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。
2019年08月04日(日)
@genkuroki また、正式な資料が揃っておらず、詳細が"不明"な段階でフォロワーの方にマイナスイメージを与えるツイートをされると心が痛みます
なるべく正しい数学的な知識を多くの人に伝えたいという気持ちは黒木さんと同じです
タグ：
posted at 00:01:01
@Yobinori 【変わっていくのは(ベイズの数学的なモデルの中で)自分達が予想する確率分布だ】
の確率分布は事後分布のことですか？
渡辺澄夫『ベイズ統計の理論と方法』には、数学的設定の明瞭な説明とともに、俗説の明瞭な否定についても書いてあって参考になります。
twitter.com/yobinori/statu...
タグ：
posted at 00:16:08
@Yobinori ツイートをいきなり消したヨビノリさんの反応の仕方は正直少し感じが悪かったです。しかし、大した問題ではないとも思います。消した動画は公開できないということですね。
twitter.com/yobinori/statu...
タグ：
posted at 00:19:38
@Yobinori 親切な人にスクショをもらいました。
引用【高校とか中学の確率の考え方は ベイズの考え方とは少し違う】
コメント：違いを強調するのはミスリード。
引用【データから確率(分布)が決まる】
コメント：次のツイートでコメント。
引用【すべてはベイズの定理の応用にすぎない】
コメント：誤り。 pic.twitter.com/pfnYjvQtu6
タグ：
posted at 01:11:12
@genkuroki ご意見ありがとうございます
個人的にはベイズの定理がベイズ統計の基礎付けになるものとは全く思っておりませんが、視聴者に誤解を与える可能性を考え、全体的に再度慎重に考慮した上でフルver.をアップしたいと思います
タグ：
posted at 01:57:39
#Jupyter notebook の markdown cell には数式や画像を含むコメントを書き放題できて便利です。
例1：nbviewer.jupyter.org/github/genkuro...
例2：nbviewer.jupyter.org/github/genkuro...
例3：nbviewer.jupyter.org/github/genkuro...
#Julia言語
twitter.com/r_gray_/status...
posted at 02:41:15
ごまふあざらし(GomahuAzaras @MathSorcerer
リンクも貼り放題！
簡易GUIも作れる．
サイツヨ(´・ω・｀) twitter.com/genkuroki/stat...
タグ：
posted at 02:47:11
#Jupyter の開発者達のモチベーションは
open science
です。この事実を知っていれば、Jupyter notebookの適切そうな使い方も分かると思う。
twitter.com/genkuroki/stat...
タグ： Jupyter
posted at 03:13:03
山田太郎 ⋈（参議院議員・全国比例） @yamadataro43
トリエンナーレの件、表現する事で恐喝脅しにあってはならず刑事事件として対処すべき。表現の自由への圧力や中止の経緯の問題については、報道では首長、芸術監督と県、実行委員会の間で見解の違いもあり感情的にならず、まず展示内容や県市の公費による開催の決定プロセスなど事実関係を見極めるべき
タグ：
posted at 03:18:58
Jupyter Notebookで使えるElixir matplotlibラッパーexplotをフォークして新しい機能追加した。一応プルリクも投げてみた pic.twitter.com/PfIzg8HsIh
タグ：
posted at 03:57:56
１羽１羽にGPSつけて明らかになった鳥の渡り経路！海を一直線に横切ってる個体、迷走して逆戻りしてる個体、色んな癖があって何回見ても面白い！(笑) twitter.com/KlatuBaradaNik...
タグ：
posted at 08:01:34
非公開
タグ：
posted at xx:xx:xx
ペンクラブ声明ではあたかも政治的圧力によって展示中止においこまれたかのように書かれていますが、実際にはテロ予告が展示中止をもたらしたので、声明を出し直すべきです twitter.com/michikokameish...
