Brown UniversityService Not Reachable This service is not online at the moment please contact [email protected] if you need assistance. For more detailed infomration, allow the use of JavaScript in your browser.
こくちーずプロ - 無料で使えるイベント・セミナーの告知・集客サービス
個人から法人まで幅広い主催者の方にご活用いただいています。 イベント主催者8万人以上 チケット販売550万枚以上
気象庁｜気象情報を活用して気候の影響を軽減してみませんか？
農業に役立つ気象情報の利用の手引きを更新しました。（2024.3.25） 過去の気象データ・ダウンロードからアメダスの湿度計データを提供開始しました。（2022.3.16） 向こう1か月の気温予測データをリニューアルしました。（2020.3.26） リーフレット「季節予報の産業での利活用」へのリンクを追加しました。（2019.12.26） 新しい向こう2週間の気温予測データへのリンクを掲載しました。（2019.2.25） 向こう2週間・1か月の気温予測データの活用事例集を掲載しました。（2019.2.5） 清涼飲料分野、家電流通分野における気候リスク管理技術に関する調査報告書（平成29年度）を掲載しました。（2018.6.26） 農業に役立つ気象情報の利用の手引きを公開しました。（2018.3.15） 気候リスク管理技術に関する調査報告書（清涼飲料分野）を掲載しました。（2017.5.26
ニコニコチャンネル
ユーザーブロマガのサービスは終了いたしました ユーザーブロマガサービスは2021年10月7日をもちまして終了いたしました。 長らくのご愛顧ありがとうございました。 ニコニコチャンネルトップへ
Gamma分布と仲間たち - SlideShare
Gamma function, Gamma distribution and related probability distributions.Read less
項目反応理論による尺度運用
2015/07/25 REQUIRE研究会の発表資料です。他の発表者の資料と合わせてご覧いただけると、項目反応理論に基づいて尺度構成していくメリットが実感いただけるかと思います。Read less
Points of Significance | Statistics for Biologists
There is no disputing the importance of statistical analysis in biological research, but too often it is considered only after an experiment is completed, when it may be too late. This collection highlights important statistical issues that biologists should be aware of and provides practical advice to help them improve the rigor of their work. Nature Methods' Points of Significance column on stat
トピックモデルことはじめ
All slide content and descriptions are owned by their creators.
生態学データ解析 - FAQ モデル選択
統計学的なモデル選択 (とくに AIC を使ったモデル選択) についてよくある質問と 久保 によるてきとーなる回答を並べてみました 参照: FAQ 系ペイジ一覧, FAQ stepAIC() モデル選択 [項目] モデル選択とは何ですか モデル選択したあとに検定すればいいのですか? モデル選択規準 AIC が一番小さいモデルは一番あてはまりの良いモデルですか? AIC によって選択された統計モデルってどういう意味で「良い」のですか? AIC で選ばれる統計モデルは標本数に影響されますか? AIC が少しでも小さい統計モデルが「良い」モデルなのですか? 統計ソフトウェアが出力する AIC の値だけ確認すればいいのですか? 比較すべき統計モデルの個数が 100 個ぐらいあるんですけど，このときも AIC 最小のモデルを選べばよいのですか? 「パラメーターの重要性」をみるために ``Akaike
非同次/確率的な強度λを持つ指数分布に従う確率変数τ(死亡/消滅時刻)の生成 - My Life as a Mock Quant
非同次な指数分布 非同次なポアソン分布ってのがある。日本語で定義がちゃんと載ってるページがなかったので、英語版のwikipediaを参照すると Poisson point process - Wikipedia が該当する。要するにこれは、今まで、一定だと思っていたポアソン分布の強度(普通のポアソン分布だと平均だと思っていたパラメータ)を時間や空間に依存させてみたりするってもんだ。あと、この拡張として、この自身を確率過程だと思っても以下の話は大体同じになる。正確な測度論の記述じゃないけど。 そして、 指数分布とポアソン分布のいけない関係 from tera monagi の資料に説明があるように、その非同次なポアソン分布の裏側には、非同次な指数分布が生まれてるんだろうなぁと考えることが出来るわけで、ここではそれを考えたい。具体的には、非同次な指数分布に従う乱数を生成するにはどうしたらよいの
