上記のように簡単かつ汎用性が高い相関係数ですが、あまりに身近すぎて「ツールとして使えればいいや」の精神で用いられる事が多く、その理論的な正体については意外と知られていないのではないでしょうか？ 相関係数の理論は多数の統計書籍で紹介されていますが、多くのページに分散して記載されていることが多いため、本記事ではPythonでの実装法も交え、「相関係数に絞ってカンゼンニリカイ」できる記事を目指してまとめたいと思います。 まとめてみて思ったところとして、極端に高度な内容を含まず、かつ確率論の頻出テクニックを多く組み合わせて求める指標のため、統計学の理解を深めるのにピッタリのテーマだと感じました。 統計について勉強したいという方も、ぜひご一読頂ければと思います。 本文に進む前に 本記事の内容をより深く理解するためには、「共分散」に関する知識があることが望ましいです。 共分散については以下の記事にまと
読んだ本 1. 序論：統計モデルと因果モデル 因果グラフのノードは変数である 因果グラフが成立している場合の条件付き確率を比較 モンティホール問題を因果モデルで解釈する 2. グラフィカルモデルとその応用 因果グラフ上で従属関係を可視化する 因果グラフを構築する際の恣意性 3. 介入効果 4. 反事実とその応用 全体の感想 構造方程式と回帰式の違いをもっと早く書け まあ良著でした ちょうど一ヶ月前くらいに，昨年から延期に延期を重ねていたデータサイエンスエキスパート試験が遂に配信開始となった． www.toukei-kentei.jp とりあえず受けるのは確定として，いい機会なので今までなあなあに誤魔化してきた因果推論と時系列解析をちゃんとやることにした．まず因果推論の方から本を読むことにして，誰かに解説する体でやるのが一番理解が深まるので読みながら取ったメモを軽く清書して投稿している． 内
fkubota🦉 on Twitter: "相関係数だけで判断することは非常に危険というのは、以下の例がすごくわかりやすいです！ 「アンスコムの例」と呼ばれる4つのデータセットがあります。 これ、4つとも平均、分散、相関係数がほぼ一致してるんですよね。 外れ値がいかに危険か… https://t.co/2RHm4FDXo8"
相関係数だけで判断することは非常に危険というのは、以下の例がすごくわかりやすいです！ 「アンスコムの例」と呼ばれる4つのデータセットがあります。 これ、4つとも平均、分散、相関係数がほぼ一致してるんですよね。 外れ値がいかに危険か… https://t.co/2RHm4FDXo8
私のための統計処理ー基本解説
実験はギャンブルのようなもので、 どんな結果が出るかはわからないが、 実験計画を立てる。 「2群に差がない!」という帰無仮説を立てる。 群間のサンプルの選択は公平にしなければならないが、 勝率が高くなるような実験計画をデザインも必要である。 生物実験では、物理科学実験とは異なり、 得られるデータは必然的にばらつきを伴う。 測定者による誤差 ---実験技術の向上に伴い、 データの信頼度は上がる！ 測定装置、あるいは測定方法による誤差 測定されるものの性質による個体差
英語教育研究の査読で困った！サドコマシリーズ第４弾！とてもご好評いただいております！シェアしてくださると嬉しいです！！ このシリーズについては↓ kusanagi.hatenablog.jp 第４弾では，英語教育研究における「効果量（effect size）に関わる誤解」についての私見を述べます。国内の英語教育研究では，2010年頃から効果量を報告する論文が徐々に増加しました。しかし，それに伴って効果量について根本的な誤解をもったまま研究を進める例が目立つようになりました。そのもっとも典型的な例は，「検定結果は有意ではなかったが，効果量が大を示した。このことから，実質科学的にこの指導法の効果はあったものと考えられる」といった主張です。この主張のどのような点が問題になるのでしょうか？そして英語教育研究において，効果量の報告にはどのような意義があるのでしょうか？ ＊あくまでもこの記事は英語教育
