ベンジャミン・ホー（Benjamin Ho）の『Why Trust Matters：An economist’s guide to the ties that bind us』 （『信頼が大事なワケ：ヒトとヒトをつなぐ「信頼」の謎を解く』）は、「信頼／ソーシャルキャピタル（社会関係資本）の経済学」が手際よく概観されている一冊だ。私がとりわけ強く印象を受けたのは、「信頼」と「我慢強さ」とのつながりに関する指摘だ。ホー曰く、「関係当事者が将来に高い価値を置く（将来得られる利得を重んじる）ほど――言い換えると、我慢強いほど――、（お互いが信頼し合う）協調的な関係が保たれやすくなる」。わかりきっているはずなのに、どういうわけかこれまですっかり見過ごしてしまっていたつながりだ。契約書の強靭さは、ゴルディロックスが出した小さなお皿のお粥の温度と同じくらい（ほどほど）が望ましいという指摘もお気に入りだ。
エリア分割について、今回さらに掘り下げて見ていく。この手法は、実際には集計結果にどのような影響があるのだろうか。規模や形状の影響を想像できなければ、独自の視点を考えることは難しい。可変単位地区問題への対応と独自視点を構築するために、今回はモンテカルロ法による地区分割の実験を行い、その結果を紹介する。 モナコ公国にあるモンテカルロ地区にちなんだシミュレーション手法「モンテカルロ法」をご存じだろうか。これが分かればデータ分析力がグンとアップする（写真／Shutterstock） 今回はかなり難解な解説になるが、データ分析には非常に有用なため、ぜひじっくり読み進めてほしい。 まず、モンテカルロ法（Monte Carlo Method）について、どのようなものかを紹介しよう。簡単にまとめると、「確率変数のサンプリングをコンピューターを用いて行うことで、数学的問題を（主として数理統計学における意味で
この度、2019年度の統計検定1級（理工学）に合格しました。 去年度までと問題の傾向が変わり、対策の方向性も変わってきたかなと思ったので、学習の履歴ととともに来年度の参考になればと思い、履歴を書き残してみます。 統計検定/統計検定1級とは？ 統計検定は、日本統計学会公認の資格で、統計関係の資格では一番メジャーかもしれません。 中学生レベルの4級から、大学専門課程の1級まであり、データサイエンスへの関心の高まりとともに受験者も増えているともっぱらの噂です。 1級は、公式によると、 実社会における様々な分野におけるデータ解析のニーズに応えるための基本的な能力の習得如何を問うものです。レベル的には定量的なデータ解析に深くかかわるような大学での専門分野修了程度となっています。 …と言ってもよくわからないと思うので問題を眺めた印象から言うと、 統計学を用いる様々な分野のアカデミックで応用研究を始める
上の記事から1年が経つし今考えていること書いていこうと思う。 ゴールデンウィークも終わったしポエムを書いても誰も気にしないというか気にするな。 誰？詳しくは上のやつを読んでね ・ 現職は未だにJapanese Traditional Company → 勝手に在宅勤務始めたら「不公平」と怒られた (謎)(勝手にやるのはよくない) ・ Slackは未だに導入できないので、Teamsを導入し布教した。 → 在宅勤務時のコミュニケーション効率化に大きく寄与した(気でいる) ・ お客さんがデータサイエンスに詳しくなった。 → 内製できるようになったので案件失注しました問題！？ ・ オペレーターからマネージャーにジョブシフトしそう → マネジメントをやってから転職？ → それとも手を動かすのに専念するために転職？ ・ AWS EC2のまっさらな状態からデータ分析環境を構築することに失敗 → インフラ
2021年6月20日に行われた統計検定準1級試験に合格していました。 試験内容、受験戦略と受験動機、勉強内容について、ブログ上に記録として残したいと思います。 バックグラウンド 試験内容 受験動機 受験戦略 統計検定過去問に関するtips 学習内容・使用した教科書 受験申し込み 試験本番 試験を終えての反省 G検定、E資格との関わり 終わりに バックグラウンド 大学生 非理数、非情報系 東大数学80点くらいの高校数学力 いわゆる大学数学を学んでいない 統計が好きで数理統計学の勉強をしていた pythonはちょっとだけ使えてた（AtCoder緑） E資格取りました！ 試験内容 120 分、マーク30問程度、部分記述小問8問程度、記述問題大問3つから一題選択です。 レベル感としては一般的な資格試験（英検とか数検、漢検など）の準 1 級とは一段上の印象があります。また、統計検定で比較しても 2
ktatsuya77
このサイトには， 教科書「データ解析のための数理統計入門」（共立出版, 2023）における章末の演習問題の解答，内容の補足事項と追加問題および解答，本文の数値計算で利用したRのコード，誤植の訂正 教科書「現代数理統計学の基礎」（共立出版, 2017）における章末の演習問題と解答（追加の問題と解答を含む），誤植の訂正，内容の補足説明，特にベイズ推測についてのまとめやノンパラメトリック検定など様々な検定の解説 教科書「統計学」（東京大学出版会, 2016）における章末の演習問題とその略解，実力確認テスト，誤植の訂正箇所，内容の補足説明，統計検定2級試験のための補足説明と追加問題，第１章の内容のスライド，利用されたデータと統計計算ソフトRのコード（スクリプト） がおいてあります。特にRのスクリプトを利用するとデータ解析を容易に行うことができるので，とても便利です。 「List of Public
