Bayesian Statistics and Marketing
Bayesian Statistics and Marketing by Peter E. Rossi, Greg Allenby, and Rob McCulloch bayesm, an R package to implement models and methods in this book is now available on CRAN. bayesm contains datasets and code to implement many of the models in chapters 1-7 of BSM. Additional data and code for the case studies is given below: CS 1: A Choice Model for Package Goods xdata ydata run
生態学データ解析 - ベイズ統計 & MCMC
ここはベイズ推定と MCMC 法 (Markov Chain Monte Carlo method; マルコフ連鎖モンテカルロ法) 関連についてのペイジです 特に階層ベイズモデルについて [もくじ] ネット上の Bayes 推定・MCMC 計算の解説 「ベイズ推定を MCMC 計算で」なソフトウェアたち ベイズ推定と R ベイズファクターなど 書籍 べいじあんな生態学研究者 Ben Bolker Ottar N. Bjørnstad James S. Clark Kiona Ogle John Silader Christopher K. Wikle ネット上の Bayes 推定・MCMC 計算の解説 講義とか：統計学授業 や 出張統計学授業 解説記事： 岩波DS01 2016 階層ベイズモデルの解説記事 信学会誌ベイズ解説: 電子情報通信学会誌に書いた階層ベイズ解説 (2009 年 10
統計ライブラリー ベイズ統計データ分析 ｜朝倉書店
統計プログラミング演習を交えながら実際のデータ分析の適用を詳述した教科書〔内容〕ベイズアプローチの基本／ベイズ推論／マルコフ連鎖モンテカルロ法／離散選択モデル／マルチレベルモデル／時系列モデル／R・WinBUGSの基礎 1．ベイズアプローチの基本 1.1 ベイズ的意思決定 1.2 ベイズ的アプローチとデータ分析 1.3 ベイズ推論の考え方 1.4 尤度原理 1.5 ベイズ主義者と頻度主義者 2．ベ イ ズ 推 論 2.1 事前分布 2.2 線形回帰モデルに対する事前分布と事後分布 2.3 予測分布 2.4 線形回帰モデルにおける事後密度の生成 2.5 モデル選択 3．マルコフ連鎖モンテカルロ法 3.1 マルコフ連鎖 3.2 ギブズ・サンプラー 3.3 メトロポリス-ヘイスティング法 3.4 収束判定 3.5 線形回帰モデルへのギブズ・サンプラーの適用 4．離散選択モデル 4.1 二項プロビ
統計ライブラリー マルコフ連鎖モンテカルロ法 ｜朝倉書店
ベイズ統計の発展で重要性が高まるMCMC法を応用例を多数示しつつ徹底解説。Ｒソース付〔内容〕MCMC法入門／母数推定／収束判定・モデルの妥当性／SEMによるベイズ推定／MCMC法の応用／BRugs／ベイズ推定の古典的枠組み。 1. マルコフ連鎖モンテカルロ法入門 1.1 マルコフ連鎖 1.2 モンテカルロ法 1.3 マルコフ連鎖モンテカルロ法 2. MCMCによる母数推定の実際 2.1 ベイズ推測におけるMCMCの利用 2.2 ギブスサンプラーによる回帰モデルの推定 2.3 複合MCMCによる項目反応モデルの推定 3. 収束判定およびモデルの妥当性の検討 3.1 収束判定のための方法 3.2 モデルの良さを検討するための方法 4. SEMにおけるベイズ推定 4.1 一般的なSEMのベイズ推定 4.2 順序カテゴリカルSEMのベイズ推定 4.3 潜在混合モデリング 4.4 欠測データのあるS
Bayes - Wiki
Bayes ベイズ法に関連するプログラム等。 最終更新時間：2009年12月11日 13時23分28秒 ベイズ法について パッケージソフト BUGS RのMCMCpackパッケージ パッケージソフトは使わない BUGSコード 実例：株価の変化率の t 分布への当てはめ 1. Normal Linear Model 2. Heteroscedastic Regression 3. Regression with Autocorrelated Errors 4. CES Production Function 5. Probit Model 6 Tobit Model 7. Truncated Normal 8. Ordered Probit 9. Poisson Regression 10. Heterogeneous Poisson Regression 11. Right Censore