前回はこちら。 今回は不偏推定量について詳しく見ていきました。いつも以上に盛り上がった! 平均二乗誤差とそのバイアス・バリアンス分解 推定量の「よさ」について 真のパラメータについて何も分からない場合 パラメータについて多少知識がある場合 所感 クラメルラオの下限 フィッシャー情報量 最良線形不偏推定量 次回 平均二乗誤差とそのバイアス・バリアンス分解 PRMLなど機械学習の観点でも頻出の話題。 推定量のよさの指標には色々あるが、真のパラメータと推定量の二乗の期待値である平均二乗誤差が小さければ小さいほどよいと定義する。すると、平均二乗誤差はバイアス(の二乗)とバリアンスに分解できる。平均二乗誤差が一定だとすると、バイアスorバリアンスのどちらかをよくしようとすると、どっちかが悪くなってしまうトレードオフの関係にあることは、推定量のよさを考える上では頭に入れておかないといけない。 そして、
統計検定過去問解説 「1級 統計数理」、「1級 統計応用」、「準1級」、「2級」、「3級」 - あつまれ統計の森
統計検定に実際に出題された問題に関して「1級 統計数理」、「1級 統計応用」、「準1級」、「2級」、「3級」に対して解答例や解説をそれぞれ取りまとめました。公式の解答では式展開が省略されるなどで理解が難しい場合もあるので、併用できるように作成を行いました。
0からはじめたベイズ統計モデリング
この記事は、ベイズ塾Advent Calender2020 17日目の記事です。 本記事では、全くStanもRも使えない状態から2年くらい勉強してきました。この機会に(?)これまでどんな感じでベイズ統計モデリングを使って研究してきたかまとめました。 自分の研究とベイズ統計モデリング 初期: 階層モデルでモデル内のパラメータを推定して個人変数として使用中期: すでにあるモデル同士を自分でとったデータに当てはめて比較今: オリジナルのモデル同士を自分でとったデータに当てはめて比較 初期: 階層モデルでモデル内のパラメータを推定して個人変数として使用 卒論研究で、個人のもつ遅延価値割引率とある変数の相関を見る研究をしました。遅延価値割引とは、ある財をもらえるまでの時間が長くなればなるほどその財の価値が主観的に下がっていく現象です。財をもらえるまでの時間と主観的な価値の関係は関数で表されます。遅延
ここでは、【応用】データの変換で分散はどう変わるかと同様に、データの変換によって、相関係数がどう変化するかを見ていきます。また、共分散の変化についても、あわせて見ていきます。 共分散と相関係数の復習 まずは、【基本】相関係数で見た、共分散と相関係数の定義を復習しましょう。 2組の対応するデータの値を $x_1, x_2,\cdots,x_n$ と $y_1,y_2,\cdots,y_n$ とし、それぞれの平均値を $\bar{x}$, $\bar{y}$ とします。このとき、共分散 $s_{xy}$ は次のような式で表されます。\[ s_{xy} = \frac{1}{n} \{ (x_1-\bar{x})(y_1-\bar{y}) +(x_2-\bar{x})(y_2-\bar{y}) +\cdots +(x_n-\bar{x})(y_n-\bar{y}) \} \] また、それぞれの標
ロボ太 on Twitter: "一応プログラムの講義なんだけど、学生さんはこういう話にも興味があるっぽいので。 https://t.co/DQgptNbJRS"
一応プログラムの講義なんだけど、学生さんはこういう話にも興味があるっぽいので。 https://t.co/DQgptNbJRS
これらの言葉の意味を考えるときに注意すべきなのは，「サンプル」という用語の意味です。 サンプルとは「標本」、「群」の意味で、ひとまとまりの観測データを指します。 サンプル数とは「群の数」、サンプルサイズとは「一つの群のサイズ，大きさ」という意味になります。 例題：各都道府県の男子高校生の身長例題 47 都道府県の男子高校生の身長の平均を比較するという調査を行います。各都道府県から無作為に 1000 人を選んで平均を算出したとき、この調査におけるサンプル数、サンプルサイズをそれぞれ考えましょう。 解答 サンプル数（群数）：47 サンプルサイズ（各群のサイズ）：1000 人 / 群 標本抽出を 47 回行ったためサンプル数は 47、各標本の個体数が 1000 人のためサンプル数は 1000 となります。 例題：マウスの投薬実験例題 癌を発症したマウスに対して、コントロール、薬 A、薬 B（それ
