黒木玄 Gen Kuroki
- いいね数 389,756/311,170
- フォロー 995 フォロワー 14,556 ツイート 293,980
- 現在地 (^-^)/
- Web https://genkuroki.github.io/documents/
- 自己紹介 私については https://twilog.org/genkuroki と https://genkuroki.github.io と https://github.com/genkuroki と https://github.com/genkuroki/public を見て下さい。
2020年02月14日(金)
#統計 ひそかに次に「ネタ」にしようかなと思っていたのだが、「ネタ」にしてもらえるようで大期待！大いに興味があります。
Brunner-Munzel 検定も扱ってもらえるだろうか？ twitter.com/abiko_ushi/sta...
タグ： 統計
posted at 23:03:14
The Rastermaster mower is made for elegantly mowing around poles using mechanics and topology buff.ly/2C4uH3x pic.twitter.com/KOetkej2Re
タグ：
posted at 23:01:25
えっとよく分からないのだけど此れが「論文」と呼ばれたりこんなものを採用するところが「学会」と呼ばれることに物凄い違和感を感じるのですが，何故こんな存在が許されるのやろか？中世？ twitter.com/kitspeakee/sta...
タグ：
posted at 22:50:08
Dr. Chris Rackauckas @ChrisRackauckas
@BatesDmbates A lot of that is #julialang itself, but a lot of it is algorithmic. When Shampine wrote about "Problem Solving Environments" (MATLAB), he kept mentioning how performance doesn't matter as much as simplicity in those areas.
タグ： julialang
posted at 22:43:51
Dr. Chris Rackauckas @ChrisRackauckas
@BatesDmbates That said, these improvements, and more, are all in #julialang DifferentialEquations.jl. I think our Rosenbrock23/TRBDF2 should be as stable, but routinely benchmarks as around 10x-50x faster. benchmarks.juliadiffeq.org/html/MultiLang...
タグ： julialang
posted at 22:42:58
非公開
タグ：
posted at xx:xx:xx
Dr. Chris Rackauckas @ChrisRackauckas
@BatesDmbates The paper describing the MATLAB ODE Suite is a must read: www.mathworks.com/help/pdf_doc/o...
タグ：
posted at 22:40:53
天才か……？ ドアをまさかの方法で開ける子猫が撮影される
nlab.itmedia.co.jp/nl/articles/20... @itm_nlabzoo pic.twitter.com/TLwJcYr70X
タグ：
posted at 22:05:00
@sekibunnteisuu @ysmemoirs @takusansu ファンヒーレ夫妻... 可哀想に。21世紀の日本でこんなに弄られるなんて #知らない人達ですが
タグ： 知らない人達ですが
posted at 21:40:45
@takusansu 「ファン・ヒーレの水準」とやらでは、カツカレーはカレーに見えるのか見えないのか聞いてみたいです。
タンピン三色が平和なのかどうかも気になる。
タグ：
posted at 21:21:18
OokuboTact 大久保中二病中年 @OokuboTact
＃超算数
「逆順はダメ」とは書いてないですよ。
長方形の面積を求める時に「縦×横」でも「横×縦」でもいいのと同じ
twitter.com/E_G_Zarathustr...
タグ： 超算数
posted at 20:58:41
@nhayashi1994 #統計 ベイズ統計に出て来る様々な「推定量」(標準的な予測分布を含む)は確かに「モデル内での平均リスク最小化」＝「ベイズ推定量」として特徴付けられるのですが、モデル外の現実とは無関係な特徴付けに過ぎず、現実にベイズ統計を応用したい人にとっては的を外した議論になっています。
タグ： 統計
posted at 20:58:03
@nhayashi1994 #統計 ただし、その解説は「4 主観確率・意思決定論によるベイズ統計の解釈に対する批判」について書くために行われたものです。こちらが何をどう理解して批判しているかを明瞭にしないと、批判として説得力がなくなりそうなので解説が必要になった。続く
タグ： 統計
posted at 20:55:32
@nhayashi1994 #統計 続き。特殊なパラメータ値としてのEAP推定量だけではなく、ベイズ統計の標準的な予測分布も「ベイズ推定量」とみなせます。
予測分布のそういう特徴付けに関する私による解説が
nbviewer.jupyter.org/github/genkuro...
