因果推論の統計；特別講義 開催報告 | 東大SPH ,SPH, 東京大学 | 公共健康医学専攻
2024年2月22日と29日に、京都大学の井上浩輔先生をゲスト講師としてお招きし、本学松山裕教授・萩原康博先生と一緒に因果推論の統計学的アプローチについて特別講義を行いました。 講義内容についてはこちら 講義資料は以下を参照してください。 第1回；因果推論統計の基礎理論 第2回；DAGを理解する 第3回；点曝露の統計モデル 第4回；時間依存性曝露の統計モデル ※講義スライドは各自の勉強・参考のために利用することを許可しますが、無断転載することは固く禁じます。引用・転用などしたい場合は、各著者の許可を得てください
『ベイズデータ解析』はベイズ統計学を用いる全ての実務家が座右に置くべき第一級の鈍器 - 渋谷駅前で働くデータサイエンティストのブログ
ベイズデータ解析(第3版) 森北出版Amazon 先日のことですが、『ベイズデータ解析』を訳者のお一人菅澤さんからご恵贈いただきました。もう一目見ただけで「鈍器」以外の語が出てこないくらいの立派な鈍器で（笑）、原著のBDA3*1に負けないくらいの鈍器っぷりが見事な一冊です。菅澤さんといえば名著『標準ベイズ統計学』の翻訳も手掛けておられますが、先日直にお話を伺った際は「本書の方が標準ベイズよりもさらに理論的な内容に踏み込んでしっかり書かれていて良い」とのコメントでした。 ということで、早速本書をレビューしていこうと思います。ただ、何分にも全体で888ページもある大著であり、ぶっちゃけ斜め読みするだけでも1ヶ月近くかかるという有様でしたので、内容の理解が不完全であったり誤ったりしている可能性があります。それらの不備を見つけられた際は、何なりとご指摘くだされば幸いです。 本書の概要 第I部 ベイ
文系がゼロから統計を勉強するときに最初の１年で読むべき本 - StatsBeginner: 初学者の統計学習ノート
最初の１年で読むべき本を考える 私の統計学の理解はまだまだ初歩レベルに留まっていますが、昨日飲んでる時に「初心者向けの統計の本ってどういうのが分かりやすいですか」というようなことを訊かれて、「俺に訊かれてもあまり参考には……」とか思う一方、まだ初歩レベルの位置にいる人間だからこそ言える「この本が分かりやすかったよ論」ってのもあるよなと思ったので、現時点での読書感想みたいなものをメモしておきます。一昨年、統計の勉強を始めた頃の自分にむかって書いてる感じです。 理系の人とか、ある程度統計の理解ができている人からみれば、「本質的な理解のためにはもっと難しい本がいいよ」ってなるかも知れませんが、「いやそんな難しいの勧められても独学のモチベーションが続かねーよ」っていう立場でまとめておきますｗ ここでは、 統計の勉強はしたことがなく、標準偏差とか言われても意味分からない プログラミングも全くわからな
統計的検定とか有意とか考えれば考えるほど何もわからない - と。
統計学はやはり人類には早いと思う 仕事で数理統計学を勉強していて、趣味で統計検定1級を取ろうとしているのですが、 今日は統計的検定の話をしようと思っています。 というのも、これが僕の無知によるものなのか、それとも世間一般に言われる誤解なのかはわからないんですが、 統計的検定ってそもそも一体何であるのかについて、よく理解できた形で 議論をしている場面に出会ったことがあまりないと思ったからです。 この記事ではどうにか「検定するには母集団に対する仮説を持つことが重要ですよ」とか「仮説がふんわりしたところで検定すると危ないですよ」とか話しますが、 具体的に「母集団に対する仮説を雑に決めたことで大きな損失を得た事例」をよく知らないので、 説得力に欠ける話になっています。大きな損失を得た事例持ってる方いたら教えてくだし。 どこまでを話すか？ 実際、統計的検定や、その結果の判断軸などについては完成した合
統計学の講義資料(2022年度) | Logics of Blue
帝京大学経済学部で用いた講義資料です。 2022年度の統計学I及び統計学IIの講義スライドを編集したうえでUPしています。 目次 本資料について 統計学の講義資料 1．本資料について 帝京大学経済学部で用いた講義資料です。 2022年度の統計学I及び統計学IIの講義スライドを編集したうえでUPしています。 もとの講義資料とは異なる点もあるのでご注意ください。 万が一何か問題があれば、当ブログにコメントをいただけますと幸いです。 スライドにも記載の通り、以下の利用を想定しています。 想定①：講義の受講者が復習に利用する 想定②：未受講者が統計学入門資料として利用する 基本的には想定①ですが、文系の学生をメインターゲットとした統計学の本格的入門資料は少ない印象です。 未受講者の方にも役に立つかもしれないと思いWeb上で公開することにしました。 本資料は1年間にわたる講義資料となっています。数回
「そうだ、数理最適化、やろう。」ってなった時にめっちゃ参考になったリンク集＆参考書｜CO-WRITE
