【分野別】学位プログラム一覧 - 筑波大学
分野（大分類）を選ぶ （複数選択可） 哲学、歴史学、文学 教育学、心理学 法学、経済学、経営学、社会学 理学 工学 農学 医学 芸術 体育学 情報 環境 教育研究領域（中分類）を選ぶ （複数選択可） 思想、芸術関連 文学、言語学関連 歴史学、考古学、博物館学関連 地理学、文化人類学、 民俗学関連 法学関連 政治学関連 経済学、経営学関連 社会学関連 教育学、特別支援教育関連 心理学関連 代数学、幾何学関連 解析学、応用数学関連 物性物理学関連 プラズマ学関連 素粒子、原子核、 宇宙物理学関連 天文学関連 地球惑星科学関連 材料力学、生産工学、 設計工学関連 流体工学、熱工学関連 機械力学、ロボティクス関連 電気電子工学関連 土木工学関連 建築学関連 航空宇宙工学、 船舶海洋工学関連 社会システム工学、安全工学、防災工学関連 材料工学関連 化学工学関連 ナノマイクロ科学関連 応用物理物性関連
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)
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
メモ：分割表のPearsonカイ2乗検定が行和も列和も固定して導出されている件について 〜 2つの独立な二項分布を例にして〜 - Tarotanのブログ
このブログ記事では，2つの独立な二項分布を例にして，分割表に対する統計量が，行和および列和の両方を固定した上で導出されていることを説明します．ここでは，次の3つの導出を紹介します． 多変量正規分布で近似して，多変量正規分布の条件付き分布から導出する． 超幾何分布を正規近似することで導出する． スコア検定（ラグランジュ乗数検定）から導出する． 記号 とが，それぞれ，独立な以下の二項分布に従っているとします． ここで2つの二項分布の確率パラメータは共通です．この確率パラメータは未知であるとします． と の和をとします（)．の実現値を小文字のと表します． このモデルにおいては，「このモデルから観測を無作為抽出したら，抽出ごとに値がコロコロと変わりうる」という意味で，は固定されていません． 多変量正規分布で近似して，多変量正規分布の条件付き分布から導出する と固定した上でのの条件付き分布を考えます
時系列データを分析するとき、時系列データの性質を知るために自己相関と相互相関を求めたりします。 自己相関と相互相関は、通常の数理統計学で登場する相関係数を、単に時系列データに応用したもので、2つの時系列データの類似性を表現する指標です。 過去の自分との類似性を見るのが「自己相関」、他の時系列データとの類似性を見るのが「相互相関」です。 ポイントは、時間をずらして相関係数を求めるところです。 1期ずれ、2期ずれ、3期ずれ、……のように一方の時系列データをずらして相関係数を求めます。 このずれをラグという表現で表したりします。例えば、1期ずれのことをラグ1、2期ずれのことをラグ2、3期ずれのことをラグ3、……などなど。 このような相関係数を求めることで、時系列データの季節性や因果関係などを検討する材料にします。 ということで今回は、「時系列データの自己相関と相互相関をPythonで求めてみよう
理工学部のリニューアルおよび新学科の設置を計画しています
理工学部のリニューアルおよび新学科の設置を計画しています 帝京大学は、2025年4月に理工学部をリニューアルし、総合理工学科（仮称）とデータサイエンス学科（仮称）の設置を計画しています。理工学部の在学生および2024年度入学者対象のカリキュラムは2025年以降も継続し、現行の理工学部4学科は、在学生および2024年度入学者が卒業するまで維持されます。新学科で開講する新しい科目の多くは、在学生および2024年度入学者も履修可能となりますので、在学生のカリキュラムも一層充実したものとなります。 ※計画であり変更の可能性があります。総合理工学科（仮称） 宇都宮キャンパスに設置された理工学部の4学科（機械・精密システム工学科、航空宇宙工学科、情報電子工学科、バイオサイエンス学科）を再編し、新たに本学科の設置を計画しています。「機械・航空宇宙コース」「ロボティクス・Alコース」「情報科学コース」「環
