Sunt fericit. Sunt dezamagit.

Ma simt bine in propria-mi tara. Ma simt mai umilit ca niciodata.

Vreau ca viitorul copiilor mei sa fie aici, in Romania. Sub nicio forma nu vreau sa raman aici.

Sunt un om respectat de stat. Nu ma simt stimat in statul meu, de angajatii statului meu.

Eu vreau sa traiesc in Romania. Sunt scarbit.

Eu aici zambesc. Urasc totul aici.

Iubesc. Sunt nefericit.

Traiesc. Simt cum mor in orasul, tara asta.

Sunt eu, in Romania. Sunt un strain in propria mea tara.

Te regasesti? Fericit sau nu in Romania, mergi la vot! E dreptul tau! Esti liber! Un drept pentru care altii au murit.

“Ľuďom, ktorí si mysleli, že pri hlasovaní ich sníma skrytá kamera sa báli voliť Kotlebu. Mysleli si, že SIS a umučí  celé ich rodiny. Alebo je to len lenivosť dostaviť sa k tým blbým volebným urnám?”

Aj takto ľudia obhajujú prehru Kotlebu vo voľbách. Chcú asi umelo vytvoriť záujem o nacistu. Dosť úbohé. Nakoniec je to ich názor, a ja vyjadrím svoj. Keby niekoho snímala kamera, odhalenie by nebolo veľkým problémom. Je veľa ľudí, ktorí hľadajú páky na štát a určite veľa extrémistov pokúšalo odhaliť kamery. Takže výsledok je, že si to každý z Vás môže iba myslieť.  Zatlačili konšpiračné médiá a tak sa bojíte už aj vystrať.  Keby sa ľudia báli hlasovať za Kotlebu, je to hlavne chyba konšpirátorov, lebo rozširujú strach a robia z Ficovej vlády inkvizíciu. Štát Vás ani nemusí strašiť, vy sa strašíte sami. Vďaka tejto konšpirácií, ktorou niekto obvinil štát sa budú ľudia ešte viacej báť. Kotleba hovorí, aby sa ľudia prestali bát a jeho nochsledi strašia národ obviňovaním štátu. Idete proti sebe. Nezdá sa Vám ?

Okrem toho nebolo by lacnejšie riešenie inak poriešiť Kotlebu ako kamerovať ľudí pri voľbách ? Keby bol Kotleba problém, alebo keby bola naša vláda taký strašiak, už dávno by ho vyriešili inak.  Snažíte sa robiť z Kotlebu nepriateľa štátu a mučenníka.

Sa nu uitam de unde porneste totul in tara asta. Sa nu uitam rolul esential al politicienilor, fie ca sunt la putere, fie ca stau in bancile opozitiei. Sa nu uitam ce fac in fiecare zi politicienii: conduc tara asta de cacat in care traim! Da, de la modul in care este condusa Romania pornesc toate relele de zi cu zi, incepand cu traficul aglomerat, greva de la metrou si terminand cu spitalele jegoase sau functionarii nesimtiti. Daca politicienii si-ar face treaba un pic mai bine, ne-ar fi mult mai bine fiecaruia dintre noi. Pur si simplu asta e sistemul democratiei reprezentative, cel mai bun mod de organizare a societatii descoperit pana acum!

România e țara în care, timp de 20 de ani, politicienii și-au bătut joc și ne-au sfidat cu tupeu, nesimțire și indolență. E țara în care politicienii prăjesc bebeluși, iar vina cade în capul unei asistente. Țara în care politicienii scot agramați din școli, iar vina cade în capul profesorilor, că sunt slab pregătiți, de parcă i-ar fi pregătit mama, nu același sistem de învățământ distrus și putred din temelii, în care ei lucrează azi.

Si totusi, ce e de facut? Pai poate n-ar fi rau sa ne redobandim controlul asupra politicienilor. Fie prin simplul vot democratic, fie prin iesirea in piata. La un moment dat toate magariile or sa invinga comoditatea si lenea, iar supapa se va deschide…

UPDATED 19 noiembrie: Am adaugat adeverinta de salariu a unei casiere la Metrorex.

Intr-un cuvant: balamuc.

Aglomeratie, nesimtire, implicarea politicului, indiferenta sunt alte caracteristici ale grevei de la metrou.

Bucurestiul fara metrou este aproape un oras mort. Personal, folosesc doar metroul in timpul saptamanii pentru ca tin la timpul meu liber si prefer sa nu il pierd in masina, zi de zi. Doar in weekend folosesc masina prin Bucuresti, pentru ca, dupa parerea mea, altfel nu are sens. Intr-o incrancenare maxima, sindicatele de la metrou conduse de fostul senator PSD de Giurgiu, Ion Radoi, au oprit metroul bucurestean dupa ce, in prealabil au avut si o alta miscare de protest, o greva de avertisment, de cateva ore. In prima zi de greva generala, pana la ora 16.00 ieri, metroul nu a circulat. Ceea ce s-a intamplat cu traficul din Bucuresti, probabil ati vazut aseara la TV (in cazul in care nu sunteti din Bucuresti), sau probabil ati simtit pe propria piele, daca domiciliati in orasul lui Bucur.

Bun sau rau, la timp sau cu intarziere, metroul era bun pentru ca nu ii pasa de starea vremii, de intersectii aglomerate sau restrictii de circulatie. Ieri insa, totul a fost dat peste cap si sper ca lumea sa isi dea seama ca totul a fost politic. Sa ceri 26% marire de salariu in plina criza in care sute de mii de oameni din mediul privat raman pur si simplu fara un loc de munca, nu este numai o inconstienta grava, ci si o mare nesimtire. Sunt absolut convins ca acest procent a fost cerut tocmai pentru a nu putea fi oferit si pentru a se ajunge la greva generala.

