タグ

関連タグで絞り込む (69)

タグの絞り込みを解除

Statisticsに関するagwのブックマーク (413)

  • データ分析のための統計学入門.pdf

  • https://x.com/kaityo256/status/1747972254829547799?s=12&t=YpIPcsjKfoTpmECNdRL-uw

  • https://x.com/mimikousi/status/1741293103015993429?s=12&t=YpIPcsjKfoTpmECNdRL-uw

  • RPubs - Lecture 02 in bioStat2022

  • 知識0から統計検定2級取得を目指した話 - Qiita

    [追記]統計検定2級、おかげさまで合格しました。(僕の受験した回は得点率65%で合格できました) この記事の概要(目次) はじめに: 事前の筆者のステータス 勉強方法: どんな勉強をしたか そのメリットとデメリット 思ったこと・分かったこと: 勉強をしてみて思ったこと 勉強してみないとわからなかった もう一度やるとしたらこんな方法でやる: 現状で思う、オススメの進め方 今から勉強する皆さんに向けて事前に知っておいてほしいこと 結果: 試験の結果( 発表されたら追記します(6/18) ) はじめに 目的 自分の中でのスキルを増やすこと Qiitaに残す目的 進め方の振り返りのため いつか2級を受けようとしている誰かのため 復習用のノート ということで 2級合格のためのチートシート作成しました (https://qiita.com/akiyoshi_sasaki/items/c81032c16

    知識0から統計検定2級取得を目指した話 - Qiita

  • 統計検定2級合格までの勉強方法 - Qiita

    統計の基礎を知っている程度(統計検定3級の過去問は満点に近いレベルで解けました)。大学文系卒で数学については数Ⅰ、A、Ⅱと数Cの一部を復習していた状態。 そもそも何で受験したか そんなに深い意味はなかったです。年始に上司と目標設定したときに、ひとつの勉強の目安として受験を目標に設定しました。仕事で統計・分析などをやっているわけでなく、今後の方向性として機械学習などをやりたいがために、数学の基礎と統計を勉強しています。 主に使った教材は以下の3つです。 まずはこの一冊から 意味がわかる統計学 (BERET SCIENCE) 改訂版 日本統計学会公式認定 統計検定2級対応 統計学基礎 日本統計学会公式認定 統計検定 2級 公式問題集 まずは「この一冊から 意味がわかる統計学 (BERET SCIENCE)」を何度か読んで演習をして理解しました。非常にわかりやすくためになりました。 次に、「日本

    統計検定2級合格までの勉強方法 - Qiita

  • 統計検定2級を１週間の勉強期間で合格するためにしたことまとめ - Qiita

    この記事について 先日統計検定２級の試験を受けてきました。方式はパソコンで受験するCBT方式で、受けたその後に合否が分かり見事合格！結果は63/100点（合格ラインは60点なのでギリギリ）だったので全く余裕な合格ではありませんでした。 なぜ１週間しか勉強期間なかったのかというと、日々の仕事が忙しく勉強時間が取れなく、流石に試験１週間前は勉強時間を確保しないとヤバイ、、ということで死ぬ気で確保しました。 （でも試験前日は結局仕事になってしまい、実質勉強時間は6日×3時間） なのでこの記事は、試験を受けようとしているけど私と同じ状態（≒日々勉強時間が取れない状態）で試験に受かるためには何から勉強したら良いのか最短なのか、という点でご参考になれば幸いです。 （もちろん試験範囲をちゃんと全て勉強して余裕で合格するのに越したことはありません） まず統計検定２級について 以下のサイトにまとまっておりま