統計検定受験が来年になってしまったので、またぼちぼち『現代数理統計学の基礎』の問題を解いていこうと思ってます。 解いた問題の解説・解答ページはここに追加していく予定です。 昔解いたものであるほど内容がショボいのもあると思います。自力で解くには問題集が難しい上に、解説も結構略されているものが多いので、「解説を読んでも答えへ行き着く方法が全然分からなかった」そんな独学者の方の参考に少しでもなれば幸いです。式よりも言葉を多めにしているつもりです。 コメント欄に気になる問題の要望・質問頂ければ時間があるときにやりますので、良ければぜひどうぞ。自分の勉強にもなるので。 （最終更新2021.10.29） 統計学検定1級対策の記事・お役立ちサイト・参考書などはこちらにまとめました。 統計検定1級の出題範囲と過去の記事・お役立ちサイト・参考書をまとめてみた【統計検定1級対策】 第2章 現代数理統計学の基礎
統計検定1級の試験範囲と過去の記事・お役立ちサイト・参考書をまとめてみた【統計検定1級対策】 - 脳内ライブラリアン
統計検定1級の試験範囲とそれぞれの分野に対応した当ブログの記事をまとめました。さらに勉強の上で役に立ったサイトや使っている参考書も全てまとめています。受験される方の参考になれば幸いです。 過去8年分の実際の出題範囲は通覧しやすいようにこちらで簡単にまとめました。 2014-2022年の統計検定1級の出題範囲をまとめてみた(統計数理＋医薬生物学) 2021年は初めて受験したので感想もこちらに書きました。 2021年の統計検定1級（統計数理・統計応用/医薬生物学）を受けてきた 2021年の解答例です（希望あったら追加作成してみます）。 2021年統計数理の解答例 問1 2021年統計数理の解答例 問2 2021年統計数理の解答例 問4 2021年統計応用(医薬生物学)の解答例 問1 2021年統計応用(医薬生物学)の解答例 問2 2021年統計応用(医薬生物学)の解答例 問4 2022年は2度
はじめに つい先日、統計検定準1級に無事(?)合格してくることができました。 試験対策の中で、先人達の合格体験記には大変お世話になったので、 自身の体験もネットの海に放流し、今後受験を考えている方々の参考に なったりならなかったりすればいいなといったモチベーションでまとめていきます。 目次 自身のスペック 勉強期間 CBT試験の難易度 学習に使用した教材 「学習開始〜3回連続不合格〜試験合格」までの時系列 今後 自身のスペック 自身のスペックを3行でまとめると 国立情報系院卒 2年ほど前に統計検定2級を取得済み 現在はアラサーIT作業員として中小IT企業に勤務 みたいな感じです。学生時代は確率統計・機械学習分野に割りかし親和性の高い専攻に所属していましたが、 社会人になってからはこれらの知識（というか数学全般）を業務で使用することが皆無であり、 また、2級を取得したのがおよそ2年前だったの
統計学SDS研究科の筆記試験では統計学・情報学と社会科学の2つに試験科目が分かれています。私は予め統計学・情報学では統計学を筆記試験で選択すると決めて、統計学のみ対策を行っていました。なお、時間に余裕のある方は統計学・情報学のどちらの対策も行うのが良いと思います。 また、統計学・情報学の試験の特徴として、試験時間が60分と短い点が挙げられます。そのため、本番では詰まることなく問題を解き切ることが求められます。 私は統計学で参考図書に指定されている「現代数理統計学の基礎」を中心に勉強を進めました。具体的には1〜9章までの内容を理解し、例題や各種証明、章末問題を自力で解き切れる様にしました。なお、受験で求められているレベルを超える問題も混じっているので、基本的な問題を優先して進めるのが良いと思います。また、章末問題を解く際は下記のQiitaのページの答案を参考にしました。 なお、参考図書では上
情報って何でしょう？ちゃんと定義しようとすると意外と難しいと思いませんか。「情報とは何か？」を科学する、それが情報科学科の目的です。情報は人や組織の意思決定を行う拠り所になります。信頼できる情報をいかに取得するか 、生産するか、配信するか、処理するか、蓄積・検索するか、提示するか、 などを学問的にきちんと研究しておくことは、21世紀の情報化社会の礎となるものです。本学情報科学科は情報数理と情報処理の観点から情報とは何かを学び、研究します。 カリキュラム紹介 1年 必修 線形代数学1・2・3・4、微分積分学1・2・3・4、数理基礎論、コンピュータシステム序論、データ構造とアルゴリズム、コンピュータ基礎演習、プログラミング実習、確率序論 選択 初等代数学 2年 必修 離散数学、システムプログラミング実習、コンピュータアーキテクチャI、 コンピュータアーキテクチャII、 コンピュータネットワーク
