担当が終了した講義の資料は基本的に更新していません。 資料作成当時の理解に誤りがあったり，時代によってスタンダードが変わっていたりする可能性があるので，ご利用は自己責任にてお願い致します。 近い内容の講義を新たに担当した場合は，最新のもののみ公開しています。 （間違いを見つけられた方は，こっそりご連絡いただけると幸いです。）
資料｜分寺杏介 (K. Bunji)のホームページ - Kobe Univ.
担当が終了した講義の資料は基本的に更新していません。 資料作成当時の理解に誤りがあったり，時代によってスタンダードが変わっていたりする可能性があるので，ご利用は自己責任にてお願い致します。 近い内容の講義を新たに担当した場合は，最新のもののみ公開しています。 （間違いを見つけられた方は，こっそりご連絡いただけると幸いです。）
統計モデリング概論 DSHC 2021
東京海上 Data Science Hill Climb 講師: 岩嵜航 (東北大学生命科学研究科) 日程: 2021年6月30 09:30–17:30 場所: zoom.us 講義資料 リンク先では←→キーで戻る・進む。 2021-06-30 09:30 | 導入 2021-06-30 10:00 | 統計モデルの基本: 確率分布、尤度 2021-06-30 13:00 | 一般化線形モデル、混合モデル 2021-06-30 15:00 | ベイズ推定、階層ベイズモデル
「全数調査なら何でもわかる」という誤解 - 間違えがちな母集団とサンプリングそしてベイズ統計 - - ill-identified diary
この文章は pandoc-hateblo で tex ファイルから変換しています. PDF 版はこちら 2021/10/15 追記: 後半のベイジアンブートストラップに関する解説はこちらのほうがおそらく正確です ill-identified.hatenablog.com 概要挑発的なタイトルに見えるかも知れないが, 私はしらふだしこれから始めるのは真面目な話だ — 正直に言えばSEOとか気にしてもっと挑発的なタイトルにしようかなどと迷ったりはしたが. 「全数調査できれば標本抽出の誤差はなくなるのだから, 仮説検定は不要だ」という主張を見かけた. いろいろと調べた結果, この問題を厳密に説明しようとすると最近の教科書には載ってない話題や視点が必要なことが分かった. ネット上でも勘違いしている or よく分かってなさそうな人をこれまで何度か見かけたので, これを機に当初の質問の回答のみならず関
【数学】「検査で陽性だった人が実際に病気である確率は数%程度」とかいうやつ、何？ - アジマティクス
「精度99%の検査で陽性だった人が実際に病気である確率は数%程度」とかいう話、聞いたことがある人もいるかと思います。 「1000人に一人がかかる病気があり、あなたはこの病気かどうかを精度99%で判定できる検査を受けたところ、なんと陽性であった。あなたが実際にこの病気にかかっている確率はいくらか」というやつのことです。 「陽」という字にポジティブな響き※があるので、いい意味だったか悪い意味だったかちょっと迷ってしまうかもしれませんが、「陽性である」というのは「検査したら反応が出る」というくらいの意味です。※響きも何も、「ポジティブ」なんですけどね… ウイルス感染症のPCR検査のケースで言うならば、陽性であるとは「検体（採取した粘膜や痰などのこと）から基準を超えた量のウイルスの遺伝子が検出される」ということになるでしょうか。 で、あなたは陽性だったわけです。初めてこの話を聞いた人ならいやそりゃ
イカサマコインの例で最尤推定とベイズ推定の違いを理解してみる - Qiita
はじめに 最近世の中で統計学が流行っています．ITの発展によりデータが容易に得られるようになり，いまや様々な業界のシステムでデータ解析機能の適用を検討しているのではないでしょうか．そうなると，IT技術者は深かれ浅かれデータ解析のプログラムに触る必要も出てくるでしょう．すると当然「推定」というキーワードにぶち当たるわけです．はて，統計的な推定とは如何なものか？と言う疑問が湧くでしょう． そんなわけで，統計学において得られたデータを元にある推定値を得る方法を探してみると，「最尤推定」とか「ベイズ推定」と言う手法は特に目に触れることになると思います． 初学者の小生は，これらの違いについて知りたくて，それっぽいキーワードでWeb検索をしたのですが，門前払いを食らってしまいました．何か，条件付き確率の式がウジュウジャ出てくる説明ばかりではあーりませんか！尤度？事前確率？もうーワケかららない！あー！
日本社会心理学会
今、ベイズが熱い ここ1〜2年の間、ベイジアン・モデリングに関する和書が相次いで出版された。大御所による教科書（豊田 2015, 2017）から気鋭のデータサイエンティストによる実践的なテキスト（松浦 2016）まで、どれも分かりやすいと評判が良い。ネット上でも、Stan, MCMCを使った実践的な分析を紹介するスライドが数多く公開され、学習環境が急激に整ってきた。今、ベイズが熱い。 だが、自習できる環境が整備されたとは言っても、そもそもベイズを学ぶ必要があるのか？自分にとって役立つのか？良く分からない人も多いはずである。本セミナーの目的は、ベイジアン・モデリングの意義とその位置づけを、理解していただくことにある。 結論から述べておこう。心理学者にとってのベイジアン・モデリングとは、心理学者を縛り続けてきた「実験操作や介入の効果を検証する」という科学観から我々を解き放つ、新しい方法論上のパ
階層ベイズモデルで勝敗データからプロ棋士の強さを推定してみました
タイミングの悪さに定評があるberoberoです。以前の記事のTrue Skillモデルを若干拡張して、勝敗データから将棋のプロ棋士の強さ（skill）を推定しました。 まず勝敗データとレーティングの値ですが、こちらのサイトを参考にさせていただきました。このようなデータを日々更新していくのには多大な努力と忍耐がないとできません。素晴らしいサイトです。 モデルのBUGSコードは以下のようになりました。 今回は以前よりはデータが豊富にあるため、skillをこの10年の時系列に沿ったARモデルにしています。1年ごとに対局データを分けて、1年ごとにskillを推定しています。また個人ごとの勝負におけるムラも推定しています。こちらはARモデルにすると収束が著しく悪くなったため、時刻で不変としました。ほんとは禁酒しただとか彼女と別れただとかで勝負ムラも変わってくると思うんですけどデータ不足で推定は厳し
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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
確率とは？：Joint, Marginal and Conditional Probability