Submit Search
Upload
負の二項分布について
•
39 likes
•
91,283 views
Hiroshi Shimizu
Follow
広島ベイズ塾で発表した,負の二項分布についての資料です。
Read less
Read more
Education
Report
Share
Report
Share
1 of 19
Download now
Download to read offline
Recommended
HijiyamaR#3で発表しました。 階層ベイズを使った場合に,最尤法のAICと結果が大きく異なります。その問題についてどのように考えたらいいかについて発表しました。
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
2019年SigFin研究会優秀賞論文賞受賞
金融時系列のための深層t過程回帰モデル
金融時系列のための深層t過程回帰モデル
Kei Nakagawa
研究室で説明した「パターン認識と機械学習(下)」の第9章混合モデルとEMアルゴリズムについてです.
混合モデルとEMアルゴリズム(PRML第9章)
混合モデルとEMアルゴリズム(PRML第9章)
Takao Yamanaka
モデル評価の基準と自由エネルギー(負の対数周辺尤度)についてまとめました。また、階層ベイズに自由エネルギーを評価するとどうなるかなどについても解説しています。 スライド中のStanやRのコードは下のリンクからコピペできます。 http://norimune.net/3107
階層ベイズと自由エネルギー
階層ベイズと自由エネルギー
Hiroshi Shimizu
機械学習でよく使う線形代数の公式です。行列やlog行列式の微分、逆行列の微分、2次形式のtraceでの記述、ブロック行列の逆行列などの公式が書かれています。
クラシックな機械学習入門:付録:よく使う線形代数の公式
クラシックな機械学習入門:付録:よく使う線形代数の公式
Hiroshi Nakagawa
不均衡データのクラス分類
不均衡データのクラス分類
Shintaro Fukushima
ベイズ統計WS「心理学者のためのベイズ 統計学」での発表資料です
ベイズモデリングと仲良くするために
ベイズモデリングと仲良くするために
Shushi Namba
Stanの初心者が基本的な統計モデルを実行するまでの解説です。プログラミング初心者向けに書いているので,やや説明が遠回りなところもあります。
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
Recommended
HijiyamaR#3で発表しました。 階層ベイズを使った場合に,最尤法のAICと結果が大きく異なります。その問題についてどのように考えたらいいかについて発表しました。
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
2019年SigFin研究会優秀賞論文賞受賞
金融時系列のための深層t過程回帰モデル
金融時系列のための深層t過程回帰モデル
Kei Nakagawa
研究室で説明した「パターン認識と機械学習(下)」の第9章混合モデルとEMアルゴリズムについてです.
混合モデルとEMアルゴリズム(PRML第9章)
混合モデルとEMアルゴリズム(PRML第9章)
Takao Yamanaka
モデル評価の基準と自由エネルギー(負の対数周辺尤度)についてまとめました。また、階層ベイズに自由エネルギーを評価するとどうなるかなどについても解説しています。 スライド中のStanやRのコードは下のリンクからコピペできます。 http://norimune.net/3107
階層ベイズと自由エネルギー
階層ベイズと自由エネルギー
Hiroshi Shimizu
機械学習でよく使う線形代数の公式です。行列やlog行列式の微分、逆行列の微分、2次形式のtraceでの記述、ブロック行列の逆行列などの公式が書かれています。
クラシックな機械学習入門:付録:よく使う線形代数の公式
クラシックな機械学習入門:付録:よく使う線形代数の公式
Hiroshi Nakagawa
不均衡データのクラス分類
不均衡データのクラス分類
Shintaro Fukushima
ベイズ統計WS「心理学者のためのベイズ 統計学」での発表資料です
ベイズモデリングと仲良くするために
ベイズモデリングと仲良くするために
Shushi Namba
Stanの初心者が基本的な統計モデルを実行するまでの解説です。プログラミング初心者向けに書いているので,やや説明が遠回りなところもあります。
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
ガウス過程回帰の概要と,導出過程および計算例を示します.最後に,計算コストや高速化の方法について議論します.
