Stanで統計モデリングを学ぶ(5): とりあえず階層ベイズモデルを試してみる（応用編：トレンドのあるモデル） *追記2件あり - 渋谷駅前で働くデータサイエンティストのブログ
このシリーズ記事、全然真面目に事前分布の勉強をしていない人間がStanで無理やりフルベイズをやろうという無謀な代物でございますが、何だかんだで段々佳境に入ってまいりました。 ということで、今回は階層ベイズモデルをこんな感じでやってみましたという例を挙げてみようかと思います。ちなみに内容的には@berobero11さんのこちらの記事（「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」）をグレードダウンさせた感じのものだったりします（笑）。そして先日招待講演させていただいた時の最後の方で取り上げた例でもあります。 そんなわけで、どのようにしてやっていったかを含めてサクサク見ていきましょう。階層ベイズについて忘れちゃったという人は、前回の記事あたりを読んで復習してもらえれば。 データをインポートする いつも通り、サンプルデータをGitHubに上げてあるので持
Rによるデータサイエンス：１２章「時系列」
6. データの形式と属性 > class(lh) [1] "ts" > lh Time Series: Start = 1 End = 48 Frequency = 1 [1] 2.4 2.4 2.4 2.2 2.1 1.5 2.3 2.3 2.5 2.0 1.9 1.7 2.2 1.8 3.2 3.2 2.7 2.2（以下省略） ※女性の血液中の黄体ホルモンを10分間隔で測定したデータ・・・だそうです 6 7. データの形式と属性 > start(UKgas) [1] 1960 1 > end(UKgas) [1] 1986 4 > frequency(UKgas) [1] 4 > UKgas Qtr1 Qtr2 Qtr3 Qtr4 1960 160.1 129.7 84.8 120.1 1961 160.1 124.9 84.8 116.9 1962 169.7 140.9 89.7
Microsoft PowerPoint - Lecture_ISM_MV-TS_20100118.pptx
統計科学の実践と応用 多変量データ解析と時系列解析入門 吉田 亮 (統計数理研究所; モデリング研究系) e-mail: yoshidar@ism.ac.jp スライドのダウンロード： http://daweb.ism.ac.jp/~yoshidar/index_j.htm 1 1 多変量データ解析 サンプル（個体）を特徴付ける変数（特徴変数）が「複数」あるデータセット を分析するための統計技法 (例) 患者（個体）400人の約20,000個の遺伝子の発現量（変数）が計測されました。 どうやって分析しますか？ p = 20,000 個の変数 1 1 n = 400人の個体 2 p x1,1 x2 ,1 M xn ,1 x1,2 LLL x2 ,2 LLL x1, p x2 , p 2 n M LLL M xn ,1 LLL xn , p 2 2 多変量デ
http://www.ai.u-hyogo.ac.jp/~arima/arima.pdf
2002 5 8 , 1 , , GNP, , , t yt 1, 2, . . . , T , {yt}T t=1 = {y1, y2, · · · , yT } (1) 1: Iowa City 2: GDP 1 Iowa City 12 3 GDP , , 1 2 , , (1) T Y1, Y2, · · · , YT {1, 2, . . . , T} , , {Yt}t≥1 = {Y1, Y2, Y3, · · ·} (2) (2) , , , {Yt}t≥1 , E(Yt) (3) Var(Yt) = E[(Yt − E(Yt))2 ] (4) Corr(Yt, Yt−k) = E[(Yt − E(Yt))(Yt−k − E(Yt−k))]/Var(Yt) (5) (3), (4) Yt , (5) Yt Yt−k , {Yt}t≥1 k t , 2 k , E(Yt) =
とある金融屋の統計技師が時系列解析してみた
ベイズ統計学の基礎概念からW理論まで概論的に紹介するスライドです．数理・計算科学チュートリアル実践のチュートリアル資料です．引用しているipynbは * http://nhayashi.main.jp/codes/BayesStatAbstIntro.zip * https://github.com/chijan-nh/BayesStatAbstIntro を参照ください． 以下，エラッタ． * 52 of 80：KL(q||p)≠KL(q||p)ではなくKL(q||p)≠KL(p||q). * 67 of 80：2ν=E[V_n]ではなくE[V_n] → 2ν (n→∞). * 70 of 80：AICの第2項は d/2n ではなく d/n. * 76 of 80：βH(w)ではなくβ log P(X^n|w) + log φ(w). - レプリカ交換MCと異なり、逆温度を尤度にのみ乗す
