未来ある子供に読ませたい『とんでもなく役に立つ数学』 - RyoAnna
タイトルは軽いが中身は濃い一冊。 『とんでもなく役に立つ数学』は、東京大学の西成教授が高校生に講義した内容をまとめた本。ツールとしての数学の価値と、数学が好きになるための秘訣を丁寧に教えてくれる。 例えば微分方程式で振動を制御し、ベイズ推定で目撃証言の信憑性を計算する。幾何学で電子回路の最短経路を割り出し、セルオートマトンで渋滞のメカニズムを解析する。このような実例をもとに、数学と社会の関わり方を分かりやすく解説してくれる。 登場する数式は高校生レベルだが、数学を道具として利用する考え方は中学生でも理解できるはずだ。 教授は言う。 あなたが中学生なら、高校の参考書を眺めて下さい。高校生なら、図書館で大学の入門書を開いてみてください。（中略）毎日、ほんの30分でいいので、周囲に散らばっている知らない武器を身に着けることに時間を使ってください。これを習慣にしてしまうと、きっと将来、大きな見返り
第2回 確率の初歩 | gihyo.jp
今回は、機械学習で使う「確率」のお話です。 確率は、統計的な機械学習のもっとも重要な基礎知識です。とはいえ、確率についてゼロから説明するというのは紙数的にも厳しいため、高校の確率を少し憶えているくらい（期待値や標準偏差など）を前提とし、「高校の確率」と「機械学習の確率」の本質的な相違点について、少し丁寧に見ていく、という形で進めていきます。 機械学習と確率 最初に、機械学習にとって確率はどういう役割なのかを確認しておきましょう。 実のところ、機械学習に確率が必須というわけではありません。ニューラルネットワークやサポートベクターマシンなどの有名な手法も「確率を用いない機械学習」ですし、その他にも数多くの手法があります。しかし、「確率を用いない機械学習」の多くは、「結果のランキングを作りづらい（評価値の大小に意味がない）」「条件が異なる場合の結果を比較できない」などの欠点がありま
相関係数の大小は相関の有無とは全く関係ない件について。
話題になった日経のトンデモグラフに対する突っ込みで、相関係数には言及してもp値、有意水準についての言及は少なく、勘違いしている人が多いのではないか？と感じたのでブラッシュアップも兼ねてまとめました。
Ruby2.2 ではアレが死ぬほど使いやすくなるの！ - Qiita
そうです、Matrix（行列）クラスに色々入る予定のようです. .... いやもっと伝えるべきモノが他にあるとの怒号が今にも聞こえて来そうですが... 「すみません今日の所は行列の紹介をさせて下さい.」 多くの方は興味もないであろうけど、 Rubyには行列やベクトルを扱う Matrix クラスというものがありまして、 Ruby2.2では色々新機能やバグfixが入るようです. 「行列ベクトル演算するならRubyよね」 と言われるくらいのモノにはなるのではないでしょうか？ 本日はRuby2.2以前にあるものも含めMatrixのマジですごい所を紹介します. 使わないともったいない！すごいMatrix, 楽しく学ぼう！ 1. LU分解 LU分解が出来るという事は... n元連立方程式をいとも簡単に解く事が出来ちゃうの # 2x + y = 2 # x + 2y = 3 Matrix[ [2, 1]
Rubyで俺指向言語Qのプロトタイプ作った - Qiita
fooo↑↑ 動機 僕はただの数学/統計系の学部生で、RやMathematicaなどの言語を強いられる事が多いのですが、 RubyやHaskellやScalaなどのステキな言語を知っていると「ちょっとな〜」と思っておりましたところ、 突然「あ、新しい言語作らなアカン」という不可思議な衝動に駆られ ガッと取り憑かれたように実装し、少し冷静になってQiitaを書いているのが今です. フィードバックを頂きながら育てて行きたいと思います（コミッター絶賛募集中、ワイワイ楽しくやりたいです. アメちゃん差し上げるのでお願いします. ） 現在はコンパイラと４秒くらいで作ったインタプリタがあります. ポリシー 一番大きな観念としては 「紙とペンの感動をキーボードで」 です. 後々の可読性や保守性などはどうでもよくて、 「その瞬間（コードを書いている瞬間）の気持ちよさ、心地よさ、そしてその返値を楽しむ事」
データマイニングで理想の彼女をGetだぜ！ - 発声練習