データ解析のための数理統計入門 - 共立出版
本書は、好評書『現代数理統計学の基礎』の著者による、データ解析のための数理統計の基礎をわかりやすく解説する書籍である。難易度は前著よりもやや下がり、統計検定®でいうと準1級レベルとなる。 前半では、確率、確率変数、確率分布、期待値と共分散、大数の法則と中心極限定理などの基礎知識と必要な道具を学習した上で、パラメータの推定や信頼区間、仮説検定などの推測統計の方法を説明する。後半では、線形回帰、ロジスティック回帰、分散分析、ベイズ統計とMCMC法、ブートストラップ法、ノンパラメトリック検定、生存時間解析、多変量解析などの様々なトピックを扱い、統計分析の幅広い知識と手法を述べる。ウィルス検査などの具体的な数値も要所要所に交え、また各章末に基礎的な問題を豊富に用意して、知識を定着しやすくしている。 「統計検定」は、一般財団法人 統計質保証推進協会の登録商標です。 第1章 確率モデル 1.1 標本空
中心極限定理の収束スピードについて
Skip to the content. この記事はWathematica Advent Calendar 2021の10日目の記事です！ Wathematica Advent Calendar 2021 こんにちは、えぽぱかです。 今回は統計学において基本的で重要な定理である中心極限定理の収束スピードについて考えていきたいと思います！前提知識として数Bの「確率分布と統計的な推測」およびテイラー展開に関する知識を仮定します。 さて、まずは今回扱う中心極限定理のふわっとした主張について見ていきましょう！ 定理（ふわふわ中心極限定理） 平均が$μ$, 分散が$σ^2$の確率分布からランダムに$n$個のデータを取ってきたとき, それら$n$個の平均がつくる確率分布は、十分大きい$n$で平均$μ$, 分散$\frac{σ^2}{n}$の正規分布に近似的に従う。 たとえばサイコロを1回振ったときに出
令和4(2022)年度 東京大学大学院 情報理工学系研究科 コンピュータ科学専攻 夏院試 合格体験記
はじめに タイムライン -2020/08 2020/09-2021/02 2021/03- 3月 4月 5月 6月 7月 8月 9月 対策 数学 専門科目 学習記録 研究計画書 英語 本番 数学 専門科目 面接 感想・隙自語 はじめに 2022年度募集のコンピュータサイエンス系大学院をいくつか受験しました。 結果は以下の通りです。 東京大学 情報理工 コンピュータ科学専攻 合格 京都大学 情報学研究科 知能情報学専攻 不合格 奈良先端科学技術大学院大学(NAIST) 先端科学技術研究科 情報科学区分 合格 前提として、受験を考え始めたタイミングでは以下のような状況でした。ある程度ぼかしています。 文系 NLP志望 基本・応用情報技術者 前期教養レベルの微積・線形は履修済 プログラミングやアーキテクチャ、アルゴリズム等他学部のCS系講義をちょくちょく履修済 4年前期はゼミ形式の授業が週2コマ
データ解析 渡辺澄夫 第９回： ベイズ法 実世界 ベイズ法 と 最尤法 解析方法 主成分・因子 ・クラスタ分析 回帰・判別分析 時系列予測 ベイズ法 ・階層ベイズ法 推定と検定 １ 統計的推測 4 統計的推測についての復習 ○ RN に値をとる確率変数 Xn =(X1,X2,…,Xn) の実現値が得られたとき、 X の真の確率密度関数 q(x) を知りたい。 ○ 確率密度関数の集合は一般に無限次元であり、データは有限かつ ランダムであるから、人間がモデルと方法を定める。 ○ 真 q(x) が不明であるにも関わらず、人間が用意したモデルと方法が 適切であるかどうかを知るには、どうしたよいだろうか。 未知 真の確率分布 q(x) データ Xn =(X1,X2,…,Xn) 推定された分布 p*(x) モデル 方法 統計的推測とは 人間が定める 違いを 何で測る ？ 統計的推測に対して みんなが思
データ解析
渡辺澄夫に戻る このページは2019年度の講義の内容です。 2020年度の講義については OCW-i でお送りいたします。 2020年度は、2019年度と「まったく同じ」ではありませんので注意してください。 (0) いつも何度でも尋ねられることへの回答： 「主義」を心配するみなさまに (1) 第01回 モデルは真ではない (2) 第02回 回帰分析 , 回帰分析(修正） (3) 第03回 回帰分析つづき , 回帰曲線(mp4) (4) 第04回 判別分析 , 判別分析(mp4) ， 神経回路網の学習例(mp4) (5) 第05回 主成分分析 , 主成分分析(mp4) (6) 第06回 因子分析 , 因子分析(mp4) (7) 第07回 クラスタ分析 , クラスタ分析(mp4) , ギブスサンプラ(mp4) (8) 第08回 時系列分析 , 時系列分析(mp4) , 畳み込み
情報幾何学 - Wikipedia