の4.6.2節にあります。続く
タグ： 統計
posted at 20:54:07
@nhayashi1994 #統計 EPA推定量に限らず、リスク函数(またはリスク汎函数)を取り換えて、そのモデル内での事後分布による平均を最小化すれば他の「推定量」も出て来ます。
例えば、モデル内での適切に定義された平均汎化誤差を最小にする分布はベイズ統計におけるいつもの予測分布になります。続く
タグ： 統計
posted at 20:51:58
ごまふあざらし(GomahuAzaras @MathSorcerer
リポジトリを眺めることで
五百行の処理を百行にする方法を提案できたので進捗は400%下がりました
タグ：
posted at 20:13:12
非公開
タグ：
posted at xx:xx:xx
非公開
タグ：
posted at xx:xx:xx
理解しづらかった、というか、自分がわかっていなかったのはそこなのだ、と中々気づけなかった。現状、社会科学の人にとって、ベイズ統計を学ぶというのは独自ワールドの俺流ベイズ統計を通ってからそれを脱学習する、という奇妙なルートが王道なんだよな。
タグ：
posted at 19:08:46
特に、事後分布は人間側が｢定義した（実際、Watanbe本では 'define'と書いてある）｣ものであって、現実世界の現実の確率と対応してるわけではないというのが理解しづらかった。確率モデルがデータ生成メカニズムだから現実世界の対応物で、そこの確率が現実の確率を表してると刷り込まれていたから。
タグ：
posted at 19:08:46
私がこの核心部を理解するのに時間がかかったのは例のごとく｢仮説が正しい確率を求めるんじゃなかったの？｣とか｢事後分布で全部推論終わるんじゃなかったの？｣とか｢データは定数と捉えるのがベイズじゃなかったの？｣という、学習済み内容を消去するのが大変だったからだ。
タグ：
posted at 19:08:45
あとは、新たな真の分布からのサンプルを予測したいのか、得られたサンプルの分布を真の分布に近づけたいのかによって、般化損失かベイズ自由エネルギーに基づいてモデルを改良していく。
タグ：
posted at 19:08:45
でも希望はあって、数学のレベルは追いつかなくても、やろうとしてることはごくシンプルだよね、ベイズ統計。真の分布があります。真の分布はわかりません。さあどうする？→確率モデルと事前分布を用意する
タグ：
posted at 19:08:45
実際統計学史は面白い。｢世界を変えた確率と統計の話｣と｢統計学を拓いた異才たち｣は読み物として楽しく読めた。でも、だからといってベイズ統計も頻度論との対立軸で知ろう！とはならないよね。整備された体型で学ぶ方がいいに決まってる。
タグ：
posted at 19:08:44
@nhayashi1994 #統計
en.wikipedia.org/wiki/Bayes_est...
の最初のExampleの日本語での解説が
to-kei.net/bayes/bayes-es...
にあります。
モデル内部でのみ通用する事後分布に関する平均リスクを最小にするパラメータをベイズ推定量と呼ぶことがあるようです。
未知の真の分布との関係は一切考慮されていない。
タグ： 統計
posted at 18:56:30
学説史とか学ぶ意味ないよ、ということではなくて、実用的な知識として統計を学ぶなら、整備された体系で学びたいよねって話。そんな当たり前のこともいちいち言わないとダメ？
タグ：
posted at 18:53:56
@nhayashi1994 #統計 そういう時代の「ベイズ統計」に関するキーワードは「決定理論」、「ベイズ推定量」=「ベイズ解」、「許容解」、「Waldの定理」です。ググれば情報が得られます。
ベイズ推定量については例えば
en.wikipedia.org/wiki/Bayes_est...
続く
タグ： 統計
posted at 18:52:12
@nhayashi1994 #統計 現在のように未知の真の分布と予測分布の関係が数学的によく分かっていなかった時代には、「主観確率」に基く「決定理論」で「ベイズ推定」を定義して、ベイズ統計の正当化とみなしていました。
その意味でのベイズ推定量の定義では、真の未知の分布に一切配慮しません。続く
タグ： 統計
posted at 18:49:54
OokuboTact 大久保中二病中年 @OokuboTact
＃超算数
森毅の『数の現象学』を読み直してみた。
言いたいことはわからないでもないが、大袈裟な気がする。
小学校の算数教育の権威達は森毅のような高度な数学理論を持ってこないけど、似たようなことを言っている。 pic.twitter.com/oXENVCMcny
タグ： 超算数
posted at 18:43:00
岩田健太郎 K Iwata, MD, M @georgebest1969
@Preprints_org これ、ぜひ読んでほしいんだけど反応鈍いなー。うーん。
タグ：
posted at 18:14:27
非公開
タグ：
posted at xx:xx:xx
#統計 私の意見は
* 英語でlikelihoodと名付けたこと自体が失敗。
* なぜならば、そのように名付けた対象である「確率モデルがデータを生成する確率」は「確率モデルのデータへの適合度の指標」に過ぎず、直観的な意味での「もっともらしさ」からかけ離れているから。続く twitter.com/forsd1987/stat...
