新型コロナウイルスの自主検査で陽性だった人がオンラインで登録を行う千葉県のシステムで、登録された人数が県内の新たな感染者数として計上されていないことが分かりました。県内の実際の感染者数が発表を大幅に上回っていたとみられる日もあり、感染者数をもとに対策を判断してきた自治体から困惑の声も出ています。 千葉県では、先月から抗原検査キットなどで陽性だった場合、インターネットで登録して医師の診断を受けられる専用サイト「陽性者登録センター」を開設しました。 県は、新たに確認された感染者数を毎日発表していて、今月14日は4600人余りとしていましたが、ここに専用サイトで登録した3300人余りは含まれておらず、東京都の感染者数として計上されていたことが分かりました。 専用サイトは、都内の業者が運営を受託し、都内の医療機関の医師がオンラインで診断を行っていますが、感染を確認した医師は最寄りの保健所に届け出る
追記 再現性をチェックする実験を後日実施しています。併せてお読みください。 以前こんな記事を書きました。 この辺の話はとっくの昔に常識になっていると思っていたのですが、昨今様々な「モデル」が提唱されて公の場で喧伝されることが増えてきており、その中には明らかにこれらの記事で指摘されている問題に引っかかっているものがあるようなので、注意喚起も兼ねて改めてブログ記事として書いてみようと思います。 追記 (May 08, 2020) 本文中にも記事公開当初の初稿の時点でいくつか但し書きを入れてありますが、この記事で最も強調したかったことは「時系列データに対して多項式フィッティングを行うという本来あり得ないモデリングのやり方であっても、交差検証を行えば短期的な予測性能（汎化性能）を改善することができる」ということです。データセットにランダムウォークを選択したのは、単に極値が2つ以上ある時系列を生成し
先日ですが、旧知の*1Grahamianさんのこんなツイートが話題になっていました。 データ分析をするときシンプルに重要なことは「生のデータを眺める」と「データの分布をグラフにする」ことなんじゃないかと思うんですよね。すぐにクロスとかファネルとかコホートとかやりたくなるんですけど、まずは目の前のデータがどんなものか頭にマッピングさせることが長期的に効いてくる感じ。— Grahamian📊データ分析と機械学習 (@grahamian2317) 2021年1月12日 何を当たり前のことを言っているんだと眉を顰める向きもあるかもしれませんが、これだけデータサイエンスやら機械学習（人工知能）やらが喧伝されている昨今においては、少なからぬ現場で「データはどこかのAPIからバルクでダウンロードしてくるor本番DBから転送してくるだけ」「やってきたデータは中身を見もせずにそのまま統計分析や機械学習など
Backblazeは、2023年第2四半期の自社データセンターにおけるデータドライブの統計レポートを発表した。 クラウドストレージやクラウドバックアップサービスを提供するBackblazeは2023年8月3日（米国時間）、2023年第2四半期の自社データセンターにおけるデータドライブの統計レポートを発表した。 2023年第2四半期末の時点で、Backblazeは世界中のデータセンターで24万5757台のHDDとSSDを管理していた。そのうち4460台が起動ドライブで、その内訳は3144台がSSD、1316台がHDDだった。同レポートでは、BackBlazeの管理下にある24万1297台のデータドライブに焦点を当て、2023年第2四半期と生涯の故障率を報告した。 2023年第2四半期のハードドライブの故障率 2023年第2四半期では、顧客データの保存に使用される24万1297台のハードドライ
｢日本人は多神教だから寛容｣通説は本当なのか
日本でよく聞かれるのが、キリスト教にせよイスラム教にせよ、「一神教はどうしても不寛容だ」という意見である。それと対になっているのが、「日本は多神教だから寛容だ」という説で、これは床屋談義だけでなく学問的な見解としても論じられることがある。 その発端になったのは、「農耕由来の多神教」と「砂漠由来の一神教」という対比を論じた和辻哲郎である。彼の『風土』論（1935年）は、その後、梅原猛や山折哲雄といった昨今の日本研究者たちにも継承され、欧米の対テロ戦争が始まった後はさらに拡散した。 日本人は寛容なのか？？ 日本人のこういう自己理解には、まず統計的な数字を示しておくのがよいかもしれない。2018年に刊行された『現代日本の宗教事情（国内編I）』では、編者の堀江宗正が「世界価値調査」のデータを用いて日本と他国を比較し、その「惨憺たる」結果を示している。指標に選ばれているのは中国、インド、アメリカ、ブ