Nu am o problema cu dreptul oamenilor care lucreaza la stat de a organiza greve daca ceva nu este pe placul lor si sunt constient ca acest lucru este democratic, insa coincidentele mi se par foarte mari: oameni politici la conducerea Metrorex, greva generala in plina campanie electorala, cereri de majorari salariale aberante in plina criza economica majora, etc. Asta in conditiile in care salariul mediul net (bani in mana) la metrou este de 2600 RON, iar anul trecut (chiar la inceputul crizei economice in Romania) angajatii au beneficiat de inca o marire salariala de 23%.

Sper ca Instanta sa le declare greva ilegala pentru ca si eu cred ca aceasta greva este ilegala. Legea spune ca trebuie asigurata 1/3 din activitate, iar Metrorex a ales varianta absurda de a opri toate trenurile zilnic pana la ora 16.00, in loc sa circule toata ziua cu 2/3 mai putine trenuri, adica metroul sa circule, dar mai rar decat normalul (ceea ce nu ar fi fost ok, dar macar nu aveam acest blocaj major).

Si inca ceva: probabil ca cei mai multi dintre cei care citesc acest blog lucreaza in mediul privat si mai mult ca sigur ca anul acesta foarte putini dintre voi au vazut majorari salariale (bucurandu-se ca inca mai au un loc de munca). Indiferent care ar fi fost salariul la Metrorex (desi nu este deloc mic…), nu credeti ca singurul cuvant care ii caracterizeaza acum pe cei care fac greva, este nesimtirea???

Update: Ce nu inteleg este, de ce nu este scos Metrorex-ul de sub tutela Ministerului Transporturilor si sa fie predat la Primaria Capitalei, precum RATB-ul. Vad ca RATB nu a facut greva de foarte multi ani, iar Metrorex face in fiecare an. In plus, an de an Metrorex are pierderi pe care, fiind institutie din subordinea unui Minister, le suporta orice contribuabil din Romania. Ma intreb: de ce trebuie sa plateasca cineva de la Suceava sau Baia Mare pierderile metroului de la Bucuresti? Sau de ce trebuie sa suporte  moldovenii sau ardelenii extinderea metrolui in Drumul Taberei? De ce nu trece la Primaria Capitalei? Poate tot din cauza politicului….

Mai jos, adeverinta de salariu a unei casiere la metrou (multumesc cititorilor mei care lucreaza in banci). Castiga 1900 RON lunar (din care jumatate sunt sporuri).

Razvan Pascu

Adeverinta salariu Metrorex

(eu perdi um sinal em algum lugar por aí, se você achar por favor indique no comentário)

Este post é uma espécie de continuação do post sobre Lógica Bayesiana, ainda que não exatamente. Mas estamos no mesmo espírito. Lá eu discuti a respeito de como raciocinar sobre informação incompleta. Entretanto, quando há informação incompleta uma coisa é certa: com o tempo podemos ganhar informação. E se há nova informação relevante para saber sobre algo, a probabilidade que atribuo – no sentido do post anterir, o registro quantitativo da minha crença racional sobre esse algo – deve certamente mudar.

A grande pergunta então parece ser: como eu devo mudar minha atribuição de probabilidades – minha crença racional – quando adquiro nova informação? Bem, isso sugere uma forma de quantificar informação: se informação causa mudança na minha atribuição de probabilidades, então se eu puder medir quão longe estão minhas atribuições prévia (prior, antes da nova informação) e posterior (posterior, depois da nova informação), então poderei medir quão importante é essa nova informação. Vamos fazer como antes então e propor uma medida de informação e vinculos que nos permitam restringi-la a uma medida única(1).

Informação

Para o que se segue vou admitir que estamos raciocinando sobre conjuntos de proposições mutuamente exclusivas e independentes, e vou admitir que há um label contínuo para essas proposições (pode ser um número real, ou algo mais complicado). Eu posso, por exemplo, estar falando sobre proposições do tipo

“a variável X é igual ao número real x”

Uma atribuição inicial de probabilidades para esse conjunto de proposições vou chamar, para simplificar a notação, de (2):

.

Note que, por consequencia do que foi feito anteriormente, temos:

Se eu tenho duas atribuições de probabilidades sobre o conjunto de proposições dadas por e então vamos definir uma medida de distância (nossa medida não será uma métrica legitima, mas logo teremos uma) como um funcional que depende unicamente de e   e que, além disso, satisfaça os seguintes vínculos:

I – Localidade

O funcional, dado por , é local. Isso significa dizer que regiões diferentes do domínio contribuem de forma aditiva – ou seja, se eu mudar algo em uma certa região do domínio e não mudar o resto, apenas contribuições vindas dessa região do domínio afetarão o valor de D[q,p]. Isso nos restringe aos funcionais da forma:

II – O sistema de coordenadas não carrega informação

Uma mudança de variáveis na integral acima não deve mudar o valor de D[q,p]. O sistema de coordenadas é apenas um rótulo para as proposições e não deve carregar informação alguma. Assim, seja uma mudança de variáveis do tipo:

,

com um jacobiano . Uma vez que as funções p() e q() são densidades (elas devem ser normalizadas a 1), elas se transformam segundo:

Dessa forma nós desejamos que:

Seja igual a . Isso implica que na expressão para o funcional apareçam apenas quantidades invariantes por mudanças de coordenadas: , , , em que m(x) também se transforme como uma densidade. Isso nos deixa com o seguinte funcional:

III – Se nada mudou, eu não devo mudar minha atribuição de probabilidades. Se algo mudou, devo mudar o mínimo possível.

Esse terceiro vínculo é uma espécie de “princípio da mínima mudança”: eu devo mudar minha atribuição de probabilidades apenas o suficiente para adaptá-la à nova informação e nada mais. Isso leva ao seguinte princípio de mudança atualização da probabilidade sob nova informação:

A atribuição posterior de probabilidades deve ser a mais “próxima” (no sentido de minimizar o funcional D[q,p]) possível da atribuição prévia de forma que se satisfaçam os vínculos impostos pela nova informação.