タグ：
posted at 10:09:21
津田和俊／急激に進行した網膜剥離と闘って @kaztsuda
AIS：操業中の漁船のGPS情報を収集し、水揚げした漁場の把握や安全管理に役立てようと言う取り組み。漁業者にとっては、自分の見つけた良い漁場がライバルに知られると導入に及び腰。
（移動中はオンにしているけど、知られたくない場所ではオフにするという話を聞いたことがある）
タグ：
posted at 11:10:31
津田和俊／急激に進行した網膜剥離と闘って @kaztsuda
いわき市内の四倉と泉にお店がある大川魚店では、店頭の売り上げはほぼ震災前まで回復しているが、通信販売が震災前の60%止まりで、震災直後からこの比率はほぼ変わらない。福島県内の消費者が贈答品として敬遠している。
（これ、桃でも事情は全く同じだわな。。。）
タグ：
posted at 11:24:22
津田和俊／急激に進行した網膜剥離と闘って @kaztsuda
いわき市の農作物に対する風評被害対策の取り組み：
安全・安心をアピールすることを辞め、消費者に判断してもらえるようその材料の提供
キャッチフレーズ：「見せます！いわき」
misemasu-iwaki.jp
タグ：
posted at 11:50:28
津田和俊／急激に進行した網膜剥離と闘って @kaztsuda
H24:いちばん厳しいあの人に
H25:だから、わたしは、いわき野菜
H26:美味しいから、いわき産を選ぶ
H27:召しませ！いわき
H28:身近に感じるいわき野菜、“食べたい”の連鎖
H29:身近に感じるいわき野菜、“食べたい”の連鎖～ その2
H30:身近に感じるいわき野菜
タグ：
posted at 11:50:30
@nemakineko48 #超算数 あなたは、ねまきねこさん、人と論争する態度がなっていません。回りくどい話法で自分が何を言いたいのか明確にするために相手に一手間かけさせる横着だけでなく、積分定数さんの論点を本人ではなく私に質すところもそうです。私が提供した尾崎の記事を使って積分さんに反論するならよかった。
タグ： 超算数
posted at 11:56:25
@nemakineko48 #超算数 もちろん掛順指導の元祖の一人である尾崎の説が、掛順そのものを否定する積分さんの反論になるとは思えませんが。尾崎の論は、□×aの答えを□の段で求めることを禁じているにもかかわらず、割算記号÷を使った式の導入後も包等区別を忘れないでねと言っています。得手勝手な指導です。
タグ： 超算数
posted at 12:06:45
@nemakineko48 #超算数 24÷4をみて□×4=24で□を探し、24÷4の答えは6の段で見つかると考えることは、尾崎の二番目の主張に合致しているわけです。だから、尾崎の記事を矛盾なく理解することはできません。
タグ： 超算数
posted at 12:14:53
#統計 ベイズ統計の理解に必須の尤度函数の概念をクリアに理解するためには、Sanovの定理についてなにがしかの直観を持っている必要があるというのが、私の結論。40年前の赤池弘次さんの論説もそういう結論になっている。
ここまで来れば、解説の大変さが分かりやすい(笑)
twitter.com/genkuroki/stat...
タグ： 統計
posted at 13:33:50
#統計 私はどちらかと言えば自分で全てを再構成して理解する方針なので、書籍に類については全然詳しくないのですが、おかしなことが書いていないベイズ統計の入門的解説は稀。
渡辺澄夫『ベイズ統計の理論と方法』
須山敦史『ベイズ推論による機械学習』
はおすすめ。
twitter.com/hiro_tah/statu...
タグ： 統計
posted at 14:01:44
#統計 松浦健太郎さんの解説もおすすめ。ブログが
statmodeling.hatenablog.com/archive
にあります。
たぶん、コンピューターで計算しなければ、ベイズ統計を理解することは無理だと思う。そういう点でも松浦さんの解説は非常におすすめできます。
タグ： 統計
posted at 14:01:45
#統計 渡辺澄夫さんのウェブサイトを読んでいれば、ベイズ統計に関わる俗説に騙されることは無くなると思います。
watanabe-www.math.dis.titech.ac.jp/users/swatanab...
タグ： 統計
posted at 14:01:46
#統計 Kullback-Leibler情報量に関するSanovの定理の特に易しい場合に関する私の解説が
genkuroki.github.io/documents/2016...
Kullback-Leibler 情報量と Sanov の定理
にあります。
タグ： 統計
posted at 14:01:46
@nemakineko48 #超算数 あのぅ、【】で囲って引用なさったそれは私の意見です。尾崎馨太郎はどこでそんなことを言っているというのやら。あなたは、尾崎も積分さんも私をも、ちゃんと理解する気がないのではありませんか。
これ以上、このスレッドで返答しないでください。
megalodon.jp/2019-0804-1358... pic.twitter.com/QrcEQtmJaO
タグ： 超算数
posted at 14:04:02
富谷(助教);監修 シン仮面ライダー @TomiyaAkio
twitter.com/genkuroki/stat...