[Tyler Cowen, “What does this economist think of epidemiologists?” Marginal Revolution, April 12, 2020] このところ，疫学の片鱗に触れる機会がいつもよりも増えてる．理由はみなさんご承知のとおり．ぼくが触れてるのは，疫学分野のほんの隅っこでしかないのは理解してる．今回の話は，べつに疫学への不満をぶちまけるつもりで書いてるわけじゃない．経済学だって，似たような問題に苦しんでいるんだから．ただ，ぼくらに提示されてる主流の疫学モデルに見受けられる限界を少しばかり書き留めておきたい． #1. そうした疫学モデルは，短期の弾力的な変化よりも長期の弾力的な調整の方が強力だという点を十分にわかっていない．短期的には，世間の人たちは対人距離を維持するけれど，長期的には，我が身を守るのにいちばん効果的な対人距
数学、統計学を学ぶ上で必須となる「集合・数列」の6つの数学記号をPythonコードと図で理解する：「AI」エンジニアになるための「基礎数学」再入門（6）（1/2 ページ） AIに欠かせない数学を、プログラミング言語Pythonを使って高校生の学習範囲から学び直す連載。今回は数学、統計学を学ぶ上で必須となる「集合・数列」の数学記号についてPythonコードと図を交えて解説します。
平均寿命よりリアル…男の死亡ピーク年齢｢74歳→85歳｣このわずか20年間で11歳も延びた衝撃データ 女性は00年86歳､21年92歳…80代後半でしか死ななくなった日本人
高齢の物故者が相次ぎ、もはや90歳以上での死亡も“普通”になってきた感がある。今回、平均寿命ではなく、人口動態統計の生データである「死亡年齢」を調査した統計データ分析家の本川裕さんは「男性の死者数ピーク年齢が2000年時は74歳だったが、21年には85歳と、短い間に11歳も延びたことがわかった」という――。 90歳以上での死亡も“普通”になってきた 高齢の物故者が相次いでいる。8月には、稲盛和夫京セラ創立者（90歳）、ゴルバチョフ元ソ連共産党書記長（91歳）が亡くなり、9月には、エリザベス女王（96歳）、仏映画巨匠ゴダール（91歳）が死去した。10月に入るとプロレスラーのアントニオ猪木（79歳）、武村正義元新党さきがけ代表（88歳）が亡くなった。 最近は90歳以上で死亡するのが特別ではないような印象である。そこで、今回は、日本人は何歳ぐらいで死ぬようになったのかを調べてみよう。何歳で何人死
SFC-GC
■ 本講座の位置づけ 何らかの事業を起こすにしろ、会社に入るにしろここから先の時代においてデータドリブンな分析力、問題解決力、データ利活用に対する皮膚感覚的な理解は不可欠である。 本講座は、高校1-2年程度の数学の知識、スキル、Excelで基本的なことができる程度の素養はあるが、データ分析、データの利活用についてさして経験のあるわけではない人に対して、データの大切さと力、分析の楽しさを実感してもらうことを通じ、現代社会を生き抜くため最低限、基礎となるデータリテラシー、データで考える力を身につけてもらうことを目指す。 ■ 身につけてもらうことを目指す技能 - データ社会に対するパースペクティブ - 各種関連バズワードの適切な理解 - データの意味合いを理解するための基礎となる力 - データに騙されないようになるための基礎となる力 - 数字のハンドリング力、数量的分析力 - 基本的な問題解決能
フェミニスト「出産の死亡率が1%以下というのは馬鹿アンフェのでっち上げで本物は2.7%、つまり警官の死亡率の百倍の危険性になるわけだ」（原文ママ）
女たちのデータベース広場 @females_db_park なぜか出産と飛行機が比べられるのよく見るんだが、航空機死亡事故率は「全体で0.0009%」とまさに桁違いに安全 そして消防士の殉職率は「0.004%」 警察官は公表していないが、「0.003%」と言われているらしい つまり、消防士や警察官は「安心安全でぬくぬくの仕事」ってことになってしまう？ pic.twitter.com/uASaRvlKAw x.com/zanki_07/statu… 2024-06-14 11:18:06
はじめに 千葉大学/Nospareの米倉です．今回は僕が専門にしている計算機統計学・ベイズ統計学周辺で僕が勝手にお勧めだと思う教科書を10冊簡単なコメント付きで紹介したいと思います．初学者向けといより，修士・博士課程位のレベルのが多いので，ややプロ向けです． お勧めのプログラミング言語 僕は普段Julia言語を用いています．特徴は非常に高速なのと，可読性の高さでしょうか．個人的にはPythonやRより優れていると感じていて，僕の周りの専門家でも使っている人が多いです． Robert and Casella "Monte Carlo Statistical Methods" この分野のバイブルと言えばバイブルみたいな感じですが，そう呼ぶにはちょっと頼りない感じもします．けどモンテカルロ法に興味がある人はマストバイです．色々な種類のモンテカルロ法が網羅的に紹介されています． Efron and
Search, watch, and cook every single Tasty recipe and video ever - all in one place! News, Politics, Culture, Life, Entertainment, and more. Stories that matter to you.
