生態学データ解析 - ランダム効果とは?
リンク GLMM 参照, R 関連の参照 自由集会 2006 「個体差」のモデリング Crawley 先生 が書いた生態学者むけの統計学と R 入門書 Michael J. Cawley. 2005. Statistics: An Introduction using R. Wiley (URL) の p.178 あたりに random effects の丁寧な説明があったので久保が 勝手ながら翻訳してみます．この random effects は (たとえば) logistic 回帰や Poisson 回帰の overdispersion の原因となったり，あるいは正規分布 + 線形モデルなら大きすぎる「測定誤差」をもたらすものです． てきとーなる訳者・久保からいくつか注意あるのですが…… そもそも久保訳文がよくわからない・意味不明ぎみなところがありますので，参考程度にしてください 気に
ディスプレイ広告のクリック数改善のためのデザイン最適化に、ポアソン分布 / 負の二項分布によるGLMを使ってみる - 渋谷駅前で働くデータサイエンティストのブログ
これはディスプレイ広告に限った話ではないと思うんですが、あるPC / スマホ上の何かしらのクリエイティブに対するクリック数がそのデザインの良し悪しによって左右されるということは、web業界ではよく知られているかと思います。 そういう場合「どんなデザインがクリック数を増やすのに有効か？」というのは、厳密にはきちんと条件統制をかけて実験計画法に基づいてデザインしたA/Bテストなどで調べるべきなんでしょうが、そこまで綿密にやっている余裕のない現場も結構多いはず。 そこで、今回は既に計測済みの各広告のクリック数（CTRでしか得られていないようであれば実クリック数に直すものと想定する）データが得られているものと仮定して、それを各広告のデザイン要素を表すインデックス（二値orカテゴリカルデータ）のデータと組み合わせて、「どんなデザインをすればクリック数が増えるか？」を推定するというケースを想定してRで
R でポアソン回帰 - glm, MCMCpack - なんとなくな Developer のメモ
書籍 「 データ解析のための統計モデリング入門――一般化線形モデル・階層ベイズモデル・MCMC (確率と情報の科学) 」の 3章 「一般化線形モデル（GLM）」 と 9章 「GLMのベイズモデル化と事後分布の推定」 で説明されていたポアソン回帰を下記のような 3通りで試してみました。 (1) GLM によるポアソン回帰 （glm 関数） (2) MCMCpack を使ったベイズ統計によるポアソン回帰1 （MCMCpoisson 関数） (3) MCMCpack を使ったベイズ統計によるポアソン回帰2 （MCMCmetrop1R 関数） 書籍では、R から WinBUGS を呼び出して MCMC サンプリングを行っていましたが、今回は R 上でベイズ統計解析を実施する MCMCpack パッケージを試してみました。 サンプルソースは http://github.com/fits/try_sa
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
