar – zaawansowana aplikacja mobilna z silnikiem matematycznym mojego autorstwa

No nie mogłem się powstrzymać 🙂 Myślę, że poniższy obrazek znacząco wzbogaci cykl „Matematyka w obrazkach”. Oba tematy w moim guście!

Przybysze z Matplanety

Math’em ALL!

Mariusz Gromad

Poza Liczbami: Inne Twórcze Przestrzenie

Matematyka i muzyka są ściśle powiązane przez rytm, harmonię i struktury

Matematyka i muzyka są ściśle powiązane przez rytm, harmonię i struktury, które wykorzystują matematyczne wzory i proporcje do tworzenia estetycznych i emocjonalnych doznań. Z nieśmiałą ekscytacją przedstawiam moją pierwszą poważniejszą kompozycję, w której starałem się uchwycić te połączenia.

Scalar – zaawansowana aplikacja mobilna z silnikiem matematycznym mojego autorstwa

Witajcie,

W ostatnim czasie pracowałem nad projektem MathParser.org – w efekcie powstała strona w pełni dokumentująca projekt mXparser. Strona zawiera:

Serdecznie zapraszam! Poniżej trochę grafiki mXparsera z linkami do odpowiednich stron 🙂

MathParser.org - mXparser - logo

MathParser.org - mXparser - logo - Tutorial

MathParser.org - mXparser - logo - API

Pozdrowienia,

Mariusz Gromada

Poza Liczbami: Inne Twórcze Przestrzenie

Matematyka i muzyka są ściśle powiązane przez rytm, harmonię i struktury

Matematyka i muzyka są ściśle powiązane przez rytm, harmonię i struktury, które wykorzystują matematyczne wzory i proporcje do tworzenia estetycznych i emocjonalnych doznań. Z nieśmiałą ekscytacją przedstawiam moją pierwszą poważniejszą kompozycję, w której starałem się uchwycić te połączenia.

Scalar – zaawansowana aplikacja mobilna z silnikiem matematycznym mojego autorstwa