拙著でも引用させていただきました。
タグ：
posted at 14:07:49
@yellowshippo @unaoya 私が返すのもおかしいですが、決まると決めるには大きく違いがあるように思います。
推定は人工的に決めていますが、動画は決まっていたものを特定できたように読めて違和感を感じました。
タグ：
posted at 14:18:48
アメリカの非ヒスパニック系白人の薬物・アルコール・自殺による10万人当たりの死亡件数を生年世代ごとに見たグラフ．大卒以上（右）と大卒未満（左）の対比が強烈．ケイスとディートンの研究が引用元とされてる，正確な出典が確認できてないので要注意．marginalrevolution.com/marginalrevolu... pic.twitter.com/nh6inTyfDF
タグ：
posted at 14:37:40
Marginal Revolution のコーエンせんせいは，この PDF にリンクを貼ってるけど，p.48 に「大卒以上」(more than a BA) のグラフは掲載されてない．www.brookings.edu/wp-content/upl...
タグ：
posted at 14:39:02
こっちのスライド (p.11) には同じグラフが掲載されてる．ただ，アップロードした人がケイスでもディートンでもないし，ほんとに信用して引用していいのか心配．slideplayer.com/slide/12650863/
タグ：
posted at 14:41:06
#統計 個人的な解説ノート
genkuroki.github.io/documents/2016...
Kullback-Leibler情報量とSanovの定理
を書き始めたモチベーションは、Sanovの定理やCramerの定理のような確率論における大偏差原理の基本的な結果が、統計力学のtoy modelになっていることが明瞭に分かるような解説をしてしまうことでした。
タグ： 統計
posted at 14:45:45
#統計 渡辺澄夫『ベイズ統計の理論と方法』の第4章の議論の一部を初等的にするために使えるラプラス近似の一般化に関するノートが
genkuroki.github.io/documents/2016...
にある。これを見れば
数学の本を読むときにそこに書いてあることに忠実に従わ__ない__ことが重要
ということの意味が分かるはずです。
タグ： 統計
posted at 14:54:03
#統計 ゼータ函数の零点や極の情報がどのようにして漸近挙動の解析で使われるかについては
nbviewer.jupyter.org/github/genkuro...
ディリクレ級数の滑らかなカットオフ
を見てください。数値計算によって漸近挙動を数値的に確認するための #Julia言語 のコード付きのノートです。
たぶん、こういう解説は貴重。
posted at 15:00:59
おもちゃ博物館から戻ってきたガキが「世界をつくりたい」マジ顔で言って、レゴとプラレールを総動員し始めた。何十年かして「思えばあれが発端だったのかも～」となるかなあ……
タグ：
posted at 15:21:51
#統計 具体例として、指数型分布族の場合(ベルヌイ分布、正規分布、…)を選ぶと、状況があまりにも良すぎて、サンプルサイズ→∞での収束性について、最尤法とベイズ推定法の違いは本質的に無くなります。
違いを解説したければ、指数型分布族よりも複雑なモデルが必要。
twitter.com/genkuroki/stat...
タグ： 統計
posted at 15:25:46
#統計 尤度函数や事後分布の広がり具合が予測分布にどのように反映されるかを見るには、ベルヌイ分布モデルは使えない。しかし、有限的ではないもっと複雑な指数型分布族であれば、具体例として使用できます。
残差が正規分布に従うとする回帰も十分に使える例だと思う。
twitter.com/genkuroki/stat...
タグ： 統計
posted at 15:29:18
@yellowshippo @ta_to_co @unaoya スレッド発見！(笑)
たぶん、私と梅崎さんの感想は完全に同じ。
添付画像はすぐに削除されてしまった動画のスクショより。
黄色線での強調は私によります。
頻度論での「固定された確率→データ」の部分は「データは確率変数」と本質的に同じ。続く pic.twitter.com/MUc5DAuVn0
タグ：
posted at 16:26:07
@yellowshippo @ta_to_co @unaoya そして、ベイズの側での対応する部分は「データ→確率(分布)」となっている。
こういう対比を視聴者に見せちゃうような解説は個人的にはアウトだと思います。
添付画像は
drive.google.com/drive/mobile/f...