ベイズ統計と統計物理(統計科学のフロンティア12 計算統計II マルコフ連鎖モンテカルロ法の基礎)
サポートページ (ベイズ統計 ＆ マルコフ連鎖モンテカルロ) 2008年度より，新シリーズ「確率と情報の科学」が刊行開始となりました． 伊庭は編集のみで執筆の予定はありませんが，それとは別に新作の計画も練っております． 「統計科学のフロンティア」12巻『計算統計II』は好評6刷りとなりました． 伊庭は，第I部「マルコフ連鎖モンテカルロ法の基礎」，補論A「逐次モンテカルロ法 入門」を執筆しております． また，おかげさまで「ベイズ統計と統計物理」も5800部以上(7刷り)を超えました．フロンティア，確率と情報の科学ともどもよろしくお願いします． ― 伊庭幸人 店頭にない書店も多いので，ご友人やご同僚の方にお勧めの場合，ご購入はアマゾンまたは岩波書店の直売を利用していただくのが確実な旨，お伝えくださると幸いです． 統計科学のフロンティア12 計算統計II マルコフ連鎖モンテカルロ法の基礎 アマゾ
効果量としてのオッズ比
langstat @langstat ある学習者コーパスから得られた「表現Aの正用の頻度」、「表現Aの誤用の頻度」、「表現Bの正用の頻度」、「表現Bの誤用の頻度」から成る分割表に検定をする場合、サンプルサイズを「コーパスの総語数」とすると、まずいことが起きるような気がする。（続） langstat @langstat （承前）例えば、冠詞の正用と誤用の頻度は、関係詞の正用と誤用の頻度よりも相対的に数が大きいため、正用と誤用の比率が同じであっても、有意差が出やすい。その場合は、サンプルサイズをその文法項目（冠詞もしくは関係詞）の頻度の総数とすればよいのかしら？
Rstanでワイブル分布のパラメータ推定 | gepulog
Rstanでワイブル分布のパラメータ推定をしてみる。打切りを考慮するにはどうしたら良いのだろうか？ Stan Modeling Language User’s Guide and Reference Manual, v2.5.0の83ページ辺りを読めば出来そう。 weibull.stan data { int<lower=0> J; // number of data real<lower=0> tt[J]; // time } parameters { real<lower=0> m; real<lower=0> eta; } model { for(j in 1:J) tt[j] ~ weibull(m, eta); } library(rstan) data.ls <- list(J = 1000, tt = rweibull(1000, shape = 2, scale = 100
R AnalyticFlow
R AnalyticFlow ウェブサイトに移動します。 自動的に移動しない場合は リンクをクリックするか、ブラウザのアドレスバーに 直接 "r.analyticflow.com/ja/" と入力してください。
GF(仮)のキャラがニーソなのかどうなのかを Deep learning を使ってなんとか知りたい - 驚異のアニヲタ社会復帰の予備
GF(仮)を見てる。 クロエ・ルメールのようなニーソキャラが好きなのだが、これをどうにかキャラプロフィールから推定できないか…と思っていたら MNIST手書き文字データをdeep learnignで分類するっていう、あの有名なやつを、Rパッケージであるh2oでやる、という話があったわけで GFのプロフィール画像からニーソキャラかどうか推定しよう!! ってたぶん誰でも思いつくわけですよ。 というわけでやってみた。ちなみにdeep learning の勉強は1秒も進んでいない。 キャラがニーソであるかどうかは、おそらく髪が長くて金髪、つまりクロエ・ルメール的なキャラだとニーソ率が高いということがいままでのアニメ経験上分かっている感じ。 (だったら画像上、長髪キャラかどうかを判別するほうがたぶんdeep learning の本当の使い方なんだろうけど完全無視!!というかニーソ推定やってから気づい
Tokyo.r #44 lt.pptx
4. 11位: Nonparametric es;ma;on from incomplete observa;ons 䜹䝥䝷䞁䝬䜲䝲䞊ἲ ᭚㟢䛾᭷↓䛻䜘䜛⏕Ꮡ⋡䛾ẚ㍑ἲ 2್䛾䜰䜴䝖䜹䝮䛾䝸䝇䜽䛾᥎⛣䜢㛫䛾⤒㐣䜢⪃៖䛻ධ䜜䛶ゎᯒ Ẽ䛾⏕Ꮡ⋡䛰䛡䛷䛿䛺䛟ᶵᲔ䛾ᨾ㞀⋡䛾ẚ㍑䛺䛹䛻䜒䜟䜜䜛 E xampleཧ↷ leukemia.surv -‐ survfit(Surv(;me, status) ~ x, data = aml) plot(leukemia.surv, lty = 2:3) legend(100, .9, c(Maintenance, No Maintenance), lty = 2:3) ;tle(Kaplan-‐Meier Curvesnfor AML Maintenance Study) lsurv2 -‐ survfit(Surv(;me, status) ~
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
Amazon.co.jp: 基礎からのベイズ統計学: ハミルトニアンモンテカルロ法による実践的入門: 豊田秀樹: 本
Probability Distributions Viewer
Univariate Distribution Relationship Chart
2 3.GLMの基礎