データ分析をする際には、多重共線性というものを考慮しなければならないことがあります。 多重共線性を考慮しないと間違った分析結果が出てしまうという問題点があるからです。 しかし実際の現場では、多重共線性を考慮せずに間違った結果を出してしまっているケースが非常に多くみられます。 データ分析をするなら、多重共線性は必ず知っておいてほしい知識です。 でも、多重共線性とは一体何のことでしょうか？ VIFや相関係数といった共線性の基準についてご存知でしょうか？ この記事では多重共線性の問題点や、VIFと相関係数のどちらが基準として適切か、なるべくわかりやすく解説していきます。 多重共線性を学んで正しい分析ができるようになりましょう！ 多重共線性とは？ まずは多重共線性の正しい意味をみてみましょう。 重回帰分析において、いくつかの説明変数間で線形関係（一次従属）が認められる場合、共線性があるといい、共線
Getting started with CmdStanR
Getting started with CmdStanR Jonah Gabry, Rok Češnovar, and Andrew Johnson Source: vignettes/cmdstanr.Rmd Introduction CmdStanR (Command Stan R) is a lightweight interface to Stan for R users that provides an alternative to the traditional RStan interface. See the Comparison with RStan section later in this vignette for more details on how the two interfaces differ. Using CmdStanR requires instal
最近、回帰分析の中でよく使われているのがロジスティック回帰分析（Logistic Regression Analysis）（以下、ロジスティック分析）である1。被説明変数が量的データである一般的な回帰分析は、説明変数と被説明変数の間の線形関係を仮定しており、一般線形モデル（Ordinary Linear Model）と呼ばれている。しかしながら社会のすべての現象が線形的な関係ではないので、非線形的な関係に対する分析も必要である。また、現実的には被説明変数が量的（Quantitative）データではなく質的（Qualitative）データであるケースも多い。例えば、所得がいくらぐらいである時、家を所有するか、給料がどのぐらいある時、車を買うか、年収がどのぐらいである時、結婚するかなど説明変数は量的データあるものの、被説明変数は「家を所有している、家を所有していない」のような質的データになって
線形混合モデルとその応用例 - Qiita
はじめに 千葉大学・株式会社Nospareの川久保です． 以前の記事で，線形モデルと線形混合モデルにおけるAIC（赤池情報量規準，Akaike information criterion）型の情報量規準について紹介しました．そのときは，線形混合モデルの説明は簡単にしかできませんでしたので，この記事で応用例も交えながら解説したいと思います． 線形混合モデルとは モデルのかたち 線形混合モデルは一般に以下のように書けます: $$ y = X\beta + Zb + \varepsilon, \quad b \sim (0,G), \quad \varepsilon \sim (0,R), \tag{1} $$ $X\beta$の項を固定効果（fixed effect），$Zb$の項を変量効果（random effect）と呼び，2つの効果が"混ざった"モデルということで，線形混合モデルと呼ばれ
