サクサク読めて、アプリ限定の機能も多数！
トップへ戻る
ドラクエ3
hosho.ees.hokudai.ac.jp/~kubo
生態学会大会 (札幌大会, 2018-03-14) の自由集会 [W07] データ解析で出会う統計的問題: R の新しい作図・作表 日時: 2018 年 3 月 14 日 (水) 16:00 -- 18:00 場所: 札幌コンベンションセンター G会場 企画者: 粕谷英一 (九州大・理)・久保拓弥 (北海道大・地球環境) 大会サイト内の 要旨 参考: ggplot2 作図 概要 生態学にかぎらず，データ解析でもっとも重要なことは「データを図示すること」 と断言してもよいでしょう．データをうまく「見える化」すると， ヒトの視神経系・脳に与えられた高度な画像処理野力によって， 図示したデータから多くの傾向やパターンを読みとることができます． これによって，統計モデルのあてはめの方針を検討できるようになります． 生態学会でもすっかり普及している統計ソフトウェア R もこのような思想から 強力な作
生態学会大会 (東京大会, 2017-03-15) の自由集会 [W12] データ解析で出会う統計的問題: 原因→結果の統計モデリング 日時: 2017 年 3 月 15 日 (水) 18:00 -- 20:00 場所: 早稲田大学, 生態学会大会 B 会場 企画者: 粕谷英一 (九州大・理)・久保拓弥 (北海道大・地球環境) 短縮 URL: https://goo.gl/5H9cLI 大会サイト内の 自由集会要旨 概要 この自由集会では，「原因→結果」を関係づける統計モデリングについて議論します． とくに「介入効果の推定」と「偏回帰係数と因果推論の関係」について検討します． （林）保全生態学では、保全のためにしばしば人為的な「介入」が行われる。 そのような「介入がもたらす効果」の統計的な予測のためには、本来、「統計的因果推論」の理解が必要となる。 しかし、国内外問わず、現在の生態学分野で
第2回日本社会心理学会春の方法論セミナー(出張統計学授業) 2015 年 3 月 25 日 13:00-17:00 上智大学四ツ谷キャンパス ' タイトル: GLMMの紹介 投影資料: kubo2015jssp.pdf (まだ完成してません…更新中) よりくわしい説明 や例題データその他は こちら などから入手してください このペイジの短縮 URL: http://goo.gl/5aNIZz 教科書: 本/データ解析のための統計モデリング入門 - この本の内容にそった話をする予定です このサイト には当日のセミナー録画へのリンクなどもあります 内容 FrontPage 統計学授業 生態学会大会 よくある質問 全ペイジ一覧 R の点々など 最新の30件 2019-05-29 EesLecture2019 統計学授業 出張統計学授業 2019-05-04 FrontPage 2019-04-2
生態学会大会 (鹿児島大会, 2015-03-19) の自由集会 [W11] データ解析で出会う統計的問題: 時間の長さ・時系列データの統計モデリング 日時: 2015 年 3 月 19 日 (木) 18:00 -- 20:00 場所: 鹿児島大学郡元キャンパス, 生態学会大会 A 会場 企画者: 粕谷英一 (九州大・理)・久保拓弥 (北海道大・地球環境) 短縮 URL: http://goo.gl/LK9q4g 集会終了後の 懇親会 (要・予約!!) 概要 この集会では生態学における「時間の長さのデータ」と「時系列データ」のデータ解析について議論したい。 「時間の長さデータ」の例としては、観察している対象生物が「死ぬまでの時間」あるいは「ある行動・状態が持続する時間」の長さがあげられる。これらの長 短を説明できそうな要因の効果などを知りたいときに、どのような統計モデルを作ればよいだろうか
生態学会大会 (広島大会, 2014-03-14) の自由集会 [W01] データ解析で出会う統計的問題: 角度や時間など循環する変数の統計モデリング 日時: 2014 年 3 月 14 日 (木) 13:30 - 15:30 場所: 広島国際会議場, 生態学会大会 A 会場 企画者: 粕谷英一 (九州大・理) 短縮 URL: http://goo.gl/rF0dfa 大会サイト内の 要旨 概要 この自由集会では「循環する変数」をもつデータの解析方法について考えてみたい．生態学のデータ解析ではしばしば「循環する周期性のある変数」である角度・時間などのデータ (circular data) を統計学的にあつかいたいことがある．たとえば「この昆虫の頭部に刺激を与えると何度ぐらい回頭して逃げるか?」「常緑樹の光合成速度は年末から翌年にかけて高くなるのか?」といったことを調べるときに，「循環」の性
現在も視聴可能 - 統数研ちゃんねんる YouTube 版 2014 年 2 月 26 日 (水) 21 時より (1.5-2 時間ぐらい?) 再配信: 2014 年 7 月 7 -- 21 日 (14 日間) http://www.ustream.tv/channel/ism-rebroad 統数研ニコニコ企画「MCMC と階層ベイズモデル」 講釈: 久保拓弥 (北大・環境科学) @KuboBook 教科書: 本/データ解析のための統計モデリング入門 説明したい内容としてはおもに第 8-10 章あたりの MCMC と階層ベイズモデル 配信方法: ニコニコチャンネル http://live.nicovideo.jp/watch/lv169907569 統数研チャンネル内 http://ch.nicovideo.jp/tousuuken このペイジの短縮 URL: http://goo.gl