1. 推測統計学の概念・用語 1.1. 推測統計学とそのモチベーション 1.2. 概念・用語の定義 2. 統計的仮説検定 2.1. 母数と標本 2.2. 仮説と検定 2.3. 有意水準 , P値 3. 正規母集団についての仮説検定 3.1. 1標本の正規母集団 3.1.1. 母平均 の検定（母分散 が既知） 3.1.2. 母平均 の検定（母分散 が未知） 3.1.3. 母分散 の検定 3.2 2標本の正規母集団（母分散が等しい） 3.2.1 母平均 の同等性の検定（母分散 が既知） 3.2.2 母平均 の同等性の検定（母分散 が未知） "t検定" 3.3 2標本の正規母集団（母分散が等しくない） 3.3.1 母平均 の同等性の検定（母分散 が既知） 3.3.2 母平均 の同等性の検定（母分散 が未知） 3.3.3 母分散 の同等性の検定 "F検定" 参考 1. 推測統計学の概念・用語 仮説
2020年総括(本のこと) - 未完
お久しぶりです． 2年ぶりの記事の題材としてリハビリがてら，読書を補助線に1年の総括する．今年読んで面白かった本や印象的だった本を入手順に振り返る． 目次 『ファッションと哲学 16人の思想家から学ぶファッション論入門 『統計の歴史』 『ウェブスター辞書あるいは英語をめぐる冒険』 『マーケットデザイン』 『眼鏡橋華子の見立て』 『ドリアン・グレイの肖像』 『手を動かしてまなぶ集合と位相』 『ゼロから作るPython機械学習プログラミング』 『新装改訂版 現代数理統計学』 『アリスに驚け』 『New Annotated Sherlock Holmes: The Novels: A Study In Scarlet / The Sign Of Four / The Hound Of The Baskervilles / The Valley Of Fear』 『マクロ経済学 動学的一般均衡理論
第232話｜3タイプの特徴量エンジニアリング（feature engineering）基礎テクニック
特徴量エンジニアリング（feature engineering）は、私がデータ分析を始めた20数年前から非常に重要なものでした。 特徴量（feature）とは、数理モデルの説明変数Xを指します。 ドメイン（データ活用の現場）理解とデータ理解なくしては、特徴量エンジニアリング（feature engineering）は非常に難しいものです。 データ理解のためのデータ分析の技術がEDA（探索的データ分析）です。 では、何のために特徴量エンジニアリング（feature engineering）を実施するのでしょうか？ ざっくり言うと、以下の2つです。 適切なデータセットを作る 数理モデルのパフォーマンスを上げる 構築する数理モデルが予測モデルであれば、それは予測精度を上げるということです。構築するモデルが構造理解（要因分析など）のためのものであれば、それは起こった現象の再現性が高い（納得性がある
データアントレプレナーフェロープログラム
『データアントレプレナーフェロープログラム』（Data Entrepreneur Fellows Program: DEFP）（以下、プログラム）は、文部科学省 科学技術人材育成費補助事業 データ関連人材育成プログラム（Doctoral program for Data-Related Innovation Expert: D-DRIVE）の採択を受けた データアントレプレナーコンソーシアム が開講する人材育成プログラムです。電気通信大学では、公益財団法人住友電工グループ社会貢献基金から大学講座寄付を受け、2015年度（平成27年度）より『データアントレプレナープログラム』（Data Entrepreneur Program: DEP）を開講しています。この取組みを包括的に発展させ、様々な分野の高いポテンシャルを持つ方に向けて、データサイエンスのトップレベル人材を育成します。 ミッション
日記 - 淀みに浮かぶ泡沫は
昨日は飲み会から帰ってから結局午前4時近くまで起きていた．酔い覚ましが半分と，昼間に指導教員と進路の話をして色々考え込んだのが半分である．今日も用事は午後からだったので9時過ぎに起きてゆっくり準備をした．昨晩の残りをお弁当にしたのも昨日と同様である． 大学に着いてからお弁当を食べて指導教員の担当する集中講義へ．昨日よりも人がかなり増えており，指導教員も困惑しながら半分くらいは昨日の振り返りをしていた．来ていた学生も数学が専門というよりは応用寄りの学生が多く，突然のことでも受講生に合わせて講義を組み直して講述していたのはやはりさすがだった． 講義が終わってバイトへ向かった．電車での移動中は今日から数理統計学の本を読むことにした．現実逃避で訳のわからないことをするよりはマシな気がする． それではまた． 2024年2月6日