ポアソン分布の確率関数をはじめて見たら，誰でも目が点になりますよね。この式の謎を解明しつつ，統計検定の２級〜準１級で問われるポアソン分布の諸性質を証明つきで解説していきます。 本稿の目的は，ポアソン分布を解説すること以外にもう１つあり，それはポアソン分布を理解するために必要な数学を解説することです。【統計検定準１級のための数学】と題した記事では，統計検定２級からスムーズに準１級に進めるように，２級と準１級のギャップをうめるために必要な数学も解説していきます。本稿では，ポアソン分布に関連して指数関数とべき級数を解説します。 なお，本稿で前提とする知識は，【中学の数学からはじめる統計検定２級講座】の第１回の確率，第４回の期待値と分散，第６回の極限と微分，第７回の正規分布，第10回の階乗と二項分布の内容になります。これらの内容に不安がある人は，先にそちらの記事を読んでください。 では，はじめてい
GitHub - HiroshiHamada/BMS: 『社会科学のためのベイズ統計モデリング』サポーサイト
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
まむし on Twitter: "ウンチの漏らす頻度アウトプットし忘れたせいで離婚は草 https://t.co/6v6jqm1wIl https://t.co/CwSTsv87OH"
ウンチの漏らす頻度アウトプットし忘れたせいで離婚は草 https://t.co/6v6jqm1wIl https://t.co/CwSTsv87OH
cakesは2022年8月31日に終了いたしました。 10年間の長きにわたり、ご愛読ありがとうございました。 2022年9月1日
jamovi完全攻略ガイド
はじめに は，高度な統計手法をできるだけ簡単に使用できるようにすることを目的として作成された統計ソフトウェアです。操作はマウス（トラックパッド）によるメニュー選択が基本で，複雑なコマンドを入力したりする必要はありません。jamoviと同じようにマウスで操作できる統計ソフトウェアとして非常に有名なものにSPSSがあり，大学を含め，さまざまな機関で統計処理や統計法の学習に使用されていますが，SPSSは非常に高価なソフトウェアであり，個人で気軽に購入できるようなものではないため，大学のコンピューター室でしか課題作業ができない（家で課題をできない）というような問題がありました。 しかし，近年ではオープンソース1の統計解析環境であるRが専門家の間で広く使われるようになっています。オープンソースであるRは基本的に無料で使用できるため，誰もが自由に自分のPCにインストールして統計処理を行えるのです。ただ
2024年度統計関連学会連合大会 2024年9月1日（日）～5日（木）東京理科大学（神楽坂キャンパス） 第二報(2024.3.2)を掲載しました。
Kentaro Matsuura on Twitter: "Gelman先生らの『Regression and Other Stories』が個人利用で無料ダウンロードOKに。7章単回帰、13章ロジスティック回帰、締め(21章)の階層モデルはもちろん、5章シミュレーション、12章変換、16… https://t.co/EMw5iRM8H7"
Gelman先生らの『Regression and Other Stories』が個人利用で無料ダウンロードOKに。7章単回帰、13章ロジスティック回帰、締め(21章)の階層モデルはもちろん、5章シミュレーション、12章変換、16… https://t.co/EMw5iRM8H7
統計検定$2$級のPBT(Paper Based Testing)に実際に出題された問題の解答や解説を出題年や出題トピックごとに取りまとめました。解答例は「統計の森」オリジナルのコンテンツであり、統計検定の公式とは一切関係ないことにご注意ください。 ・統計検定$2$級対応 「統計学入門」 https://www.hello-statisticians.com/stat_basic 出題年度別目次 $2021$年$6$月 問1～問12 問13～問22 $2019$年$11$月 問1～問10 問11～問18 $2019$年$6$月 問1～問9 問10～問18 $2018$年$11$月 問1～問10 問11～問18 $2018$年$6$月 問1～問8 問9～問16 $2017$年$11$月 問1～問8 問9～問16 $2017$年$6$月 問1～問8 問9～問15 $2016$年$11$月
