筆者が出演しているテレビ東京の報道番組『モーニングサテライト』では、毎週月曜朝に「モーサテサーベイ」のコーナーがある。 番組のレギュラーコメンテーター約30人が毎週末にアンケート調査に応え、「今週末の株価」や「ドル円レート」、「米利上げの時期は?」などの予測を提供している。朝早いから見逃した、なんて人は番組サイトでも紹介しているので、是非ご活用願いたい。 米大統領選の予想で私が「イヤ~な気分」になったワケ その10月3日分でこんな設問があった。 Q9:アメリカ大統領は?(総数30人) クリントン候補 100% トランプ候補 0% このときは筆者も自信をもって「クリントン候補」と記入したのだが、この結果を見て急にイヤ~な気分がしてきた。なんとなればこのモーサテサーベイ、去る6月20日に行われた際には、こんな結果が出ているのだ。 Q7:イギリス国民投票でEU離脱が? 決まる(離脱) 0%
安保法制をめぐる憲法学者の違憲論の検証――『集団的自衛権の思想史――憲法九条と日米安保』は何を論じたのか 篠田英朗 国際政治学 政治 #安保法制#集団的自衛権の思想史 安保法制をめぐるあの暑い夏から1年。違憲訴訟や廃止法案上程の動きがある中で、現実に南スーダンに派遣するPKO部隊の任務範囲をどうするのかが問題となっています。安全保障に関する議論が第2ラウンドを迎えようとしていると言えるでしょう。第2ラウンドだからこそ、新たな次元で、より深く、より広い議論にしなければなりません。本書『集団的自衛権の思想史』は、そこに大きな一石を投ずるものとなるでしょう。 著者の篠田英朗氏は、平和構築論を専攻する気鋭の国際政治学者(東京外国語大学教授)です。以下では著者自身に内容の一部を紹介して頂きます。(風行社編集部) 安保法制の成立をめぐる喧騒は過ぎ去った、という雰囲気が今や各方面に蔓延している。参議院選
サービス終了のお知らせ NAVERまとめは2020年9月30日をもちましてサービス終了いたしました。 約11年間、NAVERまとめをご利用・ご愛顧いただき誠にありがとうございました。
現在、我が家にはもうすぐ3歳のこどもと生後3週間の赤ちゃんがいる。 新生児を育てる大変さや産後の母親のダメージの過酷さを再確認させられている。 市役所から突然電話がきた。 「現在、市内の保育園に通われているお子さまですが、現在産休中のお母さまがこのまま育児休業に入り職場に復帰しないということですと、今年の11月11日で退園して頂きますので、その確認のお電話です。」 という内容。 そんな話は事前に説明されたこともないし容認するどころか意味が分からない。 どういう状況がそうさせるのか。 詳しく問い詰めてみると、 理由は二人目のこどものために育児休業を取得して在宅が可能ならば上の子も自宅で面倒みられるのだから保育園に預ける必要がない。 という話である。 …それはいくらなんでもあんまりなのでは? 待機児童問題はあちらこちらで社会問題となり我が家にとっても決して他人事ではなかった。
ベイズ統計の理論と方法 渡辺澄夫 ベイズ統計の理論と方法、コロナ社、2012 , アマゾンのページ この本ではベイズ統計の理論と方法を紹介しています。 ベイズ統計については良い本がたくさん出版されていますので、他の本と 合わせてお読み頂ければ幸いです。 初めてベイズ統計に出あった人はもちろん、これまでにベイズ統計について勉強を されていて、多くの疑問を持たれているかたに本書をお薦めします。 特に、ベイズ統計について『いろいろな本に○○○と書いてあるが、これは 本当のところ正しいのだろうか』と思われていることが沢山あるかたに本書を お勧めします。例えば、 Q1.なぜ事前分布を信じることができるのだろうか? Q2.ベイズ法は数理や理論に支えられていないのだろうか? 『百人いれば百個の推論』でよいのだろうか? Q3.私は BIC や DIC でモデルを設計して来たが、それで本当によかったのだろう
ベイズ推論 東京工業大学 渡辺澄夫 2016/9/15 1 電子情報通信学会ソサイエティ大会 AI-2 データ科学とコンピュータ科学の基礎理論と展開 2016年9月20日北海道大学 この講演の目的 2 2 統計的推論が命題論理の推論と異なる点を説明し、 ベイズ推論において解明されていることの概略を述べる。 もくじ 3 3 1.統計的推論は命題論理の推論と何が違うのか 2.統計的推論では何を知りたいのか 3.予測誤差と交差検証誤差 4.総和誤差と自由エネルギー 4 4 1.統計的推論は命題論理の推論と何が本質的に違うのか なぜ人間は「正しい統計的推論」を求めたのか 5 数学や物理学では一定の水準の厳密さにおいて 「正しい推論」というものが存在している。 → 正しいモデルで正しく推論すれば正しい結論が得られる。 → 間違った結論は間違ったモデルか推論から生まれる。 (例) 連続関数の列が一様収
このページをご覧頂き、ありがとうございます。 「ベイズと最尤のどちらが正しいのか」と、いつも何度でも尋ねられます。 「事前分布は何が正しいのか」と、いつも何度でも尋ねられます。 ここでは、できるだけ短く、その質問についての返答を述べます。 1.正しい統計的推論は存在しない 統計学が扱う問題では、ほとんどの場合、基礎となる確率がわからないので、 特別な場合を除いて、正しいモデル・正しい事前分布・正しい推論というものは存在しません。 条件が不足したり過剰だったりして答えられない問題のことを【不良設定問題】と いいます。 統計学は不良設定問題を扱う学問です。 この世にあるほとんどの問題は程度の違いこそあれ、みな不良設定です。 まずは「統計学は不良設定問題を扱う学問である」ということを理解しましょう。 基礎となる確率が定められていなければ【正しい統計的推論】は存在しません。 (注) 基礎となる確率
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