    統計検定2級を１週間の勉強期間で合格するためにしたことまとめ - Qiita

  • 統計検定２級に楽に合格する方法 - Qiita

    この記事について 先日統計検定２級を受けました。自己採点で合格点を採れていた（７割強）ので、勉強前の自分に伝えるつもりで勉強方法についてメモを残します。 勉強のコツは「深く考えないこと」 基礎統計学で使う公式にはオーバーテクノロジーが使われています。 たとえば以下は標準正規分布の確率密度関数の式です。あきらかに初学者の理解を拒んでいます。 f(x) = \frac{1}{\sqrt{2\pi \sigma^2}} \exp \left(-\frac{(x - \mu)^2} {2\sigma^2} \right) \hspace{20px} (-\infty < x < \infty) 初めて教科書を見たときは面食らいましたが、別に今この式自体を理解する必要はありません。統計学の公式には少なくとも普通の大学の１・２年次では理解できない数学が使われているので、今頑張って考えても徒労におわるだ

    統計検定２級に楽に合格する方法 - Qiita

  • 【2019年版】統計検定1級（理工学）に合格しました（学習の履歴・受験の感想） - Qiita

    この度、2019年度の統計検定1級（理工学）に合格しました。 去年度までと問題の傾向が変わり、対策の方向性も変わってきたかなと思ったので、学習の履歴ととともに来年度の参考になればと思い、履歴を書き残してみます。 統計検定/統計検定1級とは？ 統計検定は、日本統計学会公認の資格で、統計関係の資格では一番メジャーかもしれません。 中学生レベルの4級から、大学専門課程の1級まであり、データサイエンスへの関心の高まりとともに受験者も増えているともっぱらの噂です。 1級は、公式によると、 実社会における様々な分野におけるデータ解析のニーズに応えるための基本的な能力の習得如何を問うものです。レベル的には定量的なデータ解析に深くかかわるような大学での専門分野修了程度となっています。 …と言ってもよくわからないと思うので問題を眺めた印象から言うと、 統計学を用いる様々な分野のアカデミックで応用研究を始める

    【2019年版】統計検定1級（理工学）に合格しました（学習の履歴・受験の感想） - Qiita

  • 統計検定1級に受かりたければこれをやれ - Qiita

    2023年11月19日に統計検定1級を受験し，統計数理，統計応用(社会科学)にダブル合格。 勉強期間半年(半分ダラダラ)で一発合格できた経験をもとに主観込み込みで綴っていきたいと思う。 結論 結論からいいます。統計検定1級に受かりたければやることはただひとつ。 現代数理統計学の基礎を完璧にする。 これだけです。現代数理統計学？統計検定準1級ワークブック？過去問？いりません。 現代数理統計学の基礎，この本を仕上げ切るまでは手をつけなくていいです。 なぜ僕がこう言い切れるのか軽く説明していきたいと思います。 簡単な自己紹介 某都内私立大学3年生。大学の授業で線形代数，微積，確率統計の基礎を履修。受験期は理系で数3も勉強していたためそこまで数学に対する抵抗はない。というか数学に抵抗のある方は統計検定1級に向いてないと思う。 なぜ現代数理統計学の基礎だけでいいのか 統計応用の勉強はどうするの？そう

    統計検定1級に受かりたければこれをやれ - Qiita

  • 数研講座シリーズ　大学教養　統計学｜チャート式の数研出版

    多くの学生の声から生まれた，丁寧な解説でわかりやすい今までにない大学教材 大学1年生の“統計学”の半期,もしくは通年の講義で教科書としてお使いいただけます。 レイアウトは高校の教科書と同じようになっています。長年高校数学の教科書を発行してきた数研出版ならではの，読んでわかる大学の教科書です。 統計学は, 理系・文系を問わず学問・研究において大切なツールであり，また すべての人の実生活に根差しております。しかしながら，大学で学ぶ解析学，代数学の知識を必要とすること，かつ解析学，代数学以外の統計学独特の作法があるため，学習者に「難しい」と言われることもあります。 この難しさの克服には統計学の基礎的な事柄の徹底した理解が大切です。 本書は，統計学を学ぶ動機，観測によって得られた値から見出せること，その値をもとに推定や検定を行うための一通りの知識や，計算によって得られた結果の統計的な考察の仕方につ