Então suponhamos que temos uma atribuição de probabilidades q(x), obtemos nova informação e agora estamos escolhendo p(x) tal que a distancia  D[q,p] seja minimizada, dada a nova informação. Se não há informação alguma, p(x) é simplesmente o mínimo irrestrito de D[q,p], e isso deve, por princípio, ser igual a q(x). Em outras palavras: variando D[q,p] com relação a p(x), deve haver um mínimo único, igual a q(x). Isso só é possível se a densidade m(x), anteriormente arbitrária, for igual a q(x) (vide ref [1]):

desde que seja uma função concava para que o mínimo seja único.

IV – Subsistemas independentes não influenciam nas atribuições de probabilidade uns dos outros.

Suponha que eu esteja atribuindo probabilidades a dois conjuntos de proposições e . Por exemplo podem ser afirmações sobre o valor de duas variáveis contínuas  diferentes X e Y. Se essas duas variáveis são sabidamente independentes, então esse vínculo diz que não deve importar tratá-las separamente ou juntas no processo de inferência.

Se os dois “subsistemas” são independentes, então minha atribuição de probabilidades é:

E a distância entre essas duas atribuições deve ser minimizada com os vínculos compatíveis com a nova informação:

Se eu trato os dois sistemas separadamente, devo maximizar, ao invés da função acima, cada uma das distâncias e deverá ser separadamente minimizada, o que equivale a minimizar a soma das distâncias. Portanto devemos ter:

Isso restringe a função ao logaritmo em alguma base (4), que por conveniência vamos escolher sendo a base natural (3). Assim, temos finalmente:

Entropia

Supreendentemente, nossa medida de “distância” está intimamente conectada com o conceito de entropia relativa entre duas distribuições, também conhecido por entropia cruzada ou divergência de Kullback-Leibler, definida por outras razões em teoria da informação e dada por:

.

Isso finalmente estabelece como devemos atualizar nossa atribuição de probabilidades quando temos nova informação:

Principio da Máxima Entropia: quando de posse de nova informação, a distribuição posterior de probabilidade deve ser a distribuição compatível com a nova informação que apresenta a maior entropia relativa possível com relação a distribuição prévia.

Vamos apresentar um exemplo de aplicação desse princípio. Suponha que desejamos novamente escolher entre as possibilidades para o valor de uma variável real . Nós a princípio acreditamos que existe uma relação entre essa variável e uma outra variável mensurável , dada por uma atribuição prévia de probabilidades:

Uma medida de é feita, resultando no valor , e nós queremos saber como deve ser nossa nova crença sobre $\theta$ na forma de uma distribuição marginal: . Bem, usando o princípio da máxima entropia temos que maximizar:

Dado o vínculo de que agora temos informação completa sobre X, ou seja, de que a distribuição posterior marginal de X é:

Usando o método dos multiplicadores de lagrange, deve-se variar:

com relação a e impor o vínculo para encontrar a função $lambda(x)$. O resultado (vide [1]) é dado por:

Veja aí a manifestação do princípio da “mínima alteração”: a atribuição de probabilidades mudou apenas onde havia informação – a distribuição marginal de X – mantendo o que não havia informação para mudar – a distribuição condicional de com relação a X. Finalmente note qual é a distribuição marginal posterior para :

Essa é a regra de Bayes adaptada a atualização de informação segundo o que é praticado comumente em inferência bayesiana. Note que aqui há uma justificativa para interpretar como a distribuição posterior para dado o valor medido : isso resulta de um princípio mais bem justificado – o princípio de máxima entropia.

Outra situação interessante é quando adquirimos informação sobre algum momento da distribuição em questão. Por exemplo, inicialmente atribuimos a distribuição prévia e eventualmente obtemos informação de que o valor esperado de uma certa função de x é dado:

A nova distribuição deve maximizar a entropia relativa, dado o vínculo acima. Essa maximização resulta na famosa distribuição de Gibbs para o posterior:

Onde deve ser determinado impondo o vínculo acima.

Por exemplo, imagine que tivessemos uma sequencia de variáveis que podem assumir os valores e ficássemos sabendo que duas variáveis consecutivas possuem covariância constante, ou seja, que:

.

E imagine que inicialmente atribuimos uma distribuição uniforme aos porque não havia informação alguma para supor algo diferente disso. O princípio de máxima entropia vai fornecer uma distribuição de Gibbs dada por:

Onde  e uma constante de normalização. Ora, esse é o famoso modelo de Ising em uma dimensão!  Claro que eu forcei a barra para dar isso, mas isso mostra que o modelo inicialmente usado para descrever o ferromagnetismo poderia ter uma origem bem diferente e pode ser aplicado em qualquer lugar em que se sabe que existe uma correlação local entre variáveis binárias.

Geometria

Eu disse acima que estava definindo uma noção de distância. O funcional D[q,p] que foi definido não é uma métrica legítima: não satisfaz a desigualdade do triângulo e não é simétrico. Entretanto esse funcional define uma estrutura chamada pré-metrica no espaço de distribuições de probabilidade. Uma estrutura pré-métrica é um conjunto dotado de uma “distância” com apenas duas propridedades:

• ;
• .

Mas há uma construção que permite dar uma estrutura métrica legítima a esse “espaço de distribuições”. Imagine que tenhamos uma família de distribuições de probabilidade parametrizadas por uma série de variáveis contínuas da seguinte forma:

Uma pequena variação dos parâmetros devem me fornecer uma distribuição muito próxima de :

e a “distância” entre essas duas distribuições é dada por:

Expandindo em série de Taylor é imediato obter o resultado:

Com soma implícita sobre indices repetidos, onde a métrica é conhecida por métrica de Fisher-Rao ou métrica informacional de Fisher, e é dada por:

,

em que o valor esperado é tomado sobre a própria distribuição . Essa métrica define uma estrutura métrica sobre a família de distribuições e tomando mais cuidado para defini-la é possível mostrar que ela é a única métrica  sobre esse espaço que respeita um dado conjunto de requisitos de plausibilidade. Há uma série de aplicações desse conceito no campo conhecido como Information Geometry.

