GitHub - MatsuuraKentaro/RStanBook: 『StanとRでベイズ統計モデリング』のサポートページです.You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Doing Bayesian Data Analysis
For more information, please click links in menu at left, or in the pop-up menu on small screens (see menu icon at top left). There may be formatting infelicities on some pages. In August 2020, the site host (Google Sites) required migration to new formatting. The automatic re-formatting mangled some pages, but I think they are all at least functional. I appreciate your forbearance and hope you ca
回帰分析の悩みどころ (「アヒル本」7.1-7.5) [スライド紹介]
こんにちは。mutopsyです。この記事は，『StanとRでベイズ統計モデリング』読書会 (Osaka.Stan #4) で使用したスライドの紹介記事です。 『StanとRでベイズ統計モデリング』，通称「アヒル本」のChapter 7「回帰分析の悩みどころ」の前半部分を解説しているスライドです。回帰分析を用いる際に留意するべき点，あるいは工夫できる点として，「交互作用」「対数をとるか否か」「非線形の関係」「多重共線性」「交絡」の5つに焦点を当てています。内容に関してはスライドをご覧頂くか，「アヒル本」を読んで頂ければ良いかと思いますので，この記事ではスライド内で紹介しているStanコードを（コピペしやすいように）改めて紹介したいと思います。 以下のStanコードは，2つの説明変数（イケメンか否か・年収）で1つの応答変数（魅力）を予測する重回帰モデルです（この例は清水先生の記事を参考にしまし
![回帰分析の悩みどころ (「アヒル本」7.1-7.5) [スライド紹介]](https://cdn-ak-scissors.b.st-hatena.com/image/square/e6a2a479febcddf0914d501b8de7e65d8f9ce14e/height=288;version=1;width=512/http%3A%2F%2Fmutopsy.sakura.ne.jp%2Fsblo_files%2Fbayesmax%2Fimage%2Fogp_image.png)
心理学者のためのベイズ統計入門 | Sunny side up!
先日，大阪教育大学で発表した，「心理学者のためのベイズ統計入門」という講演の資料をスライドシェアにアップしました。 心理学者向け，というだけあって，かなり基礎的なところから解説しています。確率とか確率分布とか，そのあたりからです。最終的にはベイズファクターとか，MCMCとか，stanの話もあります。 興味ある方はご覧ください。ただ，若干長いです（140枚程度）。 あと，もし間違いが見つかりましたらご指摘いただけると助かります。 【2018年3月12日追記】 黒木玄（@genkuroki )さんからご指摘いただき、スライド内容に間違い、ミスリーディングな箇所があることがわかりました。スライドを見られる方は以下のツイートも併せてみていただくようお願いします。 https://twitter.com/genkuroki/status/973007871821557760 ご指摘感謝します。ほかに
大森ゼミ新歓
8. 第一章 ベイズ統計の誕生 ベイズ統計が産声を上げたのは 18 世紀に神学 者トマス・ベイズが現在「ベイズの定理」と して知られる定理を発見した時でした。 P（ Θ ｜ X ）＝ P（ Θ ） P（ X ｜ Θ ） /P（ X ） これがすべての始まりです。 9. 第一章 ベイズ統計の誕生 ベイズが考えていたのは「逆確率」の問題で す。 ここに表が出る確率が 1/2 でないかもしれない インチキコインがあります。何回かの実験で 様子見をして、表の出る確率 p について何か 言いたいとします。 仮に p について何かわかれば、そのコインを 使った賭けで勝てるかもしれません。しかし 観測の結果は偶然を含んでいます。 10. 第一章 ベイズ統計の誕生 p がある値であると仮定した時、どのような観 測がどのくらいの確率で出てくるかは簡単に わかりそうです ( 単なる 2 項分布ですね ) 。
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
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
検定力分析とベイズファクターデザイン分析によるサンプルサイズ設計【※Docswellにも同じものを上げています】
ベイズ深層学習(3.3~3.4)
performance packageでモデル評価 | Shushi Namba
JSSP2018チュートリアル資料
Concepts and Methods of Bayesian Statistics