統計・機械学習の理論を学ぶ手順 - Qiita
社内向けに公開している記事「統計・機械学習の理論を学ぶ手順」の一部を公開します。中学数学がわからない状態からスタートして理論に触れるにはどう進めばいいのかを簡潔に書きました。僕が一緒に仕事をしやすい人を作るためのものなので、異論は多くあると思いますがあくまでも一例ですし、社員に強制するものではありません。あと項目の順番は説明のため便宜上こうなっているだけで、必ずしも上から下へ進めというわけでもありません。 （追記）これもあるといいのではないかというお声のあった書籍をいくつか追加しました。 数学 残念ながら、統計モデルを正しく用いようと思うと数学を避けることはできません。ニューラルネットワークのような表現力が高くて色々と勝手にやってくれるような統計モデルでも、何も知らずに使うのは危険です。必ず数学は学んでおきましょう。理想を言えば微分トポロジーや関数解析のような高度な理論を知っておくのがベス
Twitterデータを統計モデリングで解析する - 製造業のDXに挑むデータサイエンティストのブログ
はじめに 統計検定の受験勉強が終わり、学習した手法を身近なデータで試したくなってきました。 そこで、15カ月分のツイートデータを数理統計学の手法を使って解析し、フォロワーを増やすための知見を得ることにトライしました。
幾何分布の確率母関数と期待値｜高信 真司
幾何分布の概要幾何分布は成功の確率がpのベルヌーイ試行を独立に行っていき、初めて成功するまでの失敗の回数の分布です。失敗の回数が確率変数になります。確率分布を表す確率質量関数は下式です。 成功確率pに対して失敗の確率は(1-p)であり、x回失敗し1回成功するのでこのような数式になります。分布のパラメータは成功する確率pです。なお、幾何分布の表現方法はもう一つあり、初めて成功するまでの試行回数を確率変数とするものもあります。この場合の確率質量関数は下式です。 どちらを用いても本質は同じです。以降では前者の形式を用いていきます。 たとえば、成功確率p=0.3のとき、幾何分布は以下のようなグラフになります。 幾何分布という名前について幾何分布という名前はちょっと変わっていますね。この名前の由来なんですが、幾何分布の確率の順序が等比数列であることから来ています。等比数列は英語で"geometric
竹村彰通『新装改訂版 現代数理統計学』 7月はずっと竹村彰通『新装改訂版 現代数理統計学』を読んでいた。30年前くらいに初版が出された名著だが、ちょうど半年前に元の出版社が潰れたついでか何かで新装改訂版が登場したらしい。 新装改訂版 現代数理統計学 作者:彰通, 竹村 学術図書出版社 Amazon 別に試験があるわけではないし仕事で使うわけでもないし資格を取るわけでもないのだが、映画やアニメを見たい気分と同じでたまたま数学がやりたい気分だったので、手頃なコンテンツとして統計学を消費していた。 全部で14章まであるのだが、体系的な説明は9章でひと段落してそれ以降は補足的な各論が続くようなので、とりあえず9章まで終えた。 何事もインプットしたらアウトプットしておくのが一番定着が早いため、各章ごとの感想を書いたやつを載せておく。あくまでも俺の現時点での理解と関心に基づいた感想の整理であり、この書
学部横断型プログラム「数理・データサイエンス教育プログラム」 数理・データサイエンスの能力の重要性は、文系分野を含む様々な分野で急速な広がりを見せています。 本プログラムでは、理系・文系にまたがる体系化された数理・データサイエンスに関する講義科目を提供します。 プログラムを履修した学生は、理系・文系を問わず将来の研究あるいは実務の面において必要になる 数理・データサイエンス分野に関する基礎的知識と技術を身に付けることができます。 [プログラムの詳細] データサイエンス履修の手引き概要 データサイエンスを学ぶには、そのための基礎として、数理系科目（解析・線形代数）、統計系科目（確率・統計）、情報技術系科目、プログラミング系科目を履修する必要があります。 このページでは、前期課程と後期課程の主要な科目を図示し、これらの科目間の関係を明らかにしています。さらに、機械学習・データマイニングをゴール