タグ： 統計
posted at 17:43:54
この本には「仮説の確率」という考え方もないし、モデル評価について(主に自由エネルギー推しな感じ)の章もあります。データも確率変数としてモデル化された実現値であることを明記してあります。考え方は渡辺ベイズの設定そのもので、計算の過程を丁寧に示してくれてあり助かります。
タグ：
posted at 17:01:54
だからその翌年、突然黙りこんで研究室に消えて何時間、話しかけても無視(聞こえてない)でも、一筋に将棋に打ち込む背中は私には特別で光輝いて見えました。そして七冠、永世七冠も達成し私が夫なら燃え尽き呆ける所、今も尚将棋に向き合ってくれている。それだけで感謝している。それだけでもう充分。 twitter.com/yuzutapioka/st...
タグ：
posted at 15:37:55
#統計 たぶん、以上のような考え方に慣れている人達にとっては、
en.wikipedia.org/wiki/Bernstein...
にあるような
「事後分布はデータサイズを大きくすると事前分布によらなくなる」
というような言い方で教えることを教育的だと感じることは難しいと思う。
タグ： 統計
posted at 15:30:38
目を通してみましたけど、生物系であっても（自分も含めて）ベイズ統計学の勉強に良さそうな本です。渡辺ベイズへの橋渡しになりそうな印象です。時間を確保せねば… pic.twitter.com/8bj73XEIVh
タグ：
posted at 15:25:13
1995年初の将棋の七冠獲得に挑み敗れた。その時もうお付き合いしていて前夜に電話で応援したのを覚えています。結果は残念。世間も私もやはり七冠なんて幻…そう思いました。感想戦と打ち上げ終えた後、くれた電話忘れません。『全部防衛するから来年お祝いして』耳を疑い受話器落とした翌年の出来事 twitter.com/toshi94435629/...
タグ：
posted at 15:22:01
非公開
タグ：
posted at xx:xx:xx
#統計 渡辺澄夫さんの講義スライドの中に
watanabe-www.math.dis.titech.ac.jp/users/swatanab...
ベイズ統計入門 ⑧
目標 正則モデルで事前分布を評価する
という以上の話題にずばりフィットする解説がありますね。
事前分布もモデルの一部なので事前分布もモデル評価の対象になる。
タグ： 統計
posted at 14:54:00
#統計 補足。古臭い「頻度論vs.ベイズ」的な考え方をする人達の大きな特徴の一つは「ベイズ統計で特に事前分布を使う点が問題だ」と考えること。
「ベイズ統計では推論誤差を小さくするための選択肢が少なくとも事前分布選択の分だけは増える」と教えた方が教育的だと思う。
twitter.com/genkuroki/stat...
タグ： 統計
posted at 14:19:03
Finally I got my thoughts on Julia, published on @Medium :
medium.com/@ArnuldOnData/...
