分子に1を足し、分母に2を足すだけで予測が良くなる話 - CARTA TECH BLOG
コインを投げを観測し、コインの表になる確率を予測するとき、みなさんはどのように予測するでしょうか。 （コイン投げに限らず、表か裏のように二値になるような予測であれば、例えば、広告のクリック率や、単語の出現率、ナンパの成功率でもなんでもいいです。） コインが表になる確率が0から1まで一様だ（まんべんなく出る）とすれば、n回投げてs回表を観測したら、平均であるs/nをその確率として予測するのではないでしょうか。 この方法をもっと複雑な言い方をすれば最尤推定(maximum likelihood; ML推定)とよびます。コインが表になる確率が一様という事前確率まで分かっている前提ならば、これは最大事後確率推定(maximum a posteriori estimation; MAP推定)ともいえます。なんか最強っぽいですよね。 他に方法があるのでしょうか。スムージングという方法もあります。スムー
対数尤度比（G検定の統計量）のrubyワンライナ - 中野智文
背景 対数尤度比（G検定の検定統計量）のワンライナーが欲しいので作った。 入力 以下の様な２×２の分割表を想定。 入力フォーマット 下記のようなtsv id⇔a⇔b⇔c⇔d ※ここで⇔は、tabを表す。 idは任意の文字列、a,b,c,dは整数。 出力フォーマット 下記のようなtsv id⇔a⇔b⇔c⇔d⇔g ここでgはG検定の検定統計量。ただし、a*d-b*cが負の時、gは負となる。 そのワンライナー ruby -ane 'a,b,c,d=$F[1..4].map(&:to_i); n=a+b+c+d; g=[[a,a+c,a+b],[b,b+a,b+d],[c,c+a,c+d],[d,d+c,d+b]].reduce(0.0){|s,(x,x1,x2)| (x.zero?) ? s : s+x*-Math.log(x1.to_f*x2/x/n)}; g=-g if a*d-b*c<0;
文系出身の自分が統計学んだ方法(統計検定二級攻略法) - あれもPython,これもPython
データ分析やりたい、知りたい、 でも僕文系・・・ な人って結構いるんじゃないかと思います。 そういう人向けのロードマップを書きます。 あと理系だけど、統計苦手とか、 専門じゃないけど触れておきたい 人にも役に立つと思います。 前提 高校までの確率を知ってる人 (微積や線形代数は必要なし) 目標 統計検定二級をとる なぜ統計検定二級かというと 一級だとしっかり数式がわからないといけない 三級だと理論にあまり触れない からです。 この記事が役に立つ人の目標ラインとしては二級が妥当かと。 資格所持に価値があるか、というのは人によるとは思います。 （少なくとも就職や転職ではあまり役には立たない印象です) が、資格試験ベースで勉強すると、過去問を解くことで進捗が可視化できます。 自分の成長を確認したり、弱点がわかりやすくなるので、 勉強の目標としては有効だと思っています。 （何より合格できるとうれし
ベイズ統計の入門書が出版ラッシュなのでまとめてみた - ほくそ笑む
【宣伝】2016/09/14 このページに来た方へ。あなたが求めている本はこれです。 StanとRでベイズ統計モデリング (Wonderful R) 作者: 松浦健太郎,石田基広出版社/メーカー: 共立出版発売日: 2016/10/25メディア: 単行本この商品を含むブログ (10件) を見るまずこれを予約してから下記を読むといいです。 【宣伝終】 最近、ベイズ統計の入門書がたくさん出版されているので、ここで一旦まとめてみようと思います。 1. 基礎からのベイズ統計学: ハミルトニアンモンテカルロ法による実践的入門 (2015/6/25) 基礎からのベイズ統計学: ハミルトニアンモンテカルロ法による実践的入門 作者: 豊田秀樹出版社/メーカー: 朝倉書店発売日: 2015/06/25メディア: 単行本この商品を含むブログ (6件) を見る データ分析業界ではかなり有名な豊田秀樹先生の本です
プログラマの為の数学勉強会
2013年 プログラマの為の数学勉強会 資料 第1回:イントロダクション 第2回:浮動小数点数・極限・微分 第3回:微分法の応用・多変数関数の微分法 第4回:微分法の応用(続き)・方程式の数値解法 第5回:微分方程式の数値解法・積分法 第6回:数値積分法・積分法の応用 第7回:行列・ベクトル・ガウス消去法 第8回:行列式・逆行列・連立一次方程式の直接解法 第9回:線型空間・線型写像・固有値固有ベクトル(その1) 第10回:線型変換・固有値固有ベクトル(その2)・内積空間 第11回:連立一次方程式の反復解法・二次形式・多変数関数の極値・重積分 第12回:確率論入門 第13回:情報量・エントロピー・重要な確率分布・大数の法則・中心極限定理 第14回:擬似乱数の生成法・推定 第15回:検定 第16回:検定の続き, 回帰分析 第17回:回帰分析の続き 第18回:ベイズ統計
Tyler Vigen's personal website
Tyler Vigen's project list Spurious Scholar Published: January 27, 2024 What it is: Thousands of AI-generated academic research articles based on the correlations from the spurious correlations project Spurious Correlations Originally published: May 2014 Update launched: January 27, 2024 What it is: Random correlations dredged up from silly data, turned into linear line charts. Now with AI-generat
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
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
