タグ

統計に関するdaisuke-mのブックマーク (6)

  • ソーシャルゲームにレコメンドエンジンを導入した話

    心理的安全性と、Veinの紹介 Psychological safety and introduction of VeinTokoroten Nakayama

    ソーシャルゲームにレコメンドエンジンを導入した話
  • バラク・オバマ版『マネーボール』 大統領選勝利の鍵はビッグデータの徹底活用

    印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 選挙でソーシャルメディアを活用するのは当たり前、情報は分析してこそ価値が生まれる。写真はオバマ大統領とFacebookのマーク・ザッカーバーグCEO(出典:Christopher Dilts/Obama for America) 米国の大統領選挙でオバマ大統領が再選を果たした。 この勝利をもたらした重要な要因がオバマ陣営の「情報戦」に求められるようだ。 オバマ陣営は徹底してビッグデータを活用したという話が、開票日翌日のTIMEの記事に載っていた。 アップルやマイクロソフト(とくにXbox)など、すぐにでも採り上げておかないといけない話題が山積みだが、今回はこの米大統領選挙に関する「旬のネタ」を紹介したい。 選挙対策のプロが頼ろうとする「

    バラク・オバマ版『マネーボール』 大統領選勝利の鍵はビッグデータの徹底活用
  • A/Bテストの数理 - 第1回:人間の感覚のみでテスト結果を判定する事の難しさについて - - doryokujin's blog

    データ解析の重要性が認識されつつある(?)最近でさえも,A/Bテストを始めとしたテスト( = 統計的仮説検定:以後これをテストと呼ぶ)の重要性が注目される事は少なく,またテストの多くが正しく実施・解釈されていないという現状は今も昔も変わっていないように思われる。そこで,シリーズではテストを正しく理解・実施・解釈してもらう事を目的として,テストのいろはをわかりやすく説明していきたいと思う。 スケジュール スケジュール 第1回 [読み物]:『人間の感覚のみでテスト結果を判定する事の難しさについて』:人間の感覚のみでは正しくテストの判定を行うのは困難である事を説明し,テストになぜ統計的手法が必要かを感じてもらう。 第2回 [読み物]:『「何をテストすべきか」意義のある仮説を立てるためのヒント』:何をテストするか,つまり改善可能性のある効果的な仮説を見いだす事は,テストの実施方法うんぬんより

    A/Bテストの数理 - 第1回:人間の感覚のみでテスト結果を判定する事の難しさについて - - doryokujin's blog
    daisuke-m
    daisuke-m 2012/05/22
    懐かしい。「差があると言える」という表現は「もしかしたら本当は差はないかもしれないけど、その確率は充分に低い」という意味を含むんだ。
  • 未来予測は確率分布

    金曜日に大地震があって、土日は休み、月と火(今日)はもともと有給休暇。明日からは仕事が始まって、いま考えていることを忘れてしまいそうなので、書き残しておこうと思います。 福島の原発が、地震の被害を受けています。で、私は大学院で原子力工学を専攻しました。それで、知人が一部の報道の情報と意見をもとに信じている「状況」と、私なりに判断した「状況」に大きな差があることに気づきました。それで、いやそういうことじゃなくってね、とか、あの記者の人は怒鳴ってるけどね、とか補足をすることになったわけです。 もともと原子力のことを書こうかと思ってたんですが、メディアが、データをわかり易くして、受け手にとって意味ある情報として伝える、ということをやってないとか、そもそも原発とはだなとかいう話は、すでに存在しているので置いておきます。核となる問題のひとつは「見積り」や「予測」に対する、不適切な要求である、という仮

  • 機械学習 はじめよう 記事一覧 | gihyo.jp

    運営元のロゴ Copyright © 2007-2024 All Rights Reserved by Gijutsu-Hyoron Co., Ltd. ページ内容の全部あるいは一部を無断で利用することを禁止します⁠。個別にライセンスが設定されている記事等はそのライセンスに従います。

    機械学習 はじめよう 記事一覧 | gihyo.jp
  • ベイズ確率 - Wikipedia

    ベイズ確率(ベイズかくりつ、英: Bayesian probability)とは、確率の概念を解釈したもので、ある現象の頻度や傾向の代わりに、確率を知識の状態[1]を表す合理的な期待値[2]、あるいは個人的な信念の定量化と解釈したものである[3]。 ベイズ確率の解釈は、命題論理を拡張したものであり、真偽が不明な命題を用いた推論を可能にするものと考えられる[4]。ベイズの考え方では仮説に確率を付与するが、頻度論的な推論では確率を付与せずに仮説を検証するのが一般的である。 ベイズ確率は証拠能力のある確率のカテゴリーに属する。仮説の確率を評価するために、ベイズ確率論者は事前確率を指定する。仮説の確率を評価するために、ベイズの確率論者は事前確率を指定し、新しい関連データ(証拠)に照らし合わせて事後確率に更新する[5]。ベイジアン解釈では、この計算を行うための標準的な手順と式が用意されている。 ベイ

  • 1