の小杉先生資料
より。続く pic.twitter.com/WMzuBS6rty
タグ：
posted at 16:30:25
@yellowshippo @ta_to_co @unaoya 小杉先生の「理解」によれば、頻度主義では「データは確率変数」であり、ベイズ主義では「定数のデータからパラメーターの確率変数」が決まるという感じ。
これはもちろんデタラメな理解の仕方なのですが、ヨビノリ氏の「理解」もこれに近い疑いが強いと思いました。続く
タグ：
posted at 16:33:48
ごまふあざらし(GomahuAzaras @MathSorcerer
数学書は定義から始まってそこから色々積み上げていくのでよめるといったな？アレは嘘だ．信用できるのは自分が歩いた足跡だけ．って隣の高校生が言ってた．(´・ω・｀)
タグ：
posted at 16:35:59
@yellowshippo @ta_to_co @unaoya 個人的な意見では、頻度論とベイズの違いをこんな感じで強調したがる人達が出て来てしまうことについては、大学のある種の先生達に重い責任があると思います。
大学の先生達を名指しで批判する人が増える必要があると思います。
関連↓
twitter.com/genkuroki/stat...
タグ：
posted at 16:37:42
@yellowshippo @ta_to_co @unaoya 重い責任は大学のある種の先生達の側にありますが、私の子供も結構YouTubeを見ているので、放置しちゃいけない案件だと強く感じて、ヨビノリさんに直接コメントしてしまいました。
タグ：
posted at 16:39:50
@nemakineko48 #超算数 ねまきねこさんは、面白いですね🤣！ 拷問のような面白さだと思うのでブロックします。この人、私について国語のお勉強をするつもりだったのでしょうかmegalodon.jp/2019-0804-1553...。短文投稿で、誰が何を言っているのか分からなくなっている人には、算数だって難しいですよね。
タグ： 超算数
posted at 16:59:10
@genkuroki ありがとうございます。僕の理解では「真の分布」というのがどこかにあり、その分布に従う確率変数であるデータを観測する。最尤推定とベイズ推定の違いが出てくるのは予測分布（必ずしも真の分布と同じ関数族に属するとは限らない）を作るところで、最尤推定ではパラメータを点推定するが（続く）
タグ：
posted at 17:08:57
@genkuroki ベイズ推定では確率モデルに、真の分布がその確率モデルである信用度（事後分布）の重みをつけてアンサンブルを取ったもので予測分布を作ると理解しています。ただ未だによくわかっていない点は、ベイズで確率モデルのパラメータが確率変数であるとするのが誤りなのか？というところです（続く）
タグ：
posted at 17:13:00
@genkuroki ベイズでは確率モデルのパラメータが事後分布に従うと仮定しており、すなわちこれは確率変数であると考えるのが自然と思います。黒木さんが批判されているのは、「頻度 vs ベイズ」の対比なのか、「ベイズでは確率モデルのパラメータを確率変数として扱う」という考えなのか、どちらなのでしょうか？
タグ：
posted at 17:16:16
@yellowshippo 通常頻度主義に分類される最尤法では、真の母数の母数の推定値は確率変数であるデータの函数なので確率変数です。小杉先生の理解の仕方では、頻度主義における母数は「定数」なのでその意味での母数は真の母数でしょう。
ベイズ主義の方でも母数は真の母数でなければこの表は無意味になります。続く pic.twitter.com/1ZGLwMqlsZ
タグ：
posted at 17:35:31
@yellowshippo この表のベイズ主義の川での母数も真の母数だとすると、それも頻度主義と同様に定数でなければいけません。
現実の母集団分布を決めるパラメーターは決まっているのだから定数でなければいけません。
この一点だけを見ても添付画像の表はひどく間違っています。続く pic.twitter.com/zfrKYoCW6I
タグ：
posted at 17:38:08
@yellowshippo この表を書いた人はおそらく、「現実の母集団分布を決めるパラメーター」と「数学的モデル内部での推定のために使われるパラメーター」の区別がついていません。
数学的モデルと現実の混同は致命的に非科学的な態度であり、全否定されるべきです。続く pic.twitter.com/yi4g2dnIwP
タグ：
posted at 17:40:35
@yellowshippo 実は、「ベイズ統計においては、現実世界における母集団分布を決めるパラメーターの真の値(定数)を考えずに、パラメーターに関する確率分布しか考えない」というような「理解」の仕方があるようなのです。
意味不明すぎて理解不能なのですが、どうもそうらしい。続く pic.twitter.com/2zP9dUmR4z
タグ：
posted at 17:47:00
@yellowshippo そう信じている人達の多くが、「ベイズ主義では確率の概念自体が頻度論とは違っている(高校とか中学の確率の考え方とは～違う)」などと言い出すのです。