Teorias de Campo Médio

Suponha por um instante que você tivesse a intenção de calcular uma das distribuições marginais ou momentos de um modelo probabilistico dado por uma certa distribuição . Suponha ainda que fosse muito difícil fazer isso e que você estivesse procurando por uma boa aproximação. Sempre há problemas mais fáceis sobre os quais podemos calcular momentos e marginais sem problemas. Suponha que você conheça uma família de modelos que você julga adequada para uma aproximação e simples para determinar as grandezas que você deseja. Uma boa aproximação pode ser determinar a distribuição da família que mais se aproxima da distribuição original na estrutura pré-métrica definida por D[q,p]:

Frequentemente os modelos de interesse em física e outras áreas assume a forma de uma distribuição exponencial:

,

com uma hamiltoniana (ou, sendo bastante atrevido, no caso de teoria de campos teríamos uma ação) H(x). Um modelo mais simples para aproximar p(x) pode ser dado por uma hamiltoniana mais simples:

,

A entropia relativa entre os dois modelos é dada por:

Um pouco de massagem permite escrever essa expressão como:

E isso fornece uma inequação para a energia livre dada por :

Essa desigualdade é conhecida como desigualdade de Bogoliubov, e é frequentemente usada para obter uma aproximação para a energia livre.

Outra possibilidade é maximizar S[q,p] para uma família de q’s mais simples. Por exemplo pode-se empregar uma família de q’s em que as variáveis são independentes. Assim frequentemente se faz em mecânica estatística para se definir teorias de campo médio como a aproximação de Curie-Weiss. Usando uma família de q’s com uma estrutura de árvore se obtém a aproximação de Bethe-Peierls. Outras famílias de distribuições vão resultar em outras aproximações que poderiam ser coletivamente chamadas de aproximações de campo médio.

Aproximações desse tipo são largamente empregadas em grandes modelos computacionais em teoria de comunicação, tratamento de imagens, neurocomputação e outras áreas.

Enfim, meu objetivo com esses dois posts era mostrar uma visão alternativa do conceito de probabilidade e a utilidade dessa visão. Eu acho uma pena que essas coisas sejam frequentemente ignoradas por quem faz um curso de mecânica estatística ou teoria de informação. Eu acho uma visão muito iluminadora sobre a natureza do conhecimento, sobre a natureza dos modelos físicos e sobre como adquirimos e processamos informação.

Mais sobre isso pode ser encontrado no livro do Jaynes, Probability Theory – the logic of science, na referência do Ariel Caticha,  Lectures on Probability, Entropy, and Statistical Physics. A parte sobre campo médio se encontra na referência [3], mas é bem difícil ver algo bem estruturado sobre isso. A referência [4] é muito boa e vai bem além do ponto.

Notas:

(1)  O que se segue é uma mistura da leitura de trabalhos de muita gente, mas eu me baseio principalmente na apresentação feita por Ariel Caticha na referência [1] e no que está nos capítulos introdutórios do livro Advanced Mean Field Methods, editado por Manfred Opper e David Saad. Outros nomes importantes são John Skilling e Shun-ichi Amari além dos já citados no post anterior. A referência [1] tem uma lista enorme de referências sobre o assunto.

(2) Quando o contexto permitir, o subscrito X será omitido.

(3) Isso apenas muda a distância por um fator multiplicativo.

(4) O sinal da função é determinado pela concavidade, portanto -log(x) está excluída.

Referências:

[1] A. Caticha, Lectures on Probability, Entropy, and Statistical Physics — arXiv:0808.0012v1 [physics.data-an]
[2] A. Caticha,  Quantifying Rational Belief — arXiv:0908.3212v1 [physics.data-an]
[3] Advanced mean field methods: theory and practice, Opper, M. and Saad, D. , MIT Press, 2001
[4] Information, Physics, and Computation, Mezzard, M. and Montanari, A., Oxford Graduate Texts, 2009

Here is some of the interesting market statistics sourced from some leading business dailies and magazines .

Market size of Indian Egg Market : Rs 10,000 crores source : Economic Times ( ET) July 26 2008

Total Mobile users in India : 270 million Source :ET 24 June 2008

Mobile Ad market size : Rs 40 crore Source : ET 24 June 2008

Courier Market Size : Rs 5000 crore. Source : ET 26 June 2008

Indian mobile handset market size : Rs 15,000 crore Source ; ET 26 July 2008

Indian Taxi business market size : Rs 9000 crore Source : ET 23 June 2008

Number of Taxis in Indian roads : Approximately 2,35,000 Source :ET 23 June 2008

Number of electric scooters in Indian roads : 1.10 lakh Source : ET 23 June 2008

Kid’s Apparel Market in India : Rs 27,000 crore.

Organized Kids apparel market : Rs 500 crore source : Business Line

Indian stationary market size : Rs 9000 crore Source : Business Line July 31 2008

Notebook ( paper) market size : Rs 3000 crore Source : Business Line July 31 2008

Home Interior market size : $ 9 billion

Magazine Advertising market size : $ 302 million Source : Business Line July 31 2008

Indian Wine Market : 1 mn cases Source :Economic Times

Pencil Market size in India : Rs 400 crore Source : Business Line 31 July 2008

Printer and Copier Market size : Rs 1800 crore Source : Business Line 31 July 2008

Wedding Management Industry Market size : Rs 400 crore Source : ET July 31 2008

Uniform Industry market size : Rs 10,000 crore Source ET 31 July 2008

(rpc.blogrolling.com/redirect.php?r=fd17903f22c864d3a796a3af76404c88&url=http%3A%2F%2Fmarketingpractice.blogspot.com%2Fsearch%2Flabel%2Fmarket%2520stat)

1. Dainik Jagran : 1.62 crores
2. Danik Bhaskar : 1.30 crores
3. Hindustan : 92.73 Lakhs
4. Malayala Manorama : 84.17 Lakhs
5. Amar Ujala : 80.73 Lakhs
6. Daily Thanthi : 76.81 Lakhs
7. Enadu : 68.31 Lakhs
8. Times of India : 67.12 Lakhs
9. Ananda Bazar pathrika : 66.76 Lakhs
10. Rajasthan Pathrika : 66.71 Lakhs

There exists now a confusion between AIR and TR ie Average Issue Readership and Total Readership.

