日本におけるCOVID-19患者数の公開データに基づく将来予測 - acrophile
はじめに 使用データ モデル システムモデル 状態変数 観測変数 状態変数の初期値 状態間の遷移速度 実効感染速度の推移の滑らかさ 定数 状態遷移 観測モデル 実効再生産数 $R_t$ モデルとデータによる推論結果 感染の将来予測の結果 PCR陽性累積報告数 入院または入院待機数 累積死亡報告数 累積退院数 感染性患者の推定数 入院を経ない回復数 推定累積死亡数 これまでの実効再生産数や実効感染速度 実効再生産数 実効感染速度 スカラー値のパラメータの推定結果 各状態に遷移してからの日数に依存するパラメータの推定結果 おわりに はじめに COVID-19(新型コロナウィルス感染症)の感染が今後どのように推移するのかは、ほとんどの人の関心事です。定量的な予測が公開されていれば、個人や企業の意思決定に利用できますが、私の知る限り、今までのところ公開されていません。 また、予測の根拠と過程が公開
ベイズの勉強に良さそうな記事まとめ - HELLO CYBERNETICS
初めに 理論的な話題 渡辺先生の理論 体系的に学べる無料動画 実践的な話題 変分ベイズ法 サンプリング法 プログラミングの話題 当ブログの記事 初めに ベイズの勉強中の私が、個人的に良かった！良さそう！と思った記事をメモした記事です。 理論的な話題 渡辺先生の理論 有名な赤池情報量基準(AIC)やベイズ情報量基準(BIC)を更に広範囲に適用可能にしたWAIC並びにWBICを導出した渡辺先生の理論をまとめてくださっている記事です。純粋数学専攻の立場から、ベイズ統計について解説してくださっており、どこまでをどのレベルの数学を用いて理解すべきかの指針にも触れられています。 mathetake.hatenablog.com 主に以下の書籍の内容に書かれていることの要約と言っていいでしょう。 ベイズ統計の理論と方法 作者: 渡辺澄夫 出版社/メーカー: コロナ社 発売日: 2012/03/01 メデ
RStanとShinyStanによるベイズ統計モデリング入門
第50回 TokyoR 発表資料 Stanコードは下のサイトで公開しております。 https://github.com/teuder/TokyoR50 Read less
ベイズ推定を知っているフリをするための知識
最近はベイジアンが増えてきて、実用分野での利用も進んでいるようだ。話題としては知っておきたいが、世間一般には理解に混乱を生んでいるようだ。 ベイズ推定は入門レベルの統計学の教科書ではオマケ的な扱いがされており、実際に伝統的な統計手法を拡張している面が強い。そういう意味では、誤解や混乱があっても仕方が無い。 利用する必要があるのか無いのか良く分からない点も多いのだが、知らないと告白するのも気恥ずかしいかも知れない。自分ではベイズ推定で分析を行わない人が、ベイズ信者と話をあわせるために最低限知っておくべき事をまとめてみた。 1. ベイズ推定とは何か？ ベイズ推定とは、ベイズの定理を応用した推定手法だ。端的に理解するためには、最尤法に事前確率を導入している事だけ覚えれば良い。これで哲学的議論を全て回避してベイズ推定を把握することができる。 下の(1)式ではπ（θ）が事前確率、π(θ|x)が事後確
脳を理解するための情報源メモ
脳を理解し BESOM モデルを拡張するために必要な知識の 良質な情報源を、独断で選んで紹介します。 （ 2014-06-04 更新） （2013-02-07: 内容が一部古くなっています。 また、少し敷居を上げ過ぎた感があるので、もう少し絞り込んで整理し直したいと思っています。） ★★★・・・ 必読。脳を理解しようとする人は必ず目を通すべきだと思います。 ★・・・ おすすめ。大変役に立ちます。 * こちらもご覧ください。 「脳を理解するための情報源メモ」更新予定メモ 目次 脳科学全般 機械学習 パターン認識、 自己組織化マップ、 ベイジアンネット、 独立成分分析、 主成分分析、 強化学習、 特徴選択、 正則化、 フレーム、 Deep Learning 認知科学・心理学 遂行機能、 事象関連電位、 アフォーダンス、 選択的注意 神経科学 神経解剖学、 計算論的神経科学 哲学 意識、 自由意
bnlearnでベイジアンネットワーク - ryamadaの遺伝学・遺伝統計学メモ
パッケージ bnlearn のホームページとCRAN ベイジアンネットワークの概要 データがある 要素をAcyclic directed graph状にして、一番よい形を見つけ、その形の辺に適当な値を見出す bnlearnでなぞる データはdata.frame。こんな風にして、関係のあるデータを作ってやってもよい。 Ns<-10000 A<-rpois(Ns,10) B<-rpois(Ns,10) C<-rpois(Ns,10) D<-rpois(Ns,10) E<-rpois(Ns,10) B[1:(4*Ns/5)]<-A[1:(4*Ns/5)] C[1:(3*Ns/5)]<-A[1:(3*Ns/5)] D[1:(2*Ns/5)]<-A[1:(2*Ns/5)] E[1:(1*Ns/5)]<-A[1:(1*Ns/5)] d<-as.data.frame(cbind(A,B,C,D,E))
厚生労働省：平成１７年 市区町村別生命表の概況
２．ベイズ推定とは 平成17年市区町村別生命表では、市区町村別死亡率の推定にあたり、ベイズ統計学を用いた「ベイズ推定」を行っている。 小地域における生命表作成では、当該小地域内の観測死亡データが少なく、死亡率の推定が困難となる場合が生じるという問題がある。これは、死亡という事象の発生頻度が低い一方、実際の死亡データが「1人単位」でしか観測できないことによっている。例えば、本来の死亡率を0.05とした場合、人口1万人の地域では本来の死亡数は500人であるが、観測死亡数に１人増減が出たとしても、死亡率推定値は0.0499～0.0501と本来の死亡率からは0.2%の変動しか起こらない。ところが、人口100人の地域で同様に考えると、観測死亡数１人の増減は死亡率の推定値に0.04～0.06という変動を与え、本来の死亡率から20%も変動してしまうこととなる。このような場合、観測データ以外にも対象に関す
Bayesian Statistics and Marketing
Bayesian Statistics and Marketing by Peter E. Rossi, Greg Allenby, and Rob McCulloch bayesm, an R package to implement models and methods in this book is now available on CRAN. bayesm contains datasets and code to implement many of the models in chapters 1-7 of BSM. Additional data and code for the case studies is given below: CS 1: A Choice Model for Package Goods xdata ydata run
Bayes - Wiki
Bayes ベイズ法に関連するプログラム等。 最終更新時間：2009年12月11日 13時23分28秒 ベイズ法について パッケージソフト BUGS RのMCMCpackパッケージ パッケージソフトは使わない BUGSコード 実例：株価の変化率の t 分布への当てはめ 1. Normal Linear Model 2. Heteroscedastic Regression 3. Regression with Autocorrelated Errors 4. CES Production Function 5. Probit Model 6 Tobit Model 7. Truncated Normal 8. Ordered Probit 9. Poisson Regression 10. Heterogeneous Poisson Regression 11. Right Censore
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
『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
数式をなるべく使わないベイズ推定入門