パラメーターの確率分布(事前分布や事後分布)は主観確率であり、頻度論的な確率ではないなどと言う。
ベイズ 主観確率 をググると闇が見えます。
タグ：
posted at 17:51:11
@yellowshippo そういう主観確率というどのように正当化したら良いのかよくわからないやり方でベイズ統計を正当化しようとした人達がたどり着いたのは、統計的意思決定論です。「Waldの定理」についてググってみるとよいと思います。続く
タグ：
posted at 17:56:33
ほりたみゅ (mastodonも見てね) @Hyrodium
Julia, 今気づいたけど「°」が記号として使えるので°=π/180と定義してると便利 pic.twitter.com/7ekwIVsMbE
タグ：
posted at 17:59:52
@yellowshippo 「主観確率」などと言う人が統計的意思決定論についても解説していたら相当にましな方なのですが、統計的意思決定論は「確率分布で表現される主観的信念φを持っているときの、リスクの主観的期待値を最小にする行動」の類を扱うだけなので、信念φが客観的な正しさを比較評価することはできません。続く
タグ：
posted at 18:04:48
ほりたみゅ (mastodonも見てね) @Hyrodium
しかしsind等がBase.Mathで用意されてるので, 今回のケースではそっち使う方が正しい. 精度より視認性を気にするときに使うとか(°は\degreeで出せます)
pkg.julialang.org/docs/julia/THl...
タグ：
posted at 18:07:16
@yellowshippo 要するに、「主観確率」によってベイズ統計を正当化しようとしても、複数の「信念」を客観的に比較する方法は得られなかったわけです。
まあ、主観のみを考えて、ゲーム理論的に考えても、現実世界にある確率分布について客観的な分析をできるはずがない。続く
タグ：
posted at 18:07:27
@yellowshippo 赤池弘次さんは約40年前の論説で、「主観確率」に基くベイズ統計の解釈の仕方大物であるSavageをボロクソに貶しています。
こういう話は時代遅れの「ベイズ統計の黒歴史」扱いされるべきだと思います。
現代では「主観確率」でベイズ統計をかたる人はトンデモ扱いが妥当。
ismrepo.ism.ac.jp/index.php?acti...
タグ：
posted at 18:15:00
@yellowshippo もとの話題に戻ってまとめると、私が気にしていることは以下の通り。
* 現実と数学的モデルを混同してはいけない。
* 現実の母集団分布は決まっていると考える。
* サンプルは確率変数。
* 事後分布や事後予測分布はサンプルの函数なので確率変数(数学的モデル内部での確率分布に値を持つ確率変数)
タグ：
posted at 18:22:12
@yellowshippo 添付画像のようなことを言っている人達は、通常の確率とは異なる確率概念を想定している可能性が極めて高いので、自分が知っている常識的な解釈を適用するのはやめた方が良いです。
ヨビノリ氏も「高校とか中学の確率の考え方は ベイズの考え方とはいえ少し違う」と主張しています。 pic.twitter.com/j7bUDVT8a3
タグ：
posted at 18:28:23
@genkuroki ありがとうございます。まとめると、真の分布と予測分布とを混同してしまって、事前分布のパラメータが確率変数であるだけなのに真の分布のパラメータが確率的に変動しているという考えの誤りを指摘されているのですね。スッキリしました。主観確率の歴史的経緯も教えていただきありがとうございます。
タグ：
posted at 18:30:38
@yellowshippo 私の個人的な意見では、日本の大学における統計学教育では、ベイズ云々と無関係に
現実の母集団と数学的モデル内の仮想的な母集団の区別を曖昧にする
という傾向が強過ぎて、かなり酷いと思います。
twitter.com/genkuroki/stat...
タグ：
posted at 18:35:13
@yellowshippo リンク先訂正：川→側
他の場所にも色々誤植を発見しています。ごめんなさい。
twitter.com/genkuroki/stat...
タグ：
posted at 18:36:46
@yellowshippo バランスを取るための補足
統計的意思決定論も、ベイズ統計とは一切無関係な、数学的定理の集まりとみなせば結構面白いです。
批判されるべきなのは、主観確率の概念でベイズ統計を正当化しようとすることです。
タグ：
posted at 18:42:52
うっかりツイッターを眺めてしましました。この「現実の母集団分布を決めるパラメーター」とは何でしょう。母集団分布は現実であれば既に決まっていてそこにパラメーターがあるというのがどうにも腑に落ちません。この場合のパラメーターとはなんなのでしょうか… #適当に疑問に思った事を投げる twitter.com/genkuroki/stat...