Stan は ベイズ推定 に使えるモンテカルロ (MC) サンプラーのひとつです．open source software であり，No-U-turn なハミルトンモンテカルロ法を使っています Stan という名前は理論物理学者 スタニスワフ=ウラム の愛称 Stan からとったとのことです 下は Stan reference manual に掲載されている説明 MCMC ではなく MC だ，とご指摘いただきました……その後，MCMC だという指摘も 「ハミルトニアンモンテカルロあれこれ」 (伊庭幸人さん) Stan と Rstudio もっとも単純な Rstudio + Rstan 例題 (Stan core team 2018) RStudioでRStanを実行する際のTips Kazutan さん (2016-12-16) Stan あれこれ (2012 ごろ) Stan 公式ペイジ
「割算」自由集会，おかげさまでぶじに終了しました． 参加してくださった皆様，ありがとうございました． [たずねびと] 会場でレーザーポインターをかしてくださったかた， 久保 (kubo@ees.hokudai.ac.jp) までご連絡ください． レーザーポインターをお返します． あるいは貸してくださったかたのお名前をご存知のかたがおられましたら， 久保までご連絡していただけないでしょうか． よろしくお願いいたします． 生態学会大会 (静岡大会, 2013-03-07) の自由集会 [W30] データ解析で出会う統計的問題 -- その「割算」あぶなくない? 日時: 2013 年 3 月 7 日 (木) 18:00 - 20:00 場所: 静岡県コンベンションアーツセンター (グランシップ静岡), 生態学会大会 E 会場 企画者: 粕谷英一 (九州大・理), 久保拓弥 (北海道大・環境) 短縮
2007-03-20 2007-05-14 ちょっと修正 生態学会松山大会 (ESJ 54) 自由集会「データ解析で出会う統計的問題 – ベイズ統計学の考えかた・使いかた」 簡単な例題で理解できる 階層ベイズ + MCMC 計算 http://hosho.ees.hokudai.ac.jp/∼kubo/ce/EcoSj2007.html 講釈: 久保拓弥 kubo@ees.hokudai.ac.jp 2007-03-20 1/40 今日のハナシ: 階層ベイズモデル使いになろう! 1. 登場篇: 階層ベイズモデルが必要な状況 そもそも階層ベイズモデルって何なの? 2. 実例篇: 階層ベイズモデルの作りかた 尤度 ∼ 事前分布 ∼ 超事前分布 ∼ ♪ 3. MCMC 篇: 階層ベイズモデルの推定計算 尤度が高そうなあたりをさまよう? p( | )Data prior posterior ~
本/データ解析のための統計モデリング入門 のまちがいとその修正などです いろいろご指摘くださった読者の皆さん，ありがとうございました 何かお気づきのかたは 久保拓弥 までご連絡ください [もくじ] 第 16 刷 (20??) で修正したいまちがい 第 15 刷 (2018) で修正したまちがい 第 14 刷 (2017) で修正したかった図 10.4 第 13 刷 (2016-10-15) で修正したまちがい 第 12 刷 (2016-01-15) で修正されたまちがい 第 11 刷 (2015-04-24) で修正されたまちがい 第 10 刷 (2014-07-15) で修正されたまちがい 第 8 刷 (2013-10-04) で修正されたまちがい 第 5 刷 (2012-12-14) で修正されたまちがい 第 4 刷 (2012-09-25) で修正されたまちがい 第 3 刷 (201
講義のーと の内容を詳しく説明したものです 著者: 久保拓弥 出版社: 岩波書店, シリーズ「確率と情報の科学」 編集: 甘利俊一，麻生英樹，伊庭幸人 このペイジの省略 URL: http://goo.gl/Ufq2 刊行と まちがい・修正一覧) 第 1 刷刊行: 2012 年 5 月 18 日 第 15 刷刊行: 2018 年 3 月 15 日 原稿時点の PDF ファイル (参考用) 目次, さくいん, まえがき 韓国語版 (翻訳は滋賀大の李鍾賛さん, 2017-09-15) 「統計モデリング入門」ネット上のあれこれ (のごく一部) 丸善・ジュンク堂書店の「今年驚いた! 1 冊」の「驚きの出版賞」 に選ばれました! (web archive, KuboLog 2012-12-20) Amazon カスタマーレビュー はてな出版物 -- 言及ブログへのリンクなどがあります! ブクログ,
一般化線形混合モデル (GLMM 参照) の推定計算する関数 glmmML() を紹介します (R の関数) [もくじ] glmmML() とは何か glmmML() の AIC ver.0.65 以降いろいろな 改良 が進行しつつある 最尤推定計算が収束しない場合 posterior.modes で個体差・場所差の事後分布を調べる start.sigma 変更わざ glmmML() とは何か 一般化線形混合モデルの推定計算をする関数 random effects 切片 (intercept) をいれたモデルの推定計算ができる． random effects は nest できない; 一個だけしか指定できない 二項分布 (binomial)・ポアソン分布 (poisson) があつかえる R の package glmmML に含まれている R の help → library(help