初学者の分かりやすさを優先するため，多少正確でない表現が混在することがあります。もし致命的な間違いがあればご指摘いただけると助かります。 はじめに 機械学習を勉強したことのある方であれば，変分ベイズ（VB：variational bayes）の難しさには辟易したことがあるでしょう。私自身，学部生時代に意気揚々と機械学習のバイブルと言われている「パターン認識と機械学習（通称PRML）」を手に取って中身をペラペラめくってみたのですが，あまりの難しさから途方に暮れてしまったことを覚えています。 機械学習の登竜門は，変分ベイズ（変分推論）だと私は考えています。また，VAE（変分オートエンコーダ；variational autoencoder）に代表されるように，変分ベイズは最近の深層学習ブームにおいて理論面の立役者となっている側面もあります。一方で，多くの書籍やWeb上の資料では式変形の行間が詰ま
全国の感染症の感染状況のデータです。 約20種類の感染症について全国の感染者数推移や都道府県ごとの感染者数をお伝えしています。
","naka5":"<!-- BFF501 PC記事下（中⑤企画）パーツ＝1541 -->","naka6":"<!-- BFF486 PC記事下（中⑥デジ編）パーツ＝8826 --><!-- /news/esi/ichikiji/c6/default.htm -->","naka6Sp":"<!-- BFF3053 SP記事下（中⑥デジ編）パーツ＝8826 -->","adcreative72":"<!-- BFF920 広告枠）ADCREATIVE-72 こんな特集も -->\n<!-- Ad BGN -->\n<!-- dfptag ＰＣ誘導枠５行 ★ここから -->\n<div class=\"p_infeed_list_wrapper\" id=\"p_infeed_list1\">\n <div class=\"p_infeed_list\">\n <div class=\"
30年のキャリアを誇る経営戦略コンサルタント。情報分析や業界分析に強く、未来予測やイノベーション分野が得意領域。一方で雑学にも強く、経済エンタテナーとして各方面に寄稿。経済クイズ本『戦略思考トレーニング』シリーズは20万部を超えるベストセラー。マスコミ関係者の地下クイズ集団『夜会』のメンバーとしても活躍。 今週もナナメに考えた 鈴木貴博 経済誌をにぎわすニュースや日常的な経済への疑問。そのときどきのトピックスについて経済の専門知識を縦軸に、社会常識を横軸において、ナナメにその意味を考えてみる。 バックナンバー一覧 バイデン勝利は覆るのか？ 米大統領選の「不正」を検証 アメリカの次期大統領はジョー・バイデン氏に決まりで、もう結果が覆ることはない、という前提でお話ししますが、今回の米国大統領選挙、本当に不正はなかったのでしょうか。 現時点では、ドナルド・トランプ大統領は敗北宣言を拒否しており、
","naka5":"<!-- BFF501 PC記事下（中⑤企画）パーツ＝1541 -->","naka6":"<!-- BFF486 PC記事下（中⑥デジ編）パーツ＝8826 --><!-- /news/esi/ichikiji/c6/default.htm -->","naka6Sp":"<!-- BFF3053 SP記事下（中⑥デジ編）パーツ＝8826 -->","adcreative72":"<!-- BFF920 広告枠）ADCREATIVE-72 こんな特集も -->\n<!-- Ad BGN -->\n<!-- dfptag ＰＣ誘導枠５行 ★ここから -->\n<div class=\"p_infeed_list_wrapper\" id=\"p_infeed_list1\">\n <div class=\"p_infeed_list\">\n <div class=\"
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/ Read less
23万台超のHDD運用実績からぶっ壊れやすいモデルを統計的にまとめたBackblazeの「メーカー・モデル別統計データ2022年版」が公開