#programmers #CommonLisp #Lisp #julialang #cplusplus #C #Clang #Python #productivity #USENET #Newsgroup pic.twitter.com/kRdb231SEl
タグ： C Clang CommonLisp cplusplus julialang Lisp Newsgroup productivity programmers Python USENET
posted at 14:06:30
julia on Atomでpipe ( |> ) の入力が面倒だから、RStudio と同じ Ctrl+Shift+m でできるようにした。goring.org/resources/atom...を倣っただけではあるけれど（下のほう）。参考になれば。
#Julialang
#Julia言語
#AtomEditor
#RStudio
タグ： AtomEditor Julialang Julia言語 RStudio
posted at 13:48:42
べつに公平性の担保とかそういう話をしたいわけではなく, 感染拡大を防ぎたいなら病気を申告するインセンティブをつけるべきだろうということです 受験者・監督者間で集団感染してもどうでもいいと思っているなら別にいいですが……
タグ：
posted at 13:21:37
18世紀後半にドイツで誕生した「レースドール」。どうやってこの見事なレースで溢れた人形を作るのかと思ったら、液状の粘度を染み込ませた実際のレースを丁寧にボディーに貼り付け、1200度前後で焼くと布地のレースは焼失して磁器粘土だけが残ってこのような美しい模様を作るんだとか。素晴らしい。 pic.twitter.com/bZamcwyRcj
タグ：
posted at 13:05:13
須山敦志 Suyama Atsushi @sammy_suyama
「1日で入門するベイズモデリング実習」という講義資料を作りました．ベイズ統計を応用したい方が対象です．詳細に関してはDMまたはメールください． pic.twitter.com/tdjhF9B005
タグ：
posted at 12:42:43
なるほどなるほど勉強になります。ありがと @shinpe89332603
@georgebest1969 @Preprints_org 岩田先生、学問としては理解できる。大局的にも理解できる。ただシュミレーション、どのような予測モデルも、有用性の証明は、真のBiological（Clinical） Behaviorがすべてデータ化されるまで不明です。結果神様にしかわからないことを、専門家が論ずるリスクも考えないといけないのかも。
タグ：
posted at 12:21:30
これがこの動画がこれが見たかったこれですこれが見たかった感謝しかありませんブライアン博士とコアラさん pic.twitter.com/H66J9xzgj6
タグ：
posted at 12:08:56
フィッシャーの正確確率検定では、マージンを固定したモデルを考える。でもマージンを固定したような実験ってあんまりない。だから多くの場合は、カイ二乗検定(マージンを固定せず期待値だけを固定？したモデル)の方が、適切・・・・と理解しました。
たしかに。。 twitter.com/KOICHI_5963/st...
タグ：
posted at 12:02:20
そういえば尤度と事後確率の違いの説明を、庭に犬がいるとかいないとかいう例で毎年説明しているので、犬度だと思ってる人が受講者に一人くらいいるかもしれないな。
タグ：
posted at 11:40:47
パラメータ推定からデータ分布推定に視点を移そう、というようなことが次の一文目に書いてありました。しかし、両方考えるのが大事なんですよね。 twitter.com/katzkagaya/sta...
タグ：
posted at 11:29:36
グロービス杯世界囲碁U−20は、10回は実施しますのでご安心を。今年は第7回目です。その後は未定です。
ぜひ多くの方々に、グロービス杯世界囲碁のことを呟いて欲しいと思います。あまり盛り上がらないと、継続する意欲が湧かないので。 twitter.com/he2ki/status/1...
タグ：
posted at 11:22:22
「情熱を持ち続けるのは難しい」棋士を目指す奨励会で感じた”プロになれる人との差”
全国支部名人・知花賢さん33歳に聞く #2 | 観る将棋、読む将棋 #shogi #将棋 #文春オンライン
bunshun.jp/articles/-/332...
posted at 11:02:32
岩田健太郎 K Iwata, MD, M @georgebest1969
@Preprints_org 武漢で起きていることと、日本で起きることは違う。R0はウイルスの属性のみならず人や社会の属性、、、という前提でシミュレーションしたのですが、、、あとはお読みいただければぼくの忸怩たる思いはおわかりいただける、、、でしょう。
タグ：
posted at 10:56:17
岩田健太郎 K Iwata, MD, M @georgebest1969
A Simulation on Potential Secondary Spread of Novel Coronavirus in an Exported Country Using a @Preprints_org www.preprints.org/manuscript/202...
タグ：
posted at 10:52:16
金田先生・・とにかく俗っぽい人でしたが、私は金田研初の内部進学者で、そのせいか随分と大事にされ、研究室で将棋ソフトばかり作り、選手権用のパソコンも買ってもらい優勝することが出来ました。すごく悲しい。
金田康正さん死去 円周率１兆２４１１億桁計算 www.asahi.com/articles/DA3S1...
タグ：
posted at 10:07:52
markerstrokewidth = 0
docs.juliaplots.org/latest/attribu... twitter.com/KB_satou/statu...
タグ：
posted at 08:47:27
#統計 補足。モデルのパラメータに意識を集中させることがダメな理由は、モデルAのパラメータは別のモデルBでは全然意味を持たない可能性があるからです。
モデルBの方が現象の本質を捉えているときに、モデルAのパラメータをどんなに精密に推定しても無意味です。
twitter.com/genkuroki/stat...
タグ： 統計
posted at 07:48:31
#統計 事前分布の取り方によって推論誤差は変化します。
そういう例の解説は
watanabe-www.math.dis.titech.ac.jp/users/swatanab...
