統計的因果推論 - Wikipedia
統計的因果推論（とうけいてきいんがすいろん、英: Causal inference in statistics）とは、実験データや観察データから得られた不完全な情報をもとに、事象の因果効果を統計的に推定していくことである[1]。20世紀後半から、ジューディア・パールや、ドナルド・ルービンらによって発展を遂げた。なお、「因果推論(Causal inference)」とのみ言う場合は、統計学に限らず哲学などを含めた、より広範な領域の議論を含むが、統計学、データサイエンス、経済学に関連する文脈で「因果推論」と言われる場合、しばしば「統計的因果推論」の手法に関わるものを指していることが多い。 手法[編集] 統計的因果推論のより具体的な手法としては、次のようなものが含まれる。[2] 実験計画法[編集] ランダム化比較試験（RCT：randomized controlled trial）： RCTは、
説明可能なAI - Wikipedia
説明可能なAI[1]（せつめいかのうなエーアイ、英語: Explainable artificial intelligence、略称XAI）またはAIを説明するための技術[2]は、人工知能 (AI) が導き出した答えに対して、人間が納得できる根拠を示すための技術である[3]。特定の技術やツールを指し示す言葉ではなく、「AIを理解する」という目的のために研究・提案されている技術の総称である[4]。XAIという用語は2017年4月から始まったアメリカ合衆国DARPA主導による研究プロジェクト（XAIプロジェクト）を契機として広く浸透した[1]。 背景[編集] 2010年代初頭の第三次AIブーム到来によりAIの利活用領域は多方面に広がり、自動運転車や病気診断など、影響の大きな、高い信頼性が求められる分野での利用も視野に入れられるようになってきた[5]。一般的なソフトウェアと異なり、機械学習により
統計モデル - Wikipedia
統計モデル（とうけいモデル、statistical model）は、標本データ（およびより大きな統計的母集団からの類似データ）の生成に関する一連の統計的仮定を具体化した数理モデルである。統計モデルは、データの生成過程をかなり理想化して表現していることが多い[1]。 統計モデルは通常、1つまたは複数の確率変数と他の非確率変数との間の数学的関係として規定される。統計モデルは「理論の形式的表現」（Herman AdèrによるKenneth Bollenの引用）である[2]。 すべての統計的仮説検定とすべての統計的推定量は、統計モデルを介して導出される。より一般的には、統計モデルは統計的推論の基礎の一部である。 導入[編集] 簡単にいうと、統計モデルとは「ある事象の確率を計算できる」という特別な特徴をもつ統計的仮定（英語版）（または統計的仮定の集合）と考えることができる。例として、2つの普通のサイ
GLOBAL NOTE グローバルノート - 国際統計データ専門サイト
世界の造船竣工量 国別ランキング・推移 ：2024.06.21世界の商船 保有船腹量（船主国ベース） 国別ランキング・推移 ：2024.06.21世界の商船 保有船腹量（船籍ベース） 国別ランキング・推移 ：2024.06.21世界の合計特殊出生率 国別ランキング・推移 ：2024.06.21世界の普通出生率 国別ランキング・推移 ：2024.06.21世界の平均寿命 国別ランキング・推移 ：2024.06.21世界の武力紛争発生件数 国別ランキング・推移 ：2024.06.21世界の武力紛争死亡者数 国別ランキング・推移 ：2024.06.21世界の医療費の公的負担割合 国別ランキング・推移（世銀） ：2024.06.21世界の医療費対GDP比率 国別ランキング・推移（世銀） ：2024.06.21政府支出に占める医療費割合 国別ランキング・推移 ：2024.06.21世界の死亡率 国別
リッジ(Ridge)回帰・ラッソ(Lasso)回帰の違い
線形モデル(linear model)は、実用的に広く用いられており、入力特徴量の線形関数(linear function)を用いて予測を行うものです。 まず、説明に入る前に言葉の定義から紹介します。 線形回帰 データがn個あるとした時にデータの傾向をうまく表現することができるy=w_0×x_0+....+w_n×x_n というモデルを探し出すこと 正則化 過学習を防いで汎化性を高めるための技術で、モデルに正則化項というものを加え、モデルの形が複雑になりすぎないように調整している (モデルの係数の絶対値または二乗値が大きくなってしまうと、訓練データのモデルに適合しすぎて、テストデータのモデルの当てはまりが悪くなる過学習という現象が起こるので、過学習を避けるために正則化項をつけている) 重み 説明変数（求めたいものに作用する変数）が目的変数に与える影響度合いを表現したものです。例えば上の線
リッジ回帰とラッソ回帰の理論と実装を初めから丁寧に - Qiita
