（わざわざ手描きにしたのに結局著作権が危うい絵を描いている） どうもこんにちは、博士論文（仮）を提出したばかりのぴちぴちのD3、@calicolicaliです。学生最後ということで、院生しか登録できないAdvent calendarに登録させていただきました！ ʕ◔ϖ◔ʔ 「統計について」という事前コメントをしましたが、 私の専門はアルゴリズム寄りのComputational Biologyで、これまではRNA二次構造予測ソフトウェアParasoRの開発や、配列アラインメントソフトウェアLASTの開発に関わらせていただいたりしてきました。（ご興味あればぜひ！）しかしこの分野では「網羅的な遺伝子データや配列情報を扱うためには統計や機械学習が必要！」ということで、日々これらの分野の勉強をしております。 そんな私が紹介する、今年読んだ一番好きな論文はこちら(｀・ω・´)つ "Estimating

予防に気を付けていても、ひくときは風邪をひいてしまいます。風邪をひいてしまったら、温かくして安静にするのが一番です。症状がつらいときには薬を使ってもかまいません。ただ、一般的な風邪薬には症状を緩和する働きはありますが、風邪を予防する働きはありません。たまに「風邪のひきはじめなので早めに受診しました」という患者さんがいらっしゃいますが、正直なところ、あまり打つ手はありません。 風邪に対して漢方薬が処方されることがあります。一番メジャーなのが葛根湯でしょう。医師が処方することもできますが、処方せんなしに薬局で買うこともできます。風邪のひきはじめに葛根湯を飲むと効果があるという主張もありますが、どうやったら検証できるでしょうか。そう、風邪のひきはじめの人をたくさん集めて、葛根湯を飲む群と飲まない群に分け、風邪が悪化する人の数を数えて比較してみれば検証できます。 ひきはじめの風邪に対する葛根湯の効

つい先日、話題になったヒッグス粒子発見の報。それを伝える紙面上で紹介されていた、物理学者・中谷宇吉郎のエッセイがずいぶんと印象的であった。 科学研究のやり方には警視庁型とアマゾン型の２種類がある。結果の目星がついていてその結果を得るための研究が警視庁型、研究対象の何たるかも分からぬまま秘境に分け入るのがアマゾン型――というものである。 1964年に存在が予言された「神の粒子」が、半世紀近くの時を経て理論を築き、実験で検証される。これこそまさに、警視庁型の極みと言えるだろう。一方で、アマゾン型の極みとも言えるのが、本書で紹介されているような物語の数々である。 調査対象がどのようなものか正体がはっきりせず、それがどのように影響を及ぼすのかも分からない。それでもじっとしていられないのが、科学者というものである。仮にそれが、人体に及ぶケースであったとしても彼らは人体実験という手法で道を切り開いてき

このウェブサイトは販売用です！ systemicsarchive.com は、あなたがお探しの情報の全ての最新かつ最適なソースです。一般トピックからここから検索できる内容は、systemicsarchive.comが全てとなります。あなたがお探しの内容が見つかることを願っています！

🐱みほちゃん(シーズン３) @Mihoko_Nojiri 尿に6Bq と今の母乳のBq 数の比較はよくわからなくて、高濃度汚染地域の人は、初期のころに大量に内部被曝して今に至っているので、その当時の内部被曝量がどのくらいかで議論しないのはなんか変。そもそも低線量被曝の問題ではない。 2011-07-29 01:06:40 🐱みほちゃん(シーズン３) @Mihoko_Nojiri いずれにしても、10mSv/年になるようなところに妊婦とか子供とかおいておくというのはなんか変なわけで。南相馬かなんかから避難させられてて、線量が避難先より少ないからというので帰宅する人多数という話は前にもあった。状況変わってないわけですよね。この30Km 2011-07-29 01:09:14

感覚、知覚、認知、認識、知能、など、認知科学の用語には、微妙に異なるものが 多い。　物事をしっかり理解しようとする時には、これらの微妙な違いに注意する ことが必要である。 基本は、　感覚がセンサーに関するもの、知覚が脳でそれを処理するもの。 認知は、知覚で得られた情報を、判断したり理解したり、解釈したりするもの、 認識は、それを最終的に言語化するための機械的自動化（工学的）なことだ。 感覚：　特定の物理的エネルギーに応答し脳内におけるシグナルが受容・解釈される 決められた部分に一致する、感覚細胞の型（またはそのグループ）を含む一つのシステム http://ja.wikipedia.org/wiki/%E6%84%9F%E8%A6%9A 知覚：　感覚情報を、再構成し自覚的に意識したもの。　定義はむつかしい。 http://ja.wikipedia.org/wiki/%E7%9F%A5%E8%

まだ論文がぜんぜん書けてない*1のでぜんぜんアレなのですが（参照）、自分の頭の中のモヤモヤを整理するために「リスク評価と意思決定」についてちょっと書いてみたいと思います。 今回は学問的に確立した話というよりも、実務寄りのリスク研究者としての経験的な感覚に寄り添いながら書いてみたいと思います。（リスク研究者の代表として書くわけではなく、あくまで個人的見解として書いていきます） リスク評価は意思決定を支える柱の一つにすぎない まず整理したいのは「リスク評価は意思決定を支える柱の一つにすぎない」ということです*2。 私の頭の中のイメージをざっくり書くとこんな図になります： つまり、リスクに関する「意思決定」は、一般論的にざっくり言うと「リスク評価」「費用対効果」「倫理（スジ）」の三本の柱によって支えられてるということです。 ここで「リスク評価」というのはたとえば「要因Xにより死亡リスクがY%上昇

前回に引き続き、今回も 「10日に1度の確率で10人が死ぬ事象」と「10万日に1度の確率で10万人が死ぬ事象」は、どちらも「1人死亡／1日」という同一の表現で表すことができるけれども、それは本当に同一なリスクとみなして良いのだろうか？ という問いについて考えていきます。 実務的な観点から見ると、それらの事象から得られる「1人死亡／1日」という推定値に関しては、値そのものは同じだけど、その値や推論の「素性」はかなり違うよなーという印象を受けます。 今回は、そんな印象について「推論法の違い（帰納メインか演繹メインか）」および「不確実性の違い」という観点から説明してみたいと思います。説明のためにちょっと原理的なところから話をはじめますので、今回もかなり回り道をした長い説明になりますが本当にすみません（平謝り）。 2つの推論方式：帰納的推論と演繹的推論 まず、そもそも推論方式には大きく分けて「演繹

「ウェブリブログ」は 2023年1月31日 をもちましてサービス提供を終了いたしました。 2004年3月のサービス開始より19年近くもの間、沢山の皆さまにご愛用いただきましたことを心よりお礼申し上げます。今後とも、BIGLOBEをご愛顧賜りますよう、よろしくお願い申し上げます。 ※引っ越し先ブログへのリダイレクトサービスは2024年1月31日で終了いたしました。 BIGLOBEのサービス一覧