統計的因果推論（傾向スコア）の勉強会資料をアプしてみた - Take a Risk：林岳彦の研究メモ
みなさまお久しぶりです。私はけっきょくminor revisionに三ヶ月もかかってしまい他の仕事にしわ寄せキまくってます。 今回は某勉強会で傾向スコアを扱ったのでその勉強会資料をアップしてみます（環境によってはサムネ画像がでないかも）。 傾向スコア：その概念とRによる実装 View more presentations from takehikoihayashi ＊上のファイルはプレゼン用（差分）なので印刷用PDF資料としてはこちらのファイル（ PSAseminar_file20120426.pdf )をどうぞ。 ＊追記：上記のプレゼン内で使っているRのscriptのfileもどうぞ（ PropScore_Rscript.R ） 傾向スコアってなにそれおいしいの？ 傾向スコアとは何かというと、実験ができない場合（調査観察データなど）における交絡の調整方法です。（一応言っておきますが交絡を
欠測データの相関係数の推定法について発表しました - ほくそ笑む
先日行われた BUGS/stan勉強会 #3 で発表させていただきました。 タイトルは「Stan で欠測データの相関係数を推定してみた」です。 欠測データに対して相関係数を求めるとき、普通のやり方では実際の値より小さい値になってしまいます。そこで、片側だけしか観測できていない不完全データを用いて推定精度を上げる方法を紹介しています。 スライドは下記にアップしています。 Stan で欠測データの相関係数を推定してみた from hoxo_m 最終的なコード全体はこちらに載せています。 Stan の勉強にあたっては、ごみ箱さん、beroberoさん、伊東さんにアドバイスを頂きました。ありがとうございます。 hoxo_mさんのバイアスの掛かったデータの相関係数の問題、よく使われる統計手法からの発展としてすごくいい例だし、片方しか観測されていないデータを使ってもあれほど改善するとは驚いた。#Tok
EM algorithm（EMアルゴリズム、Expectation Maximization algorithm）について - データサイエンティスト上がりのDX参謀・起業家
EMアルゴリズムはいろんなところで使われます。 基本的には未知パラメータの推定方法の一種です。 とりあえず箇条書でまとめます。 提案論文：Maximun likelihood from incomplete data via the EM algorithm. Dempster AP, Laird NM and Rubin DB. JRSS B. 39,1-38. 1977. 提案者のRubinは欠測分野、因果推論の権威で次の教科書も書いています。 Statistical Analysis with Missing Data (Wiley Series in Probability and Statistics) 作者: Roderick J. A. Little,Donald B. Rubin出版社/メーカー: Wiley-Interscience発売日: 2002/09/09メディア:
心理統計いろいろ - 村山航
信号検出理論 (Stanislaw & Todorov (1999, Behavioral Research Methods, Instruments, & Computers) を参照 /* H=hit rate, FA=false alarm rate */ /* d'の算出（正規性，等分散性の仮定必須） HやFに0があるときは，試行数（分母）に1を，hit数，false alarm数（分子）に0.5を足して，HやFを求める */ DPRIME= PROBIT(H)-PROBIT(F)< /FONT> /* βの算出（SN比によるresponse bias) */ BETA= EXP((PROBIT(F)**2-PROBIT(H)**2)/2) /* lnβの算出（βに自然対数をとっただけ） */ LNBETA= (PROBIT(F)**2-PROBI
POY 日本語レビュー
昆虫の高次系統進化に関する論文の備忘メモ 「裳華房バイオディバーシティ－シリーズ節足動物，六脚類の系統と進化」の訂正，追加も リンクなどはご自由に
Web上の膨大な画像に基づく自動画像補完技術の威力 - A Successful Failure
画像内に映り込んだ所望のオブジェクトを排除し、違和感の無い画像を生成するシーン補完技術に関しては近年複数の研究成果が発表されている。しかし中でも2007年のSIGGRAPHにて米カーネギメロン大のJames HaysとAlexei A. Efrosが発表した手法*1はブレークスルーとなりうる画期的なものだ。 論より証拠、早速適用例を見てみよう。本エントリで利用する画像はPresentationからの引用である。元画像の中から邪魔なオブジェクト等の隠蔽すべき領域を指定すると、その領域が補完された画像が自動的に生成される。 アルゴリズム 効果は抜群だがアイデア自体は単純なものだ。Web上には莫大な数量の画像がアップされており、今や対象となる画像の類似画像を一瞬にして大量に検索することができる。そこで、検索された類似画像で隠蔽領域を完全に置き換えてしまうことで違和感の無い補完画像を生成するのだ。
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
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
Stan で欠測データの相関係数を推定してみた
Gonzalo Mateos
Department of Statistics | Eberly College of Science
Missing Data | LSHTM
DropCatch.com
Redirect - Virginia Commonwealth University
The space of human body shapes: reconstruction and parameterization from range scans
サービス終了のお知らせ
Missing Data
https://dl.acm.org/citation.cfm?id=16301.16303&dl=GUIDE&dl=ACM&idx=J689&part=periodical&WantType=periodical&title=ACM%20SIGMOD%20Record
リレーショナル・データベースの世界