【RとIATとBayesian hierarchical diffusion model】階層ベイズモデリングはIATの分析になぜ良いのか – nishiyuka.net
※本ページにはプロモーションが含まれています。 しばらく間が空いてしまいました。すみません。新しい研究を2つ同時に走らせようとして、調べ物と実験づくりをやっておりました。 さて、思い出していただきたいのですが、このセルフ連載の目的は「IATの結果をBayesian hierarchical diffusion modelを使って分析すること」です。データとモデルを照らし合わせて、IATでの結果（反応時間）がどのようにして生成されたのかを理解したいです。 そしてこれまでは、IATとは何なのか、diffusion modelとは何なのかを（ザックリとではありますが）紹介してきました。なので今回は、「Bayesian hierarchical」の部分についてお話ししようと思います。 今回の話を書く上で、StanとRでベイズ統計モデリング (Wonderful R) を参考にしました。通称アヒル本
【RとIATとBayesian hierarchical diffusion model】拡散過程モデルとは？ – nishiyuka.net
Rを使ってIATにBayesian hierarchical diffusion modelを当てはめたい連載第2回です。今日はdiffusion model（拡散過程モデル）のお話をしようと思います。 diffusion model（拡散過程モデル）とは？ 拡散過程モデルは、Ratcliff（1978）によって提案された、二肢選択分類課題（AかBかを判断する課題）における意思決定プロセスを推定するモデルです。反応時間データから、意思決定プロセスにおける情報を蓄積する速さや、判断の慎重さなどをそれぞれ推定することができます。 二肢選択分類課題では、「できるだけ速く、正確に」回答するように教示されることが多いですが、同一課題・同一参加者であっても、反応の速さを重視すれば正確性がおろそかになり、正確性を重視すれば速さがおろそかになってしまいます。また、課題を難しいと感じることで、正確性を上げよ
1
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
処理を実行中です
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
