エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
記事へのコメント1件
- 注目コメント
- 新着コメント
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Small Data Scientist Memorandum R+BUGSで時系列データを階層ベイズモデル(AR model)で解析する (1) BUGS編
ほんとの薬を投与した場合にTreat = 1になっています。 RからWinBUGSを動かす方法のセットアップは久保... ほんとの薬を投与した場合にTreat = 1になっています。 RからWinBUGSを動かす方法のセットアップは久保先生の本に載っているので割愛します(要望があればインストールから詳しく書きます)。データを見て時系列がわりとなめらかであること、今回は薬によって減少したか(増加したか)の傾きを知りたいことなどからAR modelを採用しました。BUGSコードは以下になりました。 2~9行目がモデルの数式をBUGSコードに直したものに相当し、11~42行目が事前分布の設定になります。ざっと説明します。 ・(3行目, 6行目) mu.yは真の値でそこからノイズ(機器の測定誤差みたいなものを想定)を加えて観測値Yが得られます。 ・(4行目) mu.yの初期値は人によらないbaseline.0と個体差baseline[i]に分けて推定します。このようにするとbaseline.0は無情報事前分布、個体差
2013/02/04 リンク