SlideShare a Scribd company logo
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)
漸近理論をスライド1枚で(フォローアッププログラムクラス講義07132016)

More Related Content

What's hot

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超初心者入門
Stan超初心者入門Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
 
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする
Masaru Tokuoka
 
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
RyuichiKanoh
 
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
mlm_kansai
 
Stanコードの書き方 中級編
Stanコードの書き方 中級編Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
 
グラフニューラルネットワークとグラフ組合せ問題
グラフニューラルネットワークとグラフ組合せ問題グラフニューラルネットワークとグラフ組合せ問題
グラフニューラルネットワークとグラフ組合せ問題
joisino
 
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
Satoshi Hara
 
SEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデルSEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデル
Masaru Tokuoka
 
自動微分変分ベイズ法の紹介
自動微分変分ベイズ法の紹介自動微分変分ベイズ法の紹介
自動微分変分ベイズ法の紹介
Taku Yoshioka
 
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
 
非ガウス性を利用した 因果構造探索
非ガウス性を利用した因果構造探索非ガウス性を利用した因果構造探索
非ガウス性を利用した 因果構造探索
Shiga University, RIKEN
 
階層ベイズとWAIC
階層ベイズとWAIC階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
 
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心takehikoihayashi
 
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
Takashi Yamane
 
ベイズ統計入門
ベイズ統計入門ベイズ統計入門
ベイズ統計入門Miyoshi Yuya
 
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
cvpaper. challenge
 
傾向スコアの概念とその実践
傾向スコアの概念とその実践傾向スコアの概念とその実践
傾向スコアの概念とその実践
Yasuyuki Okumura
 
StanとRでベイズ統計モデリング 11章 離散値をとるパラメータ
StanとRでベイズ統計モデリング 11章 離散値をとるパラメータStanとRでベイズ統計モデリング 11章 離散値をとるパラメータ
StanとRでベイズ統計モデリング 11章 離散値をとるパラメータ
Miki Katsuragi
 
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
 

What's hot (20)

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超初心者入門
Stan超初心者入門Stan超初心者入門
Stan超初心者入門
 
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする
 
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
 
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
 
Stanコードの書き方 中級編
Stanコードの書き方 中級編Stanコードの書き方 中級編
Stanコードの書き方 中級編
 
グラフニューラルネットワークとグラフ組合せ問題
グラフニューラルネットワークとグラフ組合せ問題グラフニューラルネットワークとグラフ組合せ問題
グラフニューラルネットワークとグラフ組合せ問題
 
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
 
SEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデルSEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデル
 
自動微分変分ベイズ法の紹介
自動微分変分ベイズ法の紹介自動微分変分ベイズ法の紹介
自動微分変分ベイズ法の紹介
 
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
 
非ガウス性を利用した 因果構造探索
非ガウス性を利用した因果構造探索非ガウス性を利用した因果構造探索
非ガウス性を利用した 因果構造探索
 
階層ベイズとWAIC
階層ベイズとWAIC階層ベイズとWAIC
階層ベイズとWAIC
 
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心
 
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
 
ベイズ統計入門
ベイズ統計入門ベイズ統計入門
ベイズ統計入門
 
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
 
傾向スコアの概念とその実践
傾向スコアの概念とその実践傾向スコアの概念とその実践
傾向スコアの概念とその実践
 
StanとRでベイズ統計モデリング 11章 離散値をとるパラメータ
StanとRでベイズ統計モデリング 11章 離散値をとるパラメータStanとRでベイズ統計モデリング 11章 離散値をとるパラメータ
StanとRでベイズ統計モデリング 11章 離散値をとるパラメータ
 
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
 

More from Hideo Hirose

データを読み取る感性
データを読み取る感性データを読み取る感性
データを読み取る感性
Hideo Hirose
 
データを読む感性
データを読む感性データを読む感性
データを読む感性
Hideo Hirose
 
Derivative of sine function: A graphical explanation
Derivative of sine function: A graphical explanationDerivative of sine function: A graphical explanation
Derivative of sine function: A graphical explanation
Hideo Hirose
 
Success/Failure Prediction for Final Examination using the Trend of Weekly On...
Success/Failure Prediction for Final Examination using the Trend of Weekly On...Success/Failure Prediction for Final Examination using the Trend of Weekly On...
Success/Failure Prediction for Final Examination using the Trend of Weekly On...
Hideo Hirose
 