ガウス過程回帰の導出 ( GPR : Gaussian Process Regression )
ガウス過程回帰の導出 ( GPR : Gaussian Process Regression )
Kenji Urai
これはとある勉強会でお話したBridgesamplingの話です。 BayesFactorの説明から、StanでBridgeSamplingを使ってBFを求める一歩手前の理論の話です。 間違っているところは多々あると思います。ご連絡頂ければ幸いです。
あなたの心にBridgeSampling
あなたの心にBridgeSampling
daiki hojo
稚拙ですが、Stanの便利な事後処理関数をまとめました。 間違いがあればご指摘いただけると幸いです。
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
ベイズ統計学の基礎概念からW理論まで概論的に紹介するスライドです.数理・計算科学チュートリアル実践のチュートリアル資料です.引用しているipynbは * http://nhayashi.main.jp/codes/BayesStatAbstIntro.zip * https://github.com/chijan-nh/BayesStatAbstIntro を参照ください. 以下,エラッタ. * 52 of 80:KL(q||p)≠KL(q||p)ではなくKL(q||p)≠KL(p||q). * 67 of 80:2ν=E[V_n]ではなくE[V_n] → 2ν (n→∞). * 70 of 80:AICの第2項は d/2n ではなく d/n. * 76 of 80:βH(w)ではなくβ log P(X^n|w) + log φ(w). - レプリカ交換MCと異なり、逆温度を尤度にのみ乗することはWBIC導出では本質的な仮定となる.
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
Naoki Hayashi
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
shima o
基礎からのベイズ統計学入門 輪読会#4 LT資料 http://stats-study.connpass.com/event/27129/
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
hoxo_m
変分ベイズ法の説明。 最尤法との対比で説明した。また、EMアルゴリズムとの対応も述べられている。 職場の勉強会での資料です。
変分ベイズ法の説明
変分ベイズ法の説明
Haruka Ozaki
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
Introduction to canonical correlation analysis
正準相関分析
正準相関分析
Akisato Kimura
変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)
Takao Yamanaka
日本マイクロソフト株式会社 山口順也 氏
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
Deep Learning Lab(ディープラーニング・ラボ)
広島大学で行われた,ベイズ推定による多変量解析入門WSで発表した資料です。階層線形モデルをベイズ推定する話についてまとめています。 発表者のWebサイト:norimune.net
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
Cmdstanrとreduce_sum()の使い方を解説します
Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説
Hiroshi Shimizu
016/01/31(日) 第十回 数学カフェ 「数学史」発表資料 誤って削除してしまいましたので再アップロードします。日本語のpdfがアップロードできないので、pptファイル仮アップロードします。 訂正情報: p14 分母の p(B_1|A_1)の説明 誤:病気でない人が陽性になる確率 正:病気である人が陽性になる確率
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学
Ken'ichi Matsui
2014年6月8日に広島大学にて開催された魁!! 広島ベイズ塾のワークショップで発表したスライド。
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
Rのpsychパッケージを用いた,因子分析の方法についてまとめています。 特に,SPSSやSASなどの商用ソフトでは実行できない,多様な分析法がpsychを使えば可能になります。その辺りの分析方法について触れています。 具体的には,因子数の決定方法,因子の抽出,回転方法,カテゴリカル因子分析などです。
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-6.ゼロ切断・過剰モデル ゼロがないデータや、0が多すぎるデータを分析する方法を解説します。 サイト作ってます http://logics-of-blue.com/
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
logics-of-blue
ベイズ推定の発想、MCMCによる推定の概要など入門的なお話です。2014年6月の第一回ベイズ推定WSと内容はほぼ同一。 reveal.jsでクルクル回ります。 http://ytake2.github.io/bayes.github.io/#/
ベイズ推定の概要@広島ベイズ塾
ベイズ推定の概要@広島ベイズ塾
Yoshitake Takebayashi
Rで階層ベイズモデル
Rで階層ベイズモデル
Yohei Sato
多項分布とディリクレ分布の簡単な解説です。 正規分布とかはわかっている人向けです。 LDAの勉強などで使えるかも?
3分でわかる多項分布とディリクレ分布
3分でわかる多項分布とディリクレ分布
Junya Saito
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-7.一般化線形混合モデル ランダム効果を扱うことのできる一般化線形混合モデルを解説します。 サイト作ってます http://logics-of-blue.com/
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル
logics-of-blue
GoTermsAnalysisWithR
GoTermsAnalysisWithR
Aureliano Bombarely
More Related Content
What's hot
ガウス過程回帰の概要と,導出過程および計算例を示します.最後に,計算コストや高速化の方法について議論します.