季節調整法 X-12-ARIMA について
X-12-ARIMAはアメリカセンサス局（U.S. Census Bureau）で開発された季節調整法（Seasonal Adjustment）です。 日本でも月次や4半期の統計の季節調整法として最もよく使われています。しかし、実際に使ってみようという場合、日本語の資料が少なく、統計的な知識も必要なため、かなり高いハードルがあります。ここでは、とりあえず X-12-ARIMA を使ってみたいという人向けにページを作成してみました。実際に使って見ると、それほど難しいということはないので、多くの人に使ってもらえるようになればと思っています。 毎月の売り上げや4半期の決算数字を比較する場合、季節によって売り上げが変動することが多く、前月や前期と比較することが困難なため、普通は前年同月比や前年同期比を使います。しかし、前年同月比では最近の動きがよくわからないという欠点があります。X-12-ARIM
e_dis091a.pdf カールソン・パーキン法によるインフレ期待の計測と諸問題
経済社会総合研究所ウェブサイトは、2021年2月20日にESRI統計情報・調査結果ウェブサイトと統合し、リニューアル及びURL変更を行いました。 恐れ入りますが、下記URLよりアクセスいただきますようお願いいたします。 The Economic and Social Research Institute website combined with the ESRI Statistics website for a revamp on February 20, 2021, leading to URL changes.Please use the following URL to access the new site. 経済社会総合研究所ウェブサイト トップページ（https://www.esri.cao.go.jp/index.html） シンポジウム・フォーラム（https://www
Rで計量時系列分析：VARモデルから個々の時系列データ間の因果関係を推定する - 渋谷駅前で働くデータサイエンティストのブログ
前回の記事ではVARモデルの基礎までを取り上げました。ということで、今回はVARモデルに基づいて異なる時系列同士の因果関係を推定する3つの手法について取り上げてみようと思います。 ということで毎回毎回しつこいですが、使用テキストはいつもの沖本本です。 経済・ファイナンスデータの計量時系列分析 (統計ライブラリー) 作者:竜義, 沖本朝倉書店Amazon 以下タイトルにのっとってRで各モデルの挙動を見ながらやっていきます。 必要なRパッケージ＆サンプルデータ {vars}をインストールして展開して下さい。なお、Granger因果のグラフ構造表現及び偏Granger因果は、実はそもそもRでは実装されていません。ここだけMatlabの話題になりますので、悪しからずご了承を。。。 それから今回のサンプルデータですが、また{vars}同梱のCanadaでは芸がないので違うデータを使うことにします。沖
Rで計量時系列分析：AR, MA, ARMA, ARIMAモデル, 予測 - 渋谷駅前で働くデータサイエンティストのブログ
前回の記事では計量時系列分析とは何ぞや？みたいなところをやりましたので、今回はいろはのイともいえるARIMAまわりから始めていこうと思います。 ということで改めて、使用テキストはいつものこちらです。 経済・ファイナンスデータの計量時系列分析 (統計ライブラリー) 作者: 沖本竜義出版社/メーカー: 朝倉書店発売日: 2010/02/01メディア: 単行本購入: 4人 クリック: 101回この商品を含むブログ (6件) を見る 以下タイトルにのっとってRで各モデルの挙動を見ながらやっていきます。 必要なRパッケージ {forecast}をインストールして展開して下さい。Rそのものの初心者向け説明はここでは全面的に割愛するので、適宜何かしらの初心者向け説明をご参照あれ。 今回のモデルで目指すもの 前回の記事では、要は「自己相関が大事よー」という話を何度もしました。ということは、時系列モデリング
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
Rで計量時系列分析～CRANパッケージ総ざらい～
Using X12-ARIMA with R « Blog by Rytis