Attendance to Lectures is Crucial in Order Not to Drop Out
Attendance to Lectures is Crucial in Order Not to Drop OutAttendance to Lectures is Crucial in Order Not to Drop Out
Attendance to Lectures is Crucial in Order Not to Drop Out
Hideo Hirose
 
HTT vs. HTH
HTT vs. HTHHTT vs. HTH
HTT vs. HTH
Hideo Hirose
 
統計の世界:予測を扱う科学 Statistics World: A Science of Prediction
統計の世界:予測を扱う科学 Statistics World: A Science of Prediction統計の世界:予測を扱う科学 Statistics World: A Science of Prediction
統計の世界:予測を扱う科学 Statistics World: A Science of Prediction
Hideo Hirose
 
Solve [X^2=A], where A is a matrix
Solve [X^2=A], where A is a matrixSolve [X^2=A], where A is a matrix
Solve [X^2=A], where A is a matrix
Hideo Hirose
 
コーヒーはホットかアイスか 意外なことが分かった
コーヒーはホットかアイスか 意外なことが分かったコーヒーはホットかアイスか 意外なことが分かった
コーヒーはホットかアイスか 意外なことが分かった
Hideo Hirose
 
多変数の極値問題は解析と線形代数の融合だ
多変数の極値問題は解析と線形代数の融合だ多変数の極値問題は解析と線形代数の融合だ
多変数の極値問題は解析と線形代数の融合だ
Hideo Hirose
 
Homotopy法による非線形方程式の解法
Homotopy法による非線形方程式の解法Homotopy法による非線形方程式の解法
Homotopy法による非線形方程式の解法
Hideo Hirose
 
Different classification results under different criteria, distance and proba...
Different classification results under different criteria, distance and proba...Different classification results under different criteria, distance and proba...
Different classification results under different criteria, distance and proba...
Hideo Hirose
 
雷の波形は指数関数(フォローアッププログラムクラス講義07072016)
雷の波形は指数関数(フォローアッププログラムクラス講義07072016)雷の波形は指数関数(フォローアッププログラムクラス講義07072016)
雷の波形は指数関数(フォローアッププログラムクラス講義07072016)
Hideo Hirose
 
微分は約分ではない(フォローアッププログラムクラス講義06152016)
微分は約分ではない(フォローアッププログラムクラス講義06152016)微分は約分ではない(フォローアッププログラムクラス講義06152016)
微分は約分ではない(フォローアッププログラムクラス講義06152016)
Hideo Hirose
 
Interesting but difficult problem: find the optimum saury layout on a gridiro...
Interesting but difficult problem: find the optimum saury layout on a gridiro...Interesting but difficult problem: find the optimum saury layout on a gridiro...
Interesting but difficult problem: find the optimum saury layout on a gridiro...
Hideo Hirose
 
Central Limit Theorem & Galton Board
Central Limit Theorem & Galton BoardCentral Limit Theorem & Galton Board
Central Limit Theorem & Galton Board
Hideo Hirose
 
回路方程式, ポアソン方程式, 中心極限定理による最適なサンマの焼き方
回路方程式, ポアソン方程式, 中心極限定理による最適なサンマの焼き方回路方程式, ポアソン方程式, 中心極限定理による最適なサンマの焼き方
回路方程式, ポアソン方程式, 中心極限定理による最適なサンマの焼き方
Hideo Hirose
 
Extended cumulative exposure model, ecem
Extended cumulative exposure model, ecemExtended cumulative exposure model, ecem
Extended cumulative exposure model, ecem
Hideo Hirose
 
「科学=予測」Science cafe 2011 june 10
「科学=予測」Science cafe 2011 june 10「科学=予測」Science cafe 2011 june 10
「科学=予測」Science cafe 2011 june 10
Hideo Hirose
 
Parameter estimation for the truncated weibull model using the ordinary diffe...
Parameter estimation for the truncated weibull model using the ordinary diffe...Parameter estimation for the truncated weibull model using the ordinary diffe...
Parameter estimation for the truncated weibull model using the ordinary diffe...
Hideo Hirose
 

More from Hideo Hirose (20)

データを読み取る感性
データを読み取る感性データを読み取る感性
データを読み取る感性
 
データを読む感性
データを読む感性データを読む感性
データを読む感性
 
Derivative of sine function: A graphical explanation
Derivative of sine function: A graphical explanationDerivative of sine function: A graphical explanation
Derivative of sine function: A graphical explanation
 
Success/Failure Prediction for Final Examination using the Trend of Weekly On...
Success/Failure Prediction for Final Examination using the Trend of Weekly On...Success/Failure Prediction for Final Examination using the Trend of Weekly On...
Success/Failure Prediction for Final Examination using the Trend of Weekly On...
 