2022年12月31日時点で23万以上のHDDを運用しているBackblazeが、どのモデルのHDDが故障しやすいのかがわかる統計データ「メーカー・モデル別統計データ2022年版」を公開しました。 Backblaze Drive Stats for 2022 https://www.backblaze.com/blog/backblaze-drive-stats-for-2022/ 2022年にBackblazeが運用したHDDの数は23万5608台で、その内訳はブートドライブとして利用されたものが4299台、データドライブとして利用されたものが23万1309台でした。データドライブとして利用された23万1309台のうち、テスト目的で使用された388台と60台未満しか運用されていないモデルのデータを除外して、BackblazeはHDDの故障率をまとめた統計データを公開しています。 2022
日本アニメーター・演出協会（JAniCA）が、「アニメーション制作者実態調査報告書2019」を公表しました。アニメーション制作者たちの労働環境に対する生々しい声が19ページにわたってつづられています。 アニメーション制作者実態調査報告書2019（日本アニメーター・演出協会より） シナリオや絵コンテ、演出、作画、プロデューサーなどのアニメに関わる職種を対象に調査をしています。有効回答数は382人です。 資料の前半は統計資料がまとめられています。年収は「600万円超」がおよそ2割で最多です。平均作業時間は8時間～10時間以下が最多で、8時間以下が続きます。1カ月あたりの休みは4日が最多です。 年収600万円超が最多 1日の平均作業時間は8時間～10時間が最多 月4日の休みが最も多い 回答者の平均年齢はおよそ39歳です。回答者の働き方で一番多いのはフリーランスで、経験年数の平均はおよそ16年です
1人の女性が産む子どもの数の指標となる出生率は去年1.26で、7年連続で前の年を下回り統計を取り始めて以降最も低くなったことが厚生労働省のまとめで分かりました。 厚生労働省は2日、去年の「人口動態統計」の概数を公表しました。 それによりますと1人の女性が一生のうちに産む子どもの数の指標となる「合計特殊出生率」は、1.26でした。 おととしの確定値と比較すると0.05ポイント低下していて、前の年を下回るのは7年連続となります。 1947年に統計を取り始めて以降では2005年の確定値が今回と同じ1.26で過去最低でしたが少数点以下の詳細な数字の比較で今回は2005年を下回っているということです。 都道府県別の合計特殊出生率は 都道府県別で最も高かったのは ▽沖縄県で1.70 次いで ▽宮崎県が1.63 ▽鳥取県が1.60でした。 一方、最も低かったのは ▽東京都で1.04 次いで ▽宮城県が1
がんに関する不正確な情報の一つに「がん死亡数が増え続けているのは先進国では日本だけ」「がん死亡数は欧米では減っているが日本だけ増加し続けている」というものがある。「抗がん剤は害しかない」「がん検診は無駄だ」「残留農薬や添加物が多い食事が原因だ」とかいったニセ医学的な主張と同時に言われていることもしばしばだ*1。 日本のがん死亡数増加の主因は高齢化である。他の要因が変わらなくても高齢者の人口が増えれば、がんで死亡する人の数は増える。生活習慣や公衆衛生、医療環境が改善され、他の病気でなかなか死ななくなる一方で少子化が進み、人口全体が高齢化すると、相対的にがんの死亡数や粗死亡率*2は増える。 一方、高齢化の影響を補正した年齢調整死亡率は、他の先進国と同じく、日本でも減少している。ただ、「がん死亡数が増え続けているのは先進国では日本だけ」というデマに対抗して高齢化の影響を持ちだすと、「他の先進国で
TL;DR TanStack Query や SWR のようなデータ取得ライブラリは、難しいとされる Server State 管理を簡単にします。ユーザビリティやコンポーネント設計の品質も向上させます。導入する際にはいくつか注意する点があります。 （かなり長くなってしまったため、目次や目に留まった箇所だけ読むのも良いかと思います） スコープ この記事は Client Side Rendering(CSR) の SPA を対象とします。筆者（の業務）の関心や要求が少ないため、SSR や ISR はこの記事の議論では対象にしません[1]。読み込みパフォーマンスについても要求は控えめです。 利点や議論は特定の UI ライブラリ・フレームワークに限りませんが、筆者が慣れている React を使って説明します。 予備知識 React の State について この記事では、React の Stat