TL;DR 基本的に過去問に過学習すれば受かる。 級 自分の合格状況 指導経験 お気持ち 1級 合格 なし 実は数学力いらない 準1級 合格 あり 浅く広く適当で受かる 2級 合格 あり この辺から対策が必要になる 3級 未受験 あり 社会人はノー勉では取れない 4級 未受験 なし 社会人なら取れる 注意点 全て個人の試験対策や、幾らか他人を指導した範囲での内容です。 高校生〜大学生にはあまり役に立たない内容で、目安として社会人（20〜40才程度）向け。 さらに、数学を真面目に学んでこなかった人向け。数学にこだわる人はこの記事でなく鍋谷(1978)とか読んでください。 1級 状態 自身が合格(数理・応用) 指導経験は無し 対策 1. 検索で出てくる大学の数理統計の講義資料 「数理統計学」なんかで検索すると、大学の講義レジュメがたくさん出てくる。 こういうのを使えば、大体勉強できてしまう。
統計検定１級受験記
はじめに こんにちは、先進運転技術部所属の島田です。普段の業務では車載向けAI技術の開発に取り組んでいます。 統計検定1級は公式HPによれば「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」試験です。 統計学は弊社の主力ビジネス領域である深層学習とも深いつながりがあるため、基礎知識の再確認の意味も込めて2021年に受験しました。 幸いなことに一回目の受験で合格をすることができました。 この試験は公式ホームページに掲載されている試験範囲が広く、難易度が非常に高く見えます。 しかしポイントを抑えれば受かること自体はそこまで難しくありません。本記事では受験記と併せて対策のポイントについても触れたいと思います。 今後試験を受ける人の一助となれば幸いです。 試験概要 90分×2の完全記述式の筆記試験。5問のうちから3問を選択して回答します。以下の二つの試
保険研究部 主席研究員 兼 気候変動リサーチセンター チーフ気候変動アナリスト 兼 ヘルスケアリサーチセンター 主席研究員 篠原 拓也 正月三が日が過ぎ、新年の仕事始めをしたという人も多いだろう。でも、お酒好きな人にとっては、もうしばらく、お屠蘇(とそ)気分を味わっていたい、というのが本音かもしれない。 お酒が好きな人でも、本格的な利き酒を経験したことがある人は、それほどいないだろう。日本では、有名な利き酒として、ワインのソムリエ試験のテイスティングや、日本酒の全国きき酒選手権大会などがある。 ワインのソムリエ試験の場合、ワインなど5種類の飲料をテイスティングしたうえで、銘柄を記述するとともに、ワインについて外観、香り、味わいをマークシートで回答する。まさにプロのソムリエとしての力量が試される。 日本酒の全国きき酒選手権大会は、7種類の日本酒を2回きき酒して、好みの順位を合わせるマッチング
ブレインパッド同期対談（Vol1．2010年新卒入社編） 〜創業期を築き、次のチャレンジへ。そして、いつかまた〜 - Platinum Data Blog by BrainPad
2021年11月末に、CDTOを務めていた太田さんがブレインパッドを卒業しました。 初めて聞いた時はとてもショックを受けましたが、その想いを聞いてからは「太田さんらしい選択だな」と社員みんなが感じたことと思います。 これからも大切な仲間であることに変わりない太田さんの決断の背景を、本ブログでも紹介させてください。少々長めですが、熱い想いとブレインパッド愛がたくさん詰まっています！ ＜目次＞ 苦難を乗り越えデータ活用の未来を切り拓いてきた12年間 枠組みに捉われない人物。挑戦は納得だった。 医療版 Google を目指す。壮大な夢を本気で目指したい やっぱりブレインパッドに残りたい、でも挑戦したい。何度も気持ちが揺れる、大きな葛藤があった ブレインパッドでの12年間に後悔はない。本当に成長させてくれた12年 同じ未来を見ている データ活用の未来を担う仲間へ 場所は違うけど、同じ想いで世の中を
探索的データ解析 - Wikipedia
探索的データ解析（たんさくてきデータかいせき、英: exploratory data analysis、EDA）とは、データセットを解析してその主な特徴を要約する、統計学における手法であり、しばしば統計グラフィックス（英語版）やその他のデータ可視化手法を使用する。統計モデルは使っても使わなくてもよいが、EDAは主に形式的なモデル化を超えてデータが何を語ってくれるかを見るためのもので、それによって従来の仮説検定と対比される。探索的データ解析は、1970年以降、ジョン・テューキーによって推進されており、統計学者に対して、データを探索し新しいデータ収集や実験につながるような仮説を立てることを奨励している。EDAは初期データ解析（IDA）とは異なるもので、IDAは、モデル適合や仮説検定に必要な前提条件を確認したり、欠損値の処理や、必要に応じて変数を変換を行うことに焦点を絞っている[1][2]。ED