の下の方の「具体的な例」にあります(添付画像の部分)。
事前分布に依存することについてしっかり教えないと、合理的な統計学の解説には決してならないと思う。 pic.twitter.com/iG55xzOmJP
タグ： 統計
posted at 07:38:29
float W=120,x=W/2,y=x,f,d,a;void setup(){size(600,600);clear();}
void draw(){fill(0);circle(x*5,y*5,50);
fill(255,255,0);arc(x*5,y*5,50,50,(a=abs(.6*cos(f+=.2)))+d*PI/2,PI*2-a+d*PI/2);
if(d<3)x=(W+x+1-d)%W;if(d>0)y=(W+y+2-d)%W;if(x%20+y%20<1)d=(int)random(4);}
#つぶやきProcessing pic.twitter.com/y9UjBsYwBe
タグ： つぶやきProcessing
posted at 07:37:37
掛け算の順序守らずにバツ、が「世の理不尽を学ぶ」とか「ある状況での最適解を探す訓練」みたいなのはさすがに害悪。
そもそも算数や数学が「理」を重視しなくてどうするの…。 twitter.com/sekibunnteisuu...
タグ：
posted at 07:31:40
#統計 私は個人的に
en.wikipedia.org/wiki/Bernstein...
にあるように
事前分布に依存しない
という点が強調される形で教えてしまいそうな題材は教育的ではないと思っています。
結局の所古臭い「頻度論vs.ベイズ」的な発想のかおりがする。
タグ： 統計
posted at 07:12:23
1966年なのか
フーリエ級数の収束問題に関して 猪狩惺
www2.tsuda.ac.jp/suukeiken/math...
> 1966年に発表されたL. Carlesonの論文によって, 1変数フーリエ級数の収束問題は次のような定理で解決された.
> L^2(𝕋)の関数のフーリエ級数の部分和はほとんどすべての点で収束する.
タグ：
posted at 05:11:24
#統計 nを小さくすれば、4種のP値函数はばらけます。しかし、傾向にそう変わりはないので、「いんだよ、こまけえことは！」という感覚の人は違いを気にしない可能性もあると思う。
ベイズと聞いて知らないから怖いと思わずに、百聞は一見に如かずの精神で実際に見てみればどうってことはないです。 twitter.com/genkuroki/stat...
タグ： 統計
posted at 03:50:33
#統計 仮説検定・信頼区間とベイズ統計の関係はどうなっているんだという素朴な疑問はよく出ていると思うのですが、単純なベルヌイ分布モデルで事前分布をJeffreysにしてn=100とした場合の答えは以下のリンク先の動画。
プロットしたP値函数がα以上になる区間が信頼・信用区間です。全部ほぼ同じ。 twitter.com/genkuroki/stat...
タグ： 統計
posted at 03:36:43
#統計 添付画像は「超有効推定量」に関する渡辺澄夫さんの立場。
watanabe-www.math.dis.titech.ac.jp/users/swatanab...
より。
有限サイズのサンプルによる統計分析では、サイズに応じた解像度しか得られないので、「測度零集合のすぐそば」は実質的に「測度零集合に含まれる」と同じことになるかもしれないんだよね。 pic.twitter.com/dRREkTRYWd
タグ： 統計
posted at 03:07:56
非公開
タグ：
posted at xx:xx:xx
非公開
タグ：
posted at xx:xx:xx
非公開
タグ：
posted at xx:xx:xx
非公開
タグ：
posted at xx:xx:xx
非公開
タグ：
posted at xx:xx:xx
非公開
タグ：
posted at xx:xx:xx
#Julia言語 #超算数
xy=30 のグラフの作り方を説明するために以前作ったものの再現版
nbviewer.jupyter.org/gist/genkuroki...
(1) まず点の数を増やす。
(2) 大体どういう感じの曲線になるかが分かったら線で繋ぐ。
(3) これはどのような場合にも通用する普遍的な方法。
これを説明するために作った。 pic.twitter.com/FQhQEx99nF
posted at 01:57:43
@twopowerof32 修士時代に統計学研究室で欠測データの統計解析やってたけど、解析の目的と欠測メカニズムによって変わってきます！
基本的な統計においては単一代入法はあまり好まれないから多重代入法使うけど、機械学習であればダミー変数法とか使うとうまくいくことが多い気がします！
タグ：
posted at 01:50:35
@golgo_sardine 気を使って頂きどうもありがとう！
しかし、私の発言を資料として使いたい場合もあると思うので、そういう場合にはあんまり気にしなくてもいいです。必要があれば、私の方から「外してね」と言います。
しかし、気を使って頂きうれしく思いました。ありがとう。
タグ：
posted at 01:38:50
#統計 #Julia言語 私が書いた資料の一部分(全部とは全然言えない)は
github.com/genkuroki/Stat...
