![Amazon.co.jp: 計測における誤差解析入門: JohnR. Taylor (著), 茂雄,林 (翻訳), 凉,馬場 (翻訳): 本](https://cdn-ak-scissors.b.st-hatena.com/image/square/66a41b9da7ae7c025484a991d0ada7b301492d2f/height=288;version=1;width=512/https%3A%2F%2Fm.media-amazon.com%2Fimages%2FI%2F514kJevavdL._SL500_.jpg)
統計数理研究所TOP 統計数理研究所は高度な知識とスキルを持ったデータサイエンティストを育成するプログラムを積極的に推進しています。 統計科学の最先端理論・手法から基礎的なものまでを学べる多様な一般講座の他、系統的な講座編成により現代的な統計科学の姿を示すリーディングDAT講座を実施します。また、医療健康データ科学研究センターの講座も開講します。 リーディングDAT講座と一般講座は受付が始まったら統計数理研究所公開講座のX(旧Twitter)でお知らせいたします。 過去の公開講座は こちら からご覧いただけます。 リーディングDAT講座 ※2024年度の詳細は決定次第公開いたします。2023年度の情報はこちら 2017年度までの「統計学概論」は発展的にこの講座に吸収されました。 一般講座 日程等変更となる可能性があります。お申込前に必ず確認して下さい。 医療健康データ科学に関わる人材育成事
こんにちは,株式会社Nospare・千葉大学の小林です.本記事ではGelman and Vehtari (2020)の`What are the most important statistical ideas of the past 50 years?'について紹介します.この論文は過去50年において最も重要だとされる次の8つのアイディアが取り上げられています. 8つのアイデア 反事実(counterfactual)に基づく因果推論 ブートストラップとシミュレーションに基づいた推論 オーバーパラメータ(overparameterized)モデルと正則化(ガウス過程,Lasso, horseshoe, ベイズnonparametric priorなど) ベイズマルチレベル(階層)モデル 汎用的な計算アルゴリズム(EM, MCMC, SMC, HMC, 変分法など) 適応的決定分析(ベイズ最
研究をする方は、p値(p value)とはよく向き合うと思います。p<0.05なら差がある、p≥0.05なら差がない。だいたい差を証明したいので、「p<0.05、よっしゃー!」という感じだと思います。 一方、「p値だけみるのは駄目だ!」という偉い人の意見も聞いたことがあるかもしれません。 あなたはきちんとp値の意味を解釈できますか? この記事では、p値の正しい解釈、歴史、実践的解釈の順に完全解説をしていきます。 p値の解釈を極めましょう。 *簡略のため、この記事ではone-sidedとtwo-sidedについては無視します。そして、使用している統計モデルが正しくバイアスが無い前提です。 p値の解釈とは? Question: 30人のクラスが2つありました。クラスAとクラスB。全員の握力を測定、クラスAの平均は30kg、クラスBの平均は35kgでした。握力はクラスBの方がクラスAより高い、と
すさまじく丁寧な解説で定評のある著者ならではの入門書! 決定分析 の基本と活用を中心に、効用理論、確率予測までを解説。Pythonによる実装も 併記した。決定分析は便利な道具です。便利な道具を手に入れよう! 第1部 序論 第1章 意思決定における予測の活用 1.1 意思決定 1.2 意思決定の結果と選好関係 1.3 意思決定と不確実性 1.4 不確実性との付き合い方 1.5 予測 1.6 予測を意思決定に活用する 1.7 予測の評価 1.8 情報の価値 1.9 本書の解説の流れ 1.10 本書で扱う問題と扱わない問題 第2章 決定分析の役割 2.1 意思決定理論の役割 2.2 意思決定のモデル 2.3 意思決定のアプローチ 2.4 「合理性」の定義 2.5 決定分析の役割 第2部 決定分析の基本 第1章 決定分析の初歩 1.1 目標設定と手段選択 1.2 意思決定問題の構成要素 1.3 今
しばらく前にQuoraにこんなアンサーを書いたことを思い出したので、ついでにリブログ記事として転載の上加筆修正したものを用意してみました。僕にしては珍しくコッテコテの頻度主義的な話題である上に、「p値なんか使うのはやめてしまえ」という記事を以前に書いておきながらこんな議論をするのは自己矛盾かもしれませんが(笑)、これまでの統計学の歴史を紐解くことで、温故知新ということで新たに理解されることもあるのかなと思っています。 小標本のための統計学と、「スチューデント」ことゴセットの話 補足 小標本のための統計学と、「スチューデント」ことゴセットの話 近代統計学とは、「無作為抽出によって得られた小標本を分析することで、その背後にある母集団の性質を推定する」ために改良が積み重ねられてきた営みです。すなわち、統計学は「少量のデータを扱う学問」そのものだとも言えます。 (Skbkekas - 投稿者自身に
ふと思い立ってこんなアンケートを取ってみたのでした。 頻度主義統計学における「95%信頼区間」の95%というのは、以下のどちらだと思いますか— TJO (@TJO_datasci) 2021年7月16日 結果は物の見事に真っ二つで、95%信頼区間の「95%」を「確率」だと認識している人と、「割合」だと認識している人とが、ほぼ同数になりました。いかに信頼区間という概念が理解しにくい代物であるかが良く分かる気がします。 ということで、種明かしも兼ねて95%信頼区間の「95%」が一体何を意味するのかを適当に文献を引きながら簡単に論じてみようと思います。なお文献の選択とその引用及び解釈には万全を期しているつもりですが、肝心の僕自身が勘違いしている可能性もありますので、何かしら誤りや説明不足の点などありましたらご指摘くださると有難いです。 頻度主義において、95%信頼区間の「95%」は「割合」を指す
観測されたデータにつきまとうバラつきは本当にただの「誤差」なのか、観測者による「大間違い」なのか、はたまた「ウソ」なのか… 統計学がデータのバラつきをいかに見分けるかをまるで推理小説かのような展開で優しく解説! 我々が住んでいる世界は必ずしも「正しい」わけではない.統計学の基本的な考え方では、観測される値には「真実」の値だけではなく「誤差」が必ず含まれると想定されている。科学的な調査をいかに慎重に行ったとしても、常に不確かさが付きまとう。何かを測ろうとすれば小さな「誤差」に悩まされ、世界を理解しようとすれば「大間違い」に阻まれ、さらに残念なことに、「ウソ」に欺かれることもあるだろう。 ベストセラー『統計学を拓いた異才たち』(日本経済新聞出版刊)の著訳者による本書では、「誤差」「大間違い」「ウソ」にまつわる、考古学、法律、経済学、医学、心理学、社会学、聖書学、歴史学や戦時中のスパイ活動など、
記事の内容 問題設定とモデリング 問題設定 2種類の予測 解析: 事後分布の計算 Gibbs samplerの導出 計算とプロット 解析: 予測分布の計算 予測その1 予測その2 コード データ等 Gibbs sampler 予測分布 久しぶりの更新となりました. 今回は階層モデルと予測分布に関して解説します. 問題設定とモデリング 問題設定 次のような問題を考えます. Aさんは15分間に読んだ本のページ数の記録をとっています. ただし, 読む本は観測ごとに異なるものとします. 現在, データが\(N=9\)個ほどあり, 次のような値であるとします. \[ 11, 10, 9, 8, 14, 13, 12, 13, 11 \] このデータを用いて, 予測を行いたいと思いました(ここでいう"予測"の意味については, 後ほど). 予測を行うため, 次のようなモデルを仮定しました. \begin
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
処理を実行中です
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