前回まで数回にわたって，数学が支配するパラメトリック統計学ワールドの風景をみなさんにおみせしてきました．医学や農学をはじめとする多くの応用分野で用いられているさまざまな伝統的統計手法は，パラメトリック統計学の歩みのなかで一つひとつ確立されてきました．母集団から抽出された標本に基づく推定や検定の原理と方法の構築はパラメトリック統計学が果たした統計的データ解析へのきわめて重要な貢献です． これらの輝かしい成果の基礎となったのは，ベルヌーイ以来の3世紀をかけて構築された確率分布に関する数学理論でした．それは不確定な現象のもつ確率的挙動を数学的モデル化することに成功しました．前回説明したように，統計学者カール・ピアソンは，確率分布がいかに現実に観察できるデータをうまく近似できているかについて，数々の実例を通して私たちに納得させました．とくに，「正規分布」というある確率分布が理論的に重要な役割を果た
本記事は、G検定のチートシートです。 「ディープラーニングG検定公式テキスト」と「ディープラーニングG検定問題集」を中心にまとめています。 どちらも代表的なG検定のテキストです。（代表的というか、これくらいしか無いです。。） また、機械学習やディープラーニングについては、モデルごとの解説動画を日々更新しているので、ぜひこちらもお役立てください。 ■Youtube:https://www.youtube.com/channel/UCwlSTr8FIuNnaNPZIzDghAA ■ブログ：https://datascience-lab.sakura.ne.jp/ 1.1 人工知能の定義 人工知能とは何か コンピュータを使って、学習・推論・判断など人間の知能のはたらきを人工的に実現したもの。 AI効果 人工知能で何か新しいことが実現され、その原理が分かってしまうと、「それは単純な自動化であって知
統計検定1級を取る話
方針『統計学のための数学入門30講』1~13章『プログラミングのための確率統計』特に1~8章『現代数理統計学の基礎』1~8章 特に練習問題過去問(数理)『統計学のための数学入門30講』14~27,30章『多変量解析法入門』過去問(応用)微積分について統計検定1級をやるなら、対策は 数理→応用 の順にやっていくのが自然な流れになる。 というか、1級レベルの統計学に関する書籍となると、最低限の微積分がわかっていないと読み進められない。 ぶっちゃけ、 部分積分置換積分合成関数の微分eの入った関数の微積分が解ればOK あとは、ガウス積分は結果だけでもいいので知っておく。 一般の書籍を使って微積分を学んでも良いが、統計学で三角関数はほとんど出てこないので、大学受験用や大学数学用の微積分のテキストは効率面からオススメしない。
#1. はじめに 先日、井手剛さんのTwitterで注目すべき発言がありました。異常検知においてSOTAは、マハラノビス距離であるとの報告でした。素晴らしいと思いました。 ＊井手剛さんは、名著入門機械学習による異常検知の著者です。 ということで、統計を専門的に学んでない方を対象に、このマハラノビス距離を嚙み砕いて説明したいと思います。 #2.マハラノビス距離とは ##2.1. マハラノビス先生 最初、マハラノビス先生について、お話させてください。活動時期がラマヌジャンと似ていて、なんだかインド生まれの変わった風貌を持つ天才数学者のイメージがありましたが、実写の写真を見るとかなりインテリのイメージでした。彼の功績を見ると、天才数学者であることは間違いありませんが。ケンブリッジ大学に留学した後、インドのコルカタに戻り、インド統計研究所(Indian Statistical Institute)
最尤推定量とクラメール・ラオの不等式 - Goodな生活