ガウス過程回帰の導出 ( GPR : Gaussian Process Regression )
ガウス過程回帰の導出 ( GPR : Gaussian Process Regression )
Kenji Urai
これはとある勉強会でお話したBridgesamplingの話です。 BayesFactorの説明から、StanでBridgeSamplingを使ってBFを求める一歩手前の理論の話です。 間違っているところは多々あると思います。ご連絡頂ければ幸いです。
あなたの心にBridgeSampling
あなたの心にBridgeSampling
daiki hojo
稚拙ですが、Stanの便利な事後処理関数をまとめました。 間違いがあればご指摘いただけると幸いです。
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
ベイズ統計学の基礎概念からW理論まで概論的に紹介するスライドです.数理・計算科学チュートリアル実践のチュートリアル資料です.引用しているipynbは * http://nhayashi.main.jp/codes/BayesStatAbstIntro.zip * https://github.com/chijan-nh/BayesStatAbstIntro を参照ください. 以下,エラッタ. * 52 of 80:KL(q||p)≠KL(q||p)ではなくKL(q||p)≠KL(p||q). * 67 of 80:2ν=E[V_n]ではなくE[V_n] → 2ν (n→∞). * 70 of 80:AICの第2項は d/2n ではなく d/n. * 76 of 80:βH(w)ではなくβ log P(X^n|w) + log φ(w). - レプリカ交換MCと異なり、逆温度を尤度にのみ乗することはWBIC導出では本質的な仮定となる.
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
Naoki Hayashi
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
shima o
基礎からのベイズ統計学入門 輪読会#4 LT資料 http://stats-study.connpass.com/event/27129/
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
hoxo_m
変分ベイズ法の説明。 最尤法との対比で説明した。また、EMアルゴリズムとの対応も述べられている。 職場の勉強会での資料です。
変分ベイズ法の説明
変分ベイズ法の説明
Haruka Ozaki
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
Introduction to canonical correlation analysis
正準相関分析
正準相関分析
Akisato Kimura
変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)
Takao Yamanaka
日本マイクロソフト株式会社 山口順也 氏
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
Deep Learning Lab(ディープラーニング・ラボ)
広島大学で行われた,ベイズ推定による多変量解析入門WSで発表した資料です。階層線形モデルをベイズ推定する話についてまとめています。 発表者のWebサイト:norimune.net
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
Cmdstanrとreduce_sum()の使い方を解説します
Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説
Hiroshi Shimizu
016/01/31(日) 第十回 数学カフェ 「数学史」発表資料 誤って削除してしまいましたので再アップロードします。日本語のpdfがアップロードできないので、pptファイル仮アップロードします。 訂正情報: p14 分母の p(B_1|A_1)の説明 誤:病気でない人が陽性になる確率 正:病気である人が陽性になる確率
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学
Ken'ichi Matsui
2014年6月8日に広島大学にて開催された魁!! 広島ベイズ塾のワークショップで発表したスライド。
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
Rのpsychパッケージを用いた,因子分析の方法についてまとめています。 特に,SPSSやSASなどの商用ソフトでは実行できない,多様な分析法がpsychを使えば可能になります。その辺りの分析方法について触れています。 具体的には,因子数の決定方法,因子の抽出,回転方法,カテゴリカル因子分析などです。
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-6.ゼロ切断・過剰モデル ゼロがないデータや、0が多すぎるデータを分析する方法を解説します。 サイト作ってます http://logics-of-blue.com/
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
logics-of-blue
ベイズ推定の発想、MCMCによる推定の概要など入門的なお話です。2014年6月の第一回ベイズ推定WSと内容はほぼ同一。 reveal.jsでクルクル回ります。 http://ytake2.github.io/bayes.github.io/#/
ベイズ推定の概要@広島ベイズ塾
ベイズ推定の概要@広島ベイズ塾
Yoshitake Takebayashi
Rで階層ベイズモデル
Rで階層ベイズモデル
Yohei Sato
多項分布とディリクレ分布の簡単な解説です。 正規分布とかはわかっている人向けです。 LDAの勉強などで使えるかも?