Rでベイズ統計学 - RjpWiki
RjpWiki はオープンソースの統計解析システム R に関する情報交換を目的とした Wiki ですベイズ統計学とは？ † 統計的推論にベイズの定理を使う方法をいいます。 方法に一貫性があること、柔軟なモデルに対応できること、一般に"事前分布"を指定する必要があることなどの特色があります。 より詳しくは、松原先生のサイトを参照してください。 ↑ パッケージの一括インストール † 詳しくは CRAN Task View (一般化モデルのあてはめ、特定のモデルおよび手法、事後推定ツール、学習ベイジアン統計学、他のサンプリングエンジンとRとのリンクの5分類でまとめている)を参照していただきたいが、簡単には、 install.packages("ctv") library(ctv) install.views("Bayesian") で、必要なものはほぼすべて入ります。 個別のパッケージについては
Rの基本パッケージ中の時系列オブジェクト一覧 - RjpWiki
RjpWiki はオープンソースの統計解析システム R に関する情報交換を目的とした Wiki です時間情報 時系列オブジェクトは(等間隔)観測時間情報を持つため、時間に関する以下のような幾つかの 特殊な情報を持つ: 自然な時間単位 年、月、週、一時間等 観測開始時間 start 観測終了時間 end 頻度 frequency：単位時間内の観測値の数。月別データなら、自然な時間単位 「年」に対する周期は 12 サンプリング比率 deltat： 自然な時間単位に対する、サンプリング間隔を表す比率。 月別データなら、自然な時間単位「年」に対する deltat は 1/12。周 期とサンプリング比率どちらか一方を与えれば良い。 周期 cycle：各データの観測時間情報を表す、自然な時間単位とその中での頻度 を表す対。例えば年と月 (1993、5)、年と四半期 (2002、Qtr2)、月と日
実験計画法入門 - Excelでできる！
実験計画法(分散分析)入門 Excelでできる実験計画法 Created: 2009/03/25 Last Updated: 2009/05/01 このドキュメントは実験計画法を実践するための速習テキストです。 本ドキュメントに含まれる演習問題やサンプルは、 Excel NAG統計解析アドイン＋Excelで即実践可能です。 実験計画法とは 実験計画法は約90年前に英国の農業技師であるフィッシャー（Sir Ronald Aylmer Fisher）により考え出された方法論です。 実験計画法は農薬、肥料、土壌などの要因が収穫量などの特性にどの程度影響を与えているかを客観的に把握するためのものです。 実験計画法は計画性を持ってデータを集めるステップと、集められたデータを解析するステップで成り立っています。 計画性を持ってデータを集める為には、実験の目的、因子の選定、水準の決定、実験順序の決定な
トヨタが気前よくカイゼンを教える本当の理由（1/3） ― ＠IT MONOist
コロナ禍で製造業のマーケティング手法もデジタルシフトが加速した。だが、業界の事情に合わせたデジタルマーケティングを実践できている企業はそう多くない。本連載では「製造業のための正しいデジタルマーケティング知識」を伝えていく。第14回のテーマは「メーカー開発設計者に聞いたサプライヤーの探し方と選定基準」だ。
実験計画学
後期の授業である実験計画学はレポートと質疑応答主体の授業とします．期末試験さえできればよいというものではなく，実験計画学を理解するには，授業で主体的に考えることが大切です．授業に出席（出席とは質問にきちんと答えることを含む，じっと座っていても出席とはいわない）し，レポートをきちんと提出することが単位取得の必要条件です．
実験計画法 - Wikipedia
実験計画法（じっけんけいかくほう、英: Experimental design、Design of experiments）は、効率のよい実験方法を設計（デザイン）し、結果を適切に解析することを目的とする統計学の応用分野である。R・A・フィッシャーが1920年代に農学試験から着想して発展させた。特に1950年G・M・コックスとW・G・コクランが標準的教科書を出版し、以後医学、工学、実験心理学や社会調査へ広く応用された。またこれを基にして田口玄一による品質工学という新たな分野も生まれた。 他にも、マーケティングや新しい商品・サービスのコンセプトや仕様を考える場合などに用いられる、コンジョイント分析も有用である。 実験計画法の基本的な原則は次の3つである。 局所管理化 影響を調べる要因以外のすべての要因を可能な限り一定にする。 反復 実験ごとの偶然のバラツキ（誤差）の影響を除くために同条件で反