はじめに 前回の記事で重回帰分析の導入をしてみたので、今回はその続きということで、2つ同時にやってみたいと思います。 ベクトルの微分公式については下記のブログが参考になります。 もしこの記事がお役に立てた時はQiitaのイイねボタンを押していただけると励みになります。 参考記事 「ベクトルで微分・行列で微分」公式まとめ 重回帰分析 リッジ回帰について考える際に、重回帰分析の理解はマストになるのでここでも見ていこうと思います。式変形については、前回の記事で詳しく導入したので少しだけ端折っていきます。 準備 説明変数$x_1, x_2, x_3, \cdots, x_m$を$\boldsymbol{x}$（$x$のベクトル）とする 予測値を$\hat{y}$とする（$\hat{y}$はスカラー） 回帰係数を$w_1, w_2, w_3, \cdots, w_m$を$\boldsymbol{w}
リッジ回帰 - Wikipedia
リッジ回帰（リッジかいき、Ridge regression）は、独立変数が強く相関している場合に、重回帰モデルの係数を推定する方法[1]。計量経済学、化学、工学などの分野で使用されている[2]。 この理論は、1970年に Hoerl と ケナード が Technometrics の論文「RIDGE regressions: biased estimation of nonorthogonal problems」と「RIDGE regressions: applications in nonorthogonal problems」で初めて紹介した[3][4][1]。これは、リッジ分析の分野における 10 年間の研究の結果だった[5]。 リッジ回帰は、線形回帰モデルに多重共線性がある（強く相関する独立変数がある）場合に最小二乗推定量が不正確になることを解決するために開発された。リッジ回帰推定量
合計特殊出生率の計算式の1971年変更について - remcat: 研究資料集
今日の東京新聞ウェブサイト (TOKYO Web) にこんな記事が載っていた： 少子化対策の重要な指標の一つ「合計特殊出生率」の公表値が、実態より過大であることが分かった。基となる厚生労働省の統計の対象が「日本における日本人」で、外国人の女性は計算に入らないのに、国際結婚で生まれた日本人の子は入っているためだ。 ――――― 東京新聞「合計特殊出生率 実態は公表値よりもっと低かった…専門家が「信じられない」統計手法とは」(TOKYO Web 2023年7月2日 06時00分) https://www.tokyo-np.co.jp/article/260366 うん。まあそれは専門家なら誰でも知ってる話である。そういう計算式であることは以前から公表されていて、この50年間一貫してるのだから、それで計算した結果が何を意味してるかについてちゃんと議論すればよかろう。 これ自体はそういうことなのだが
総務省統計局 データサイエンス・オンライン講座 社会人のためのデータサイエンス入門
統計データを用いた分析事例を知り、 統計リテラシーを学ぶ ・大人がデータサイエンスを学ぶべき理由 ・統計データからわかること① ・統計データからわかること② ・統計データからわかること③ ・統計リテラシーの重要性 ・統計を利用する際の注意点 データ分析に必要な統計学の基礎を学ぶ ・データの種類 ・代表値～平均・中央・最頻値 ・ヒストグラムと相対度数 ・四分位・パーセンタイル・箱ひげ図 ・分散・標準偏差 ・相関関係 ・回帰分析 ・標本分布 ・信頼区間 データの見方と 適切なグラフの選び方を学ぶ ・統計表の見方 ・比率の見方①－クロスセクションデータ－ ・比率の見方②－使い方と注意点－ ・時系列データの見方① ・時系列データの見方② ・グラフの選び方① ・グラフの選び方② ・グラフを作る時・読む時の注意点 誰もが使える公的統計データの取得方法と 使い方を学ぶ ・公的統計とは ・公的データの入手
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
https://www.amazon.co.jp/dp/4274230619
https://www.amazon.co.jp/dp/4865942920
https://www.amazon.co.jp/dp/4274067750
https://www.amazon.co.jp/dp/4802613199
https://www.amazon.co.jp/dp/4254126654
https://www.amazon.co.jp/dp/4320112563
合計特殊出生率 実態は公表値よりもっと低かった…専門家が「信じられない」統計手法とは：東京新聞 TOKYO Web
https://www.amazon.co.jp/dp/4862555764
Cookie support required
Amazon.co.jp: 評価指標入門〜データサイエンスとビジネスをつなぐ架け橋: 高柳慎一 (著), 長田怜士 (著), 株式会社ホクソエム (監修): 本
https://res.cloudinary.com/dyd911kmh/image/upload/v1676480048/Marketing/Blog/The_State_of_Data_Literacy_2023.pdf
