意思決定理論の基本 | Logics of Blue
意思決定理論は色々の解釈の仕方があるでしょうが、ここでは平たく「何をするのかを決める方法」について考える理論とみなすことにします。 この記事ではなるべく数式を使わずに意思決定問題を整理し、意思決定理論の概観を述べます。 この記事では個人の意思決定を中心に説明します。 ゲーム理論や組織・社会の意思決定理論は扱いません。確率の定義や（哲学的な議論を含む）その解釈に関しても立ち入りません。 理論的な厳密さよりも、直感的な解釈を優先している点には留意してください。 『著者名(出版年)』で、参考にした本を示しています。参考文献は記事の末尾に入れてあります。 誤りや不備などありましたら、ご連絡いただけますと大変幸いです。 スポンサードリンク 目次 意思決定理論と向き合う 意思決定問題 選択肢の集合 状態の集合 結果の集合 「選択肢×状態」から「結果」への写像 「結果」の選好構造（好き嫌い） 状態の確率
時系列分析_実践編 | Logics of Blue
最終更新:2016年1月24日 Rを用いた時系列解析の実践例を載せます。 Rを使えばARIMAもSARIMAもサクッと一瞬で計算できますよ。 時系列解析って何？ という方は ・時系列解析_理論編 ・時系列解析_ホワイトノイズとランダムウォーク も参照してください。 スポンサードリンク 目次 １．使用データ ２．モデリングと予測 その1、和分過程でないデータ ３．モデリングと予測 その２、和分過程 ４．モデリングと予測 その３、季節変動データ １．使用データ シミュレーションデータと、Rにもともと入っているサンプルデータを用います。 シミュレーションデータはこちら set.seed(1) d <- arima.sim( n=400, model=list(order=c(2,0,2), ar=c(0.5,0.4), ma=c(-0.5,0.3)), sd=sqrt(1) ) order=c(
Stanによるベイズ推定の基礎 | Logics of Blue
新規作成日:2015年12月5日 最終更新日:2016年9月22日 理論がわかっても、実践ができなければ意味がありません。 ここでは、Stanというフリーソフトを使って、ベイズ統計学をもとにしたパラメタ推定をパソコンで実行する方法を説明します。 ベイズとMCMCの組み合わせでもって統計モデルのパラメタを推定することができるのでした。この方法を、以下では「ベイズ推定」と呼ぶことにします。 ここでは、Stanを用いて統計モデルのパラメタのベイズ推定をする方法を説明します。 重要な点は、「Stanの使い方」を覚えるだけではうまくいかないということです。 Stanの内部で使われているのは乱数生成アルゴリズムです。乱数を生成してパラメタを推定するという行為は、最小二乗法なりで方程式を解き、パラメタを一発で推定するやり方とは大きく異なります。 その違いをぜひ理解なさってください。 コードをまとめたもの
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