情報幾何学（じょうほうきかがく、英: information geometry、仏: géométrie de l’information、独: Informationsgeometrie、略称: IG[1]）とは、確率分布を要素とする統計モデルに関する微分幾何学的研究[2]のことであり、狭義には双対アフィン接続の微分幾何学[3]を指す。「数理統計学の微分幾何学化」[4]や「統計的推論の幾何学的方法論」[5]や「情報理論における微分幾何を用いた定式化」[6]と表現されるように、情報幾何学は統計学・情報理論・確率理論（大偏差理論）にまたがる[7]学際的な分野である。 概要[編集] 情報幾何学の理論的な枠組みは統計学の言葉を必要とせず、純粋な微分幾何学の概念のみで定式化できる。 統計多様体の定義にはいくつかの流儀が存在するが現在最も標準的[8]なのは黒瀬 (1994)[9] によるものであり、
※この記事は、Speee Advent Calendar 4日目の記事です。 昨日の記事はこちら tech.speee.jp 初めまして。アドプラットフォーム事業部の本田 @mov_vc です。SpeeeでUZOUの開発をしています。 以前に下記の記事で紹介されていますが、UZOUで利用されているバンディットアルゴリズムはトンプソン抽出 (Thompson Sampling) で実装されています。 tech.speee.jp 大まかに言うと、トンプソン抽出によるバンディットアルゴリズムでは それぞれのアームの期待値の確率分布に従って乱数を生成する 生成された乱数が最大のアームを1回引いて期待値の確率分布を修正する という手順を繰り返します。この記事では、これらがどのようにして実現可能なのかという理論面に焦点を当てて観察していきます。 この記事で話さないこと バンディットアルゴリズム自体の説
「潜在変数」（z）を多変量正規分布に近づけるβ-VAEモデルはなぜ、データが持つ特徴のもつれを解く（disentangle）ことができるのか？ - Qiita
「潜在変数」（z）を多変量正規分布に近づけるβ-VAEモデルはなぜ、データが持つ特徴のもつれを解く（disentangle）ことができるのか？機械学習MachineLearningDeepLearning数学深層学習 変分オートエンコーダ（β-VAE）モデルはどうやって、入力データが持つ「独立」した特徴属性を、潜在空間の各座標軸に表現しているのでしょうか？ 変分オートエンコーダ（Variational AutoEncoder）モデルや、β-VAEモデルをわかりやすく解説した記事は、すでにたくさんあります。そうした記事は、主に以下の２つの点に焦点を絞っているように見受けられます。 変分下限を最大化させる問題に帰着させる数式の導出過程 多変量正規分布が持つ確率変数（$mu$と$σ$）を、AEモデルの学習則であるBP（Back Propagation）法で誤差逆伝播させる実装方法 （Repara
2021年10～12月消費コンテンツ この3ヶ月はアニメや映画を見る時間をほぼ全て統計学かネットワーク科学に回していたのでまとめます。 まだ結構読書を続けたい気分だが、これが一過性のブームなのかアニメや映画から卒業するときが来てしまったのかは不明。なんか冬アニメ始まってることに気付いてなかったのでもうダメかもしれない。 2021年10～12月消費コンテンツ メディア別リスト アニメ(短編115話) 漫画(40冊) 書籍(17冊) 良かった順リスト 人生に残るコンテンツ 消費して良かったコンテンツ 消費して損はなかったコンテンツ たまに思い出すかもしれないくらいのコンテンツ 以降の人生でもう一度関わるかどうか怪しいコンテンツ ピックアップ ホロぐら(短編アニメ) バトゥーキ 僕のヒーローアカデミア 宇宙の眼 統計学関連書籍 ネットワーク科学関連書籍 生産コンテンツ ゲーミング自殺、16連射ハ
「ドイツ大学院出願②」の記事までで大学院留学について情報を集めているうちに、様々な疑問・不安が湧いてきました。それらの疑問に対して、一人で考えて解決できたこともありましたが、人からもらったアドバイスの中で解消できたこともありました。自分とは異なる立場の人・異なる視点を持った人からのアドバイスは大変有益で、狭まりがちな私の視野を少し俯瞰的にしてくれたと思います。今回はそれらの特に役に立ったと思われるアドバイスと、それが私の決断に与えた影響について語ります。また、その過程で、私が学位留学をする目的・理由が明確になっていったことをお伝えします。 前回の記事はこちらです。 nanostat.hatenablog.jp 出願にコンサルの利用は必要か？ どれくらい分野を絞ってプログラムを探せば良いか？ 国内大学院の院試を受けるべきか？ 博士からの留学でも遅くないのでは？ 「現状への不満」は動機として不
統計検定 1 級に合格するまで
2021/11/21 (日) に実施された統計検定 1 級の試験に無事合格することができたので、備忘録も兼ねてやったことをまとめておきます。誰かの参考になれば幸いです。 Summary わからない点を参考書で勉強しながら解答の道筋を覚えるまで過去問をひたすら解く 勉強時間は少なくとも 100 時間程度は必要 統計検定 1 級は統計の基本的な概念を学ぶには非常に良い試験であるが、実務でよく必要になる知識は学べないため、大枠を理解する程度の勉強に止めてその後は実務で必要な個別の勉強をすると良い 統計検定受験の目的 まずは統計検定を受験した目的です。 受験前の自分の状態はこんな感じでした。 研究で使うことがあったため確率分布などの概念は知っている 微分・積分・線形代数の計算は問題ない (ただ社会人になってかなり鈍っていた) 統計は基礎統計を学部 1 年で学んだだけで不偏推定量も知らない つまり、
