「この仕事は期限までにまだ余裕があるな」と考えて「先延ばし」してしまい、ギリギリになって慌てる——。多くの人に一度ならず経験があることだと思います。 脳科学的見地から見ると、先延ばしはどういうメカニズムによって起きるのか、そしてどうすれば先延ばしをなくすことができるのか、脳科学者の生塩研一（おしお・けんいち）先生に聞いてみました。 構成／岩川悟　取材・文／清家茂樹　写真／塚原孝顕 自分の「先延ばし度」はどれくらい？ 先延ばしを招くのは、最近注目されている脳領域 「脳の司令部」を鍛えて先延ばし癖をなくす 自分の「先延ばし度」はどれくらい？ みなさんの「先延ばし度」はどれくらいのレベルでしょうか？　まずは、先延ばし度の自己診断テストを紹介しましょう。これは、心理学的アプローチによる先延ばし研究の世界的権威である、ピアーズ・スティール博士が考案したものです（ピアーズ・スティール『ヒトはなぜ先延ば

「新型コロナはオミクロンで弱毒化した」 「致死率もインフル以下。特別扱いするべき病気ではない」 「感染して免疫をつけたほうがいい」 「欧米はもう脱コロナ。マスクもせず、ただの風邪扱いだ」 テレビをみるとタレントがこのように新型コロナ対策を語っている。果たして本当のことだろうか。 最新の医学論文を踏まえ、COVID-19のリアルに迫る。 ［前編］知っておくべき新型コロナウイルス感染症のリアル ［中編］知っておくべきウイルスとの戦い方 ［後編］微生物との戦争――ヒトと動物、環境と微生物の葛藤 １　２　３　４　→ 2022年冬の新型コロナウイルス感染症（COVID-19）は、いよいよ深刻な事態となってきた。12月27日には日本で初めて、1日の死者が400人を越えたが（438人）、2023年1月5日には498人を記録。感染者数の全数把握をやめているし、マスコミもとりあげないので、平穏な日々のように

社内勉強会の発表資料です。高橋先生の「統計的因果推論の理論と実装」のChapter1と2の内容についてまとめています。 参考リンク（マイメディア） - 相関関係と因果関係と疑似相関 https://zenn.dev/s1ok69oo/articles/3d748c399da774 - …

当ウェブサイトは、 MBSニュース（毎日放送）が 奈良市で起きた 安倍晋三元首相銃撃現場を再現しました。 将来、現場の環境が変わるため、 発生当時の状況を記録する目的と、 当時の警備態勢を映像で検証する目的です。 警察庁の「警護警備に関する検証」報告書と 取材等を基に動画を再現し、 内容には現場の実写に加えて、 CGで再現した発砲シーンと発砲音が含まれます （音のON・OFFは選択可）。 閲覧する際は上記内容が含まれることをご理解し、 同意いただく必要があります。 同意して閲覧 安倍晋三元総理銃撃事件。 あの日、あの場所で、何が起きたのか。 安倍晋三元総理や山上徹也被告は、 どんな光景を目にしていたのか。 このサイトは事件当時の空間を複数の視点で再現した 「75秒の記憶」だ。 安倍晋三元総理銃撃事件。 あの日、あの場所で、 何が起きたのか。 安倍晋三元総理や山上徹也被告は、 どんな光景を目

目次 はじめに 個人を特定する情報が個人情報じゃない デジタル署名は暗号化しない TLS(SSL) は共通鍵を公開鍵で暗号化しない TLS(SSL) が使われていれば安全じゃない 変数は箱じゃない Python 等は「ソースコードを 1 行ずつ実行するインタプリタ方式」じゃない 日本語 1 文字は 2 バイトじゃない 動画が動いて見えるのは残像によるものじゃない 標本化定理は「2 倍以上の周波数」じゃない その他いろいろ はじめに 2022 年から高等学校で、プログラミング等を学ぶ「情報Ⅰ」が 必修 必履修科目になりました。1 さらには 2025 年入試から大学入試共通テストでも出題されるようになり、教科「情報」の重要性が高まっています。 これで 2030年に79万人不足すると言われる IT 人材 の問題が解決！…と言いたいところですが、先日も『課題感ある教科1位「情報」』という調査結果が

