發表文章

目前顯示的是 9月, 2023的文章

一千元跟一萬元的羽絨外套差在哪裡?

批踢踢實業坊 › 看板  Gossiping 關於我們 聯絡資訊 返回看板 作者 a3556959 (appleman) 看板 Gossiping 標題 Re: [問卦] 一千元跟一萬元的羽絨外套差在哪裡? 時間 Thu Jan 2 11:45:50 2025 ※ 引述《staxsrm (薏仁茶)》之銘言 : 本肥發現冬天穿羽絨外套還是最暖 : 從一千元有找的雜牌 : 到net uniqlo 迪卡儂之類的平價兩千多到大概四千附近 : 還有一些高級一點的像是roots 北臉 或是一些登山品牌有五千起跳的 : 還有一些牌子可能比較高檔甚至破萬 : 是用料 做工還是機能的差別 : 有沒有羽絨外套買到多貴算是智商稅的八卦 羽絨外套主要是看三個指標 1.蓬鬆度:羽絨衣保暖的原理是,利用羽絨特性,在衣服內部創造出靜止的空氣腔,因為靜 止無對流的空氣導熱係數很低,因此可以保暖, 蓬鬆度越高,越好基本上600蓬鬆度以下的都是垃圾,不如買化學纖維,不用購買,600-800 算還不錯,800以上則是上品 2.充絨量:顧名思義塞了多少羽絨進去,這基本上就是看多少公克,150以下都算輕羽絨,1 50-300,在台灣就已經非常保暖了,300以上台灣用不到 3.絨子占比:羽絨當中分為絨子跟羽毛,羽毛本身不太保暖,真正保暖的成分是絨子,所以 絨子含量越高越好 90%以上就是優質羽絨服,80-90還不錯,80以下別買了,不如買化纖 參數大概就這樣,用這個下去挑選即可 再來是鴨鵝絨,本質上沒什麼太大的差別,不過鴨子有的時候可能會有味道,鵝絨通常比較 沒味道,但會貴一點,這個直接去實體門市試穿聞看看比較準確,有的人可以接受 至於推薦買啥,其實優衣庫或迪卡農這樣的平價大牌就不錯了,品質跟價格有很好的保障 在台灣預算1000以下不用想買到大牌品質貨,只剩蝦皮雜牌,但品質跟標誌是否正確很難說 ,能買到的通常都是化纖,除非你在日本當地優衣庫特價的時候入手 不用買什麼加拿大鵝始祖鳥巴塔哥尼亞那種高級貨,就純賣品牌跟機能性,都市平地不用那 麼多機能性 以上簡短介紹 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.132.132.225 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.17357...

(統計)假設檢定

圖片

(統計)母體參數信賴區間

圖片

(統計)抽樣統計量和其分配

¯X 1.σ2  已知。 ¯XμσnN(0,1) 2.σ2  未知。常態母體。 ¯XμSnt(n1) S2 1.常態母體。 (n1)S2σ2χ2(n1) S21S22 1.兩獨立常態母體。 S21σ22S22σ21F(n11,n21)

(統計) 母體混合期望值,變異數

設二母體,μ1,μ2,σ21,σ22,n1,n2 μi=nij=1Xij  ,i=1,2 σ2i=nij=1(Xijμi)2ni ,i=1,2 混合期望值:μ=n1μ1+n2μ2n1+n2 混合變異數=σ2=2i=1niσ2i+niμ2iniμ22i=1ni=2i=1ni[σ2i+(μiμ)2]2i=1ni

(統計)柯西分配 Cauchy Distribution

柯西分配 Cauchy Distribution XCauchy(α,β) f(x)=1παα2+(xβ)2  , <x< 標準柯西分配 XCauchy(1,0) f(x)=1π11+x2  , <x< E(X) if XN(0,1)YN(0,1) Z=XYCauchy(1,0)

(汽車)2020 進口電動車馬力表

車型名稱 PMR 最大馬力(kW) 最大馬力轉速(rpm) BMW i BMW I3S 120AH A1 5D  96.8 135 7000 BMW i BMW I3 120AH A1 5D  90.6 125 5200 本車型組已符合M1 類PMR ≦ 120第六期第一階段汽車噪音管制標準值       Tesla Model 3 E1R A1 5D  112.5 190 0 Tesla Model 3 E1R 3D5 A1 5D  112.5 192 0 Tesla Model 3 E3DP A1 5D  171.8 335 0 本車型組已符合M1 類120<PMR ≦ 160第六期第一階段汽車噪音管制標準值。       Tesla Model 3 E3D A1 5D  171.8 258 0 Tesla Model S Long Range A1 5D  159.2 370 0 Tesla Model S Standard Range A1 5D  159.2 280 0 Tesla Model S Long Range Plus A1 5D  159.2 370 0 Tesla Model S Performance A1 5D  166 390 0 本車型組已符合M1 類120 < PMR ≦ 160第六期第一階段汽車噪音管制標準值。       Tesla Model X Performance A1 5D  148 390 0 本車型組已符合M1 類120 < PMR ≦ 160第六期第一階段汽車噪音管制標準值。       Tesla Model X Long Range A1 5D  143.3 370 0 本車型組已符合M1 類PMR ≦ 120第六期第一階段汽車噪音管制標準值。 ...