ある国際会議のkeynote Speechの中で紹介されていた話。非常に面白かった。 Wired: How a Math Genius Hacked OkCupid to Find True Love 「いまどきの若い男は、なんでもコンピュータか！」とか思われるかもしれないけど、何をしたのかを読んでみると「これって、単なるナンパの方が楽だったんじゃないか？」と思わされる。 登場人物のスペック この人の経歴がアメリカ的。 名前：Chris McKinlay (35歳） 経歴 2001年：Middlebury College を卒業。専攻は中国語 同年：世界貿易センターで中国語から英語への翻訳のアルバイト。アルバイトを辞めた5週間後に9・11。 〜2002年：その後、友達に誘われて、an offshoot of MIT’s famed professional blackjack team に
確率概念について説明する（第3-1回）：可能な世界の全体を1とする — コルモゴロフによる確率の定理（前編） - Take a Risk：林岳彦の研究メモ
こんにちは。林岳彦です。先日、小学生の息子とセブンイレブンに行きました。そこでふと、「あの外壁、あれ本物のレンガじゃなくてただの印刷だから」と息子に教えたところ、それが彼にとっては思いもよらぬことだったようで、実はすべすべとしている外壁に触っては「すっかり騙されてた！（ガーン）」と衝撃を受けていました。小さな子どもをお持ちのみなさま、この世の隠蔽された真実（＝セブンイレブンの外壁は印刷）を彼ら／彼女らに教えてみると面白い反応が期待できるかもですよ！ さて。 今回は、前回の記事の続きとして、確率という概念の「規格」について説明していきたいと思います。 （今回はとても長い上に内容がハードかもしれません。いつもながらすみません。。） 前回の軽いまとめ 前回の記事では： 少なくとも、「確率」とは「可能性を数値で表したもの」である というボンヤリとした出発点から： 「可能である」ということは、「この
情報幾何がわからないという話 (Mathematics Advent Calender 2日目) - じょうよわだけど
2013-12-02 情報幾何がわからないという話 (Mathematics Advent Calender 2日目) 統計 はじめに 2013年を振り返ると、なんといっても印象深かった出来事は「艦隊これくしょん（艦これ）」の爆発的なヒットです！ 今や日本人の100人に1人は提督であるという計算になり、艦これオンリーイベントが全国で開催されています。また、艦これ公式によるガイドブックが出版されるなど、関連グッズの展開も著しいです。 艦これの今後のますますの躍進に期待ですね！さて、この2013年、もうひとつ印象深かった出来事は情報幾何の爆発的なヒットです！ 今や日本人の100人に1人は情報幾何をやっている計算になり、情報幾何オンリーイベントも開催されました。また、来年度には情報幾何公式によるガイドブック（※）が出版されるなど、関連グッズの展開も著しいです。 情報幾何の今後のますますの
数学者ポアンカレは毎日買っている公称1kgのパンがしばしば軽目なのに気づいた。そこで重さを一年間計り続け、それが平均950gの正規分布にほぼ従うことを確認し、警察に届け出てパン屋に警告させた。つまりパン屋は最初から1kgのパンを目標にしていなかった！ それからまた一年間重さを計り続けたポアンカレは、今度はその分布が正規分布とは異なり、右に裾が長いことを見出し、再び警察に届けでてパン屋の不正を告発した。つまり、パン屋は反省することなく、単に目方の重そうなパンを選んでポアンカレ家に売っていただけであること
数学者ポアンカレは毎日買っている公称1kgのパンがしばしば軽目なのに気づいた。そこで重さを一年間計り続け、それが平均950gの正規分布にほぼ従うことを確認し、警察に届け出てパン屋に警告させた。つまりパン屋は最初から1kgのパンを目標にしていなかった！ それからまた一年間重さを計り続けたポアンカレは、今度はその分布が正規分布とは異なり、右に裾が長いことを見出し、再び警察に届けでてパン屋の不正を告発した。つまり、パン屋は反省することなく、単に目方の重そうなパンを選んでポアンカレ家に売っていただけであることをデータから見抜いたわけである。 数学セミナー 2010年9月号 通巻 588号 P.35 ソースは不明。だが面白すぎる。 →たまたま―日常に潜む「偶然」を科学する: レナード・ムロディナウ, 田中 三彦: 本 この本に同じ記述発見。 (via deltam) (via matakimika)
データサイエンスのお奨め教科書。統計屋さん的視点から - hotokuとは