EMアルゴリズム徹底解説 - Qiita
本ブログは、混合ガウス分布を題材に、EMアルゴリズムという機械学習界隈では有名なアルゴリズムを丁寧に解説することを目的として書いています。 また、この記事は、「数学とコンピュータ Advent Calendar 2017」の24日目の記事です。 そして長いです。 1. はじめに 観測した確率変数 $X$ をよく表現する、モデル $p(x|\theta)$ のパラメータを求めることが確率分布の推定ではよく行われます。つまり最尤法ですね。より複雑な分布になるとその分布の構造に潜在変数(Latent Variable) $Z$ があると仮定してモデル化を行うと、シンプルな組み合わせで $X$ の分布を表現できることがあります。今回扱う混合ガウス分布もその一つです。 のちに説明しますが、データセットの種別を完全データ集合と不完全データ集合に分けた場合、不完全データ集合に属するようなデータセットはデ
Akaike (1982) On the Fallacy of the Likelihood Principle を読んで - Tarotanのブログ
はじめに このブログ記事では，以下の論文に対する個人的な感想を述べます． Akaike, H. (1982). On the Fallacy of the Likelihood Principle, Statistics and Probability Letters, 1, 75-78 同論文は，以下の論文集（pp.357-360）にも掲載されています． Parzen, E., Tanabe, K. and Kitagawa, G. eds. (1998). Selected Papers of Hirotugu Akaike. Springer-Verlag. [電子版 ] Selected Papers of Hirotugu Akaike | Emanuel Parzen | Springer このブログ記事は，Akaike（1982）の内容を正確に伝えるものではありません．正確な
Ken McAlinn on Twitter: "前もやりとりあったけど、DAGをあくまで「仮定の可視化」と捉えるべきところを「因果関係が分かる方法」まで解釈すると今後DAGを指定さえすれば因果関係がわかるのでこれが因果ですっていう人が大量にでてきてものすごくめんどいことになりそう。"
前もやりとりあったけど、DAGをあくまで「仮定の可視化」と捉えるべきところを「因果関係が分かる方法」まで解釈すると今後DAGを指定さえすれば因果関係がわかるのでこれが因果ですっていう人が大量にでてきてものすごくめんどいことになりそう。
統計学 2 - 矢内 勇生
2021年度 1Q 高知工科大学 経済・マネジメント学群 この資料は2021年度のものです。 2022年度の資料はこちらです。 授業の内容 1. イントロダクション 講義スライド (PDF) R と RStudio のインストールと設定（自分のパソコンを使う場合のみ） Linux (Ubuntu) 編 (PDF, 4.6MB) macOS 編 (PDF, 4.9MB) Windows 編 (PDF, 5.8MB) 2. Rの基本操作 講義スライド (PDF) R入門 誕生日問題 3. 記述統計とデータの可視化 講義スライド [公開用] (PDF) RStudio入門と記述統計 4. R Markdown によるレポート作成 講義スライド (PDF) Rマークダウンの使い方 (HTML) 「Rマークダウンの使い方」のRmdファイル (r-markdown.Rmd) 「Rマークダウンの使い方」
社会人のためのデータサイエンス入門
この度、「社会人のためのデータサイエンス入門」の開講にあたり、続編となる「社会人のためのデータサイエンス演習」を特別開講いたします。 入門と演習（実践編）を受講することで、データ分析の基本的な知識から、ビジネスの現場で使われる実践的なデータ分析（統計分析）の手法までを身につけることができます。 ※「社会人のためのデータサイエンス演習」は修了証の発行はございません。 ＞＞実践編はこちらから＜＜ 講座内容 今、ビジネスの現場では、統計的な思考力によって様々な課題を解決していく能力、すなわち"データサイエンス"力の高い人材が求められている。このようなことを踏まえ、本コースでは"データサイエンス"力の向上を目指し、事例なども踏まえ、データ分析の基本的な知識を学ぶ。 コースは4つの部分に分かれている。第1週では、社会でデータがどのように活用されているかについて、実際のデータを用いた分析事例を紹介する
