頻度論 vs. ベイズ統計（後半） – 医療政策学×医療経済学
（写真：janneke staaks／クリエイティブ・コモンズ表示 2.0 一般） 前回のブログではベイズ統計の最大の強みである、結果の解釈が自然で直感的であるというお話をしました。今回はそれに引き続いてベイズ統計の強みと弱みの説明をしたいと思います。 ベイズ統計の強み（２）：柔軟性が高い 通常の頻度論の統計では対応することが難しいときでもベイズ統計では対処可能なことがあります（逆にベイズ統計ではできなくて頻度論の統計では解決できる統計の問題はあまりありません）。我々が最も頻繁に用いる回帰分析は頻度論でもベイズ統計でも解析することができるため、回帰分析を例として用います。回帰分析ではβ係数が暴露因子とアウトカムの関連を意味するため、多くの場合、このβ係数を推定することが目的となります。頻度論統計ではデータの数（サンプルサイズ）よりも求めたいβ係数の個数の方が多いと推定できません。例えば、サ
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
生態学データ解析 - FrontPage
生態学で使われるデータ解析・統計モデリングをあつかうサイトです． サイト管理者: 久保拓弥 内容: 統計学授業, R 関連, GLM 関連, GLMM 関連, ベイズ統計 & MCMC, よくある質問 などなど 全ペイジ一覧 統計学授業など 統計学授業: 久保の北大での授業 (cf. ELMS) 統計学授業の教科書: 「データ解析のための統計モデリング入門」 集中講義・セミナーなどはこちら 配信版: 配信版・統計モデリング入門 よくある質問あれこれ 生態学会大会などでの活動 生態学会の自由集会など (これまでの一覧) 2018 年 3 月 札幌大会: データ解析で出会う統計的問題: R の新しい作図・作表 生態学会誌などに掲載された 解説文一覧 (ダウンロードできるものものあります) 参考：Statistical Ecology Virtual Issue (Methods in Ecol
生態学データ解析 - ベイズ統計 & MCMC
ここはベイズ推定と MCMC 法 (Markov Chain Monte Carlo method; マルコフ連鎖モンテカルロ法) 関連についてのペイジです 特に階層ベイズモデルについて [もくじ] ネット上の Bayes 推定・MCMC 計算の解説 「ベイズ推定を MCMC 計算で」なソフトウェアたち ベイズ推定と R ベイズファクターなど 書籍 べいじあんな生態学研究者 Ben Bolker Ottar N. Bjørnstad James S. Clark Kiona Ogle John Silader Christopher K. Wikle ネット上の Bayes 推定・MCMC 計算の解説 講義とか：統計学授業 や 出張統計学授業 解説記事： 岩波DS01 2016 階層ベイズモデルの解説記事 信学会誌ベイズ解説: 電子情報通信学会誌に書いた階層ベイズ解説 (2009 年 10
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
http://www.ecology.kyoto-u.ac.jp/~ushima/rstat/20101203Bayes.pdf