「もしも『十分原理』および『弱い条件付け原理』に私が従うならば，『強い尤度原理』にも私は従うことになる」ってどういう意味なの？（暫定版） - Tarotanのブログ
12/26（土）：このブログ記事は，理解があやふやのまま書いています．大幅に変更する可能性が高いです．また，数学の訓練も正式に受けていないため，論理や表現がおかしい箇所が沢山あると思います．正確な議論を知りたい場合には，原論文をお読みください． 12/26（土）23:10 修正：Twitterにてuncorrelatedさん（@uncorrelated）が間違いを指摘してくださいました．＜最尤推定の標準誤差は尤度原理を満たしていない＞と記載していましたが，多くの場合，対数尤度のヘッセ行列から求めるので，＜最尤推定の標準誤差は尤度原理を満たす＞が正しいです．Mayo（2014, p.227）におけるBirnbaum（1968）での引用も，"standard error of an estimate"としか言っておらず，最尤推定量の標準誤差とは述べていません．私の誤読でした． 12/27（日）
はじめに クラメル・ラオの不等式 不偏推定量のバリアンスは一定以上に下がらない 対数尤度関数とその微分 フィッシャー情報量 クラメル・ラオの不等式を導く過程 コーシー・シュワルツの不等式での評価 クラメル・ラオまでの大まかな指針 : 第2項は $0$ クラメル・ラオまでの大まかな指針 : 第1項は $1$ 今回のクラメル・ラオの不等式の前提 $\theta$ が多変数の場合 参考文献 はじめに 今回は下記の不偏推定量というものを理解している前提で話をします。 www.hellocybernetics.tech 不偏推定量の作り方は無数にあると言えます。それは、推定量の期待値がモデルパラメータに一致していれば不偏推定量という名の資格を得るからです。そこで無数の不偏推定量の中でも優劣を付けることを考えます。すると不偏推定量では平均二乗誤差 $$ {\rm MSE}(\theta, \hat \
この記事には広告が含まれます。 この記事では、統計検定１級の統計数理を最優秀成績賞で取得した私が、統計検定１級(統計数理)の攻略法について紹介したいと思います！ １級合格を目指す方の力になれれば幸いです。 統計検定のラスボス、１級を攻略する上で必要なことを余すことなく伝えられたらと思います！ ちなみに、数理・応用両方で最優秀成績賞を取得しています！ 応用は医薬生物学分野を選択しましたが、この分野は統計数理とはまた別物と考えていいと思うので、別の記事にまとめています。 統計応用が気になる方は是非、こちらの記事をご覧ください！ 最優秀賞取得者による、統計検定1級攻略法！！！～統計応用(医薬生物学)編～統計検定１級の最優秀成績賞を取得した筆者による、統計応用(医薬生物学)の勉強法を紹介！使った参考書も紹介してます！！情報の少ない医薬生物学分野において、最優秀成績賞を取った視点から、合格の極意をお
▼小縣 信也（おがた・しんや） スキルアップAI講師。スキルアップAI株式会社取締役。大阪市立大学工学部卒業後、建材メーカー、設備設計事務所に勤務。2010年、OpenFOAM勉強会for beginner（現オープンCAE勉強会＠関東）を立ち上げ3年間幹事を務める。建築環境に関する数値シミュレーション、電力量や温湿度などのセンサーデータに関する分析が専門。1級建築士、エネルギー管理士。2013年、国土交通省国土技術政策総合研究所 優秀技術者賞受賞。日本ディープラーニング協会が実施するE資格2020#1ほか合格、E資格2018にて優秀賞受賞、E資格2019#1にて優秀賞受賞。 ▼斉藤 翔汰（さいとう・しょうた） スキルアップAI講師。横浜国立大学大学院 環境情報学府 情報メディア環境学専攻（現:情報環境専攻）修了。修士（情報学）。高専時代に画像認識に対して興味を持ったことがきっかけで、現在
こんにちは、技術本部 Nayoseグループでバックエンドエンジニアをしている上田です。 普段はデータの名寄せサービスを開発しています。Sansanの名寄せというのは、こちらのページに記載のとおり、別々のデータとして存在する同じ会社や人物のデータをひとまとめにグルーピングすることを言います。 大抵はWebアプリケーション開発をしていますが、企画段階や技術検証フェーズでは仮説検証をすることもあります。今回はそのフェーズで行った、名寄せアルゴリズムを定量評価する際に利用する統計的仮説検定の話を紹介したいと思います。 なお、本記事はSansan Advent Calendar 2023の12日目の記事です。 名寄せの評価 業務では新しい名寄せアルゴリズムを開発することがあります。 アルゴリズム開発の基本戦略は、ユーザーが取り込んだ名刺と、マスターとして存在する会社データを同じ会社としてグルーピング
