hakank.blogg

Det där är ju toppen! Vi borde nog försöka värva dig till o/ordning :) Kommer du på någon data du skulle vilja ha från bloggkartan är det bara att säga till! Återigen, riktigt bra :)

Skoj du tyckte om det, Jonas.

Jag har faktiskt funderat på att be dig om data just för att kunna göra lite roliga analyser, kanske något mer kring dina self-refs.

Men vi kan väl ta den diskussionen lite mer utanför bloggen? (Eller kanske vi ska ta den här så blir det fler kommentarer. :-)

(fast hur kommenterar man på din blogg? får "denied due to questionable content" så snart jag skriver mer än en rad)

Fredrik: Troligen är det något speciellt ord som systemet inte tycker om, elle kanske en URL som matchar någon av no-no-regexarna.

Du får gärna maila mig på hakank@bonetmail.com så kan jag lägga upp kommentaren.

För nu har jag ju blivit väldigt nyfiken på vad du skrev.

Jag mejlade dig men tänkte att det är bäst jag svarar här ifall andra är intresserade (plus att jag ju vill förbättra din framtida statistik :)

Tanken är att all data från bloggkartan skall finnas tillgänglig för alla men just nu finns bara delar tillgängliga via xml/dtd-länkarnai bloggkartans vänsterkolumn. Om någon har något specifikt den skulle vilja få tillgång till så kan det säkert ordnas ändå.

Som jag kommer att maila dig (ev. i kväll) så är jag naturligtvis intresserad av hela din datarymd. Det spelar för egen del ingen roll om det är i XML-format, vanlig ASCII eller en databasdump med INSERT-satser etc, eftersom datan måste troligen ändå preprocessas vidare "manuellt" på något sätt.

[Följande kommentar skrevs av Fredrik på http://effbot.org/ , men lades in av mig (hakank) eftersom det inte funkade när Fredrik gjorde det. Och jag har inte hittat den sträng som stoppar kommentaren.]

"Men vad ska man kalla sådana bloggar"

Fikabordsbloggar, eftersom dom företrädesvis tar upp allmänna ämnen ("jag läste i tidningen att..." "är det inte hemskt med alla dessa...") som alla kan ha åsikter om. Dialogen är viktigare än analysen.

Specialistbloggar (som din och, stundtals, min) är något helt annat. Där antar läsaren att specialisten faktiskt vet vad han pratar om, och nöjer sig oftast med detta.

(jfr. Parkinsons "Bike Shed Effect")

Fredrik: Du har en stor poäng.

Jag tror dock inte att det räcker med att en blogg tar upp vilka fikabordsämnen som helst för att göra den till "ettbloggare". Det krävs nog något mer för att få andra att diskutera livligt, t.ex. att ämnena ska vara tillräckligt intressanta att diskutera (och intressant skrivna), och att de man diskuterar med stimulerar till vidare diskussioner.

Sedan sätter väl den vanliga principen igång att man försöker komma in på ställen där det redan är mycket folk, dvs Matteus-principen: "åt den som har ska vara givet" (och som sägs vara en betydande orsak till det sociala power law-beteendet).

Tack för Parkinson-kopplingen, förresten. För framtida referenser lämnas en länk till en förklaring:
http://linuxmafia.com/~rick/lexicon.html#bikeshed .

Tredje? Vad säga om antal trackbacks? :)

Åsk: Intressant, men är det inte lite för ... okomplicerat.

Kanske:
(2 * totalt antal trackbacks - 3 * självtrackbacks + antal kommentarer man inte själv skrivit på din blogg) / (antalet blogganteckningar)

Hmm, fick inte in Pi eller E denna gång. Rackarns också...

:-) <--- OBS!

Kul att hitta lite matematik :-)). Kul resonemang, gillar sån't! Jag måste protestera mot den linjära regressionen dock, du får nog räkna en gång till ... det ser inte precis ut som linjen är en anpassning till de data som presenteras i alla fall ;-) ... (OK, OK ... jag erkänner, jag slängde iväg en beräkning också.)

Men fraktal ... ja, det betyder något som är sönderbrutet, "oregelbundet", tja, kanske man kan kalla det. Då bör du med en liten ansträngning kunna åstadkomma hakanmängden ur dina data. Plotta den sedan som en tvådimensionell bild (du kan ju använda sammanlagda antalet ord i kommentarerna också som extra variabel för att få färg i bilden) så kanske det börjar likna något :-))! Jag ser fram emot att få se den bilden!

Thebe: Visst är det skoj med matematik. Du har självklart rätt i att regressionslinjen inte är perfekt. Tänk bara på att båda axlarna är i log-log.

Bilden är alltså gjord med samma teknik som den bild som visas på "Statistikknarkande: Antal webb-besökare och power law", http://www.hakank.org/webblogg/archives/000204.html (som refereras till i texten ovan och också innehåller referenser till många bra skrifter i ämnet).

