フラクタルビスケット、ポアソンスパゲッティ - 小人さんの妄想
フラクタルの語源は 「ラテン語の動詞frangereは『壊れる』、すなわち不規則な断片ができるという意味」 なのだそうです。 >> http://www.biwa.ne.jp/~k-tochi/siryou/siryofra.html それでは、実際にものを壊したときの破片は、どのような大きさに散らばるのでしょうか。 岩石に衝撃を与えて破壊するとその破片の大きさの分布はベキ分布になることが知られています。 ガラスのコップを硬い床に落として割った時にできる破片も同じです。 大きな破片はほんの数個で、中くらいの破片はかなりの数になり、小さな破片は無数にあります。 -- 経済物理学の発見(光文社新書)より. 試しにやってみようと思ったのですが、岩石を割るのはたいへんだし、ガラスのコップを割るのはもったいない。 簡単に割れるものを探してみたところ、戸棚の中にビスケットがありました。 小袋の中に入っ
中央値の物理的な説明 - Radium Software
statpics - A Pearl: a Balanced Median Necklace 数学の概念を説明するのに，物理的な「たとえ」を使うことが，たまにあると思う。 例えば平均値の概念は，上の図の (a) のように「物理的なバランスが取れる点」として説明することができる。数直線を棒とし，値の点に等しい質量の重りを付けたときに，バランスを取ることのできる支点の位置が，平均値を表しているわけだ。 それでは中央値（メディアン）はどのように説明することができるだろう。平均値が「棒のバランス」だったのに対して，中央値は「滑車のバランス」で説明することができる。上の図の (b) のようにループ状の紐に重りを付けて，滑車にぶら下げたときに，最も下に位置する点が中央値となる。 この「滑車のバランス」は，左右の紐に同じ数の重りがあることによって得られる。どちらか片方からひとつの重りを選んで，それを極端
隠れマルコフモデル - Tanakkyの留学ライフ
今週の自主セミナーのテーマは隠れマルコフモデル(HMM)。 Wikipedia先生による説明は以下の通り。 隠れマルコフモデル（かくれマルコフモデル, Hidden Markov Model）は確率モデルの一つである。 「システムがパラメータ未知のマルコフ過程である」と仮定し、 観測可能な情報からその未知のパラメータを推定する。 音声認識、ゲノミクス、形態素解析(自然言語処理)などに応用されている。 IBMの考案。連続的かつ伸縮しうる信号列のパターン抽出には適しているが、反面、 長い距離をはさんで呼応しているような信号列からのパターン認識には、間の距離の長さに応じて状態数を増やす必要があり、計算量の観点から実用的ではない。 また、局所最適に陥りやすいため、対象に応じて適切なパラメータの初期値を設定してやる(適切なモデルトポロジーを導入する)必要がある。 とはいってもたぶんわかりずらい(-"
統計的機械学習(Hiroshi Nakagawa)
統計的機械学習 (under construction) 導入ppt pdf 情報の変換過程のモデル化 ベイズ統計の意義 識別モデルと生成モデル 次元の呪い 損失関数, bias, variance, noise 数学のおさらいppt pdf 線形代数学で役立つ公式 情報理論の諸概念 (KL-divergenceなど) 指数型分布族、自然共役 正規分布(条件付き、および事前分布) 評価方法ppt pdf 順位なし結果の評価(再現率、精度、適合率、F値) 順位付き結果の評価 線形回帰と識別ppt pdf 線形回帰 正規方程式 正規化項の導入 線形識別 カーネル法ppt pdf 線形識別の一般化 カーネルの構築法 最大マージン分類器 ソフトマージンの分類器 SVMによる回帰モデル SVM実装上の工夫 モデル推定ppt pdf 潜在変数のあるモデル EMアルゴリズム 変分ベイズ法 Expecta
Non-Uniform Random Variate Generation
Non-Uniform Random Variate Generation (originally published with Springer-Verlag, New York, 1986) Luc Devroye School of Computer Science McGill University Preface to the Web Edition When I wrote this book in 1986, I had to argue long and hard with Springer Verlag to publish it. They printed a small number of copies, and never bothered with a second printing, even though, surprisingly, there
クラスタリングの定番アルゴリズム「K-means法」をビジュアライズしてみた - てっく煮ブログ
集合知プログラミング を読んでいたら、K-means 法（K平均法）の説明が出てきました。K-means 法はクラスタリングを行うための定番のアルゴリズムらしいです。存在は知っていたんだけどいまいちピンときていなかったので、動作を理解するためにサンプルを作ってみました。クリックすると１ステップずつ動かすことができます。クラスタの数や点の数を変更して、RESET を押すと好きなパラメータで試すことができます。こうやって１ステップずつ確認しながら動かしてみると、意外に単純な仕組みなのが実感できました。K-means 法とはK平均法 - Wikipedia に詳しく書いてあるけど、もうすこしザックリと書くとこんなイメージになります。各点にランダムにクラスタを割り当てるクラスタの重心を計算する。点のクラスタを、一番近い重心のクラスタに変更する変化がなければ終了。変化がある限りは 2. に戻る。これ
ベイズを学びたい人におすすめのサイト - download_takeshi’s diary