最近、データサイエンスが流行っていることもあり、線形回帰モデルについても解説記事を見かけることが多くなりました。情報にアクセスしやすくなったのはいいことだと思うんですが、ずっと以前から間違いや解説の不足が多い理論なので、私なりに解説を試みたいと思います。全体的にあまり厳密ではありませんが、線形回帰モデルを学びたての方には有益な記事になるかなと思います。 あと、私も勉強中の身なので、間違いがあったらご指摘いただけたら嬉しいです。 本題 さて、よくある間違いとは以下のような解説です。 線形性の仮定が満たされていないので、線形回帰モデルを使ってはいけない 残差が正規分布&等分散ではないので、線形回帰モデルを使ってはいけない 回帰係数に対するt検定の結果をもとに、p値が大きい説明変数を除外する 多重共線性があるとよくないので、変数間で相関が強い、もしくはVIF値が大きい変数を除外する AICが小さ

本文書の後半では、この表の中にある「解釈可能性」をサポートするライブラリ、InterpretMLのサンプルを動かしてみます。 それでは技術トピックを紹介してゆきます。 解釈可能性 多くの機械学習器は指定されたフォーマットの入力に対して結果を返すブラックボックスのように動作します。しかし適用するドメインによってはなぜ機械学習モデルがその結果を出力したのかが問われることがあります。 AIや機械学習の研究開発では精度が重要です。精度を向上するために古典的な機械学習器であれば、あらゆる有効そうな特徴量やその組み合わせを元にモデルを作成します。近年、大きな発展を遂げた深層学習では多数の中間層をもつモデルで入力の各要素がどのように結果に影響をあたえるかを判断するのはさらに難しくなります。 解釈可能性をサポートする機械学習モデルは出力がどのような情報をどのような重みをつかってなされたのかについての根拠を

傾向スコア、色んな所で多用されています。 わりと簡単にできるし、特に傾向スコアマッチングは見た目と使い勝手が良いです。 しかし、そもそも 「なぜ傾向スコアを使う（必要がある）か」 考えたことはあるでしょうか。 普通の多変量解析ではだめなのでしょうか。 この記事では、「傾向スコアを使う前に知っておくべき事」のうち、特に重要な5つのポイントを紹介します。 使う前に必ず抑えてください。 傾向スコアって何のために使うのでしょうか。 交絡因子を調整するためですね（詳細はこの記事にて）。 でも交絡因子を調整する方法って、他にもあります。 →普通の多変量解析、IPW、standardization、G estimation、IV estimationなどなど その中で、なんで傾向スコアを使う（必要がある）のでしょうか。 例えば、よく、傾向スコアマッチングは 「ランダム化試験みたいに介入群とコントロール群

はじめに Double Machine Learning(以下、DML)について、Pythonによる実装を交えてまとめました。内容について誤り等ございましたら、コメントにてご指摘いただけますと幸いです。 DMLの概要 DMLとは、機械学習手法を用いつつ2段階に分けて処置効果を推定する手法です。1段階目で2つの予測タスクを行い、2段階目で処置効果を推定するモデルを作成します。 DMLの利点 DMLを用いる利点はたくさんありますが、次の4つを紹介させていただきます。 処置効果の異質性(HTE: Heterogeneous Treatment Effect)を考慮した推定が可能 処置変数が連続・離散問わず適応可能 あまりに高次元すぎて古典的な統計学的アプローチでは適応できない・パラメトリックな関数で十分にモデル化できない場合にも利用可能 漸近正規性や信頼区間の構築など、望ましい統計的性質を多く維