これは何？ 前提のスペック 学習期間 学習方針 使用した書籍 基礎数学 統計全般、数理統計 多変量解析 機械学習 確率過程、時系列解析 分散分析 その他、全般 今後 これは何？ 先日統計検定準1級を受験し合格したので、情報まとめです。 CBT形式になり試験の内容は非公開なため、参考にした書籍を中心にまとめておきます。 2級を受験した際のまとめはこちらです。 aoki-shiraki21.hatenablog.com 前提のスペック 上で貼った2級受験時のスペックに統計検定2級を合格している、という状態が乗っかっています。なので、基本的な推定・検定、単回帰分析の考え方は理解できている状態からのスタートでした。 学習期間 2021年9月〜11月 試験範囲が広いので、平日の仕事前後、土日とガッツリ勉強しました。リモートワークなので、勉強時間を長く取れるのはよかったなと思っています。 学習方針 基
私立文系が統計検定準1級に合格するまで - Qiita
概要 この記事では、 【数Ⅲの知識が必要とされる統計検定準1級に、文系の私が合格した方法】 を書いています。 この記事を読めば、 ・合格するまでの流れ ・どのようにすれば統計検定準1級に合格できるのか ・おすすめの教材 ・統計検定2級は受けた方がいいのか否か について分かります。 結論 【私が実践した勉強の流れ】 ①ワークブックの本文でインプット →②不明点を動画や書籍の補助教材で解消 →③ワークブックの例題でアウトプット →④不明点を動画や書籍の補助教材で解消 →①に戻る 上記の流れを繰り返しました。 数Ⅲの知識を持っていない私のような人間にとっては、特に②と④が大切でした。 【マストで必要だったテキスト教材】 統計学実践ワークブック Yuya Kawaguchi氏の例題解説シート 【マストで必要だった動画教材】 ヨビノリ氏 AIcia Solid Project Yuya Kawagu
さて、いよいよ遅いですが2023年10月〜12月、Final Quarterの振り返りを書きたいと思います。 2023年10月~12月で何をしていたか Final Quarterではベイズ統計学の学習にのみ専念しました。 使用した教科書は前回の振り返りでも紹介した『標準 ベイズ統計学』です！ 標準 ベイズ統計学 朝倉書店Amazon 目次は以下の通りです: １．導入と例 １．１ 導入 １．２ なぜベイズか １．３ 本書の構成 １．４ 補足と文献案内 ２．信念，確率，交換可能性 ２．１ 信念関数と確率 ２．２ 事象，分割，ベイズルール ２．３ 独立性 ２．４ 確率変数 ２．５ 同時分布 ２．６ 独立な確率変数 ２．７ 交換可能性 ２．８ デ・フィネッティの定理 ２．９ 補足と文献案内 ３．二項モデルとポアソンモデル ３．１ 二項モデル ３．２ ポアソンモデル ３．３ 指数型分布族と共役事前分
AIエンジニアの将来性は？この先ヤバい？やめとけ・オワコンと言われる理由 AIの研究や開発に取り組む技術者が「AIエンジニア」です。データ分析やDXの需要が拡大するなか、求人数が増加傾向となり人気の職業ですが、この先将来も安泰なのでしょうか。 この記事では、そんなAIエンジニアの将来性について紹介します。仕事がなくなる心配をされたり、やめとけ、オワコンなどと言われる背景もみてきましょう。 AIエンジニアの現状 AIエンジニアとは、新しいAI技術の研究開発や収集されたデータの解析、システム開発など人工知能（AI）に関わる技術者全般を指す言葉です。コンピューターに様々なデータを与えて学習させる「機械学習」や「ディープラーニング」といったキーワードが社会に浸透し、識別や認識、予測などの分野で実用化が進んでいます。 将来的には定型的な作業をAIで代替するだけでなく、より複雑で非定型の業務にも活用す
統計検定1級に合格しました - 技術メモ
以前統計応用については合格していたのですが、統計数理は何度か落ちていたためN度目のリベンジでした。この度2022年度統計数理も合格することができたのではれて統計検定1級を名乗れるようになりました。 月並みですが、自分なりに対策したことを書き残しておこうと思います。 理論 統計検定1級の問題は非常に質がよく、理論をきちんと追って理解していれば何を聞きたいのかがなんとなくわかるようになっています。 むやみな計算問題ではなく問題の背景があるような問題が多いです。 その点でも、理論は使えるだけでなくきちんと体系立てて理解しておく必要があると思います。 一言で理論を抑えると言ってもその範囲は多岐にわたるので、ここでは少なくとも最低限絶対に抑えておかないといけないと思うポイントを挙げておきます。 確率分布 確率変数の変数変換・合成 畳み込み積分を使った単純な和、ヤコビアンを使った確率変数の和・積・商、
【統計検定1級】現代数理統計学 v.s 現代数理統計学の基礎
どうも。こんにちは。 ケミカルエンジニアのこーしです。 本日は、「現代数理統計学（竹村著）」と「現代数理統計学の基礎（久保川著）」を比較して感じた特徴をお伝えします。 上記2冊は、統計検定1級の参考書としてよく知られていますが、どちらがより統計検定1級向けなのか検証してみました。 これから統計検定1級の受験を考えている方は、ぜひ参考にしてみてください。 本記事の内容 ・まとめ（結論） ・目次の比較 ・特徴 この記事を書いた人 こーし(@mimikousi) まとめ（結論） 結論、統計検定1級（統計数理）向けなのは、「現代数理統計学の基礎（以下、久保川本）」です。 現代数理統計学の基礎 posted with ヨメレバ 久保川 達也/新井 仁之/小林 俊行/斎藤 毅/吉田 朋広 共立出版 2017年04月07日頃 楽天ブックス Amazon Kindle 理由は、統計検定1級で頻出の確率分布