  • チャート式シリーズ　大学教養　統計学｜チャート式の数研出版

    多くの学生の声から生まれた，丁寧な解説でわかりやすい今までにない大学教材 慣れ親しんだ高校の青チャートと同じ例題形式で構成しています。 姉妹書『数研講座シリーズ　大学教養　統計学』に掲載された練習・章末問題166問，本書『チャート式シリーズ　大学教養　統計学』にのみ掲載された34問を加え,計200問を例題形式で詳説した大学数学の青チャートです。 それぞれの例題には，懇切丁寧な解答を付してあります。 また，チャート式シリーズの特徴である「その問題を解決するための考え方を示す指針」,および関連する参考事項や注意事項などについても適宜解説を加え,理解が深まるようにしています。 姉妹書『数研講座シリーズ　大学教養　統計学』と併読することで，さらに高い学習効果が得られます。

  • はじめてでもわかるエントロピーの意味｜宇宙に入ったカマキリ

    こんにちは（@t_kun_kamakiri）(‘◇’)ゞ 本記事では「エントロピー」についてできるだけわかりやすく解説をしたいと思います。 実際にエントロピーは熱力学の中でも理解しがたい概念であるのに、物理を学んだことがない人でも以外に知っている用語でもあります。 当ブログでは以下のような構成で記事を書いていきます。

    はじめてでもわかるエントロピーの意味｜宇宙に入ったカマキリ

  • https://twitter.com/fkubota_/status/1440870797292158976?s=12

  • Ryoichi Suzuki's website - 「数理統計学」

    数理統計学の入門的な内容を扱います。 データ整理の基本的手法 I: 記述統計の概要,１次元データの整理 データ整理の基本的手法 II: 2次元データの整理, 単回帰分析，重回帰分析 確率の定義 確率の独立性, 条件付き確率, ベイズの公式 確率変数と確率分布 I: 確率変数, 確率分布等 確率変数と確率分布 II: 確率変数の期待値, 分散や確率変数の関数, 特性関数，モーメント母関数等 確率変数と確率分布 III: 多数の確率変数の同時分布と独立性等 具体的な離散確率分布について: 二項分布, ポアソン分布等 正規分布とその関連する話題：正規分布の性質，二項分布の正規近似，シュタインの等式等 極限定理：様々な収束概念，大数の法則，中心極限定理等 点推定: 不偏性, 有効性, 一致性, フィッシャー情報量，クラメール・ラオの不等式，最尤法等 区間推定: 母比率, 母平均 (分散既知), 母

  • 機械学習のための確率過程入門 確率微分方程式からベイズモデル，拡散モデルまで | Ohmsha

    第1章　確率論の基礎 1.1　ランダム事象と確率 1.2　確率空間と確率変数 1.3　確率変数の独立性 1.4　確率変数の相関 1.5　確率変数の和 1.6　確率変数の変換 1.7　累積分布関数と特性関数 1.8　モーメントとキュムラント 1.9　多変量の確率変数 第2章　確率積分と確率微分方程式 2.1　ランダムな運動 2.2　確率過程 2.3　ブラウン運動とその性質 2.4　ブラウン運動と確率積分 2.5　確率微分方程式 2.6　伊藤の公式 2.7　確率微分方程式の具体例 2.7.1　オルンシュタイン・ウーレンベック過程 2.7.2　幾何ブラウン運動 2.7.3　一般化コーシー過程 2.7.4　多変数オルンシュタイン・ウーレンベック過程 第3章　マルコフ過程の性質 3.1　確率密度関数による表現 3.2　マルコフ過程 3.3　フォッカー・プランク方程式の導出 3.4　フォッカー・プラン