数理最適化案件とAI/機械学習案件とのアナロジー 「やってみなければわからない」中で僕たちDSはどうするか本記事では表題に関して、脳筋系ゆるふわVTuberこと入社2年目DSの岡部がお送りいたします。（DS=データサイエンティスト） 発... ◆【理論・実践】（2021年時点で）オススメの参考書 最大のアップデートはこちらの2冊です。参考書は時代の流れに合わせていいものが出てくるものですね。もちろん過去の参考書にもいいものはたくさんありますが、日進月歩の分野である以上、新しいものに軍配が上がりやすい構図はあると思います。 しっかり学ぶ数理最適化 モデルからアルゴリズムまで Pythonではじめる数理最適化： ケーススタディでモデリングのスキルを身につけよう 以下それぞれの所感です 【理論】「最適化分野全般を知るための『最適解』」とも言われている教科書 僕が最適化にハマっていた当時は様々な本
データサイエンス履修の手引き概要 | 東京大学 数理・情報教育研究センター
データサイエンスを学ぶには、そのための基礎として、数理系科目（解析・線形代数）、統計系科目（確率・統計）、情報技術系科目、プログラミング系科目を履修する必要があります。科目系統の説明はこちら このページでは、前期課程と後期課程の主要な科目を図示し、これらの科目間の関係を明らかにしています。さらに、機械学習・データマイニングをゴールとして、いくつかの履修パターンを示しています。 前期課程だけでも、後期課程からでも、大学院に入学してからでも、様々な方法でデータサイエンスを学ぶことができます。履修の参考にしてください。 以下の図は、それぞれの系統の主要な科目と、数理・情報教育研究センターが提供するデータサイエンス分野の科目を示しています。各講義からはより詳細な説明を表示します。 図中の科目名をクリックすると各科目の詳細な説明が表示されます。 開講時期：S 文科理科を問わない必修科目である。 前提
因果推論の道具箱
因果推論とは，因果効果を識別するための仮定を満たすような工夫や戦略のことを意味する．因果推論については，すでに膨大な理論と方法が提起されている．ただし，因果推論が必ずしも具体的な方法と対応しているわけではないため，因果推論といった時にイメージする理論と方法は分野間で大きく異なる．本稿では，社会科学のみならず様々な分野の視点を考慮し，因果推論の理論と方法を体系的にレビューする．さらに，因果推論の限界と可能性について，今日でも繰り広げられている論争を紹介する．
統計１級（医薬生物学）に合格した話 - i5882353iの日記
統計1級に合格したぜ！惰眠です。 2022年11月20日の統計検定1級の試験（数理・応用（医薬生物学））に合格しました。 数理の方では、成績優秀(A)評価もゲットしました。やったぜ！ 統計１級、数理応用とも一発合格していた！！ 数理の方では優秀にも入っていた、よかったよかった マジで安心しています pic.twitter.com/bJR4q5LCxV — 惰眠 (@5882353i) 2022年12月19日 これは数学の授業のない理系の大学3年生が統計1級とかいう積分RTA祭に挑み、一発合格を果たすまでの感動秘話です。 統計1級という試験について 数理・応用に共通の性質 統計数理の性質 統計応用の性質 ぼくの受験体験 対策 統計準１級に合格している人向け いきなり統計１級に挑戦する人向け 確率分布曼荼羅つくり 過去問演習 本以外の便利な記事・動画 知識を得るもの 茨城大学の新納先生の資料
統計検定準1級に合格した話 - i5882353iの日記
2022年4月13日の試験で統計検定準1級に合格したので、記事を書く気になりました。daminです。（Twitter: @5882353i） うおおおおおおお統計検定準1級合格！！！！！！！うおおおおおおお！！！おおおおおお！！！！！！うおおおおおお！！！！！！！！！！！！！！！ pic.twitter.com/J1LDsgUVm1 — 惰眠👻 (@5882353i) 2022年4月13日 背景や、合格するまでに使った本などを書いていきます。 背景（受験までのおおまかな流れなど） 余談：センター統計選択のススメ 持っていた方がよいもの・知識 線形代数の知識 Pythonの知識 goodnotes5 使った本 東大出版の統計学入門（通称：赤い本） 公式の準1級対策本（通称：ワークブック） 過去問 クラインバウム生存時間解析 ゼロDL ベイズ漫画 まとめ 真剣に読んでいる人向けのまとめ あま
調査の「聞き方」「答え方」がデータに与える影響（大阪大学大学院人間科学研究科教授：三浦麻子） #その心理学ホント？｜「こころ」のための専門メディア 金子書房
調査の「聞き方」「答え方」がデータに与える影響（大阪大学大学院人間科学研究科教授：三浦麻子） #その心理学ホント？ 心理学が使用する代表的な方法の一つが調査法です。多くのデータが得られやすい，実施や集計が容易といった強みを持つ一方，弱みもあります。今回は，調査の「聞き方」，「答え方」によって得られるデータがどのような影響を受けるのかについて，三浦麻子先生にご解説いただきました。 心理学では「心」にまつわる構成概念を測定するために様々な手法を用いますが，そのうち，調査者の問いかけに対象者が主観（自らの気持ちや考え，経験など）を答えるのが調査です．調査では，呈示した質問に対して，あらかじめ用意した数値や選択肢から当てはまるものを選ばせる形で回答を求めることがよくあり，同じ形式で得られたデータですから，たくさんあっても集計・分析するのが容易です．心理学以外の領域でもよく用いられていて，学生の卒論