Media planners use AIR to decide on their media plan. AIR refers to the estimated readers for a single issue. Average Issue readership is derived from the recency. Recency denotes the number of people who have read the publication within the publication interval. For example for Dailies , the AIR is those who have read the paper yesterday.

Total Readership is the cumulative of AIR and Claimed Readership ( CR) . While AIR is the readership for one insertion, CR is used in a broader perspective to include addons and supplements.

The readership surveys use the Masthead method. In this method , the respondent is shown the Masthead of the publication and is asked whether he has read the publication.

The major difference between CR and AIR is that AIR denotes those who have read the publication with in the publication time interval. While CR represents those readers who claim to have read the publication but may or may not have read it in the interval .

So if a respondent say that he has not read a paper yesterday then he will not be considered as an Average Issue Reader. How ever if he claims to have been reading this paper but not yesterday , he will be considered in Claimed readership figure.

From IRS 2008 Round 2 , MRUC has moved to Total Readership as the standard rather than AIR. Some media planners are of the opinion that AIR provides better information about the reach of a publication rather than TR.

Usually Claimed Readership figures are more because of replication.

The latest IRS results also has thrown in some interesting trends in the media habits of Indian consumers.

Regularity of reading print media including both dailies and magazines have come down .The average frequency of reading also has come down for all print media. The average viewing / listening time for media like TV , Radio and Internet has increased.

The average time spent on media like TV , Radio increased while the time spent on print has declined. Average time spent in television is 99.4 minutes and 81.1 minutes on radio. How ever time spent on Internet has declined.

Another interesting fact is that the fragmentation in Television media has caused a decline in the time spent with one channel. That means that viewers are not brand conscious with regard to television channels but are program conscious. On the other hand time spent per title for print has gone up.
It was also revealed that print media is losing out in claiming the attention of young Indians. The readership for print among the age group 20-29 has declined by over 16 %.
Some interesting links for further reading
Exchange 4 Media
IRS

(rpc.blogrolling.com/redirect.php?r=fd17903f22c864d3a796a3af76404c88&url=http%3A%2F%2Fmarketingpractice.blogspot.com%2Fsearch%2Flabel%2Fmarket%2520stat)

Indian Youth Market Demographics

This is the demographics of Indian youth as per the census 2001.
According to news reports, the Youth Population to the total population is 41.05% as per the census 2001.

Many interesting statistics regarding Youth demographics are available in the website : Youthportal.gov.in

Da, dezbaterea Băsescu-Antonescu, în această ordine, deoarece, pe lângă faptul că este mai matur, Băsescu este (încă!) Preşedintele României… Am fost dezamăgit, vă spun sincer…

În primul rând, felicitări lui Mircea Geoană că nu s-a coborât la nivelul acestui circ politicianist! Nu ar fi avut, dealtfel, nici un interes.

Probleme mărunte, de alcov, cu privire la femeile din viaţa candidaţilor… Doamnele îi supravegheau cu un ochi atent din spate, ca la ţară… Penibil, într-un cuvânt! Măcar Ion Iliescu nu s-a afişat cu Doamna Nina peste tot! Încă o dată, vreau să evidenţiez caracterul urban, european al lui Ion Iliescu. Ceea ce este valabil şi în cazul lui Adrian Năstase, dacă mai era nevoie să o menţionez.

E clar, voi vota cu Mircea Geoană… Votez cu M. G. fără entuziasm, dar fiind conştient că este răul cel mai mic în momentul de faţă, un Preşedinte Diplomat, care poate că a învăţat ceva de la Ion Iliescu şi Adrian Năstase. Dacă nu a învăţat, cu atât mai rău pentru Ţară şi cu atât mai rău pentru el.

Deşi, sufleteşte, aş fi votat cu Doctorul, dar sunt conştient că hidra portocalie nu poate fi învinsă fără un aparat de Partid eficient în spate…

Economic Times (25/05/09) has a very interesting and enlightening article on Indian youth. Written by Mr Rajesh Shukla, the article throws light into some important data regarding the Indian youth market.

Read the article here : Harnessing Indian Youth Power

Some of the important statistics are reproduced below :

The total youth population (13-34) is 390 million which is 38% of the total population and is expected to rise to 440 million by 2020.

70% of the youth reside in over 600,000 villages.
72% of youth are literate.
41% of these literate youth fall in the age group (13-19 years) , 23% fall in 20-24 and 36% are in 25-34 years.

59% of literate youth are male. 7% are graduates and 12% have passed higher secondary.

The article also presents a clear view about the definition of youth. According to Rajesh Shukla , youth refers to a category rather than a group. The difference between category and group is that category has diverse or heterogeneous elements unlike groups which are similar in its composition. Youth relates to an age group that is transiting between childhood and adulthod and may comprise of a conglomeration of sub-groups with differing social roles, expectations and aspirations.

UN defines youth as those in the age group of 15-24 years. UNICEF defines youth in the age bracket of 15-30 years. Indian National Youth Policy considers all individuals in the agegroup of 13-35 years as youth population. NYP divides the youth population into two groups – 13-19 years as adolescent and 20-35 as Youth.

As far as marketers are concerned, the sheer size of this market is a huge opportunity. But no one so far has been able to rightly understand the Indian Youth’s psyche.

As the article points out, the youth market cannot be considered as a group because it is not homogeneous. So does it mean that marketers cannot segment this market on the bases of age alone ? . Segmentation is based on the assumption that the members display homogeneity . So if the members of a specific age group display heterogeneous characteristics, it no longer becomes a segment.
The implication is that marketers should find out variables other than age to segment the Indian youth market.So when age becomes irrelevant, does it mean that the so called Youth Market is a myth just like the much hyped Indian MiddleClass ?
Most of the marketers tend to use Lifestyle as a variable to define segments with in the Youth market. How ever lifestyle segmentation is tricky and highly subjective in nature.