タグ： 適当に疑問に思った事を投げる
posted at 18:43:34
@yellowshippo 別にスレッドではすでに何度かコメントしていることではあるのですが、以下のリンク先の質問は本質を突いています。
その通りです。
伝統的な統計学では、母集団分布が特定の確率モデルp(x|w)の範囲内に入っている保証はできないはずなのに、勝手にそう仮定して～続く
twitter.com/tsatie/status/...
タグ：
posted at 18:47:25
@yellowshippo ～、母集団分布を与えるパラメーターw=w₀があることにして、w₀をパラメーターの真の値などと言うことがよくあります。
この伝統が、現実と数学的モデルの区別を曖昧にする傾向を作っている。
「現実の母集団分布を決めるパラメーター」などと言わずに単に「現実の母集団分布」と言う方がよい。
タグ：
posted at 18:52:02
はてなブログに投稿しました
配列の形状(Shape)のコメントを付けるJupyter Notebook拡張を作った - シバニャンだニャン！ shiba6v.hatenablog.com/entry/shape_co... #はてなブログ
タグ： はてなブログ
posted at 18:54:40
やはりそうなのか... とはいえ何というか #何となく変だ という事しか分かってないというか，オラの統計学に対する不信感が其処に現れているのかもなぁと思うてしまった。つまるところだから結局のところどないなんやという話で... twitter.com/genkuroki/stat...
タグ： 何となく変だ
posted at 18:55:44
ごまふあざらし(GomahuAzaras @MathSorcerer
> 現実と数学的モデルの区別を曖昧にする
は真の分布 q が 人間が勝手に考えた確率モデル p(x|w) で実現可能( i.e. q(x)=p(x|w_0) for some w_0 \in W) であることを明示せずに勝手に仮定して進めているということですか？ twitter.com/genkuroki/stat...
タグ：
posted at 18:58:46
これ普通に 「Esc→Enter」（同時押しではなく2タイプ）で改行できると思います。会社PCにリモートログインして素の #Julia言語 をコマンドプロンプトとPowerShell両方で確認。
WindowsにてJuliaのREPLで改行する - sgryjp.log blog.sgry.jp/entry/2019/08/...
タグ： Julia言語
posted at 19:06:16
Jupyter Notebook拡張ってJavaScriptで書くんだけど，セルマジックをロード時に定義してボタンを押すと実行するというプログラムになったのでもしよかったら使ってね，と言おうとしたらLICENSE書いてないことに気づいた．
github.com/shiba6v/jupyte...
タグ：
posted at 19:07:19
これも良い質問。質問内で想定されている説明の省略程度なら罪が軽いです。
学部生向けの統計学に教科書では、正規分布モデルを用いた仮説検定を行うときに、現実の母集団分布が正規分布になっていると仮定しているのか否かが曖昧な説明になっていることが多いです。続く
twitter.com/mathsorcerer/s...
タグ：
posted at 19:18:35
続き。その辺の話は以下のリンク先のスレッドに書きました。
twitter.com/genkuroki/stat...
twitter.com/genkuroki/stat...
タグ：
posted at 19:21:23
Robert Geller; ロバート・ @rjgeller
10分前の地震のマグニチュードは6.2で、震源深さは40-50km。つまり、地震波の非弾性減衰が弱い沈み込みスラブ中。沈み込みスラブは地震波の「高速道路」みたいなものだ。
タグ：
posted at 19:33:14
#統計 関連
「ベイズ統計では仮説が正しい確率を知ることができる」
とか、上の方に出て来た
「ベイズ統計では真の値が決まっているという立場に立たない」
という主張(どちらも誤り)については以下のリンク先のスレッドを参照。
twitter.com/genkuroki/stat...