3分でわかる多項分布とディリクレ分布
3分でわかる多項分布とディリクレ分布
Junya Saito
What's hot
(20)
ガウス過程回帰の導出 ( GPR : Gaussian Process Regression )
ガウス過程回帰の導出 ( GPR : Gaussian Process Regression )
あなたの心にBridgeSampling
あなたの心にBridgeSampling
Stanの便利な事後処理関数
Stanの便利な事後処理関数
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
変分ベイズ法の説明
変分ベイズ法の説明
グラフィカルモデル入門
グラフィカルモデル入門
正準相関分析
正準相関分析
変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学
ベイズファクターとモデル選択
ベイズファクターとモデル選択
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
ベイズ推定の概要@広島ベイズ塾
ベイズ推定の概要@広島ベイズ塾
Rで階層ベイズモデル
Rで階層ベイズモデル
3分でわかる多項分布とディリクレ分布
3分でわかる多項分布とディリクレ分布
Viewers also liked
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-7.一般化線形混合モデル ランダム効果を扱うことのできる一般化線形混合モデルを解説します。 サイト作ってます http://logics-of-blue.com/
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル
logics-of-blue
GoTermsAnalysisWithR
GoTermsAnalysisWithR
Aureliano Bombarely
Slide for the presentation in SIGBIO40 @ CBRC
RNAseqによる変動遺伝子抽出の統計: A Review
RNAseqによる変動遺伝子抽出の統計: A Review
sesejun
指数分布とポアソン分布について簡単に説明した後、それらは同じ事象を別々の視点から見たものであることを説明。さらにR言語を用いて実際にそれを確認。第20回R勉強会@東京(#TokyoR)(http://atnd.org/events/24629)でのトーク資料。
指数分布とポアソン分布のいけない関係
指数分布とポアソン分布のいけない関係
Nagi Teramo
DNAマイクロアレイの解析と多重検定補正
DNAマイクロアレイの解析と多重検定補正
弘毅 露崎
CBI学会2013チュートリアル NGSデータ解析入門 (解析編)配布資料
CBI学会2013チュートリアル NGSデータ解析入門 (解析編)配布資料
Genaris Omics, Inc.
第2回数理生物サマーレクチャーコース@理研CDB,講義資料. 2013/07/30
バイオインフォマティクスによる遺伝子発現解析
バイオインフォマティクスによる遺伝子発現解析
sesejun
Excelで動くフリーの統計分析プログラム、HADの解説です。 プログラムは、以下のサイトからダウンロードできます。 http://norimune.net/had エクセルで統計分析 HADについて http://slidesha.re/10ARA0k エクセルで統計分析2 HADの使い方 http://slidesha.re/RsVBp7 エクセルで統計分析3 回帰分析のやり方 http://slidesha.re/XVATPV エクセルで統計分析4 因子分析のやり方 http://slidesha.re/YWUGNY
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Hiroshi Shimizu
Viewers also liked
(8)
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル
GoTermsAnalysisWithR
GoTermsAnalysisWithR
RNAseqによる変動遺伝子抽出の統計: A Review
RNAseqによる変動遺伝子抽出の統計: A Review
指数分布とポアソン分布のいけない関係
指数分布とポアソン分布のいけない関係
DNAマイクロアレイの解析と多重検定補正
DNAマイクロアレイの解析と多重検定補正
CBI学会2013チュートリアル NGSデータ解析入門 (解析編)配布資料
CBI学会2013チュートリアル NGSデータ解析入門 (解析編)配布資料
バイオインフォマティクスによる遺伝子発現解析
バイオインフォマティクスによる遺伝子発現解析
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
More from Hiroshi Shimizu
ベイズ塾春の合宿で発表した資料です。
Stanでガウス過程
Stanでガウス過程
Hiroshi Shimizu
ベイズ塾のベイズ統計モデリングワークショップで発表したスライドです。
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
Hiroshi Shimizu
「StanとRでベイズ統計モデリング」の読書会発表資料です。 今回の発表は導入編(1章~3章)です。 初回ということもあって,本の内容以外に清水が補足説明を加えているところもあります。
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
Hiroshi Shimizu
広島ベイズ塾夏合宿で発表したStanコードの書き方中級編です。 回帰分析から,一般化線形モデル,欠損値のあるモデル,潜在変数があるモデル,ゼロ過剰分布,混合分布モデルを扱いました。