はじめに このシリーズは久保川達也氏著「現代数理統計学の基礎」を簡潔に説明し、その内容をpythonで実装してみよう、というものです。実装にはGoogle Colaboratory(以下：Colab)を使いました。ご指摘があればコメント欄に書いて下さるとありがたいです。 説明が必要だと思ったところにだけ触れて、アウトプットできればいいよねくらいのスタンスで書くので本の内容をちゃんと全部理解したい方にとっては向いていないかもしれないです。 式番号や命題・定義のインデックスは本に合わせて書いた場合、この記事では番号がとびとびになることがありますので予めご了承ください。 ３章の概観 変数を与えると確率を求められる関数が確率分布でしたね。様々な種類の確率分布にはそれぞれ特徴があり、使いどころがあります。想定する確率分布を間違えると予想を誤ることになるので、それぞれの確率分布にどんな特徴があるかを知
![[現代数理統計学の基礎 with python]3章：代表的な確率分布 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/83ab7f4c766db55ca0c5d9ea3cc8471737e02ab7/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JTVCJUU3JThGJUJFJUU0JUJCJUEzJUU2JTk1JUIwJUU3JTkwJTg2JUU3JUI1JUIxJUU4JUE4JTg4JUU1JUFEJUE2JUUzJTgxJUFFJUU1JTlGJUJBJUU3JUE0JThFJTIwd2l0aCUyMHB5dGhvbiU1RDMlRTclQUIlQTAlRUYlQkMlOUElRTQlQkIlQTMlRTglQTElQTglRTclOUElODQlRTMlODElQUElRTclQTIlQkElRTclOEUlODclRTUlODglODYlRTUlQjglODMmdHh0LWFsaWduPWxlZnQlMkN0b3AmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZzPWNhMjFhNjVkNjM1OGEwNGE1ZDRiY2Q5MTk3NTE1ZDUz%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDByaW5rbzE0JnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz1iMWJkMGE4MDFkNjg3MTYxZWM3NzE1MWNmMGU5MTM0Nw%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Db51b07db6209c40b3f97c168138c2b94)
2012年10月にデータサイエンティストが「21世紀で最もセクシーな職業」と名指しされてから10年以上が経ちました。2022年度から高校では「情報Ⅰ」が必修科目となり、社会人がリスキリングでデータサイエンスを学びなおす例も増えています。 さて、そんなデータサイエンスの基礎たる「統計学」はいったいいつ生まれ、どのようにしてその知を積み上げられてきたのでしょうか？ 長大な歴史のなかから重要な出来事や流れを踏まえて、世界・日本の統計史をご紹介します。 「統計」は国家の実態を知るために古代から用いられていた：紀元前 「統計（statistics）」とは、“ある集団の傾向や性質を数量的に表すこと”と定義されます。統計局はその源流を「①国の実態を捉えるためのもの」「②大量の事象を捉えるためのもの」「③確率的事象を捉えるためのもの」の3つに分類しており、①については、古代エジプトや古代ローマ帝国、中国前
『ベイズデータ解析』はベイズ統計学を用いる全ての実務家が座右に置くべき第一級の鈍器 - 渋谷駅前で働くデータサイエンティストのブログ
ベイズデータ解析(第3版) 森北出版Amazon 先日のことですが、『ベイズデータ解析』を訳者のお一人菅澤さんからご恵贈いただきました。もう一目見ただけで「鈍器」以外の語が出てこないくらいの立派な鈍器で（笑）、原著のBDA3*1に負けないくらいの鈍器っぷりが見事な一冊です。菅澤さんといえば名著『標準ベイズ統計学』の翻訳も手掛けておられますが、先日直にお話を伺った際は「本書の方が標準ベイズよりもさらに理論的な内容に踏み込んでしっかり書かれていて良い」とのコメントでした。 ということで、早速本書をレビューしていこうと思います。ただ、何分にも全体で888ページもある大著であり、ぶっちゃけ斜め読みするだけでも1ヶ月近くかかるという有様でしたので、内容の理解が不完全であったり誤ったりしている可能性があります。それらの不備を見つけられた際は、何なりとご指摘くだされば幸いです。 本書の概要 第I部 ベイ
現代数理統計学の基礎 - 共立出版
近年注目を集めているビッグデータという言葉に代表されるように、データのもつ価値についての認識はますます高まっている。さらに、自然科学分野から社会科学の分野、さらには政府関係の様々な施策に至るまで、データに基づいた意思決定の大切さが認識されている。数理統計学は、（ランダムネスを伴った確率現象として現れる）データの背後に確率モデルを想定して推測を行うための土台となる、数学的基礎を提供する。本書は、数理統計学に関する基礎的な内容はもとより、近年広く利用されている現代的な内容までを盛り込んだテキストである。 最初に、統計的推測を行う上で必要な確率・確率分布の基本的な事項を説明する。次に、最初に準備した道具立てに基づいて、確率分布に関する推測方法を説明する。ここまでにおいては、必要な知識をシンプルに解説し、また内容の理解を深められるように、演習問題を豊富に盛り込んでいる。最後に、最も役に立つ統計モデ