タグ： 統計
posted at 19:59:03
#統計 清水裕士さんのブログ記事
norimune.net/3186
頻度主義統計、ベイズ統計、統計モデリングからみた「真値」
norimune.net/3196
なぜ心理学（～）ではパラメータ解釈が中心なのだろう？
を見れば、どのように誤解が広まるかと、実践的な統計学に使い方の一端を知ることができます。
タグ： 統計
posted at 20:05:20
OokuboTact 大久保中二病中年 @OokuboTact
＃超算数
正方形と長方形の教え方
１９６３年の算数教育の資料から pic.twitter.com/TMusarD6Lz
タグ： 超算数
posted at 20:09:18
@sunchanuiguru @sekibunnteisuu 包含徐と等分除を統合的に捉えることは大切らしいですが、
分配除と徴収除は私には統合的に捉えられないTT
包含徐と等分除を区別したがる #超算数 信者はこんな気持ちなのかもｗ
タグ： 超算数
posted at 20:22:33
緑のデータ解析本もお世話になったけど、最尤法とAICの解説、尤度比検定の解説があっても、後半のベイズ統計ではデータでモデルを評価する視点がなくて不思議に思っていたんです。RTと関連。
タグ：
posted at 20:33:11
#統計 ～整理することです。
詳しくは以下のリンク先の下の方に伸びているスレッドを見て下さい。統計学における基本概念(仮説検定、区間推定、モデル選択、…)については
「数学的モデルの現実から得たデータによる評価」
という視点で整理するとクリアになります。
twitter.com/genkuroki/stat...
タグ： 統計
posted at 20:34:01
日暮 月乃/Lu-nyan@VRダンス& @pdl_runa
anaconda使いがminiconda使いになるまで【jupyterも】 qiita.com/H_Y_J/items/0d... #Qiita
タグ： Qiita
posted at 20:39:55
2010年から2012頃そう思っていたわけですけど、2010頃にWAICが発表されてたんですね。
watanabe-www.math.dis.titech.ac.jp/users/swatanab...
タグ：
posted at 20:41:12
非公開
タグ：
posted at xx:xx:xx
以前話題になった白黒画像がカラーに見える錯視のウェブアプリを作ってみました。
お好きな画像で試せます。
画像処理はブラウザで完結しているので、サーバに情報は送られません。
nazomizu.com/html/lab/illus...
タグ：
posted at 20:54:54
作者による解説
www.patreon.com/posts/color-gr...
ニュースで取り上げられたのはこの辺
www.newsweekjapan.jp/stories/world/...
タグ：
posted at 20:57:55
信頼区間の説明に難儀している
信頼区間の数学的な定義は一見するだけでは説明になっていないので，トイモデルで本当に α％ の確率で真の値が区間に入ることで説得するのがよいだろうか
しかし特定の確率分布に従うことを仮定しなければならないわけで，現実のデータでの有効性は未知なわけで…
タグ：
posted at 21:00:50
ベイズ推定した研究に対して「そのモデルの妥当性はどうやって調べますか？」という質問が出てたことがありましたけれど、発表者は「事後分布がそれにあたります」と答えていた記憶がある。僕が「AICなどの情報量基準ですればよいのでは」とコメントしたら「そういうものはありません」と返答だった。
タグ：
posted at 21:14:57
大学入試の数学の問題で「これが解けたらすごい！」的な問題を出しても機能しない理由は、入試で難しい問題に挑戦するメリットがないからです。よく「これは捨てる問題」と評価されてしまうことになる。
「難しい問題に挑戦する」という戦略が有利になるようにすれば機能する可能性があると思う。
タグ：
posted at 21:15:29
点数の評価の仕方を工夫して、特別に難しい数学の問題を解けた受験生の合格確率が上昇するようにしておくというようなことも考えられる。
つまらない問題を沢山正解した人ではなく、つまらない問題を一切解かずに、面白い超難問を1問だけ解けた人を合格させるのは悪いことではないと思う。
タグ：
posted at 21:15:31
僕、黒木さんってJulia言語の話すると無差別いいねRTしてくるおじさんだとばかり。。。(^^;) twitter.com/bgnori/status/...
タグ：
posted at 21:19:28
Have you ever wished to index arrays as the order of #StarWars movies? Here is a #JuliaLang packages that does exactly that: github.com/giordano/StarW... 😃 For the time being it offers only historical order, but perhaps I could add other orderings, like #MacheteOrder 🤔
タグ： JuliaLang MacheteOrder StarWars
posted at 21:20:43
StarWars.jl is inspired by this #Reddit #ProgrammerHumor thread: www.reddit.com/r/ProgrammerHu...
posted at 21:22:53
#統計 表の作者は
「ベイズ統計では(母数の)真の値が決まっているという立場に立たない」
と思っているがゆえに、「ベイズ主義」の「母数」の欄を「確率変数」にしており、ベイズ統計では
データによる母集団分布の推定
という考え方をしないと思っているのだと思う。
twitter.com/genkuroki/stat... pic.twitter.com/5mfUyyWYZb
タグ： 統計
posted at 21:28:13
#統計 たぶん、以下のリンク先の質問に関して、1つ前のツイートの内容が最もクリアな回答になっていると思います。
「ベイズ統計では(母数の)真の値が決まっているという立場に立たない」
のようなびっくりするような奇妙な考え方が相当に広く流布してしまっている。
twitter.com/yellowshippo/s...
