生態学データ解析 - 最尤推定法とは
最尤推定 (さいゆうすいてい): 「最ももっともらしい」パラメーターの推定 「尤」の音読みは「ゆう」，訓読みは「もっともらしい (尤もらしい)」です． 尤度とは，ある確率論的モデルを仮定しているときに，その観測データが得られる確率 (あるいは確率密度) 簡単には，ある観測データに (あるパラメーターのもとで) 確率論的モデルが「どれぐらいあてはまっているか」を確率で表す尺度です 最尤推定とは，尤度を「手持ちの観測データのもとで，あるパラメーター値が得られる確率」とみなして (つまり尤度が未知パラメーターの関数とみなして)，尤度を最大化するようなパラメーター値を探索する推定方法です 最尤推定法を使う手順は 尤度方程式を作る: 確率論的モデルを作り (データがどういう確率分布に従うか，確率分布のパラメーターの関数型はどうなってるか)，それを数式として定義する……これが尤度方程式である 尤度最大
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
計算生態学 - GLMM
混合 (効果) モデル，とくに一般化線形混合モデル (generalized linear mixed model; GLMM; 一般化線形混合効果モデルとも) を簡単に紹介するペイジです 混合ではない一般化線形モデル (GLM) については GLM 参照 を 混合モデルは fixed effects と random effects の項を同時にもつ統計モデルです [もくじ] 2010 年代のニュース ネット上の GLMM の解説 混合モデルを推定計算する R の関数たち 尤度を数値積分しようとする方法 MCMC 計算によって解決するもの 尤度近似数値積分などつかう方法 罰則つき擬似尤度 (PQL) つかう方法 正規分布の線形・非線型混合モデル もっと複雑な random effects をあつかいたい 書籍 2010 年代のニュース 2017-10-26 glmmTMB bioRxiv
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
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