機械学習セキュリティのベストプラクティス – Draft NISTIR 8269: A Taxonomy and Terminology of Adversarial Machine Learning – 論文紹介 概要 「Draft NISTIR 8269: A Taxonomy and Terminology of Adversarial Machine Learning」は、米国のNIST（National Institute of Standards and Technology）が策定を進めている機械学習セキュリティに関するベストプラクティスのドラフトであり、機械学習システムの安全確保を目的として、機械学習にまつわるセキュリティを「攻撃」「防御」「影響」の3つの視点で分類している。 NISTIR8269はブログ執筆時点（2020年7月9日）でドラフト版であるが、「NIST SP8
人気BIツール8つを詳細に比較【2022最新】
もちろん、上記とは異なる意見をお持ちの方もいるでしょう。しかし、自身の個別具体的な環境や経験においてはざっくりこのような印象です。以降、詳しく説明していきます。 「データ視覚化/ダッシュボードデザインを成功させる95のチェックリスト」をダウンロードする 2. すぐに分析を始められる「Power BI」 （公式Youtubeチャンネルから拝借） 120種類のデータソースに接続できるExcel、テキストファイル、各データベースなどのオンプレミスから、Azure、GCP、IBMなどのクラウドまで約120種類のデータに接続できます。 Excelベースの分かりやすいインターフェース誰もが使い慣れているExcelと同じインターフェースです。そのため、新しく何かを始める時によく起こる「どこに、なにがあるのか分からない」という状況には陥りません。 操作が簡単基本操作はドラッグ&ドロップとクリックのため、簡
直近の所得・収入の変化，格差の変容についてコメントを求められること際，いちいちPCを立ち上げてグラフを示したり，ファイルを送付するのは手間なので，memo代わりにここにあげておきます． 使用データは総務省『家計調査（家計収支編）』，「勤労者世帯（農林漁家含）」の可処分所得です．ちなみに， 可処分所得＝実収入－直接税・社会保険料 なのでイメージとしては手取り収入のようなモノだと思ってください．本来は月次データですが，細かすぎて見にくいので，四半期データに変換した上で自前で季節調整（X12加法）をかけています． まずは平均値から．縦軸の単位は万円．いわば勤労者世帯の月々の平均手取収入の推移だと思ってください． これをみると，リーマンショック後から2011年にかけて，手取り収入が低下していき，2012年頃に下げ止まったというイメージがわかります． アベノミクス開始後の2013年以降も2017年頃
Step 3：データを可視化しよう！ データ可視化の重要性 ggplot2でデータを眺めよう geom_histogram ヒストグラム geom_density 密度分布 geom_point 散布図 aes(color) 色を表現する facet_wrap, facet_grid グラフを分ける geom_boxplot 箱ヒゲ theme_*** 全体の雰囲気を変える color（aesの外） 線を特定の色にする fill（aesの外） 特定の色で塗りつぶす color（aesの中） 線を値に応じた色にする coord_cartesian 軸の範囲を変える labs タイトルや軸ラベルを書く／書き換える theme 文字の大きさなどを細かく設定 ggsave() 図をファイルとして保存 その他のグラフの描き方を知りたい方は ggplot2公式サイト Jaehyun Songさんの解説
QCの基本はデータ解析。データ解析ばかりしていて、仕事に役立てない人をいっぱいみてきた。 ある日、ある人の言葉から、筋書きを考えていたら、それ自分かもってなった。 データサイエンティストの気づき『勉強だけして仕事に役立てない人。大嫌い』それ自分かもってなった。 https://qiita.com/kaizen_nagoya/items/d85830d58d8dd7f71d07 OSEK OSを利用するにあたって、設計にあたっての証明と、HAZOPによる安全分析と、成果に対する品質測定を行ってきた。 QC検定にも役立つ！ QCべからず集 すごく内容がよい。 プログラマの方にも読んで欲しいと思い、筆をとりました。 はじめに(introduction) 統計、確率を学べば、因果関係が大事なのではなく、時系列の推移が大事だとわかる。 統計力学、量子力学、遺伝子工学、疫学などの分野で常識になると嬉し
8行のデータで理解する階層ベイズ - Qiita