問題演習で使えそうだったので計算したのですが，あまり他のサイトに載っていなかったので記事にしました． 仮定 r.v. \{X\}_{i=1,...,n}. \quad \text{* 独立ではない} 結論 \text{Var}\left(\sum_{i=1}^n X_i\right) = \sum_{i=1}^n \text{Var}(X_i) + 2\sum_{i=1}^{n-1}\sum_{j=i+1}^n \text{Cov}(X_i, X_j) 証明 n = 2の時 \begin{align*} V(X+Y) &= E[((X+Y) - E[X+Y])^2] \\ &= E\left[(X - E[X])^2 + (Y - E[Y])^2 + 2(X - E[X])(Y - E[Y])\right] \\ &= V(X)+V(Y)+2Cov(X,Y) \end{align*} n
背景 「現代数理統計学」(竹村彰通)（以後、教科書）はさらっと興味ある所は読みました。第１１章第２節の、回帰モデルを十分統計量の観点から考察しているところが面白かったです。 ２週目は細かい証明も追う予定ですが、それと同時に他の興味ある話題も追いたい、ということでブートストラップ法です。区間推定も出来るので、教科書で勉強した方法との比較もしたいと思っていますが、今回は準備として経験分布関数について、手計算と数値計算で理解を深めます。 経験分布関数とは 累積度数分布と言った方が馴染みがあるかもしれません。経験分布関数は標本に依存しますので、統計量であり、累積分布関数の推定量です。定義は
コロナ死者が全国で１５９人と過去最多。素人なのに常にコロナ禍の被害を過小評価してきた三浦瑠麗氏（自称国際政治学者）はコロナ死者と遺族に対して責任が取れるのか。 - Everyone says I love you !
にほんブログ村 社会・経済ニュースランキング Amazon 社会・政治・法律 Amazon Kindle ベストセラー ２０２２年２月８日の全国の新型コロナによる感染者数は１０万１２８０人で、死者数は１５９人。 これは、１日に発表された死者数としては、神戸市が公表が遅れていた１カ月半分の死者１２１人をまとめて発表した２０２１年５月１８日（２１６人）を除き、過去最多となりました。 つまり、コロナ第６波での１日の死者数がコロナ第３～５波を超えてしまったのです。 オミクロンによる致死率がデルタ株の数分の１でも、感染力はデルタの数倍、従来株の１０倍にもなっているのですから、この結果は当然予想できたこと。 しかも、今は２月でそれでなくても免疫力が下がる時期であり、かつコロナがまん延しやすい低温・乾燥の気候。 そのうえ、コロナ第５波の時は高齢者がワクチンを２回接種したばかりで最も抗体が高い時でしたが、
捏造!あるある大事典 - アンサイクロペディア
出典: 八百科事典アンサイクロペディア（大丈夫、本当の項目名はあるある大事典だから。君は間違っていないよ。） 『あるある大事典』（あるある…ねーよwwwwwディクショナリー）とはフジ系の関西のテレビ局が制作したアンサイクロペディアに匹敵する信憑性を誇る、世界最大規模の百架空事典（「百の嘘で書かれており、この嘘を鵜呑みにしたら大惨事典」の略称）。 なお法螺吹語で書かれているため、読む側にも高い言語力と読解力が要求される。表紙に「百聞は一見に如かず、嘘を嘘と見抜けない人にこの書物を扱う事は難しい」と親切にも書かれている。 製作は、すべて徹底した学術的・科学的トレーニングを受けたディレクターとスタッフによって行われる。数理統計学を駆使した高い客観性、スポンサーから完全に独立した恣意性のまったくないテーマの選び方など、その透明な倫理観と卓越した見識はすべての研究者がめざすべき理想型ともいわれる。な
数理統計学 (物理学科＋生物学科) Last updated: 2019/07/09 物理学科＋生物学科の2年生向け（2019年度前期，毎週火曜４限）． 講義概要： 物理学科＋生物学科の2年生向けの数理統計（確率と統計の基礎）の講義です． 重要なお知らせ：7/9以降，このページの更新は停止し，これ以降の内容（講義ノートを含む）を九大の Moodle に載せることにしました．この講義の受講者は必ず登録して，アナウンスなどに注意してください．（科目名と曜日，時限で検索すれば見つかるはず．なお，月曜３限に別のクラス用の授業をやってるので，それと間違わないようにしてください．） 以前からの宣言通り，6/25（火曜）の４限に中間試験を行いました． 採点が終了したので，7/2の授業で返却します． 主な内容 以下は現時点では「目安」です． 初めに：この講義で扱う問題，確率と統計の違い --- 4/9 確