Sådana log-log-bilder är det vedertagna sättet att visa att det är någon form av power law-fördelning med i spelet, och det var därför denna bild skapades på detta sätt, med alla dess fel och brister (se nedan för några).

Som sagt bilden är långt ifrån perfekt, men jag tror inte det gör så mycket eftersom det var principen jag var ute efter: en "fraktalblogg" är en blogg med många anteckningar som har få eller inga kommentarer och få anteckningar med många kommentarer.

Angående "fraktal" som sönderbruten. Jag kanske missförstår din poäng här, men det är inte själva sönderbrutenheten som kännetecknar en fraktal utan själv-likheten, dvs att ett objekt ser "likadant ut" (vad man nu än menar med det) på alla eller flera nivåer. Som det står på den svenska Wikipedia:
"""
En fraktal, (ibland monsterkurva), brukar defineras som "Ett självsimulerande mönster med struktur i alla skalor", vilket betyder att det liknar sig självt på samma sätt som ett träds grenar i sin tur har likadana fast mindre grenar, en så kallad naturlig fraktal.
"""
Se vidare http://sv.wikipedia.org/wiki/Fraktal .

Det som är "sönderbrutet" är snarare dimensionen på objektet, som inte är de traditionella heltalsdimensionerna, (1, 2, 3 osv) utan något mellan dessa tal, t.ex. 2.92 som är nästan tredimensionellt men inte riktigt.

En power law-fördelning har en sådan egenskap: om man "zoomar in" i ett avsnitt ser det likadant ut som hela kurvan.

Det finns dock flera (till och med många) svagheter i min analys, speciellt i användandee av fraktalbegreppet. Här är några.

* bilden visar ingen riktig power law-fördelning, som kan bero på att det är för lite data, eller helt enkelt att antal kommentarer på en blogg inte är en "process" som skapar denna typ av fördelning

* även om det vore en power-law-fördelning är det inte säkert att det är en fraktal (i den mer strängt matematiska betydelsen)

* fraktal i den mer lösa betydelsen som jag använder det, var snarare som ett kompletterande begrepp till Annica Tigers "noll-bloggare" (inga kommentarer på bloggen) och dess motsats (dvs en blogg som alltid har mycket kommentarer). Om vi antar att den förra har "dimensionen" 0 (inga kommentarer alls) och den senare - säg - 10 (alltid jättemycket kommentarer) så är fraktalbloggare sådana som har "dimensioner" emellan dessa värden, heltal eller reella tal, i _analogi_ (det bör betonas) till det vanliga fraktalbegreppet.

* jag valde "fraktal"-bloggare eftersom det låter mycket klatchigare än "power law"-bloggare. Det senare begreppet har f.ö. i princip mutats in med en annan betydelse i bloggningssammanhang, nämligen fördelningen av antal besökare på en blogg: det finns väldigt många bloggare som har få besök, och det ett litet fåtal som har väldigt många besök, sedan finns det en strid ström av de som ligger mitt emellan (se vidare referenserna i den tidigare anteckningen).

Avslutningsvis: texten borde nog ha lite mer brasklappar och förtydliganden. Men bättre sent än aldrig...

F.ö. kan jag rekommendera den trevliga boken "Fractals, Chaos, Power Laws: Minutes from an Infinite Paradise" av Manfred Schroeder som går igenom mycket av detta. Se vidare http://www.amazon.com/exec/obidos/tg/detail/-/0716723573/002-3613635-5935253?v=glance

Klart jag fattar poängen, jag funderar i detaljer bara för att det är kul att göra det. Linjär regression brukar definieras som y = alfa+beta(x-xm), där xm är medelvärdet av x och alfa och beta regressionskonstanterna. Det var i den meningen jag inte tyckte linjen var en _linjär_ _regression_, men den "omanipulerade" datamängden. Att förmoda att det ska vara linjärt är väl iofs lika taget ur luften som att fördelningen ska vara power law. Det spelar ju mindre roll, för det är ju kul att testa bara. Undrar vad man ska anta, normalfördelning är väl första approximationen, har du testat det (bara för kul). Sen genererar ju kommentarer fler kommentarer, alltså en form av olinjäritet också. Rätt kul, man kunde tänka ett tag.

"Sönderbruten", med det menar jag till skillnad från mer _synbart_ regelbundna geometrier som en cirkel, kvadrat t ex. Men i det sönderbrutna finns förvisso ett mönster, och det var där jag tänkte du skulle skapa "hakan"-mängden, som analogi till t ex Mandelbrot- eller Julia-mängder :-)! Och man kan väl säga att blogg-kommentarer är till synes "sönderbrutna" mängder, i motsats till regelbundna, alltså.

Och jag gillar fö uttrycket "fraktal-bloggare", det är lite matematiskt tyngd i det *s*.

OK, nu förstår jag din poäng bättre, Thebe.

Kul idé med hakank-mängden, ett möjligt framtida projekt. Tack för förslaget.