регрессия в прошлые жизни отзывы

Ответ от *)) СКАЗКА (((*[гуру]
ты хочешь невозможного.

Ответ от Змейка[гуру]
А зачем тебе это надо? Раз программой велено забыть, значит для чего- то это нужно. :-))

Ответ от Настя De vir[эксперт]
А чё й та такое?))

Ответ от Надя[гуру]
не бери дурного в голову, а тяжёлого в руки и жизнь будет прекрасна

Ответ от Or Ange[гуру]
Где гарантия "чистоты" эксперимента? Все заново пережитое в прошлом влияет на ваше будущее. И правильно, что туда нет доступа! Нефиг там следить! Потом родственники мрут как мухи.. . из-за неосторожности и оплошности. Вообще нельзя это делать!

Ответ от Пользователь удален[гуру]
Конечно, это интересно. Но сейчас многие на этом зарабатывают. Элементарно проводят "практику регрессии в прошлую жизнь". Представляет собой обычный сеанс гипноза. Человека вводят в это состояние... а далее уже как фантазия подскажет гипнотизеру...

Ответ от Пользователь удален[гуру]
по книге Гипноз

Ответ от Колян Вотинцев[гуру]
Для того чтобы, просмотреть прошлое, нужно правильно настроить будущее. Всё остальное от лукавого

Ответ от Андрей[эксперт]
Прошлых жизней нет, можешь не сомневаться. Регрессии, реинкарнации - все это обман и профанация. Жизнь дается человеку единожды.

Ответ от Wunger[гуру]
я своим клиентам аю пройтись по прошлому... Без гипноза-просто

Ответ от Irina Borodina[гуру]
в этой школе проводятся тренинги по регрессии. и еще много всего интересного

Ответ от Пользователь удален[гуру]
сложный вопрос... думаю никто тебе на него не ответит....

Ответ от Одинокий Странник[гуру]
У любого шарлатана!

Ответ от Lilit Hovhannisyan[гуру]
Регрессия в теории вероятностей и математической статистике, зависимость среднего значения какой-либо величины от некоторой другой величины или от нескольких величин. В отличие от чисто функциональной зависимости у = f(х) , когда каждому значению независимой переменной х соответствует одно определённое значение величины у, при регрессионной связи одному и тому же значению х могут соответствовать в зависимости от случая различные значения величины у. Если при каждом значении х = xi наблюдается ni, значений yi1, ..величины у, то зависимость средних арифметических от xi и является Р. в статистическом понимании этого термина. Примером такого рода зависимости служит, в частности, зависимость средних диаметров сосен от их высот; см. табл. в ст. Корреляция.
Изучение Р. в теории вероятностей основано на том, что случайные величины Х и Y, имеющие совместное распределение вероятностей, связаны вероятностной зависимостью: при каждом фиксированном значении Х = х величина Y является случайной величиной с определённым (зависящим от значения х) условным распределением вероятностей. Р. величины Y по величине Х определяется условным математическим ожиданием Y, вычисленным при условии, что Х = х:
Е (Y êх) = u(х) .
Уравнение у = u(х) , в котором х играет роль «независимой» переменной, называется уравнением регрессии, а соответствующий график — линией регрессии величины Y по X. Точность, с которой уравнение Р. Y по Х отражает изменение Y в среднем при изменении х, измеряется условной дисперсией величины Y, вычисленной для каждого значения Х = х:
D(Y êх) = s2(x).
Если s2(х) = 0 при всех значениях х, то можно с достоверностью утверждать, что Y и Х связаны строгой функциональной зависимостью Y = u(X). Если s2(х) = 0 при всех значениях х и u(х) не зависит от х, то говорят, что Р. Y по Х отсутствует. Аналогичным образом определяется Р. Х по Y и в частности, уравнение Р. х = u(у) , = Е (ХïY = у) . Функции у = u(х) и х = u(у) , вообще говоря, не являются взаимно обратными.
Линии Р. обладают следующим замечательным свойством: среди всех действительных функций f (х) минимум математического ожидания Е [Y — f(X)]2 достигается для функции f(x) = u(х) , т. е. Р. Y по Х даёт наилучшее, в указанном смысле, представление величины Y по величине X. Это свойство используется для прогноза Y по X: если значение Y непосредственно не наблюдается и эксперимент позволяет регистрировать лишь компоненту Х вектора (X, Y), то в качестве прогнозируемого значения Y используют величину u (X).
Наиболее простым является случай, когда Р. Y по Х линейна:
Е (Yïx) = b0 + b1x.
Коэффициенты b0 и b1, называются коэффициентами регрессии, определяются равенствами
,
где mХ и mY — математические ожидания Х и Y, и — дисперсии Х и Y, а r — коэффициент корреляции между Х и Y. Уравнение Р. при этом выражается формулой
В случае, когда совместное распределение Х и Y нормально, обе линии Р. у = u(х) и х = u(у) являются прямыми.
Если Р. Y по Х отлична от линейной, то последнее уравнение есть линейная аппроксимация истинного уравнения Р. : математическое ожидание Е [Y — b0 — b1X]2 достигает минимума b0 и b1 при b0 = b0 и b1 = b1. Особенно часто встречается случай уравнения Р. , выражающегося линейной комбинацией тех или иных заданных функций:
у = u(Х) = b0j0(x) + b1j1(x) + .+bmjm(x).
Наиболее важное значение имеет параболическая (полиномиальная) Р. , при которой j0(x) = 1, j1(x) = x, ..jm(x) = xm.
Понятие Р. применимо не только к случайным величинам, но и к случайным векторам. В частности, если Y — случайная величина, а Х = (X1, ..Xk) — случайный вектор, имеющие совместное распределение вероятностей, то Р. Y по X определяется уравнением
y = u ( x1, ..xk),
где u( x1, ..xk) = E{YïX = x1, ..Xk = xk}.
Если
u ( x1, ..xk) = b0 + b1x1 + .+bkxk,
то Р. называется линейной. Эта форма уравнения Р. включает в себя многие типы Р. с одной независимой перем

Ответ от 3 ответа[гуру]

Ответ от 3 ответа[гуру]