統計検定1級の学習メモです。 最尤推定量 クラメール・ラオの不等式と有効推定量 スコア関数とフィッシャー情報量 フィッシャー情報量の性質 クラメール・ラオの不等式 不等式の証明 参考 最尤推定量 確率密度関数をもつ母集団から得られた、個の標本に対して、 を尤度関数（likelihood function）*1という。尤度関数を最大にするようなを最尤推定量（maximum likelhood estimator）と呼ぶ。 (1)では因果関係に注意したい。本来は母集団のパラメータありきで確率分布の形が決まり、標本が生起する。しかし、ここでは標本が生起したのは、それらが得られる確率が最大だったから、だと考える。得られる確率が最大となるとき、はの最大化問題の解となるので、 を満たす。であり、の解が最尤推定量の候補となる。これらの連立方程式をコンピュータを使って数値的に解く。しかし一般に尤度関数は複
情報幾何勉強会 (2020/01/20 19:00〜)
今回の内容 情報幾何学とは、統計問題に対する幾何学的なアプローチを調べる学問領域である。 統計問題とは、現象から確率測度を推測し、最適な行動を決定する、確率論の逆問題である。 従って、確率測度を定量的に評価する量が必要になる。そのような指標を情報量と呼ぶ。 情報量としては平均エントロピーが基本的だが、以下の理由から実はこれは適切ではない。 平均エントロピーは離散版と連続版があるが、これらは実は統一的に記述することができない。 連続版をある方法で"離散化"して再度"連続化"しようとすると、発散してうまくいかない。 平均エントロピーの代わりに相対エントロピーを導入すると、上記の2つの問題が解決する。 相対エントロピーは一般の可測空間上で定義でき、離散版と連続版はこれらの特別な場合とみなせる。 相対エントロピーは有限集合上の相対エントロピーの極限としても定式化することができる。 相対エントロピー
そしてぼくは考えるのをやめた今年は少し早めに書こうかなの気持ち 結局、キャリアパスを中心に「人生」を考えることが馬鹿らしくなってしまったので、もう少し自分勝手に「仕事」を見直そうと思った。 結論: キャリアや市場価値について考える優先度が下がったhttps://twitter.com/0_u0/status/1478200936426532865 労働を開始してから、統計学とか数学とかを勉強する時に「これ仕事に役立つのか？？」って考えてしまうようになってしまったのが最大のバグなので毎回「そんなことで獲得する知識を選ぶなボケ」って自分を殴っていくことにした。 — Kien Y. Knot (@0_u0) January 4, 2022 年末年始暇になったので、いろいろな人のTweetとか、友人との対話とかを通じて、「2022年のなんもわからん問題シリーズどうするかなあ」とか思っていた。 紆余
統計検定®準1級対策講座 | 集団授業 | すうがくぶんか
統計検定準1級の広大な試験範囲をどう勉強するか この講座では、統計検定®準1級に合格するうえで必要となる高度な基礎知識を学びます。準1級試験の特徴は、出題範囲の広さですが、過去の試験からみて特に出題されそうな分野を集中して学ぶことで、合格に十分な実力を養成します。 ※弊社の統計検定対策講座は、統計検定センターのHPでも紹介されております。 ※アーカイブ講座の動画販売についてお申し込み受付中です。 統計検定準1級試験は、日本統計学会認定の統計に関する知識や活用力を評価する全国統一の試験です。この試験は、統計検定2級程度の内容を前提として、実社会のさまざまな問題に対して適切な統計手法を応用する能力を問うものです。 参考：統計検定準1級 概要(一般財団法人 統計質保証推進協会ホームページ) 試験内容は確率変数や確率分布などの数学的な基礎、推定や検定などの数理統計学の知識に加え、多変量解析、機械学
大人の数学教室＜大阪・家庭教師＞
個別指導の大人の数学塾 社会人のための塾（算数塾） 個人指導（大阪、天王寺）２時間８０００円のみ。 費用は１回２時間８０００円のみ。１回だけでも３日連続でも毎月でもＯＫ。 ご希望の回数だけで大丈夫。 数学やり直し、受験の対応など何でも個人指導しています。出張・家庭教師・講義もします。 教室は天王寺駅から徒歩８分、地下鉄阿倍野駅から２分。コインパーキング隣接。 （自作サイトで見栄えは悪いですがこのサイトは2025年まで有効です） ＜対象＞ 社会人、女性、高齢者、学生、外国人など誰にでも教えています。 仕事で数学が必要になった人、看護学校受験、自衛隊受験、公務員試験、 高等学校卒業程度認定試験（高卒認定、大検）、 通信制高校、通信制大学、夜間高校、不登校などで必要になった人、大学院生などどんな人にも教えています。 学生時代、面白くない、分からない数学だったかも知れませんが、必要になってから や
厦門大学 - Wikipedia