統計学にはt検定やカイ二乗検定、ウィルコクソンの順位和検定、 Mann–WhitneyのU検定などなど様々な検定方法が存在します。 それらは検定対象とする母集団の特徴によってパラメトリック手法とノンパラメトリック手法の2種類に分類することができます。 このページでは、パラメトリック手法とノンパラメトリック手法をそれぞれ説明します。 パラメトリック手法とはパラメトリック手法とは、「与えられた母集団が何らかの分布に従っている前提がある」ときに使う手法です。 この時の何らかの分布とは大抵の場合は正規分布を指します。 正規分布に従う母集団の例としては人間の身長と体重などがあります。 パラメトリック手法の代表例として、t検定があります。 パラメトリック手法の特徴パラメトリック手法は、母集団が正規分布に従っていないと使用することができません。 そのため、全く新しい種類の母集団にパラメトリック手法を用い
This vignette can be cited as: To cite package 'statsExpressions' in publications use: Patil, I., (2021). statsExpressions: R Package for Tidy Dataframes and Expressions with Statistical Details. Journal of Open Source Software, 6(61), 3236, https://doi.org/10.21105/joss.03236 A BibTeX entry for LaTeX users is @Article{, doi = {10.21105/joss.03236}, url = {https://doi.org/10.21105/joss.03236}, yea
Googleスプレッドシートで箱ひげ図（box plot）を作成する方法 | 非IT企業に勤める中年サラリーマンのIT日記
２つのデータを比べる方法はいろいろあるのですが、最近では欧米中心に「箱ひげ図」というグラフで見比べる方法が主流になているようです。英語でbox plot、box-and-whisker plotって言うそうですね。箱ひげ図の詳しい情報はWikiをご覧ください。 ざっくり言うと、データ群を昇順に並び替えて、そのデータ群を4分割してそれぞれの境界をピックアップして下のようなチャートに表したものです。ホントは異常値を除外したりしますが、まあだいたいそんなところかと。 で、この箱ひげ図ですが、Excelでも最近のバージョンでしか...
ベン図を4つの円で描く？
ベン図は集合の範囲の見える化に必須のツールです．その際，円３つまではスイスイと描けるのですが，4つ以上となると… ■ 「何とか」としたワケは，円3つで8部分(領域)に分かれていたところに 8つの各領域ごと，集合Dのメンバーで｛ある，ない｝の判断をする つまり 4つ目の集合Dでもって，すべての領域を2分割しながら描く 必要があったからです．平面を２⁴=16分割することになり，実際，やってみるとケッコウ手間のかかる作業です． ■ この集合Dのベン図をシンプルにしたいものです． 集合Dを円で描けないか？ ■ 試行錯誤的にやってみると，円で描くのは困難であり，不可能だろうと予想できます．さて，どう説明しますか？ ■ 図は，青円によって平面が①②の2つに分かれているところに，緑円を付け加えた様子です． 2つの円により，2交点P, Q ができる． ⇒ 円弧C1(短), C2(長) ができる ⇒ C1に
The Qiita Advent Calendar 2020 is supported by the following companies, organizations, and services.