This probably explain the reason why Indian marketers are still finding it difficult to find a formula to tap this huge lucrative market.

What do you think ?

(rpc.blogrolling.com/redirect.php?r=fd17903f22c864d3a796a3af76404c88&url=http%3A%2F%2Fmarketingpractice.blogspot.com%2Fsearch%2Flabel%2Fmarket%2520stat)

Todo mundo conhece a lógica clássica, aquela segundo o qual proposições são julgadas verdadeiras ou falsas através de certos procedimentos de consistência. Mesmo que não conheça as regras da lógica formal, certamente já as usou e saberia reconhece-las. Poucos nunca ouviram o tal exemplo sobre a mortalidade ou não de Sócrates.  A lógica formal nos fornece uma forma de raciocínio: seguindo suas regras básicas eu consigo formas de, de posse de afirmações que eu julgo verdadeiras,  julgar a validade de outras. Mais ainda, na lógica não há espaço para ambiguidade e meia-certeza — o valor de uma proposição é verdadeiro ou falso, fim de papo. E note: ainda que eu não consiga determinar esse valor, está estabelecido desde o princípio que ele é verdadeiro ou falso.

Certamente isso fornece ferramentas úteis mas há uma grande limitação: como eu deveria raciocinar se eu não possuo informação completa sobre algo? A lógica formal não serve para isso. Eu não posso fazer perguntas como: “dado que eu acho a proposição P1 maaais ou menos certa, qual é o valor de P2?”. Há formas de lidar com essa questão de informação parcial? Isso é o que os probabilistas da escola bayesiana se perguntaram e o que eu pretendo dizer aqui é como responder positivamente essa pergunta.

A grande pergunta inicial é: como eu quantifico informação incompleta sobre algo? Em outras palavras, como eu digo a você quão fortemente eu acredito que algo é verdade? Uma vez determinada essa resposta a próxima pergunta é: como eu devo proceder, uma vez estabelecida o valor de uma proposição, para determinar o valor de outra proposição derivada dessa? Essas são as duas perguntas que eu vou tentar explicar como são respondidas pela teoria bayesiana.

Então para começo de conversa vamos estabelecer como se mede o grau de plausibilidade de algo (A. Caticha gosta de chamar de “degree of rational belief”, eu concordo com ele). Para cada proposição vamos criar uma função que associa a cada outra proposição um número real — a princípio irrestrito:

.

Aqui, é a coleção de proposições e o conjunto dos reais. Ao número vamos chamar plausibilidade de no ambiente lógico (gerado por) . Ou seja, esse número mede o quanto eu acredito em assumindo como “axioma”. Quanto maior o número maior minha crença.

Bem, não faz muito sentido apenas fazer isso. Preciso de algumas regras básicas para essa função. Essas regras devem me garantir que quando eu faço o “limite de certeza absoluta” eu recobre os resultados da lógica formal. Essas regras são chamadas axiomas de Cox e são bem simples e intuitivas. Melhor ainda: elas determinam quase univocamente (vamos entender esse quase adiante). Os axiomas de Cox são os seguintes:

A plausibilidade da negação de uma proposição é determinada assim que eu conheço a plausibilidade da própria proposição. Ou seja(2):

.

Parece razoável: quanto mais acredito em , menos acredito em .  Note que há aqui a afirmação implícita de que a função que liga a plausibilidade de uma proposição com a plausibilidade da sua negação é única e independe de qual proposição estamos falando, nem do “ambiente lógico”.

A operação de negação é idempotente – ou seja, se eu aplicar a negação duas vezes, devo recuperar a proposição original(). Essa propriedade nos fornece uma equação funcional para :

,

,

.

Ou seja, para todos os valores pertencentes à imagem de devemos ter que:

.

Ou seja, a função F(⋅) é idempotente também. Vamos reservar essa propriedade de e prosseguir para o segundo axioma de Cox:

A plausibilidade da conjunção de duas proposições dada uma terceira proposição (ou seja, ) deve depender apenas da plausibilidade de:

(1) plausibilidade de A dado C: ;
(2) estabelecida a plausibilidade de A, quão plausível é B dado C : .

Ou seja, estou assumindo a existência de mais uma “função universal”:

.

Também parece razoável: quando quero determinar se duas proposições são simultaneamente verdadeiras, estabeleço primeiro a validade da primeira e depois, dada a primeira, estabeleço a validade da segunda. É um pouco mais difícil tirar uma equação funcional para G(⋅ , ⋅) mas não é impossível. Considere a expressão:

.

Há duas formas diferentes de decompor essa expressão usando a função : lembre-se que o conectivo é  associativo e comutativo e portanto:

.

Uma inferência consistente exige que essas duas formas dêem o mesmo resultado(3). Portanto:

.

Aplicando novamente a definição de :

.

Se isso deve valer para quaisquer proposições então novamente tenho um equação funcional válida para quaiser e na imagem de (4):

.

Ou seja: a função G(⋅ , ⋅) também é associativa.

Um leitor apressado deve se perguntar nesse momento: e daí que você tem duas equações funcionais para essas funções arbitrárias F(⋅) e G(⋅ , ⋅) que você postulou do chapéu? O ponto é que essas duas equações funcionais generalíssimas definem univocamente estrutura de inferência! Sério mesmo. Não to brincando. E você conhece essa estrutura.

O coração da questão deriva de dois teoremas devidos a Cox. Para conseguir o primeiro teorema vamos usar o seguinte resultado (não vou provar aqui porque a prova é extensa e é encontrada na referência [2]).

Teorema da função associativa: dada qualquer função associativa , existe uma função monotônica g(⋅) tal que:

Isso é muito conveniente pois se escrevermos de novo a definição de , temos:

,

e usarmos o teorema da função associativa, então obtemos:

E agora posso simplesmente regraduar minha definição de plausibilidade. Uma vez que g() é monotônica, e portanto vai preservar a ordem com que eu classifico coisas como mais ou menos plausíveis, eu posso redefinir plausibilidade como:

Mudei ligeiramente a notação para que o leitor possa apreciar melhor o que acontece com a antiga expressão que define G(⋅ , ⋅) com essa nova definição de plausibilidade:

Mas veja se essa não é a boa e velha regra do produto da teoria de probabilidades!!! Usando a comutatividade de eu ainda posso notar que:

,

e essa não é nada mais que a regra de Bayes da teoria de probabilidades!