学習効果を統計的に評価したい！ こんにちは グロービスではさまざまな教育事業を展開していますが、多くの人に学習を継続してもらうためには、研修をしたりコンテンツを視聴してもらったりするだけでなく、その学習効果を測定してユーザーにフィードバックすることが重要です。このとき、だれが見ても明らかな効果が出れば良いのですが、受講前後の成績変化のばらつきが大きかったりデータが少なかったりして、必ずしも分かりやすい結果が得られるとは限りません。そういった場合にデータを丁寧に紐解いて、どの程度効果があったのかを明らかにするのも分析の仕事のひとつです。 今回は階層ベイズモデルという統計モデルを使って、高校における学力コーチングの成果についてのデータを分析します。階層ベイズはやや高度な統計モデルというイメージがありますが、この記事ではたった8行のデータを例にしてその概要を説明してみたいと思います。 想定読者
「Go Toトラベルを利用し、コロナにかかった人は7人」。菅義偉首相は就任前の12日のネット討論番組でこう発言し、「そんなに感染しないと分かった」と結論付けた。ところが観光庁に問い合わせると、菅氏の言う「7人」は、2通りある「トラベル」利用パターンのうち片方の感染者数で、もう片方の13人は含まれていなかった。両方を合わせて「20人」と言うべきで、発言はミスリードだった。【牧野宏美/統合デジタル取材センター】 さらに、感染があった施設を保健所が公表するかどうか対応はまちまちで、旅行を口外しない感染者もいるとみられる。観光庁は感染者数の正確な把握はできないとし、もっと多い可能性もある。新型コロナウイルスの感染状況に対する新首相の認…
米ガートナー「先進テクノロジのハイプ・サイクル：2019年」を発表。5Gやバイオチップは過度な期待、レベル4の自律走行や次世代メモリは幻滅期
米ガートナー「先進テクノロジのハイプ・サイクル：2019年」を発表。5Gやバイオチップは過度な期待、レベル4の自律走行や次世代メモリは幻滅期 米調査会社のガートナーは、「先進テクノロジのハイプ・サイクル：2019年」を発表しました。 ガートナーのハイプサイクルは、技術の登場から安定までを5つのステージに分けて説明したものです。5つのステージは、「黎明期」から始まり、「『過度な期待』のピーク期」「幻滅期」「啓蒙活動期」「生産性の安定期」まで。この途中で消えていく技術もあります。 2019年版では2000を超えるテクノロジを分析した上で29の先進テクノロジが提示されています。 左の黎明期からいくつか注目したいテクノロジを見ていくと、黎明期には「非中央集権型自律組織」「転移学習」「説明可能なAI」などが並んでいます。 「過度な期待」のピーク期では、「自律走行（レベル5）」「AI PaaS」「バイ
「断崖絶壁式の暴落」 今月8日、中国公安部門が公表した1つの数字が多く人々を驚かせて、全国のメディアやネット上ではホットな話題となった。 その日、中国公安部戸政管理研究センターが、2020年12月31日までに公安機関に出生届けを出された1年間の新生児の人数は1003.5万人であると公表した。中国では厳しい戸籍制度があって戸籍を管理しているのは各地にある公安局・派出所であるから、国家の統計機関よりも公安部門はいち早く新生児の数を把握できるのである。 もちろん、公安部門が把握しているのはあくまでもその時点で出生届を出された新生児の数であるから、出生届を出されていない新生児、あるいはそれを出すのに間に合っていない新生児もいるから、上述の公表数字は100%の精確さがあるわけではないが、概ね間違っていないと思う。 昔の「1人っ子政策」の時代、2番目の子が生まれると出生届を出さない（あるいは出せない）
世界における新型コロナウイルスの感染状況をグラフと地図でみる
このデータについてロイターは、世界240の国と地域の新型コロナウイルス感染症（COVID-19）感染者と死者の数を収集し、毎日定期的に更新している。 国によって報告の内容は少しずつ異なる。各国が把握できていない感染者や死者も多数ある。このプロジェクトでは、感染拡大を食い止めようとする各国内部の傾向に焦点を当て、流行が最悪の段階にある国や、感染が再燃している国に注目している。 私たちの方法論についてもっと読む（英文） 世界の日次統計COVID-19の感染者数は、72カ国で依然として増加している。これまでに少なくとも556,201,000人の感染が報告され、6,776,000人の死亡が確認されている。 どの国が感染拡大のピークを迎えているのか？COVID-19の被害が他国よりもはるかに深刻な国もある。国によってコロナウイルスの感染数の数え方が異なるため、完全な比較をすることはできない。 しかし
「学術的に理解する」ってどういうこと? ：統計的因果推論のフレームワークから見た 「量的×質的」に関する眺望の (いささかとっちらかった)スケッチを共有する