R（R言語）のトップメニュー
R（R言語）のトップメニュー R をとりあえず、齧ろうと思ったら、下の「R（R言語）の基礎」を一通り読んでください。R の基本的な使い方がわかるようにしてあります。 「R（R言語）の基礎」以外のメニューは、R Console と Rコマンダー別にまとめてあります。 R Console は、命令を自分で入力していくやり方です。Rコマンダーは、SPSS と同じようにマウスのクリックで分析する方法です。 どこから学習してもよいのですが、「R（R言語）の基礎」に書かれた内容を理解していることを前提に記述してありますので、まず、「R（R言語）の基礎」の部分をしっかり勉強してください。 南山大学には、心理学でよく使われる共分散構造分析をするための AMOS というソフトが導入されていません。しかし、R を使えば、共分散構造分析ができます。この共分散構造分析については、Webを検索しても使用方法の
RedmineとGitで作るプロジェクト開発環境 - プログラミングノート
今メインで利用しているマシンにTracを入れようかどうか迷っていたのですが、入れるのが面倒だったのでちょっと前から話題になっているRedmineを入れてみました。 環境はこんな感じです。 Mac OS X 10.5.6 Ruby 1.8.6 Rails 2.3.2 Git 1.6.2.3 Redmine 0.8 Apache 2.2.11 Redmineインストール 1. RedmineのSVNからソースを取得 $ svn checkout http://redmine.rubyforge.org/svn/branches/0.8-stable redmine 2. redmine/config/database.ymlでMySQLの設定を修正してDBを初期化 $ cd redmine $ rake db:create RAILS_ENV=production $ rake db:migr
課題管理対決！Redmine vs. Trac
Redmineの機能と特徴 Redmineは、Ruby on Rails上で動作する、Webインタフェースの課題追跡（Issue Tracking）ツールです。原稿執筆時点（2008年9月現在）での最新のバージョンは0.7.3です。 Redmineが搭載している機能は、「マイルストン設定（ロードマップ）」「カレンダー／ガントチャートの表示（概要）」「作業時間の登録／集計（チケット、概要）」「作業履歴の閲覧（活動）」「課題の登録／追跡管理（チケット、新しいチケット）」「伝言板（ニュース）」「文書の登録／閲覧（文書、Wiki）」「ディスカッション（フォーラム）」「ファイルの共有（ファイル）」「ソース管理との連携（リポジトリ）」「ワークフロー定義」「メール通知」「RSS配信」「ユーザの管理/ロール・権限の設定」です。なお、かっこの中はRedmine画面上で対応する主なメニュー項目名です。 筆者の
TeXが苦手とする処理 - TeX Wiki
TeX が苦手とする処理 † TeX Forum や TeX Q & A などでしばしば話題になる処理のうち，TeX 本体では提供されず，ときとして TeX 自身は不得手とする処理について挙げます。 既製品があるものについては既製品も紹介していますが，それらを用いた場合の出力結果に不満がある場合には，ユーザ自身で対処することになります。 ここに挙げる処理を行うのが単なる「書き手の趣味」である場合には，無理をせずに書き手自身の腕で無難にできる範囲の処理で済ませるか，画像にしてしまう方が賢明である場合もあることでしょう。 複数行にわたる下線（あるいは波線・破線など） † まず，qa:32045 でコメントされている現実があることを認識してください。 その上で既製品にあたると，大石氏のサイトに下線類を作成するマクロについての比較を行った文書「下線に関するマクロ比較」（ただし，未完成）があり，その
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
KnowledgeWorks Global Ltd | Home
今日もやられやく - FC2 BLOG パスワード認証
サービス終了のお知らせ
(La)TeX早見表 - kijimalab
表の種類