人文学部 ジャーナリズムコミュニケーション学部 外国言語文化学部 海外教育学部 法学部 公共事務学部 国際関係学部 国際学部 経済学部 経営学部 芸術学部 数学科学部 物理科学技術学部 電子科学技術学部 航空航天学部 化学工学部 材料工学部 生命科学部 海洋地球学部 環境生態学部 情報科学技術学部 ソフトウェア工学部 土木建築工学部 医学部 薬学部 公衆衛生学部 エネルギー学部 人文学研究科 ジャーナリズムコミュニケーション学研究科 外国言語文化研究科 海外教育研究科 法学研究科 公共事務研究科 国際関係学研究科 経済学研究科 経営学研究科 芸術学研究科 数学科学研究科 物理科学技術研究科 電子科学技術研究科 航空航天研究科 化学工学研究科 材料工学研究科 生命科学研究科 海洋地球学研究科 環境生態学研究科 情報科学技術研究科 ソフトウェア工学研究科 土木建築工学研究科 医学研究科 薬学研
鳥越規央(とりごえ・のりお) 統計学者。江戸川大学社会学部経営社会学科客員教授。研究分野は数理統計学、セイバーメトリクス。学位は博士(理学)。所属学会は日本統計学会、日本計算機統計学会、日本数学会、アメリカ野球学会、日本オペレーションズ・リサーチ学会会員(球場でも酒場でもなく、「三密」を避けて消毒済み某社会議室でお話をうかがいました/撮影・筆者) ――統計学者にしてセイバーメトリクスの日本における第一人者、鳥越規央先生をお迎えして「2020年のプロ野球」の展望をたっぷりとうかがう企画、セ・リーグ編をよろしくお願いします。 今回はありがたいことに、未発表データをもとに各ポジションごとの打撃力(投手は被本塁打、三振、四球という、守備や運にかかわらない数字からみた能力)を分析していただき、平均より上か下かを指標化して見せていただきました。プロ野球の開幕が延びている間に、今年のオープン戦についての
統計検定準1級合格体験記 - Qiita
初めに 筆者が統計検定準1級に合格するまでに行った「勉強方法」・「合格に必要なこと」・「合格して思うこと」を書いています。 成績は74点で、ありがたいことに優秀成績賞を頂けました！せっかく優秀賞を頂いたので、体験記を書いてみました。 筆者の勉強方法 やったことは統計学実践ワークブック本文の行間埋めです。ひたすら載っている数式や定理の導出をしていました。例題の方は、一周目は理解の助けになるものだけにざっと目を通すだけでした。例題も全て解いていると、ワークブックのあのスカスカな行間を埋めながらでは時間がかかり過ぎると思ったからです。 ですが、行間埋めにも非常に時間がかかりました…。一週間の勉強時間が平均10時間くらいで7、8ヶ月かかりました。その間、何度も心が折れそうになってました…。後述もしますが、正直、合格にはそこまで丁寧にワークブックを読み込む必要はなかったのですが、統計学の知識を網羅的
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
現代数理統計学の基礎 第3章 問5 - easy writing
『現代数理統計学の基礎』章末演習問題解答 (答案) - Qiita
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 第3章 問2 - easy writing
時系列データの自己相関と相互相関をPythonで求めてみよう
『現代数理統計学の基礎』 解答・解説まとめ - 脳内ライブラリアン
統計検定準1級を4回受験した民の話し - ジャポニカ学習帳^^（きかいがくしゅう）
【外部大学院入試 合格体験記】一橋大学ソーシャル・データサイエンス研究科修士課程入学試験｜@ABC123
学科概要、カリキュラム、教員紹介 | お茶の水女子大学
統計的仮説検定をていねいに解説する - 閃き- blog
21/7/23 竹村彰通『新装改訂版 現代数理統計学』の感想 - LWのサイゼリヤ
関連講義 | 東京大学 数理・情報教育研究センター
統計検定各級の対策事例(1級、準1級、2級、3級) - べんきのにっき
利き酒で偶然正解する確率－問題の難易度を引き上げるには…
第9回 秘宝：確率分布曼荼羅の発見！ - 統計の落とし穴と蜘蛛の糸 - Smart Lab Life - 羊土社
【2022年3月受験版】G検定チートシート - Qiita
【異常検知】マハラノビス距離を嚙み砕いて理解する (1) - Qiita
データ分析官のキャリアなんもわからん問題 The Final｜きぬいと
プロ野球順位予想 セ・リーグ編――セイバーメトリクスの第一人者に訊く - 井上威朗｜論座アーカイブ