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
SapporoR#6の初心者セッションで使ったスライドです。
SapporoR#6 初心者セッションスライド
SapporoR#6 初心者セッションスライド
Hiroshi Shimizu
東京R53で発表したスライドです。 潜在ランクモデルをrstanを使ってベイズ推定しました。
Tokyo r53
Tokyo r53
Hiroshi Shimizu
北海道大学で講演した,GLM,HLM,GLMM,階層ベイズについてのスライド後半です。 前半のスライドはこちら http://www.slideshare.net/simizu706/ss-58585233
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
glmmをstanで実行するためのパッケージを作りました。 lmer()と同じ文法でコードを書くと,簡単にMCMC推定できます。
glmmstanパッケージを作ってみた
glmmstanパッケージを作ってみた
Hiroshi Shimizu
第56回日本社会心理学会のイブニングセッションで発表した,媒介分析についてのスライド+αです。
媒介分析について
媒介分析について
Hiroshi Shimizu
rstanで簡単にGLMMができるglmmstan()を作りました。 lme4のglmer()と同じ文法でコードを書くと,内部でstanコードを自動生成して,MCMCを走らせてくれます。
rstanで簡単にGLMMができるglmmstan()を作ってみた
rstanで簡単にGLMMができるglmmstan()を作ってみた
Hiroshi Shimizu
日本社会心理学会第2回春の方法論セミナー 「GLMMが切り開く新たな統計の世界」で発表したスライドです。 一部,発表時から修正したスライドがあります。
社会心理学とGlmm
社会心理学とGlmm
Hiroshi Shimizu
Rで潜在ランク分析を実行する関数を作りました
Rで潜在ランク分析
Rで潜在ランク分析
Hiroshi Shimizu
HADで階層線形モデルを実行するための方法についてまとめています。
エクセルで統計分析5 マルチレベル分析のやり方
エクセルで統計分析5 マルチレベル分析のやり方
Hiroshi Shimizu
行動計量学会岡山地域部会で発表した,GHQに潜在ランク理論を適用した研究の資料です。
Latent rank theory
Latent rank theory
Hiroshi Shimizu
Excelで動くフリーソフトである,ExcelTTMとHADを用いたテキストマイニングの方法を解説しています。 HADはhttp://norimune.net/hadからダウンロードできます。 ExcelTTMはhttp://mtmr.jp/excelttm/からダウンロードできます。
エクセルでテキストマイニング TTM2HADの使い方
エクセルでテキストマイニング TTM2HADの使い方
Hiroshi Shimizu
東洋大学で行われたマルチレベル講習会の実践編です。SPSSとHADの使い方を解説しています。
マルチレベルモデル講習会 実践編
マルチレベルモデル講習会 実践編
Hiroshi Shimizu
東洋大学で行われたマルチレベル講習会の資料の理論編です。
マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編
Hiroshi Shimizu
SappoRo.R#3で発表させていただいた資料です。 統計プログラムHADについてまとめています。
Excelでも統計分析 HADについて SappoRo.R#3
Excelでも統計分析 HADについて SappoRo.R#3
Hiroshi Shimizu
Excelで動くフリーの統計分析プログラム、HADの解説です。 プログラムは、以下のサイトからダウンロードできます。 http://norimune.net/had エクセルで統計分析 HADについて http://slidesha.re/10ARA0k エクセルで統計分析2 HADの使い方 http://slidesha.re/RsVBp7 エクセルで統計分析3 回帰分析のやり方 http://slidesha.re/XVATPV エクセルで統計分析4 因子分析のやり方 http://slidesha.re/YWUGNY
エクセルで統計分析2 HADの使い方
エクセルで統計分析2 HADの使い方
Hiroshi Shimizu
Excelで動くフリーの統計分析プログラム、HADの解説です。 プログラムは、以下のサイトからダウンロードできます。 http://norimune.net/had エクセルで統計分析 HADについて http://slidesha.re/10ARA0k エクセルで統計分析2 HADの使い方 http://slidesha.re/RsVBp7 エクセルで統計分析3 回帰分析のやり方 http://slidesha.re/XVATPV エクセルで統計分析4 因子分析のやり方 http://slidesha.re/YWUGNY
エクセルで統計分析4 因子分析のやり方
エクセルで統計分析4 因子分析のやり方
Hiroshi Shimizu
More from Hiroshi Shimizu
(20)
Stanでガウス過程
Stanでガウス過程
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
Stanコードの書き方 中級編
Stanコードの書き方 中級編
SapporoR#6 初心者セッションスライド
SapporoR#6 初心者セッションスライド
Tokyo r53
Tokyo r53