    機械学習のための確率過程入門 確率微分方程式からベイズモデル，拡散モデルまで | Ohmsha

  • 基礎から学ぶ統計学

    本章では、二項検定を学びます。二項検定は、本書で学ぶ統計手法の中では、最も使用頻度が低い手法です。しかし、統計学の入門に最適な学習項目です。理由が3つあります。第一に、高校1～2年で学んだ数学だけで、この手法の原理を完全に理解できます。統計手法はたくさんありますが、唯一この手法だけは、全て手作りの計算で実行できます。第二に、面倒な検定統計量の計算を必要としません。第三に、二項検定には、検定の論理の全てが詰まっています。こうした理由から、読者のお父さんやお母さん、もしくは、お爺ちゃんやお婆ちゃんの世代では、二項検定は、高校の数学の教科書で解説されていました。この「とても分かりやすい」という長所を、活用しない手はありません。本書では、統計学の学習を、二項検定から始めます。本章では、当時の大学入試の頻出問題をさらに簡単にした例題を使って、学びます。… 本書の使い方 統計学を学ぶ心がけ／予備知識／

    基礎から学ぶ統計学

  • ベイズ最適化 | 近代科学社

    第1章　機械学習による適応的実験計画とベイズ最適化 1.1 データ駆動型実験科学とベイズ最適化 1.2 ブラックボックス最適化とハイパーパラメータ最適化 1.3 ベイズ最適化 第2章　ブラックボックス関数のベイズモデリング 2.1 ベイズ線形回帰モデル 2.2 ガウス過程回帰モデル 第3章　ベイズ最適化のアルゴリズム 3.1 はじめに 3.2 改善確率量獲得関数 3.3 期待改善量獲得関数 3.4 信頼下限獲得関数 3.5 トンプソン抽出獲得関数 3.6 エントロピー探索獲得関数 3.7 予測エントロピー探索獲得関数 3.8 ベイズ最適化の終了条件 3.9 出力の生成方法 3.10 ハイパーパラメータの取り扱い 第4章　Optuna によるベイズ最適化の実装方法 4.1 Optuna とは 4.2 Optuna の基礎的な使い方 4.3 Optuna におけるベイズ最適化 4.4 BoTo

    ベイズ最適化 | 近代科学社

  • 仮説検定 | 数学Ⅰ | 高校講座

    今回のテーマは「仮説検定」。ある仮説が正しいかどうか、統計学的に確かめる方法を学びます。「帰無仮説」「対立仮説」「有意水準」…難しい言葉が次々出てきますが、実は身近なところでよく使われている考え方です。ミニコーナーでは、統計学を社会現象に用いた数学者、アドルフ・ケトレーを紹介します。出演：アイク　ぬわら、酒井　蒼澄、藤本　ばんび、湯浅　弘一

    仮説検定 | 数学Ⅰ | 高校講座

  • [統計学]モンテカルロ積分の証明と実践

    概要 モンテカルロ積分の証明を忘れていたことに気づいたので証明を行う. モンテカルロ積分とは乱数を用いた積分手法である. 定義・性質 以下の積分を確率変数を用いて行うことを考える 関数: g(x). 積分: \theta = \int_0^1 g(x) dx. 確率変数: X : X \backsim U(0,1). このとき, \theta について以下が成り立つ. \mathbb{E}[g(X)] = \int_0^1 g(x) \cdot \frac{1}{1-0} dx = \theta. すなわち, \mathbb{E}[g(X)] を推定すればよい. ここで以下の無作為標本を考える. X_1, \cdots ,X_m \quad \text{Where} \quad X_i \backsim U(0,1). このとき以下の確率収束が成り立つ. \begin{align*} \h

    [統計学]モンテカルロ積分の証明と実践
  • 1 2 3 4 5 6 7 8 9 10 次のページ

お知らせ

もっと読む

公式Twitter

  • @HatenaBookmark

    リリース、障害情報などのサービスのお知らせ

  • @hatebu

    最新の人気エントリーの配信

はてなブックマーク

公式Twitter

はてなのサービス

  • App Storeからダウンロード
  • Google Playで手に入れよう
Copyright © 2005-2024 Hatena. All Rights Reserved.