統計局ホームページ/消費者物価指数に関するQ&A
〒162-8668 東京都新宿区若松町19番1号 電話 03-5273-2020（代表） ©1996 総務省（法人番号2000012020001）統計局 所在地・交通案内 サイトの利用について
『標準ベイズ統計学』はベイズ統計学をきちんと基礎から日本語で学びたいという人にとって必携の一冊 - 渋谷駅前で働くデータサイエンティストのブログ
標準 ベイズ統計学 朝倉書店Amazon 発刊当時に話題になっていた『標準ベイズ統計学』。実は訳者のお一人、菅澤翔之助さんからオフィス宛てでご恵贈いただいていたのですが、親父の没後処理やら自分のDVTやら実家の片付けやらで全く手が回らずオフィスに置いたままにしてしまっていたのでした。で、この度改めて拝読してみたら「何故もっと早く読まなかったんだ」と後悔するくらいあまりにも内容が素晴らしかったので、遅まきながら書評記事を書こうと思い立った次第です。 ベイズ統計学というと、殆ど詳しくない人だと「ベイズの定理以外に何があるの？」という印象ぐらいしかないかもしれませんし、一方でとりあえず技法としてやり方だけ覚えてしまった人だと「とりあえずMCMC回せばいいんだよね？」みたいな雑な理解になってしまうかもしれません。いずれにせよこれまで邦書ではベイズ統計学というと超初歩か実装重視かの二択が多かったせい
ジューディア・パール『因果推論の科学』を読む：統計を、AIを、そして科学について考える人は、ぜひ一読を！ - HONZ
ジューディア・パール『因果推論の科学』を読む：統計を、AIを、そして科学について考える人は、ぜひ一読を！ 英語圏ではすでにして評価の高い、ジューディア・パールの大著『因果推論の科学－－「なぜ？」の問いにどう答えるか』（原題はThe Book of Why）が、ついに翻訳刊行された。実は私は原書を読みかけて挫折していたのだが、このたび邦訳が出たのを機に、ついに読み通すことができた。そして、本書を読み通したことで得たものは大きい。 ジューディア・パールは、人工知能への確率論的アプローチの導入と、ベイジアンネットワークの開発により世界的名声を確立し、「人工知能分野の巨人」とも呼ばれる人物である。ベイジアンネットワークなんて初めて聞くという人もいるかもしれない。人口知能研究の歴史という観点からざっくりその位置づけを説明すると、かつてAI研究は、「エキスパートシステム」と呼ばれるアプローチを採ってい
確率と因果を革命的に架橋する：Judea Pearlのdo演算子 - Take a Risk：林岳彦の研究メモ
皆さまこんばんは。今回から数回のあいだは、久しぶりに統計的因果推論ネタについて書いていきたいと思います。 今回の具体的なテーマは「Judea Pearlのdo演算子」になります。マニアックです。 このテーマについては自分でも完全に理解しているわけでは全くないので、「解説」というよりも「半可通が書いた公開勉強メモ」というかんじになりますが、その旨ご了承いただければ幸いです。 （＊例によって今回もまためちゃくちゃ長いエントリーとなりますが、何卒よろしくお願いいたします。また、間違いなどがありましたらその旨ご指摘いただければ大変幸甚でございます＞本物の識者の方々） まえおき：Judea Pearlって誰すか？ はい。ではそもそもその「Judea Pearlって誰すか？」というところから書いていきたいと思います。 結論から言うと私もよく知りません。ですが、周辺的手がかりからヒューリスティックに判断
観察研究の場合Counterfactualはこう考える【因果推論入門2】 - Riklog
前回の記事でCounterfactualについて紹介して、なんでランダム化試験だと因果効果が推定できるのかを示しました。 この記事では、観察研究での因果推論はどう考えるのか説明していきます。 観察研究での因果推論とは、8-9割くらいの臨床研究のテーマです。 でもこれを知らずして論文を書いている方が8-9割と推測します。 理解しておくと必ず役に立ちます。 観察研究の場合Counterfactualはこう考える 「アスピリン飲めば心筋梗塞が減るか」ということを考えてみます。 ランダム化試験では、 アスピリン飲んでる人と飲んでない人の属性が同じ →アスピリン飲んでる人と飲んでない人のcounterfactual outcomeが同じ →Pr (Ya=1=1|A=1) = Pr (Ya=1=1|A=0) * Pr (Ya=1=1)とは、「もし全員アスピリンを飲んでいたとしたと仮定した時の心筋梗塞の
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
ルクセンブルクの人は統計によると1人あたりコーヒーを毎日平均で7～8杯飲んでいるらしい...水の代わりに飲んでいるのか？→そうなってしまう事情があった
【分野別100冊】統計学おすすめの本100選【統計学入門書】 | Takumaro's blog
lecture5
もやし（@w_coast_0330）さん / X
