mahler-5のブックマーク - はてなブックマーク

岩波データサイエンスvol1のいくつかの例題をStanでやってみた
岩波データサイエンスは従来の書籍とは異なり、以下のサポートページの異様な充実がウリの一つです。 https://sites.google.com/site/iwanamidatascience/ ソースコードを見ながら自分で色々書いてみるのは有益だと思いますが、今回は書籍の中の簡単な例題をいくつかStanで書きなおしてみました。 ●「階層ベイズ　最初の一歩」の例題からモデル1のベイズ版から。気をつけるべきは本にもちょろっと書いてありますが、21行目のnormal関数です。JAGSなどのBUGS言語ではdnorm(平均, 精度)で渡すのに対し、Stanではnormal(平均, 標準偏差)で渡します。また、本にも書きましたがStanでは事前分布の記述をしなければ自動で十分に広い一様分布が使われるので、積極的に使っています。これを実行するRコードは以下のとおり。・2-3行目は並列計算させ
mahler-5 2015/10/23
R

MCMC
リンク
Stanで久保緑本11章のCAR model（空間構造のあるベイズモデル）
CAR modelが使えないからWinBUGSから移行できない・したくない皆様に朗報です。ちゃんとできたっぽいです。データや背景は久保さんのページをよく読んでください。ここやここです。今回のStanコードはほとんど伊東さんの試行錯誤の記録からコピペしました。いつも公開感謝です！ただし、GeoBUGSのmanualに以下のように書かれていたのでrの合計がゼロになるようにしました。あと変数名も自分好みに少し変えました。 The car.normal and car.l1 distributions are parameterised to include a sum-to-zero constraint on the random effects. まずは欠損値のないバージョンから。・11,17,21-23行目: rの合計が1になるようにしています。・25-36行目: CAR model
mahler-5 2015/09/11
MCMC
リンク
RStanで『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
こんばんは、ゆるふわの対極であるところのガチムチ角刈り系のberoberoです。この記事はR Advent Calendar 2013の26日目の記事になります。 12/22(日)にBUGS/Stan勉強会#2がドリコム株式会社にて催されました。そこで2つ発表をしました。そのうちの1つ「『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた」に関する詳細＆補足＆苦労話をここで書きたいと思います。RStanというパッケージでRからStanというMCMCサンプリングソフトを使っています。最初に発表内容のスライドは以下になります。ざっと見るにはこれで十分です。『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた from berobero11 以降ではスライドごとに簡単に補足していきます。まずは元となった書籍の紹介です。時系列解析の第一人者による分か
mahler-5 2015/09/03
MCMC

R

ベイズ
リンク
[R] Gaussian Process Latent Variable Models (GPLVM) を使ってみる
日々、スポットライトがあたっていない良ライブラリを見つけては紹介したいと思っています。スポットライトのあたっていない良若者も然りです。おせっかいおじさんです。今日はPCA（主成分分析）のド発展版に相当する、ガウス過程を用いたGPLVMをRからサクッと使うまでの備忘録です。 GPLVMの説明で分かりやすいのは、以下の統計数理研究所のH26年度公開講座「ガウス過程の基礎と応用」の持橋先生と大羽先生の発表資料です。 [1] 統計数理研究所 H26年度公開講座「ガウス過程の基礎と応用」 (web) 元論文は以下です。 [2] M. K. Titsias and N. D. Lawrence　(2010)　Bayesian Gaussian Process Latent Variable Model. Thirteenth International Conference on Artificial
mahler-5 2015/08/04
主成分分析

R
リンク
1