生態学会大会 (東京大会, 2010-03-15) の自由集会 [W04] データ解析で出会う統計的問題 -- 「X の誤差」も統計モデル化 日時: 2010 年 3 月 15 日 (月) 15:00 - 17:00 場所: 東京大学 (駒場), H 会場 企画者: 粕谷英一 (九州大・理), 久保拓弥 (北海道大・地球環境) 短縮 URL: http://goo.gl/Pekdu 概要 今回は説明変数のさまざまな「誤差」について検討したい．たとえば直線回帰 Y = a + b X では「Y の誤差は等分散正規分布」といった仮定をする．しかしながら，「X の誤差」について考慮されることはあまり多くはない．生態学の回帰分析では，X も観測値であるために測定誤差がある場合が多い．また，X が何かの推定値であるときには X の推定誤差を考慮しなければならない．たとえば「X の誤差」によって傾き
ここは WinBUGS を R から使う package R2WinBUGS (CRAN 内) についてのあれこれ書いてます． JAGS を R から使う方法については R で JAGS (rjags 編) 参照 ラッパー関数については R2WBwrapper 参照 参照: ベイズ統計 & MCMC, WinBUGS のインストール, WinBUGS 雑, bugs() 関数の返り値, coda 雑, 例/car.normal() [もくじ] R2WinBUGS とは R2WinBUGS をとりあえず動かす (Windows user むけ) R2WinBUGS をとりあえず動かす (Linux user むけ) R2WinBUGS をとりあえず動かす (MacOS X user むけ) WinBUGS の解除 key bugs() 関数の返り値 (bugs オブジェクト) 計算結果の処理
ここでは R の factor クラス (因子クラス) に関する FAQ です 参照: R-primer/R 基本データクラス, FAQ 系ペイジ一覧 [項目] read.csv() で CSV ファイルを読みこんだら数値データの列が numeric にならずに factor になるのはなぜですか? factor として読みこまれた列を numeric にするにはどうしたらいいんでしょうか? 数値でない文字が混入した行をさがすにはどうしたらいいでしょうか? read.csv() で CSV ファイルを読みこんだら数値データの列が numeric にならずに factor になるのはなぜですか? その列に数字ではない文字が含まれているからです 例: アルファベットや日本語の文字，カッコなどの記号 例: test.csv ファイルにデータが入っている場合の例です また (いわゆる) 「全角文字
参照: ベイズ統計 & MCMC, R で JAGS (rjags 編), R で JAGS (runjags 編) ここは JAGS に関してのあれこれを書いてます [もくじ] JAGS とは R から JAGS を使う WinBUGS との比較，みたいなもの JAGS でできないこと JAGS インストールの注意 (Windows7) --- 古い情報? JAGS とは JAGS - Martyn Plummer さん (R コアメンバーの一人でもある) が作った Just Another Gibbs Sampler，簡単にベイズモデルを記述でき，MCMC (Markov Chain Monte Carlo) 計算によってベイズ推定ができます JAGS News: 開発 blog 作者 Martyn Plummer さんによる解説 こちらのペイジ にある manual (PDF fil
ここでは R の glm() を使って解析した場合の説明をしてみます 参照: FAQ 系ペイジ一覧, GLM 参照, summary(glm()) の星 この説明もしっかり読みましょう！信頼区間って難しい… [項目] 研究発表で「GLM を使った」と説明するときにはどうしたらよいでしょうか? GLM で得られた結果を発表・説明するときにはどうしたらよいでしょうか? 説明変数，応答変数って何ですか? family で指定する確率分布は「誤差の分布」ですか? family 指定はどうすればよいのでしょうか? 応答変数のばらつきが family 指定ではうまく表現できないときはどうすればいいのでしょうか? (一般化) 線形モデルは必ず交互作用項を含んでいなければならないのですか? glm() とかで Y ~ X1 + X1:X2 というふうに X2 は使わないときに交互作用項 X1:X2 だけを
hosho.ees.hokudai.ac.jp
カウントデータをあつかう対数線形モデル ……について説明する予定ですが，モデルについてはまだ書いていません 自分自身のメモのため，「logistic 回帰と Poisson 回帰は ある意味では同じ」という例だけをとりあえず示しています 参照: GLM 参照 [もくじ] logistic 回帰と Poisson 回帰 とりあえず架空例データを作る まずは一番単純なモデルから 説明変数を追加した場合 これが何の役にたつのか? logistic 回帰と Poisson 回帰 logistic 回帰と Poisson 回帰 (対数線形モデル) は パラメーター推定に関しては同じ結果になるという例を示してみましょう とりあえず架空例データを作る こんなデータを作ります データの意味としては: y.0: 「応答しなかった」個数 y.1: 「応答した」個数 x: 処理か何か，ともかく説明変数のつもり
次のページ
このページを最初にブックマークしてみませんか？
『hosho.ees.hokudai.ac.jp』の新着エントリーを見る
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