Mas calma, a nova função plausibilidade ainda não é uma probabilidade: não basta seguir essas duas regras, há uma série de condições na teoria axiomática de probabilidades para chamar algo com esse nome e a nossa função ainda não satisfaz todas. Tudo bem: ainda nos falta estudar as propriedades de ! Quem sabe isso ajude.

Novamente precisamos criar uma situação em que a demanda por consistência delimite as propriedades da função plausibilidade. Por exemplo temos a seguinte situação(5):

.

Mas, pela regra do produto que deduzimos acima:

e então:

Mas lembre-se que a conjunção é simétrica, portanto toda essa expressão fica invariante se eu trocar A por B. E assim:

Se isso deve valer independente de quais são as proposições A, B e C, então eu posso, por exemplo, escolher uma particular proposição . Note que com essa escolha temos as seguintes identidades: e  . Então:

O que finalmente resulta em mais uma equação funcional para F(⋅):

Novamente sem demonstrar, vou simplesmente afirmar que a solução mais geral dessa equação, submetida à condição de idempotência que deduzimos acima, é dada por:

.

Note que para um qualquer isso restringe o dominio da função F(⋅), e portanto a imagem da função , ao intervalo [0,1]. E veja o que acontece então com a regra que define F(⋅):

Uma nova regraduação permite definir uma função com as seguintes propriedades:

Esses não são exatamente os axiomas de Kolmogorov para a teoria de probabilidades mas… close enough para um post de blog. Isso tudo pode ser refinado com o devido grau de rigor matemático para satisfazer os exatos axiomas da teoria da probabilidade.

O que foi obtido com essa massagem matemática toda?

1. É possível definir um sistema lógico de inferência baseado em informação incompleta e incerteza que atribui uma plausibilidade a cada proposição.
2. Esse sistema lógico é único, a menos de uma regraduação monotônica da função plausibilidade. Isso faz com que uma ordenação segundo a plausibilidade seja única, uma vez que regraduações monotônicas não alteram essa ordem.
3. A função plausibilidade satisfaz todas as regras que uma probabilidade legitima deve satisfazer (aqui não provei isso, mas apenas mostrei algumas coisas – para fazer isso rigorosamente precisa-se definir uma “sigma-álgebra de proposições”).

E qual é a utilidade prática disso? Bem… o mundo está cheio de situações de inferência baseada em informação incompleta. Particularmente, todo problema que depende de dados empíricos é, em essência, um problema dessa natureza e todo problema de inferência em ciência é assim. Uma vez que o único sistema de inferência para informação incompleta – como aí mostrado – é aquele que usa as regras  da teoria da probabilidade é razoável se supor que efetivamente usar essas regras explicitamente oferece vantagens sobre os métodos estatísticos ad hoc frequentemente usados, como os métodos de mínimos quadrados e outras formas de fitting de dados. Na verdade esse processo de inferência vai muito além disso – ele oferece ferramentas de modelagem física, de interpretação de modelos, de planejamento de experimentos e ainda mais. Mas disso eu vou tratar em um próximo post.

Notas:

(1) — Se você se interessa por nomes, o que se segue é devido a um certo número de pessoas — Edwin Jaynes, Harold Jeffreys e particularmente Richard Cox.

(2) — Estou usando os seguintes simbolos para os conectivos lógicos:

• — negação:
• — o conectivo E (conjunção):
• — o conectivo OU (disjunção inclusiva):

(3) — Lembre-se: queremos um sistema racional de atribuir um grau de confiança a algo.

(4) — Que pode ser obtida fazendo: , e .

(5) Note que eu tinha definido F(⋅) para a função original . Entretanto fizemos uma regraduação monotônica então nada me impede de abusar da linguagem e redefinir .

Referências:

[1] E. T. Jaynes, Probability Theory, the Logic of Science.
[2] A. Caticha, Lectures on Probability, Entropy, and Statistical Physics — arXiv:0808.0012v1 [physics.data-an]
[3] A. Caticha,  Quantifying Rational Belief — arXiv:0908.3212v1 [physics.data-an]

]]> http://resurseislamice.wordpress.com/2009/11/13/religie-si-stat-in-islam/ Fri, 13 Nov 2009 15:13:46 +0000 responder777 http://resurseislamice.wordpress.com/2009/11/13/religie-si-stat-in-islam/ http://dolezite.wordpress.com/2009/11/13/o-nebezpeci-nutenych-neoverenych-vakcin/ Fri, 13 Nov 2009 12:00:30 +0000 Antikotleba http://dolezite.wordpress.com/2009/11/13/o-nebezpeci-nutenych-neoverenych-vakcin/