回帰分析は非常にシンプルです。 そのため、実務的にも非常に使い勝手がよく、人気の高い分析手段の1つです。 回帰分析には2つの概念の変数が登場します。 目的変数Y： 説明したい、もしくは、予測したい変数（例：受注金額、受注の件数、受注確率など） 説明変数X： 目的変数Yを説明する、もしくは、Yの要因となる変数（例：時期、販促、顧客属性など） 回帰分析のアウトプットの1つに、目的変数Yを説明変数でXで説明する数式があります。 目的変数Yに何が影響しているのかといった要因分析にも使えますし、目的変数Yの将来予測にも使えます。 今回は、「実務でよく使われる、色々ある『回帰分析』」というお話しをします。 ここで紹介する回帰分析 回帰分析には、色々なものがあり、説明しきれません。 しかも、新しい回帰分析の手法がまだ増えていっています。多くの場合、アルゴリズムのちょっとした改良だったりしますが…… ここ
0.はじめに 『現代数理統計学の基礎』(久保川達也 著)の章末問題の答案を作成する．略解は久保川先生がこちらのサイトに掲載して下さっているが，「略解」なだけあって途中式がかなり端折られていたり，エレガントすぎて凡人では思いつきようのない解答だったりするので，多少計算がゴツくなったとしても庶民的な答案を心がける．また必要に応じて答案とは別に必要な知識の確認を行う． 各リンクから問題の方針と答案に飛べる． 1.確率 (易) ベン図書く (易) 和事象，積事象の性質 (易) 条件付き確率と同時確率 (易) 部分集合についての確率 (易) 条件付き確率の典型問題 (易) 条件付き確率の典型問題2 (易) 因果関係と相関関係，独立性 (易) 和事象と確率の和 2.確率分布と期待値 (標準) 分布関数，密度関数の定義 (標準) 分布関数，密度関数の定義2 (標準) 分布関数，密度関数の定義3 (標準)
都内の事業会社で分析やWebマーケティングの仕事をしています。大学・大学院では経済学を通じて統計解析を行うなどしておりました。企業に勤めてからは、機械学習やテキストマイニング、クローリング技術などに関心を持っています。 Twitterアカウント Mr_Sakaue( SKUE ) GitHub 読書メーター ほしいものリスト はじめに 前回は、離散型確率分布に関するよくある分布とその平均と分散の導出についてひたすら記しました。今回は連続型の確率分布に関して同様に記していこうと思います。 ※PC版でないと数式が切れてしまうので、SP版での閲覧はおすすめしません。私、SKUEのスマホだけは表示崩れがないようにチェックしております。通勤電車で定期的に読むので。 今回登場する連続分布 『数理統計学―基礎から学ぶデータ解析』という本に登場するものを式を補いながら紹介します。 1.一様分布 2.正規分
![[数理統計学]連続型確率分布の期待値と分散の導出まとめ – かものはしの分析ブログ](https://cdn-ak-scissors.b.st-hatena.com/image/square/a787dca9147676db06027eb58bb689b8fa4eb62b/height=288;version=1;width=512/http%3A%2F%2Fkamonohashiperry.com%2Fwordpress%2Fwp-content%2Fuploads%2F2018%2F08%2Fanimal_kamonohashi.png)
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
ダイアン・コイル 「信頼、因果推論、こころの誤作動」（2021年7月12日）
5分で身につく「モンテカルロ法」 データ分析最強の道具を得よ
【2019年版】統計検定1級（理工学）に合格しました（学習の履歴・受験の感想） - Qiita
データ分析者のキャリアなんもわからん問題 Again｜きぬいと
【2021年度】統計検定準1級に合格しました。【歴代最高難易度】 - Syleir’s note
PowerPoint プレゼンテーション
トンプソン抽出の例で見る共役事前分布 - Speee DEVELOPER BLOG
22/1/9 2021年10～12月消費コンテンツ - LWのサイゼリヤ
【ドイツ大学院出願】③登る山を決める - Nano's blog
不偏推定量のバリアンスの下限：クラメル・ラオの不等式 - HELLO CYBERNETICS
最優秀賞取得者による、統計検定1級攻略法！！！～統計数理編～
徹底攻略ディープラーニングE資格エンジニア問題集 - インプレスブックス
名寄せの定量評価と逐次検定について - Sansan Tech Blog
統計検定準1級に合格した（使用した教材まとめ） - ゴリラからの逃走
2023 Final Quarter 振り返り - janos0207の日記
AIエンジニアの将来性は？この先ヤバい？やめとけ・オワコンと言われる理由 | AIdrops
[現代数理統計学の基礎 with python]3章：代表的な確率分布 - Qiita
統計学の歴史：統計学っていつからあるの？ いつから日本で使われている？
独立ではない確率変数列の和の分散 (変数の数がnの場合)
【ブートストラップ法】経験分布関数について数値計算を通して理解を深める - Qiita
Mathematical Statistics (phys+bio)
第163話｜実務でよく使われる、色々ある「回帰分析」
『現代数理統計学の基礎』章末演習問題解答 (答案) - Qiita
[数理統計学]連続型確率分布の期待値と分散の導出まとめ – かものはしの分析ブログ