Osvaldo Martin 著, 金子武久 訳 Pythonによるベイズ統計モデリング (Bayesian Analysis with Python) 2018-06-26 https://www.kyoritsu-pub.co.jp/book/b10003944.html Christopher M. Bishop 著, 元田浩 栗田多喜夫 樋口知之 松本裕治 村田昇 監訳 パターン認識と機械学習 ベイズ理論による統計的予測 (Pattern Recognition and Machine Learning) 2012-01-20 https://www.maruzen-publishing.co.jp/item/?book_no=294524 Pythonによるベイズ統計モデリングを読んだので学習メモを整理します。学習中のノートなので正確ではないかもしれません。使われているコードをP
この記事は,Stan Advent Calendar2019の6日目の記事です。 brmsパッケージ便利ですよね。みなさん使ってますか? 今回の記事ではそのbrmsパッケージで「安易に」ベイズファクターを計算すると思いも寄らない結論を下してしまう可能性を指摘します。実際、死にかけました(意味深 ただ、使い方を間違えなければbrmsでベイズファクターを計算すること自体は問題ないので、安心してくださいね。 brmsパッケージをどのように発音するかで戦争が起こるという噂を聞いたことはありませんが、僕は「びーあーるえむえす」と読んでます。まさか「ぶらむす」なんて読んでませんよね? さて、brmsはBayesian Regression Models using 'Stan'、の略称です。つまり、Stanを使ってベイジアンな回帰分析ができるパッケージです。 しかし、最近では回帰分析なんてちゃちなレベ
Thank you for visiting nature.com. You are using a browser version with limited support for CSS. To obtain the best experience, we recommend you use a more up to date browser (or turn off compatibility mode in Internet Explorer). In the meantime, to ensure continued support, we are displaying the site without styles and JavaScript.
新発見の統計的有意性を評価するために、科学者が好んで用いるP値の閾値は0.05から0.005に引き下げるべきであると、統計学の大家たちは主張する。 Credit: Wittayayut/iStock / Getty Images Plus/Getty 今日の科学は「再現性の危機」に苦しんでいて、研究者も助成機関も出版社も、学術文献は信頼できない結果にまみれているのではないかと不安を募らせている。このほど72人の著名な研究者が、新たな発見をしたと主張する際の証拠の統計的基準の低さが再現性の危機の一因になっているとする論文を発表した。 多くの研究分野では、発見の有意性はP値によって判断される。P値は、帰無仮説(一般に、検定される効果が存在しないと仮定する)が成立する確率で、仮説の検定を行う際に、仮説を棄却するために用いられる「有意水準」である。一連の結果について、P値が小さいほど、そのような結
階層モデルだとWBICの推定値が上手くいかないようなのですが、 周辺化する以外にいい方法を知っている人がいたら教えてもらえると嬉しいです。 またシミュレーションを追加して資料を修正するかもしれません。
ひさびさの記事です。 ほぼアドカレ専用ブログと化してます。 この記事はJASP Advent Calendar 2021の9日目の記事です。 JASPって何?という人は小杉先生のこちらの記事を御覧ください。 簡単に言えば、GUIの統計ソフトで、Rより使いやすく、SPSSより軽い、そしてなにより無償であること、が特徴です。 開発はオランダのWagenmakersらのチームが行っています。心理統計の専門家なので分析結果についてはかなり安心できるのではないかと思います。 バージョン16から日本語化されたことで、翻訳をしているベイズ塾メンバーたちがこれから注目を集めさせようとしているいまとても注目を集めている統計ソフトです。 ※なお、私もこの記事を書いてることで、まるで翻訳もしたかのような顔をしてますが、私はぜんぜん携わってません。ベイズ塾のメンバーを中心とした素晴らしい方々の努力の賜物です。 こ
1. 趣旨 rbind()とdplyr::bind_rows()は、どちらもデータフレームに行を結合する関数ですが、微妙に使い方が違うようなので、Tipsとして書き記しておきます。 今回は、ベースとなるdata.frameに、追加サンプルとしてベクトルや新たなdata.frameを結合するときを例に使い分けてみましょう。 2. 先に結論を言うと 基本的には rbind()はdata.frameとベクトルの結合に有効 rbind()はdata.frame同士の結合も可能だが、条件が超厳しい dplyr::bind_rows()はdata.frame同士の結合に有効 dplyr::bind_rows()は、条件付きだがdata.frameとベクトルの結合にも使える。 という感じです。 3. サンプルデータ ベースとなるデータフレーム library(magrittr) name <- c("田
はじめに 正規分布や二項分布などの確率分布に従う(疑似)乱数によるNumo::NArrayを生成するNumo::Randomを作った。アイディア自体はずっと前に考えていたが、腱鞘炎と忙しさで、形にできていなかった。 github.com 動機 Numo::NArray自体にも、一様乱数を生成する rand メソッドと、正規乱数を生成する rand_norm メソッドがある。さらに乱数のシードを指定する srand メソッドがある。シードを固定して、正規分布に従う乱数による大きさ100の配列を作るとすると次の様になる。 require 'numo/narray' Numo::NArray.srand(42) Numo::DFloat.new(100).rand_norm とても簡単で便利だ。ただ、シードを固定する srand メソッドがグローバルに影響するので、あるメソッド内だけでシードを固
はじめに さまざまな確率分布に従う乱数を作成して、ヒストグラムを描いてみたくなる日は誰にでもあると思います。 大丈夫。いつだって、世界の素晴らしいプログラマ達が驚くべきライブラリを作ってくれています。たとえ有名ではないライブラリでも、見つけてちゃんと使ってあげると、魔法のようなことが簡単にできたりします。 この記事では、素晴らしいRubyのライブラリを2つ紹介します。Numo::GSL と Flammarionです。これらを使うことで、驚くほど簡単に乱数を生成してヒストグラムが描出できます。 準備編 インストールは若干面倒なので、飛ばして、最後までいったら戻ってきて見てください。 Numo::GSLとFlammarionをインストールする Numo::GSLをインストールする Numo::GSL はGNU Scientific Library (GSL) のバインディングです。Ruby界に
はじめに 統計検定準1級は(一財)統計質保証推進協会が実施、(一社)日本統計学会が公式認定する「2級までの基礎知識をもとに、実社会の様々な問題に対して適切な統計学の諸手法を応用できる能力を問う」試験です。現在はCBTでの実施となっています。 主観を込めて言いますと、2級と準1級では難易度に雲泥の差があります。 強調して言っておきます。まったく違います! 準1級では統計的推定や検定に加えて、多変量解析(重回帰、PCA、主成分分析、数量化)、時系列解析、マルコフ連鎖、確率過程、分散分析、ベイズ統計、MCMC...と範囲が広いのが特徴です。 以下、かなりの長文になりましたが、受験して得た知見をかなり具体的に記述しました。読者の皆様の合格への一助となれば幸いです。 目的 私はとある私立中高で物理と情報を教えています。統計の勉強を始めたのは、教科「情報」を教えるにあたってのスキルアップが目的です。も
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