Text je ľubovoľný ,hlavne výstižne a stručne opísať skutočný stav , popôžu prípadné citácie odborníkov, ako i odkazy na nezávislé zdroje z internetu. Formát tlače lubovoľný , doplniť obrázkami z webu . Zajtra určite nebudem nečinne sedieť na zadku a diskutovať o tom čo už dávno všetci vieme. Jedno je isté , mýšlienka tu už bola, padlo i dáke to slovo. Jediné čo chýba Našej veci sú činy. tu je zhruba text čo vydá na formát A5.
Nie je to slohová práca ,ale myslím že dokáže naštartovať pár ľudí navyše.
Skopírujte ho, dorobte čo vás napadne , natlačte ,namnožte a dodajte medzi ľudí. Čím viac bude odporu tým menšia šanca že nás škripnú pod krk. A ak si po mňa prídu , som pripravený . Nenechám sa zlomiť. Bude to ťažký boj , ale viem že úspešný.K tomu si dopomáhajme. INFORMUJTE SA O NEBEZPEČÍ NÚTENÝCH, NEOVERENÝCH VAKCÍN. Ako ste si určite všimli, v médiách sa robí ,a to hlavne vďaka propagande Svetovej Zdravotníckej Organizácie (WHO) , obrovský poplach okolo údajne nebezpečnej „prasacej chrípke“.
Je evidentné, že informácie médií sa rozchádzajú v počtoch prípadov ochorení bežnou chrípkou ,a pripadov H1N1. Je isté, že nás čaká to čo v „kolíske demokracie a slobody“ v USA. Potvrdzujú to i Smernice Ministerstva zdravotníctva pre prípad pandémie. Je v nich totiž to , že štáty iba konajú na základe pokynov WHO. A tie sú jasné.
Predať štátom vakcíny od pochybného výrobcu, ktorý ich mal v rekordnom čase i pripravené. ( bodaj by nie ked ich mal patentované už v auguste 2008. Prepojenie a spolupráca BAXTER a WHO je nanajvýš podozrivá) . A potom donútiť ľudí aby si ich nechali aplikovať. Prvým cieľom je presvedčiť väčšinu aby to podstúpila dobrovoľne.
S tým zbytkom si vraj už poradia (pokuty , obvinenia z ohrozovania verejného zdravia a pod.) Nik pritom neberie skutočné záruky s právnou vymahateľnosťou. Ani výrobca, ani WHO, ani štát a lekár už určite nie. V tomto prípade však nejde o skutočnú pandémiu , pretože nie sú dôveryhodne preukázané počty a priebehy ochorení chrípkou počas minulých rokov, a médiami vmasírovávané „senzačné“ aktuálne správy sledujú jediný cieľ: Vštepiť Vám , že vraj očkovanie je jediná správna vec.
Treba pochopiť že chrípka určite nebude tým, čoho sa treba obávať. Vždy tu bola , je, a bude. Drvivá väčšina lekárov ,a lekárnikov zastáva názor , že nie je dôvod sa báť chrípky, a naopak zásadne odmietajú plošné a povinné očkovanie.
Je už vonku informácia ,že lekári a zdravotníci, idú ako prví keď príde vakcína. Tí ,ktorí ju odmietnu budú spisovaní do zoznamov. Tiež je už vonku info ,že sa musia pripraviť zoznamy tehotných žien!!!!!! Načo? Veď akékoľvek očkovanie zvyšuje riziko ohrozenie zdravia alebo až života plodu i matky. Ak podporíme zdravotníkov v odmietaní tohto postupu, je tu nádej ,že sa nám podarí odvrátiť nebezpečenstvo BIELEJ MAFIE.
http://www.poznanie.sk/uvahy/vakcinacia-a-prasacia-chripka.php
http://www.osud.cz/cs/clanek.php?id=9687
http://www.aktuality.sk/clanok/148749/vakcine-proti-virusu-h1n1-podlahlo-viac-ludi-nez-samotnemu-ochoreniu/
http://rizikaockovania.sk/
http://www.theflucase.sk
Ústava SR Tretí oddiel POLITICKÉ PRÁVA Čl.26
(1) Sloboda prejavu a právo na informácie sú zaručené.
(2) Každý má právo vyjadrovať svoje názory slovom, písmom, tlačou, obrazom alebo iným spôsobom, ako aj slobodne vyhľadávať, prijímať a rozširovať idey a informácie bez ohľadu na hranice štátu. Vydávanie tlače nepodlieha povoľovaciemu konaniu. Podnikanie v odbore rozhlasu a televízie sa môže viazať na povolenie štátu. Podmienky ustanoví zákon.
(3) Cenzúra sa zakazuje.
(4) Slobodu prejavu a právo vyhľadávať a šíriť informácie možno obmedziť zákonom, ak ide o opatrenia v demokratickej spoločnosti nevyhnutné na ochranu práv a slobôd iných, bezpečnosť štátu, verejného poriadku, ochranu verejného zdravia a mravnosti.

Tot de la presedinte am aflat in ultima vreme o kestie grava: e unii care discrediteaza domle statul; vorbeste de porc de rromanika si nu are incredere in institutiile statului.

Vestea e intr-adevar foarte grava, dar nu pentru motivele pe care le zice presedintele. Ba chiar pe dos: gravitatea consta in faptul ca statul este creditat de unii concetateni.

Cu alte cuvinte, mai sunt unii care mai au incredere in acest stat de cacat, mizerabil, ineficient, care nu stie decat sa ne taxeze pentru ca banii respectivi ori sa fie furati ori sa fie tocati in moduri complet inutile – de exemplu pentru schimbat borduri noi.

Mai e ceva grav in asta, si anume ca (inca) presedintele ne minte! (… ce surpriza).

Dovada e ca chiar el cu gura lui n-ea explicat cum iese rromanika din criza fara guvern. Ori prin asta ne demonstreaza ca guvernul e inutil. Iar discreditarea nu se mai cheam adiscreditare ci punerea adevarului in drepturile sale.

Asa ca hai sa terminam odata cu cacatul asta, si sa ajungem acolo unde trebuie: la TAXE ZERO!

URL : http://www.flashgame-girl.com/Puzzle-board/Operation-STAT.html

Game description :

The kids next door need your help to broadcast their pirate TV network! Complete each level to gather the items required to build a top-secret spy antenna.

Click on items as you find them. Then drag them on their correct position in the table and assemble them before time runs out!

Game controls :

Use mouse to interact.

fug prea tare toate-n faţa mea
atât de tare fug toate-n faţa-mi
că nu-mi dau seama ce se întamplă
şi stau, între mii de oameni
ce mereu nu stau
şi nu îi înţeleg, de ce ei merg
de ce eu stau, de ce nu merg
de ce doar ei, de ce nu eu
m-am oprit, sau nu am mers ?

mersu-i greu, şi statu-i bine
da să stai în timp ce alţii merg
te-nstristează statul tău
şi de când mersul doar stat e
nu ştiu de mai merg, sau stau
de e statul mers şi mersul stat
ce fac eu acum ?
merg cu voi sau stau aici ?