京都大学がビッグデータの新統計法則を発見、「べき則」の普遍性を解明
京都大学の梅野健教授と新谷健修士課程学生は、世界中の様々なビッグデータに現れる「べき則」の普遍性を説明する新しい統計法則を発見した。この統計法則は「超一般化中心極限定理」と呼べるもので、データ上に普遍的に現れるという。これにより世界の様々な現象の統計モデルの構築が期待される。 今回の研究では、現実のデータを反映した、従来の統計則である極限定理では捉えることができない、異なるべき分布を個々に持つ独立な確率変数の和という統計モデルを定式化した。その上で、データの数Nを無限にする極限において、レビの安定分布に収束するという極限定理を導出した。 この極限定理は、統計学の基本法則である中心極限定理をべき則に一般化した一般化中心極限定理を、さらに異なるべき則の和の極限に拡張したもので、「超一般化中心極限定理」と呼ぶことができる。より一般化された状況でも成立する極限定理としての統計学的な意義があるととも
私がBMIを25から20にすることができたのは、２大肥満メカニズムを知ったからです - 勝間和代が徹底的にマニアックな話をアップするブログ
BMIという指標があります。身長のメートル表示の2乗で、体重のキログラム表示を割った数値です。これが、だいたい18.5から25の間にしましょうと言うのが、統計学その他から採用されている基準です。 そして、私、20代の頃から特に子どもを産んでから少しずつ太り始め、30歳前半から40歳過ぎまでは、158cmしかないのに、体重がだいたい58キロから62キロの間をうろちょろしていました。BMIにすると、23から25といったところでした。もう、典型的な小太りのおばさんです。 そうするとどんな感じかと言うと、まず基本的に 「全体的に脂肪がタポタポ」 しています。背中も肉が余るし、歩くともも肉同士が擦れ合う感じです。まぁ洋服もLサイズや11号ならなんとか、Mサイズはきつくて腕周りやウエストが入らない、というところでした。 まぁ、その10数年間の間も、たまに一念発起して筋トレしたり、一所懸命に自転車に乗っ
統計学と機械学習を支える数学が、「全く一緒」と言えるわけ
東京大学医学部卒(生物統計学専攻)。東京大学大学院医学系研究科医療コミュニケーション学分野助教、大学病院医療情報ネットワーク研究センター副センター長、ダナファーバー/ハーバードがん研究センター客員研究員を経て、現在はデータを活用する様々なプロジェクトにおいて調査、分析、システム開発および人材育成に従事する。著書に『統計学が最強の学問である』(ダイヤモンド社)、『1億人のための統計解析』(日経BP社)などがある。 『統計学が最強の学問である［数学編］』 ビジネス書大賞（2014）、統計学会出版賞（2017）受賞シリーズの最新刊となる『統計学が最強の学問である［数学編］』の序章を公開。これから全ての人に必要な、統計学と機械学習を支える数学がこの1冊でマスターできる、待望の1冊です。 バックナンバー一覧 ビジネス書大賞（2014）、統計学会出版賞（2017）を受賞し、累計48万部を突破した大ヒッ
ディズニーランド「ファストパス」で待ち時間は短くならない
＜ディズニーランドに行ったことのある人なら誰もが経験したであろう、アトラクションの順番待ちの行列。ファストパスは「統計的思考」を活用した天才的な解決策だが、それにより待ち時間が短くなっているわけではない＞ 株価など企業の情報があふれていてもほとんどの人は株で大儲けできず、IT分野に巨額の投資をしているのに飛行機の遅延や交通渋滞はなくならない。情報を賢く活用し、世の中を良くすることはかくも難しい。 そんな時に役立つのが「統計的思考」だ。 ビジネス統計学を実践するカイザー・ファングは著書『ヤバい統計学』（矢羽野薫訳、CCCメディアハウス）で、ディズニーランド、交通渋滞、クレジットカード、感染症、大学入試、災害保険、ドーピング検査、テロ対策、飛行機事故、宝くじという10のエピソードを題材に、統計的思考を駆使する専門家たちを紹介し、数字の読み解き方を指南している。 ここでは、平均という概念を扱った
「p値や有意性に拘り過ぎるな、p < 0.05かどうかが全てを決める時代はもう終わらせよう」というアメリカ統計学会の声明 - 渋谷駅前で働くデータサイエンティストのブログ
以前から同様の指摘は様々な分野から様々な人々が様々な形で出してきていましたが、アメリカ統計学会が以下のような明示的な声明をこの3月7日（現地時間）に発表したということで注目を集めているようです。 AMERICAN STATISTICAL ASSOCIATION RELEASES STATEMENT ON STATISTICAL SIGNIFICANCE AND P-VALUES Provides Principles to Improve the Conduct and Interpretation of Quantitative Science https://www.amstat.org/newsroom/pressreleases/P-ValueStatement.pdf The ASA's statement on p-values: context, process, and p
「統計学と機械学習の違い」はどう論じたら良いのか - 渋谷駅前で働くデータサイエンティストのブログ
何かこんなメディア記事が出ていたようです。 これを読んで色々な人がツッコミを入れまくっている模様ですが、この記事の不思議なところは「完全に間違った説明というわけでもないのに何故か（両分野に詳しい）誰が読んでも猛烈な違和感を覚える」ところなんじゃないかなぁと。 正直、これはライター・インタビュアー・コメンテーター・編集者の誰のせいなのかは全く分からないんですが、ツッコミ入れられまくっている内容について色々あげつらってもあまり建設的でないので、ここでは記事中で本題として取り上げられている「統計学と機械学習の違い」についてちょっとコメントしてみようと思います。 あ、もちろん僕がこれから書くコメントも別に正しいとは全く限らないので、おかしいところや間違ってるところがあったらバンバン突っ込んでいただければ幸いです*1。そしてガチ勢向けのコメントでもないので何卒悪しからず。 統計学はデータを「説明」す
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
処理を実行中です
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