★はじめに 統計学入門基礎統計学Ⅰ（東京大学出版）の練習問題解答集です。 ※目次であるこのページのお気に入り登録を推奨します。 名著と呼ばれる本書は、その内容は素晴らしく統計学を学習する人に強くオススメしたい教養書です。しかしながら、その練習問題の解答は略解で済まされているものが多いです。そこで、初読者の方がスムーズに本書を読み進められるよう、練習問題の解答集を作成しました。途中で、教科書の参照ページを記載したりと、本を持っている人向けの内容になりますが、お使い頂けたらと思います。 ※下記リンクより、該当の章に飛んでください。 ★目次 0章. 練習問題解答集について ...coming soon 1章. 統計学の基礎 2章. 1次元のデータ 3章. 2次元のデータ 4章. 確率 5章. 確率変数 6章前半. 確率分布（6.1~6.5） 6章後半. 確率分布（6.1~6.5） 7章前半. 多
2群の平均値を比較するにはt 検定を用いる。3 群以上の平均値の比較には分散分析を利用する。分散分析は対象とする全群に対して一度に検定を行うため、全体的な平均値の相違を把握できるが、どの群間に有意差があるかは把握できない。
文系で統計検定１級に合格した｜khosoda
2017/12/26 ならびに2020年4月27日に改訂。 題の通り。2017年11月26日の試験で数理と応用に受かった。応用は社会科学を選択。 20歳で合格だが、最年少というわけではないらしい。というわけで何をやったのかを記しておく。 ※記事下部にいくつか追記しました しっかり読んで欲しい ※2019/11/28 受験して2年ほど経ったので、統計検定1級の効用？について書きました 自身の背景・勉強を始めた日その前に自分のバックボーンを語っといたほうが参考にしやすいと思うので書く。 大学は一橋で文系。経済系だろと言われるが、自分は商学部商学科。専攻はデジタルマーケティングということになっている。受験で数学は使った。センター試験は新課程１年目で、データの分析が入り始めたころだった。まあでもセンターレベルなので簡単。 講義で統計学と名のつくものは受けておらず、少し関わるところの量的データ解析を
システムトレードという言葉は和製英語で正式にはsystematic tradingといいます。予め定められた規則に従って株式、債券、為替などの流動性の高い(取引の活発な)金融商品を売買する方法だと考えればよいと思います。長い間、金融商品の価格を科学的に分析するといっても、十分なデータが得られずに来ました。そのために、イデオロギーや概念、語り継がれている売買手法が注目を浴びてきました。しかし、システマティック・トレーディングの世界ではデータを重視して、売買の方法を探していきます。したがって、本書がもっとも大事にしているのが データ モデル 売買の規則 一貫性 です。 データを客観的に分析するために、価格の動きのメカニズムを説明するモデルを考えます。また、投資目的を達成するために売買の方法を作り上げていきます。設計した売買が実現可能かどうかを判断するためには、金融市場の売買のメカニズムを知って
An Introduction to Bayesian Data Analysis for Cognitive Science
An Introduction to Bayesian Data Analysis for Cognitive Science Bruno Nicenboim, Daniel Schad, and Shravan Vasishth 2024-03-11 Preface This book is intended to be a relatively gentle introduction to carrying out Bayesian data analysis and cognitive modeling using the probabilistic programming language Stan (Carpenter et al. 2017), and the front-end to Stan called brms (Bürkner 2019). Our target au
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
相関係数をカンゼンニリカイする - Qiita
23/6/10 『入門 統計的因果推論（Judea Pearl）』メモ - LWのサイゼリヤ
【サドコマ④】有意差がなかったのに効果量が大きい？【効果量の誤解】 - 草薙の研究ログ
すうがくぶんか 統計検定1級対策講座 第四回 - yasuhisa's blog
【応用】データの変換で相関係数はどう変わるか | なかけんの数学ノート
サンプル数とサンプルサイズの違いをわかりやすく解説 ｜AVILEN
多重共線性の問題点をわかりやすく！基準や目安はvifと相関係数のどちらを使う？｜いちばんやさしい、医療統計
統計分析を理解しよう-ロジスティック回帰分析の概要-
ポアソン分布【統計検定準１級のための数学②】 | とけたろうブログ
cakes（ケイクス）
日本統計学会 The Japan Statistical Society
How does statistical analysis differ when analyzing the entire population rather than a sample? | Statistical Modeling, Causal Inference, and Social Science
統計検定2級 PBT(Paper Based Testing) 解説 - あつまれ統計の森
パラメトリック手法とノンパラメトリック手法の違い ｜AVILEN
Test and effect size details
https://research-er.jp/articles/view/102404
Stanのカレンダー | Advent Calendar 2020 - Qiita
統計学入門（東京大学出版）の練習問題解答【目次】 - こんてんつこうかい
多重比較法とは :: 【公式】株式会社アイスタット｜統計分析研究所
Python3ではじめるシステムトレード: システムトレードにおける対数の役割 - Qiita