(汽車)2021 進口電動車馬力表

車型名稱 最大馬力(kW) 最大馬力轉速(rpm) PORSCHE TAYCAN TURBO S A2 4D 460 6700 PORSCHE TAYCAN TURBO A2 4D 460 6700 AUDI e-tron SPORTBACK 55 quattro A1 4D HATCHBACK 300 0 AUDI e-tron 55 quattro A1 4D HATCHBACK 300 0 HYUNDAI KONA-N 0c.c. A1 5D 150 8000 HYUNDAI KONA-M 0c.c. A1 5D 100 8000 本車型組已符合M1 類PMR ≦ 120第六期第一階段汽車噪音管制標準值。      PORSCHE TAYCAN A2 4D 240.00 8600 PORSCHE TAYCAN A2 4D (280kW) 280.00 10000 本車型組已符合M1 類120 < PMR ≦ 160第六期第二階段汽車噪音管制標準值。      ENERGICA SS9+ CVT 街跑車 80 6000 ENERGICA EGO+ CVT 街跑車 107 6000 ENERGICA EVA RIBELLE CVT 街跑車 107 6000 ENERGICA EGO+RS CVT 街跑車 107 6000 ENERGICA EVA RIBELLE RS CVT 街跑車 107 6000 AUDI e-tron 50 SPORTBACK quattro A1 4D HATCHBACK 230 0 AUDI e-tron 50 quattro A1 4D HATCHBACK 230 0 AUDI e-tron SPORTBACK 55 quattro A1 4D HATCHBACK 300.00 0 本車型組已符合M1類PMR≦120第六期第一階段汽車噪音管制標準值。     AUDI e-tron 55 quattro A1 4D HATCHBACK 300.00...

(微積分)微積分基本定理

 if  F(x)=xaf(t)dt  dF(x)dx=d[F(t)]xadx=d[F(x)F(a)]dx=f(x) if  F(x)=g1(x)g2(x)f(t)dt  dF(x)dx=d[F(t)]g1(x)g2(x)dx=d[F(g1(x))F(g2(x))]dx=f(g1(x))g1(x)f(g2(x))g2(x)

(統計)截尾分配

 r.v. X 連續型。 f(x) 為 p.d.f. f(x|Xa)=f(x)F(a) , xa f(x|Xa)=f(x)1F(a) , xa f(x|aXb)=f(x)F(a)F(b) , axb

(統計) 有加成性之機率分配

  1.XBin(n,p) 二項分配 2.XNB(r,p)  負二項分配 3.X(t)Poission(λ) 卜瓦松分配 4.XGamma(α,β)  Gamma分配 5.XN(μ,σ2)   常態分配

(統計)變數變換

 Jacobian (r.v.連續型) 單變數 設fX(x) 為舊p.d.f.,fY(y)為新p.d.f.。 Y=g(X)X=g1(Y) J=|dxdy|=|dd |fY(y)=fX(x=g(y)1)|J| 雙變數 設fX1,X2(x1,x2)為舊p.d.f.,fY1,Y2(y1,y2)為新p.d.f.。 (Y1,Y2)=g(X1,X2)(X1,X2)=g1(Y1,Y2) J=|x1y1x1y2x2y1x2y2| J=|11122122| 列舊行新。 變數縮減 (X,Y)(W),增一變數 V=g(X) or V=g(Y),使得 (X,Y)(W,V),同雙變數變數變換運算。 C.D.F法 min,max,X2n 時使用

(統計)三個統計常用積分,Gamma(Γ)積分,Beta(β)積分,常態(Norma)積分。

Gamma(Γ)積分 α>0λ>0 0xα1eλxdx=Γ(α)λα Γ(n)=(n1)! Γ(12)=(π) Beta(β)積分 α>0β>0 10xα1(1x)β1dx=Γ(α)Γ(β)Γ(α+β) 常態(Norma)積分 ab>0 e[(xa)22b2]dx=2πb

(統計) 機率分布之間特例關係

  1.BerBin的特例。 2.GeoNB的特例。 3.Expχ2Gamma的特例。

(統計)(機率論) 先贏問題

1.甲乙丙三人按順序(甲->乙->丙)投擲一公正硬幣,先出現正面者贏,試問甲、乙、丙獲勝機率為何? 甲贏: 正 ,反反反正,反反反 反反反正,。 乙贏: 反正 ,反反反反正,反反反 反反反 反正,。 丙贏: 反反正 ,反反反反反正,反反反 反反反 反反正,P()=12+(12)3×(12)+(12)6×(12)=12×11(12)3=47 P()=12×12+(12)4×(12)+(12)7×(12)=12×121(12)3=27 P()=(12)2×12+(12)5×12+(12)8×12=12×(12)21(12)3=17 2.重複投擲兩個均勻骰子,若出現點數和為8,則甲贏,若先出現點數和為10,則乙贏。當比賽出現勝負時,甲乙兩人贏的機率為何?

(統計)(特殊機率分配) 二項分配和超幾何分配之比較

同   異   期望值  變異數  Bin(二項分配)  r.v.表示成功總次數  抽後放回  np np(1p)           Hyper()  r.v.表示成功總次數  抽後不放回  nmN nmN(1mN)(NnN1)

(統計)(特殊機率分布)伯努利過程(Bernoulli process)

特性  1.實驗間相互獨立。 2.p=p()皆相同,只有成功/失敗兩種互斥情況。 伯努利過程之機率分配: 各分配之間的r.v. 意義不同。 1.Bin(二項分配) :在 n 次實驗中成功總次數。 2.Geo(幾何分配):直到第一次成功之總實驗次數。(無記憶) 3.NB(負二項分配):直到第 r 次成功之總實驗次數。 Geo(p)=NB(1,p) 所以以上3種分配,事件機率可以相互計算。