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
glmmstanパッケージを作ってみた
glmmstanパッケージを作ってみた
媒介分析について
媒介分析について
rstanで簡単にGLMMができるglmmstan()を作ってみた
rstanで簡単にGLMMができるglmmstan()を作ってみた
社会心理学とGlmm
社会心理学とGlmm
Rで潜在ランク分析
Rで潜在ランク分析
エクセルで統計分析5 マルチレベル分析のやり方
エクセルで統計分析5 マルチレベル分析のやり方
Latent rank theory
Latent rank theory
エクセルでテキストマイニング TTM2HADの使い方
エクセルでテキストマイニング TTM2HADの使い方
マルチレベルモデル講習会 実践編
マルチレベルモデル講習会 実践編
マルチレベルモデル講習会 理論編
マルチレベルモデル講習会 理論編
Excelでも統計分析 HADについて SappoRo.R#3
Excelでも統計分析 HADについて SappoRo.R#3
エクセルで統計分析2 HADの使い方
エクセルで統計分析2 HADの使い方
エクセルで統計分析4 因子分析のやり方
エクセルで統計分析4 因子分析のやり方
Recently uploaded
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ssusere0a682
2024年度受験者に向けた大学院説明会資料(機械系の各コースの説明資料)です。 ・機械系 大学院説明会|大学院で学びたい方|東京工業大学 https://www.titech.ac.jp/0/prospective-students/open-campus/briefing/department-mech ・工学院 機械系(系詳細ページ) http://www.mech.e.titech.ac.jp/jp/admission/index.html
2024年度 東京工業大学 工学院 機械系 大学院 修士課程 入試 説明会 資料
2024年度 東京工業大学 工学院 機械系 大学院 修士課程 入試 説明会 資料
Tokyo Institute of Technology
お茶の水女子大学で開催された全学FD/SD「授業・研究における生成系AIの活用事例」における講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
Takayuki Itoh
test
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
koheioishi1
2024年度受験者に向けた大学院説明会資料です。2024/5 ●東京工業大学 建築学系大学院入試関連情報 https://sites.google.com/view/titecharchexam ● 東京工業大学 環境・社会理工学院 建築学系 https://educ.titech.ac.jp/arch/ ● 東京工業大学 環境・社会理工学院|東工大について https://www.titech.ac.jp/about/organization/schools/organization06
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
Tokyo Institute of Technology
日本や世界の海で何十年にわたり活躍しているオーダーメイドの大型クレーンたち。丈夫で使いやすい"ものづくり"の設計や製造現場に隠された工夫とは…!? 大学で学んだ知識と好奇心を活かし体験・観察! 世界で末永く活躍する新しいクレーンを提案しよう!
世界を変えるクレーンを生み出そう! 高知エンジニアリングキャンプ2024プログラム
世界を変えるクレーンを生み出そう! 高知エンジニアリングキャンプ2024プログラム
Kochi Eng Camp
a
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
YukiTerazawa
ものづくり産業では材料加工の一つである工作機械NCフライス盤が無くてはならない存在です。世界情勢の移りゆく中で市場が求める商品の変化に合わせ、新たな工作機械の提案が必要です。工作機械を学び、操作することで未来の機械を創造してみよう!
次世代機の製品コンセプトを描く ~未来の機械を創造してみよう~
次世代機の製品コンセプトを描く ~未来の機械を創造してみよう~
Kochi Eng Camp
Recently uploaded
(8)
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
2024年度 東京工業大学 工学院 機械系 大学院 修士課程 入試 説明会 資料
2024年度 東京工業大学 工学院 機械系 大学院 修士課程 入試 説明会 資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
世界を変えるクレーンを生み出そう! 高知エンジニアリングキャンプ2024プログラム
世界を変えるクレーンを生み出そう! 高知エンジニアリングキャンプ2024プログラム
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
次世代機の製品コンセプトを描く ~未来の機械を創造してみよう~
次世代機の製品コンセプトを描く ~未来の機械を創造してみよう~
負の二項分布について
1.
負の二項分布 魁!!広島ベイズ塾 @simizu706
2.
二項分布 • Binomial Distribution –
ベルヌーイ試行において,成功率pで試行数n回中に x回成功する確率 – 試行数nを固定すれば,パラメータは成功率pだけに なる • パラメータpの共役事前分布はベータ分布
3.