タグ： 統計
posted at 21:31:45
非公開
タグ：
posted at xx:xx:xx
信頼区間は95%の確率で真の値を含んでいる→セーフ
真の値は95%の確率で信頼区間の中にある→ギリセーフ
真の値は95%の確率でa以上b以下である→ギリアウト
真の値は95%の確率でa以上b以下で分布している→アウト
って認識
タグ：
posted at 21:35:57
真の値xが信頼区間[a,b]に含まれる確率を
P(a<x<b)
で定義するか
∫_a^b f(x)dx
で定義するかの違いで自然言語で区別できてないだけなんではという印象。
タグ：
posted at 21:57:12
@josemaru718 @minami_siki 確か何回も色んなサンプルで試行していくと(実際の分析ではできないことだが)、それぞれの結果が信頼区間の中に95%の割合で入るという解釈だった気がします。
タグ：
posted at 21:59:40
@kazukiming @minami_siki あぁ、なんとなくわかりました。同じ手続きで標本を無限に抽出した場合に、それらの区間の95％は真の値を含んでいる、ということであってますかね？ 信頼区間100本合ったら5本は真の値が入ってない、的な。
タグ：
posted at 22:17:38
うちでは家庭内マインクラフトサーバーを立ち上げた。
接続はHamachi経由にしたが、今ならZeroTierを使う。
twitter.com/hiyori13/statu...
タグ：
posted at 22:22:00
非公開
タグ：
posted at xx:xx:xx
言語学者は文法用語使うなとは言っていない．自分も知り合いも含めて．
でも，教育実習に行くと現場の教諭に文法用語を使うと英語嫌いになるから教えるなと指導されることは多い様子．確かに指導要領にもできるだけ控えることと書いてある．でも，文法用語を控えると学習効率が上がるという調査は皆無 twitter.com/newfield114/st...
タグ：
posted at 22:36:00
Λlberto Marocchino @albz_marocchino
Dear @_cormullion, I believe I need your suggestions for a better #JuliaLang plot (color and shapes). pic.twitter.com/KE1yRM5NPs
タグ： JuliaLang
posted at 22:43:50
@josemaru718 @minami_siki あ、私の説明が少し変でしたが、そうですね！サンプルごとに信頼区間が変わりますが、何回も試行したら真の値がその信頼区間に入る確率が95％ということだった気が！
タグ：
posted at 22:59:21
@kazukiming @minami_siki なるほど、なんかわかった気がします。といっても、これと「真の値が入る確率が95%」の違いが僕にはよく分かりませんが笑 「無数にある信頼区間に真の値があるかどうかはゼロイチだから、確率で考えられない」と言われると納得できるようなできないような…って感じです。
タグ：
posted at 23:20:31
@josemaru718 @minami_siki 確率というより割合なんですかね。違いがよくわかりません。。p値も確率と考えてはダメで、null hypothesisが棄却されるsmallest significant levelだと、econometricsの先生に口酸っぱくいわれました笑 信頼区間が確率ではないことの裏返しかもです。
タグ：
posted at 23:33:05
@kazukiming @minami_siki なるほど…その説明ならまだp値の方が僕にとっては分かり良いです笑 誰にでもわかる説明を早くeconometricianに作ってほしいです……
タグ：
posted at 23:37:40
@kazukiming @josemaru718 @minami_siki おっと。その先生はP値が確率じゃないというのはどういう意味で説明されていました？？
定義から考えても計算方法からみても確率のような気がするんですが、、、、
タグ：
posted at 23:48:32
@kazukiming @josemaru718 @minami_siki 信頼区間に関しては私もそのように理解しています。
信頼区間に真の値が含まれる”確率”は0か1でしかないということですね。
こちらの文献がおススメです
link.springer.com/article/10.100...
タグ：
posted at 23:50:45