から閲覧できます。
posted at 01:35:51
#統計 #Julia言語
nbviewer.jupyter.org/gist/genkuroki...
ベイズ統計の簡単な例
これは本当に簡単な例
nbviewer.jupyter.org/github/genkuro...
分散1の正規分布モデル
分散も固定しない正規分布モデル
分散1の山が2つの混合正規分布モデル
の比較
混合正規分布モデルは特異モデルになる場合も扱っている
posted at 01:34:03
#統計 #Julia言語 教育用に(orにしか)使えそうな(そうもない)チョー簡単な場合の例
nbviewer.jupyter.org/gist/genkuroki...
Bernoulli分布モデル
nbviewer.jupyter.org/gist/genkuroki...
正規分布の共役事前分布(正規ガンマ分布)
易しい指数型分布族モデルなら、WAICや自由エネルギーを容易に計算できます。続く
posted at 01:34:00
#統計 私のTLで批判されているのは、3月出版予定の
www.asakura.co.jp/books/isbn/978...
瀕死の統計学を救え！ ―有意性検定から「仮説が正しい確率」へ―
豊田秀樹著
や
www.jfssa.jp/taikai/2017/ta...
生成量と研究仮説が正しい確率 –ポスト p 値時代の統計学–
豊田秀樹
と同様のことを述べている人達です。 twitter.com/ktrmnm/status/...
タグ： 統計
posted at 00:47:51
@genkuroki はい、かなり読ませていただいたというか、私自身が実はそういう理論に興味をもって統計を始めた人間のひとりです。 ただ、もし今自分が授業のカリキュラムを決められるなら、渡辺理論の話は盛り込めないな、と考えています。 （ところで、個人的な打診では、引用RT避けていただけると助かります）
タグ：
posted at 00:47:42
情報量規準あたりの話がめちゃくちゃ興味深かったです😉
ベイズ推定はツールとしてなんとなく分かっていたつもりなんですがここまで厳密に議論できるんですね〜
ベイズ統計学の概論的紹介 by @nhayashi1994 #bayes #learningtheory www.slideshare.net/naokihayashi71... @SlideShareより
タグ： bayes learningtheory
posted at 00:24:08
@genkuroki うーん、それは確かにあんまり良くないですね。ですが教育ってどうしても理解度にグラデーションが発生するものなので、全員が正しくわかるというよりは、興味をもつ人口が増えた結果、正しくわかる人の絶対数も増えるという形がよいのかな、と感じます（その意味でBvM定理はいい教材です）
タグ：
posted at 00:23:35
ごまふあざらし(GomahuAzaras @MathSorcerer
#Julia言語
Makie.jl 呼び出しをちょっと速くする方法 twitter.com/MathSorcerer/s...
タグ： Julia言語
posted at 00:22:03
ごまふあざらし(GomahuAzaras @MathSorcerer
#JuliaLang
pkg> dev PackageCompiler
using PackageCompiler
PackageCompiler.create_sysimage([:Makie, :AbstractPlotting],sysimage_path="makie.so")
exit()
julia -J makie.so
julia> using Makie; display(AbstractPlotting.PlotDisplay(),plot([1,2,3]))
タグ： JuliaLang
posted at 00:21:07
#統計 私のTL上では「頻度論vs.ベイズ」という対立を語るを人はおらず、「頻度論ではなく、ベイズ統計ならば仮説が正しい確率がわかる」という方針で統計学教育を行おうとする人達への批判が多数出ています。
専門家サイドからも、そういう統計学教育の方針への批判が出て来て欲しいと思いました。 twitter.com/ktrmnm/status/...
タグ： 統計
posted at 00:19:19
数日掛けて直した vim-lsp の補完、ぐちゃぐちゃだった Julia Language Server がイイカンジに直った。 pic.twitter.com/688QPtoLmU
タグ：
posted at 00:16:35
@genkuroki ですので、歴史的にはけっこう思想対立のあった言葉なのですが、研究の現場でコミュニケーションをしていると、比較的意味の浅いフラットな使い方になる感じです。教科書とかではなかなか見えてこないんですが、論文や学会での会話を通して透けて見える感じです。
タグ：
posted at 00:00:41