統計的因果推論のフレームワークとはいかなるものかを理解することで、統計的因果推論がいかに質的な知見を（しばしば暗黙に）その基盤としているか、統計的因果推論のスコープがしばしば いかに”狭い&薄い”のかを議論しました。前半はDAG-潜在結果モデル-構造的因果モデルの統一的な解説です。後半はSUTVAと質的研究の話、固有性-法則性と斎藤清二先生のナラエビの話、筒井淳也(2019)と"キャンセルアウト"の是非の話、です。
日本バイオデータ on Twitter: "系統解析をすると、たぶん新型コロナウイルスは日本に何回も来てる https://t.co/0ZfJtU41Fx"
系統解析をすると、たぶん新型コロナウイルスは日本に何回も来てる https://t.co/0ZfJtU41Fx
【パリ共同】スペイン保健省などは13日、全国で4月下旬から約6万人が参加して行った新型コロナウイルスの感染歴を調べる抗体検査で、陽性の割合は約5％だったとの暫定結果を発表した。 PCR検査による国内の感染確認者はこれまで約23万人。今回の結果によれば全人口約4700万人のうち約235万人が感染したとみられることになるが、スペイン通信によると、責任者のマリナ・ポジャン博士は記者会見で「集団免疫にはほど遠い。感染再拡大の可能性はあり、慎重な対応が賢明だ」と述べた。
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
千葉 オンライン登録の感染 県統計に計上されず 累計2万5000人 | NHK
行政のオープンデータを集約した「e-Govデータポータル」公開
改めて、汎化性能と交差検証のはなし - 渋谷駅前で働くデータサイエンティストのブログ
データ分析をする前に、まず生データを見てみよう - 渋谷駅前で働くデータサイエンティストのブログ
8TBのHDDだけ故障率が高い謎――自社利用HDDの調査で分かった「気になる真実」とは
統計表における機械判読可能なデータ 作成に関する表記方法
タイラー・コーエン「この経済学者が疫学者をどう思ってるかと申しますと」（2020年4月12日）
数学、統計学を学ぶ上で必須となる「集合・数列」の6つの数学記号をPythonコードと図で理解する
計算機統計学・ベイズ統計学周辺でのお勧めの教科書10冊 - Qiita
東京の感染拡大、「もうすぐピークアウト」は本当？実効再生産数をもとに「断定するのは時期尚早」と専門家は指摘
【徹底解説】変分ベイズをはじめからていねいに | Academaid
約20種類の感染症 感染者数の推移・全国比較 最新ニュース - NHK
国交省の統計不正「2000年以前から継続」 検証委が報告書：朝日新聞デジタル
米大統領選でやはり「不正」があったかもしれない、ちょっとした状況証拠
統計不正、電子データも書き換え 国交省、オンライン化後17年間：朝日新聞デジタル
Transformer メタサーベイ
「数字が苦手」だったメルカリのデータアナリストが教える、データ分析の第一歩 | 【レポート】Web担当者Forumミーティング 2023 秋
「24時間書き続けて、それでも仕事は終わらない」 アニメ制作者実態調査が業界の闇を伝える
去年の出生率1.26で過去最低 7年連続で前年を下回る | NHK
「がん死亡数が増え続けているのは先進国では日本だけ」は誤り - NATROMのブログ
米Microsoftが働き方に関するレポートを公開、日本と世界の違いも明らかに
データ取得ライブラリを SPA に導入するとなぜ嬉しいのか
機械学習セキュリティのベストプラクティス – Draft NISTIR 8269: A Taxonomy and Terminology of Adversarial Machine Learning –
可処分所得の推移と2017年の転換点 - こら！たまには研究しろ！！
Rを用いた データ解析の基礎と応用2022
プログラマにも読んでほしい「QC検定にも役立つ！QCべからず集」OSEK(71) - Qiita
ファクトチェック：菅首相発言「Go Toトラベルでの感染者7人」はミスリード | 毎日新聞
中国人口崩落ー出生数が対前年比で32%の激減、その衝撃と今後（石 平） @gendai_biz
スペイン、抗体陽性は国民の5％ 6万人検査、集団免疫「なし」 ｜ 共同通信
ameblo.jp/ameba-202301
iida-naika.com
search.app
news.goo.ne.jp
search.app
ja.wikipedia.org