明けましておめでとうございます。2023年もよろしくお願いいたします。さてさて、初詣はもう行かれましたか？伏見区にある人気初詣スポットをまとめてみました！あくまで伏見区民目線での案内で、神社の歴史といった詳細情報は含まれていません。 【伏見稲荷大社】 言わずと知れた日本、いや世界に誇る神社 愛称「お稲荷さん」。商売繁盛の神様でございます。今年は久しぶりに行動制限がないということで混雑必至。公共の交通機関での参拝を強くお勧めします。2つ前の駅近くにあるコインパーキングでは正月料金になっていて目をひん剥いて驚いた記憶があります。。そして境内はかなり広大で、千本鳥居を抜けていくと自動的に稲荷山を登っていく流れになりますので暖かく、歩きやすい格好でお出かけください。 【城南宮】 方除けの神様、城南宮さん。地元では車のお祓いに行く場所、といったイメージです。地下鉄・近鉄竹田駅から徒歩圏内ではあります

Rを使うときパッケージ（以下、package）を利用すると思います。 packageとは、Rの機能を拡張する関数、データ、資料の集まりです。 例えば、きれいな図を描きたいときは、ベースのR機能であるplotでは物足りないため、ggplot2 packageを使います。 一般化推定方程式を使いたいときは、ベースのR機能だけでは、数式を読み解き、関数を自作する必要がありますが、geepack packageを使えば関数の自作は不要です。 このようにRを使う上でpackageは重要ですし、いろいろなpackageを知っていると楽ができます。ただし、packageの有無を自分の解析能力の限界にする必要はありません。自ら関数が組めると解析の幅が広がります。 packageは山ほどあります。しかし解析によく使うpackageはある程度限られます。この記事では、ぼくが使っている（使いたい）R packa

よく使うRパッケージ 生存時間解析 チュートリアル Rコード含めて、端的にまとまっている。実務的には十分。 欠測データ解析 書籍のweb版 書籍にもなっている。 サンプルサイズ計算 Shinyでポチポチ 中間解析も含めたサンプルサイズ計算できる。 ポチポチ操作もできるし、コードも残せる。 疫学で使う解析方法のまとめ 疫学のためのRハンドブック その他 私たちのR ベストプラクティスの探求 Rの全体的な使い方を学べるサイト。 SONG Jaehyun 先生と矢内勇生先生が作ってる。 もっとみんなに知って欲しいサイトNo.1。 査読対応 査読コメントには、統計手法や考え方を間違っているものがあります。その返答に使える文献集です。 例えば、 P値や信頼区間 RCTの患者背景で検定しろ 変数選択 事後的に検出力計算しろ SASのプロシジャ Rではないけど、解析方法やその適用例が同じ粒度でまとまって

仕事柄論文を読む機会は多くあって、自分なりの読み方、まとめ方、深堀の仕方などはある程度ルーティンがあります。しかしそれが本当に最適解なのかどうかは分かりません。もっと自分に合ったやり方があるかもしれないし、今の方法がベストなのかもしれない。 "How to read a paper" という、論文、というか論文形式のメモがあり、これは当時カナダのWaterloo大学にいたSrinivasan Keshav先生が長年の経験からどのように論文を読めばよいのかというのをまとめたものになっています。これを読んでみて、なるほどなと思ったのでメモとして残しておきます。 ちなみに検索するとこの先生は現在はケンブリッジ大学の先生のようです。よく見てみると日本語に訳されている方もいるようで、原文と日本語訳は一読の価値があります。 http://svr-sk818-web.cl.cam.ac.uk/kesha

生物統計学／疫学の方法論／長崎大学／ 医学系研究のデザインや統計のコンサルが得意です。 共同研究等やお仕事依頼はDMください（shuntarosatoアットマークnagasaki-u.ac.jp）。

高橋将貴Masaki_TAKAHASHI @takahashi__ ブレードランナーのマニアの皆さんへ、日本語グラフィックのソース発見の報告です。1981年の雑誌「アイデア」に、カード類のすべての日本語と、あのネオン「お手持ちの烏口」「基礎の充実の上に」のオリジンを見ることができます！（画像はアイデアNo.164より引用） #ブレードランナー #BladeRunner pic.twitter.com/bFMDuwJmxs

【Deep Learning研修（発展）】はディープラーニング・機械学習に関する発展的な話題を幅広く紹介する研修動画シリーズです。 本再生リストは、RNNやLSTMなどを用いた、言語などに代表される系列データモデリングについての研修となっています。 Neural Network Consoleチャンネル（http...