負の二項分布 • Negative Binomial
Distribution – 離散分布 – 成功率pで,r回成功するまでに必要な試行数の 確率 – 二項分布の成功数と試行数を入れ替えた分布 負の二項分布「私はあと2回の変身を残しています」
4.
別の表現 • 負の二項分布 – ベルヌーイ試行において,成功率pでr回成功す るまでに必要な失敗回数についての確率 –
普通はこっちのバージョンを使う
5.
連続変量に拡張 • ガンマ関数を用いて,成功数が整数でなくて もいけるように拡張 – ガンマ関数
6.
分布感(謎 • Rで負の二項分布を描く x <-
rep(0:20) plot(x,dnbinom(x,size = 5,prob=0.5),type="b")
7.
分布感(謎 • Rで負の二項分布を描く x <-
rep(0:20) plot(x,dnbinom(x,size = 5,prob=0.6),type="b")
8.
分布感(謎 • Rで負の二項分布を描く x <-
rep(0:20) plot(x,dnbinom(x,size = 5,prob=0.8),type="b")
9.
分布の実質科学的な意味 • 二項分布の試行数バージョン – 例えば裸眼の参加者を10人集めたい場合,何人 に声をかければいいか •
裸眼率がわかっていれば,95%以上の確率で裸眼10 人集めるのに必要な人数がわかる • ポアソン分布の過分散推定のため – 統計モデリングでは,ほぼこの目的で使われる
10.
ポアソン分布との関係 • ポアソン分布 – レアな確率で起こる事象がある時間内で起こる 回数についての確率 •
1分で1回起こる事象が5分の間に何回起こるかについ ての確率は,λ=5のポアソン分布に従う
11.
λの変動を考える • λの確率的な変動を考慮したポアソン分布 – λがガンマ分布(gamma(φ,
μφ-1))に従うとする • このとき,混合した確率分布は – 負の二項分布になる • 成功率: p = φ / (μ+φ), 成功数: r=φ
12.
ポアソンと負の二項分布 • もともとの負の二項分布 – 成功率pで,r回の成功までの失敗回数yの分布 •
ポアソンのλが変動すると考えた分布 – 成功率φ/(μ+φ)で, φ回の成功までの失敗回数y の分布
13.
ポアソンと負の二項分布 • 負の二項分布の平均と分散は・・・ – 平均=
μ – 分散= μ + μ2 / φ • 負の二項分布において・・・ – μ=λで,φ=∞のとき,ポアソン分布になる – 平均= λ – 分散= λ + λ2 / ∞ = λ • つまりφ(の逆数)が過分散パラメータになる
14.
ポアソンと負の二項分布 • 負の二項分布 別バージョン plot(x,dnbinom(x,mu=5,size
= 1000000),type="b") plot(x,dpois(x,5),type="b")
15.
負の二項分布の使いどころ • 分散がλより大きいポアソン分布 – ポアソン分布の過分散を考慮した分布 –
ポアソンは負の二項分布に完全にネストされてい るので,AICなどの情報量規準による比較が可能 • 過分散を仮定するべきかどうかを知ることができる • ポアソン過程のデータに使える – 単位時間で平均λ回生じる事象が生起する回数 についての確率分布 • ただし,λはガンマ分布に従って変動する
16.
GLMMとの関係 • ポアソン+正規分布のGLMMとの違い – GLMMではlog(λ)を正規分布で推定 –
負の二項分布はλをガンマ分布で推定 – ほとんどAICはかわらない
17.
Stanでの負の二項分布 • neg_binomial(α,β) • neg_binomial2(μ,
φ)
18.
他の分布との関係 • 幾何分布 – 成功率pにおいて,1回成功するまでに必要な試 行数の分布 –
r=1の場合の負の二項分布といえる • 一般化ポアソン分布 – ポアソン分布の過小分散も考慮できる分布 – ほとんど使われることはない
19.
まとめ • 負の二項分布 – 二項分布の成功数と試行数のパラメータを逆転 させた分布 –
ベルヌーイ試行において,成功率pでr回成功す るまでに必要な失敗回数についての分布 • ポアソン分布+過分散 – GLMの文脈では,平均と分散が等しくない場合の 分布として利用されることが多い
Download now