Attendance to Lectures is Crucial in Order Not to Drop Out
Attendance to Lectures is Crucial in Order Not to Drop OutAttendance to Lectures is Crucial in Order Not to Drop Out
Attendance to Lectures is Crucial in Order Not to Drop Out
 
HTT vs. HTH
HTT vs. HTHHTT vs. HTH
HTT vs. HTH
 
統計の世界:予測を扱う科学 Statistics World: A Science of Prediction
統計の世界:予測を扱う科学 Statistics World: A Science of Prediction統計の世界:予測を扱う科学 Statistics World: A Science of Prediction
統計の世界:予測を扱う科学 Statistics World: A Science of Prediction
 
Solve [X^2=A], where A is a matrix
Solve [X^2=A], where A is a matrixSolve [X^2=A], where A is a matrix
Solve [X^2=A], where A is a matrix
 
コーヒーはホットかアイスか 意外なことが分かった
コーヒーはホットかアイスか 意外なことが分かったコーヒーはホットかアイスか 意外なことが分かった
コーヒーはホットかアイスか 意外なことが分かった
 
多変数の極値問題は解析と線形代数の融合だ
多変数の極値問題は解析と線形代数の融合だ多変数の極値問題は解析と線形代数の融合だ
多変数の極値問題は解析と線形代数の融合だ
 
Homotopy法による非線形方程式の解法
Homotopy法による非線形方程式の解法Homotopy法による非線形方程式の解法
Homotopy法による非線形方程式の解法
 
Different classification results under different criteria, distance and proba...
Different classification results under different criteria, distance and proba...Different classification results under different criteria, distance and proba...
Different classification results under different criteria, distance and proba...
 
雷の波形は指数関数(フォローアッププログラムクラス講義07072016)
雷の波形は指数関数(フォローアッププログラムクラス講義07072016)雷の波形は指数関数(フォローアッププログラムクラス講義07072016)
雷の波形は指数関数(フォローアッププログラムクラス講義07072016)
 
微分は約分ではない(フォローアッププログラムクラス講義06152016)
微分は約分ではない(フォローアッププログラムクラス講義06152016)微分は約分ではない(フォローアッププログラムクラス講義06152016)
微分は約分ではない(フォローアッププログラムクラス講義06152016)
 
Interesting but difficult problem: find the optimum saury layout on a gridiro...
Interesting but difficult problem: find the optimum saury layout on a gridiro...Interesting but difficult problem: find the optimum saury layout on a gridiro...
Interesting but difficult problem: find the optimum saury layout on a gridiro...
 
Central Limit Theorem & Galton Board
Central Limit Theorem & Galton BoardCentral Limit Theorem & Galton Board
Central Limit Theorem & Galton Board
 
回路方程式, ポアソン方程式, 中心極限定理による最適なサンマの焼き方
回路方程式, ポアソン方程式, 中心極限定理による最適なサンマの焼き方回路方程式, ポアソン方程式, 中心極限定理による最適なサンマの焼き方
回路方程式, ポアソン方程式, 中心極限定理による最適なサンマの焼き方
 
Extended cumulative exposure model, ecem
Extended cumulative exposure model, ecemExtended cumulative exposure model, ecem
Extended cumulative exposure model, ecem
 
「科学=予測」Science cafe 2011 june 10
「科学=予測」Science cafe 2011 june 10「科学=予測」Science cafe 2011 june 10
「科学=予測」Science cafe 2011 june 10
 
Parameter estimation for the truncated weibull model using the ordinary diffe...
Parameter estimation for the truncated weibull model using the ordinary diffe...Parameter estimation for the truncated weibull model using the ordinary diffe...
Parameter estimation for the truncated weibull model using the ordinary diffe...