知人に、確率・統計を勉強するにはどんなん読んだら良いんかね？と聞かれたので、まとめる。 線形代数 統計を勉強しようと思ったら、先ず、線形代数を勉強するのが良いと思う。回帰分析とか主成分分析とか多次元尺度構成法とか、こういう有名ドコロが一発で分かる。線形代数を知らずに統計の本で「コレコレの計算で出てきた値が第一主成分だよ」みたいな説明を何回くり返し読んでも、多分、一生理解出来無いと思う。対称行列は直交行列で対角化出来るよね、とか、これは射影行列の形だね、とかが自然に分かるようになってから、統計の本を読むとよく理解出来る。 で、線形代数のお奨めはこれ。 プログラミングのための線形代数 作者: 平岡和幸,堀玄出版社/メーカー: オーム社発売日: 2004/10/01メディア: 単行本購入: 27人 クリック: 278回この商品を含むブログ (90件) を見るプログラミングのための…とあるんだけど
懐かしの「y=ax+b」でアイスコーヒーの注文数を予測しよう 散布図、分析ツールで求める単回帰式
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
マンガでわかる統計学で、統計を学び直す - $shibayu36->blog;
最近Webサービス開発する際に統計学がある程度使えそうと思って、勉強しようと思っている。それで最近買ったのが以下の本。 統計学の基礎―カラーイメージで学ぶ 作者:市原 清志,佐藤 正一日本教育研究センターAmazon ただ、買ったはいいものの、自分には少し難しく、あーまた統計の勉強挫折しそうだなー*1と感じていた。それでここでまた挫折するのは嫌だなーと思って、少しレベルを落として、《Gunosy》開発チームが厳選、WEB業界人が読むべき“統計学”の必読書ベスト５ | キャリアハックにも紹介されていた「マンガでわかる統計学」を買った。 マンガでわかる統計学 作者:信, 高橋,トレンドプロオーム社Amazon この本が統計学をこれまで避け続けてきた自分にとって非常に良かった。 2時間くらいでさっと読み終わることが出来る 統計学を学ぶ上でのはじめの一歩の部分がよくまとまっている データの種類とか
分散の定義が絶対値を使わず二乗を使う理由（？） - 結城浩のはてなブログ
1. 確率変数Xの分散V(X)は、Xの期待値をE(X)とすると、V(X) = E( (X - E(X) )^2)で定義される。 2. 言い換えれば、分散とは「「期待値からのずれ」の二乗」の期待値である。 3. 分散は、確率変数の値がどれだけ期待値からずれるかを表すもの（として定義したい）。 4. 期待値からのずれは大きくずれる場合と小さくずれる場合の二つがある。 5. 二乗しておけばどっちに転んでも大丈夫。 6. でも、絶対値を取ることにしてもいいよね。 7. いいけど、絶対値とる計算よりも二乗するほうが計算便利だし。 …と、ここまではいいと思うんですが、以下のA,Bも二乗する定義を採用する理由になるでしょうか？ A. 分散に対して、等式 V(X) = E(X^2) - (E(X))^2 が成り立つ。 《分散は、平方の期待値から期待値の平方を引いた値になる》 B. 確率変数Xが期待値からず
ロジスティック回帰
目次 1)ロジスティック回帰分析概説 2)ロジスティック回帰分析はどんな時に使用するか ３）ロジスティックモデルとは 4)ロジスティック回帰分析で得られるのは 5)オッズ比とは 6)オッズ比の95%信頼限界とは 7)ダミー変数について 8)変数選択上の注意点 9)ロジスティック回帰分析が可能な統計ソフト 10)ロジスティック回帰分析に関する参考書 1)ﾛｼﾞｽﾃｨｯｸ回帰分析概説 近年の外国の論文にロジスティック回帰分析が非常に増えており、これが理解できないと論文を読めないことが多い。このことは、単変量解析では十分な解析ができないことが多いことを示唆しており、今後日本の論文でも、ロジスティック回帰分析が確実に増加していくものと思われる。しかし、ロジスティック回帰分析を理解しようと思っても、やさしい教科書は非常に少ない。ロジスティック回帰分析は、疫学調査などの大規模なスタディには必須で
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
Hilbert<ヒルベルト> - 世界で一番ピュアなプログラミング言語 -
Amazon.co.jp: 統計数字を読み解くセンス―当確はなぜすぐにわかるのか?(DOJIN選書27) (DOJIN選書 27): 青木繁伸: 本
Amazon.co.jp： 本: 統計でウソをつく法 ― 数式を使わない統計学入門
Amazon.co.jp： その数学が戦略を決める: 本: イアン エアーズ
猫に教えてもらうルベーグ可測
つぶやきビッグデータで見える人々のシンクロ、米Twitterが“パルス”可視化 