ベイジアンフィルタとかベイズ理論とかを勉強するにあたって、最初はなんだかよくわからないと思うので、 そんな人にお勧めのサイトを書き残しておきます。 @IT スパム対策の基本技術解説（前編）綱引きに蛇口当てゲーム？！楽しく学ぶベイズフィルターの仕組み http://www.atmarkit.co.jp/fsecurity/special/107bayes/bayes01.html いくつかの絵でわかりやすく解説してあります。 自分がしるかぎり、最もわかりやすく親切に解説してる記事です。数学とかさっぱりわからない人はまずここから読み始めるといいでしょう。 茨城大学情報工学科の教授のページから http://jubilo.cis.ibaraki.ac.jp/~isemba/KAKURITU/221.pdf PDFですが、これもわかりやすくまとまってます。 初心者でも理解しやすいし例題がいくつかあ
確率論、統計学関連のWeb上の資料 - yasuhisa's blog
確率論と統計学は俺がまとめるから、他の分野はお前らの仕事な。 確率論 Index of /HOME/higuchi/h18kogi 確率空間 生成されたσ-加法族 確率の基本的性質 確率変数とその分布 分布の例 分布関数 期待値、分散、モーメント 期待値の性質 独立確率変数列の極限定理 大数の弱法則(Weak Law of Large Numbers) 確率1でおこること 大数の強法則 中心極限定理 特性関数 Higuchi's Page Brown運動 Brown運動のモーメントの計算 連続性 Brown運動の構成:Gauss系として Brown運動に関する確率積分 空間L^2の元の確率積分 伊藤の公式(Ito formula) 日本女子大学理学部数物科学科の今野良彦先生のところにあった資料 最尤法とその計算アルゴリズム 収束のモード 大数の法則と中心極限定理 指数分布族モデルにおける最
ORWiki
OR学会50年の歴史の中で，OR事典の編纂・改訂は通算３度目となる．いろいろな理由からOR事典編集委員会は，「OR事典」をWebに公開するという手段をとることになった．前回はCDによる出版であった． 資料編だけは「OR事典」から切り離して，OR学会の通常のホームページの中に移すことになった．これは逆瀬川浩孝委員長のアイディアである。内容の性格上，資料追加も間違いの訂正も広報委員会の責任で簡単に出来るようになる． 前回までの学会の歴史資料はそのまま残してある．今回はデータ追加作業を基本に多少の資料追加を行った．前事務局長の藤木秀夫さんには，その後の学会活動全般にわたる記録をまとめて原稿を作成してもらった．学術会議関係も藤木さんが前回の形式に習って資料原稿を作成し，FMES会長の高橋幸雄さんに目を通していただいた． 各支部から増補追加の原稿が送られてきた．Webのサンプルを見てくださいと言って
季節調整 - Wikipedia
傾向変動 一方向的な方向を持続する変化であり、周期が15年以上の長期的な波動（波状の上下変動）を含む。 循環変動 周期が通常3～15年であって周期の確定していない波動だが、もっと短期間の景気の好・不況も含む。傾向変動と循環変動とがひとまとめにされることもしばしばある。キチンの波やジュグラーの波などが有名。詳細は景気循環を参照。 季節変動 1年を周期とする定期的な波動。季節調整において取り除く対象となる波動である。 不規則変動 上記三つの変動の残差と考えられ、不規則、攪乱要素で起きる変動。典型例として、消費税率の更新前の駆け込み需要が挙げられる。 変動要因の合成[編集] 4つの変動要素を組み合わせて元の時系列データ（原系列）の動きを説明する。このとき、組み合わせる方式として、加法モデルと乗法モデルとが考えられている。 モデル名 概要 計算式 経済統計データの季節調整には、乗法モデルの方が適し
比の差の分散分析
−− 比の差の分散分析 岩原信九郎「新訂版：教育と心理のための推計学」（1965、23.2節）において、比の差の分散分析法が２要因の場合について説明されています。この説明に基づいて１要因、２要因、３要因の場合の比の差の分散分析用プログラムを作成しました。これらはここをマウスの右ボタンのクリックでダウンロードできる自己解凍型圧縮ファイルanovapfiles.EXEにまとめてあります。ダウンロードしたanovapfiles.EXEをダブルクリックなどで実行するとフォルダanovapfilesが作成され、このフォルダに解凍されたファイルが格納されます。PANOVAP1Fctr.exeが１要因用、PANOVAP.exeが２要因用、PANOVAP3Fctr.exeが３要因用です。これらのプログラムはWindowsパソコンであればダブルクリックなどで実行できます。 例えば、２要因の場合のプログラムP
東京工業大学 情報理工学院 数理・計算科学系
大岡山地区の建物 大学正門より，桜並木のウッドデッキを通り，右手の芝生をつっきる小径が西8号館，西7号館に続くみちです． 大岡山西8号館（Ｅ棟，Ｗ棟）: キャンパスマップの18, 19番の建物にあたります．本館の西隣りに位置しています．正面玄関をはいったところは３階です． Ｅ棟においでの方は廊下をはいってすぐ左手のエレベータをご利用下さい． Ｗ棟にはじめておいでの方は十分に注意して下さい．Ｅ棟とＷ棟を繋いでいる通路は３階と１０階にしかありません．Ｅ棟のエレベータを利用すると迷子になります．正面玄関から廊下をまっすぐにおいでになり，奥の右手にあるエレベータをご利用下さい． 西7号館：キャンパスマップの17番の建物にあたります．西8号館から，建物を二つ挟んだ並びにあります．芝生から向う場合，左手に本館を見ながら進み，本館がとぎれたあたりの右手にある小さな建物が西7号館です．橋を渡ってはいったと
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
認証がかかっています
認証がかかっています
統計学入門−第10章
readme.PDF
認証がかかっています
平均, 分散