黒木玄 Gen Kuroki(@genkuroki)/2019年08月10日

娘が私に謝った時『いいよ』って許してくれないって泣き叫ぶんだけど、コレが原因かぁ。
保育園で指導されてるんだね。

逆に、私が娘に謝った時、瞬殺で『いいよ(ムスッ！)」って返されるんだけど、全然謝罪の態度じゃないだろー！と長年思ってたので合点がいきました。 twitter.com/megane654321/s...

タグ：

posted at 23:25:32

#統計学部生向けの統計学の教科書は、ネガティブな事実について曖昧に誤魔化すような体裁になっていることが多く、科学的な疑問に正直でありたいと思っている人達にとっては居心地が悪いスタイルになっていることが多いと思います。

タグ：統計

posted at 23:17:03

あずりえる @poyothon

良く調整されたGANでMatrixFlowの画像を生成するとラーメンの写真が出てくるって奴すき

タグ：

posted at 23:15:47

#統計関連

信頼区間も、前提とする数学的モデルによって現実の母集団に関係する分布をうまく近似できている保証がない場合には、信頼できないものになります。

すべてが数学的モデルの質に依存する。

twitter.com/genkuroki/stat...

タグ：統計

posted at 23:14:30

(｢・ω・)｢ｶﾞｵｰ @bicycle1885

#統計以下のリンク先は「ベイズ統計の信用区間は使用した数学的モデルによる推定がうまく行っている保証がない場合には信用できない」とまとめられます。

所謂「頻度論」の信頼区間もその信頼性は数学的モデル依存！

どちらを使っても安心安全厳密な結果は得られない。

twitter.com/genkuroki/stat...

タグ：統計

posted at 23:10:38

はじめての英語史という本，とても面白い。雑学的な寄せ集めではなく一貫したルールで英語が変化していったのがよく分かる。

タグ：

posted at 23:07:29

#統計以上で解説した真実を知ってしまうと、

* 「95%信用区間に真の値が含まれる確率は95%である」と言ってよい

のような解説が、「ふざけんなよ！」と叫びたくなるほどひどいことが分かると思います。

すべては推定(推測)がどれだけうまく行っているかに依存する。

twitter.com/genkuroki/stat...

タグ：統計

posted at 22:54:13

#統計まとめ：95%信用区間の95%は、数学的モデル内で事後分布が生成した乱数が信用区間に含まれる確率に過ぎず、その数学的モデルを用いた推定(推測)に失敗していたりすると、現実の母集団の真の値の区間推定としてまったく信用できないものになっている可能性がある！

タグ：統計

posted at 22:54:12

#統計予測分布による真の分布の予測の誤差に真の分布だけで決まる定数を加えて得られる「汎化誤差」の推定値ならば「情報量規準」の名で得られています(WAIC, LOOCV)。

タグ：統計

posted at 22:54:11

#統計だから、予測分布p*(x|x_1,…,x_n)が現実の母集団の真の分布q(x)をよりよく近似しているかどうかを判定することは重要な問題(そして相当に困難な問題)になります。

理想的には予測分布による真の分布の予測の誤差そのものを推定する方法があれば良いのですが、それは困難。続く

タグ：統計

posted at 22:54:10

#統計続き～、その数学的モデルによるベイズ推定に失敗しており、そのような場合には、95%の信用区間は現実の母集団の真のパラメータ値の区間推定としては、まったく信用できないものになってしまうわけです。続く

タグ：統計

posted at 22:54:09

#統計現実の母集団からの無作為抽出で得たサンプルx_1,x_2,…,x_nは、未知の母集団分布q(x)に従う独立試行で得られたとみなせます。

数学的モデル内で偶然(X_1,X_2,…,X_n)=(x_1,x_2,…,x_n)となった場合に次に生成されるX_{n+1}の確率分布p*(x|x_1,…,x_n)が現実のq(x)と大きく違う場合には～続く

タグ：統計

posted at 22:54:08

#統計 95%の信用区間の95%は、数学的モデル内部での事後分布が生成した乱数f(W)が信用区間に含まれる確率であるに過ぎず、推測のために用意した数学的モデルで現実をうまく近似できてなければ、現実の母集団のパラメータとは何も関係ないということになります！(←極めて重要‼️)

タグ：統計

posted at 22:54:07

#統計ベイズ統計の95%の信用区間の95%は事後分布ψ(w)=ψ(w|x_1,…,x-n)で計算した確率になります。

すなわち、その信用区間はwのある函数f(w)の値に関する区間であるとすると、事後分布に従ってランダムに生成されたパラメータWに対するf(W)が信用区間に含まれる確率が95%になります。

続く

タグ：統計

posted at 22:54:06

#統計続き～

p*(x|x_1,…,x_n) = Z(x_1,…,x_n,x)/Z(x_1,…,x_n)

と書けます。これは(事後)予測分布と呼ばれたりします。

数学的には量が"Z"で表されることに注意して整理すると分かりやすくなります。続く

タグ：統計

posted at 22:54:05

#統計さらに、数学的モデル内で生成されたサンプルX_1,X_2,…,X_nが現実の母集団から無作為抽出で得たサンプルx_1,x_2,…,x_nに一致している場合に、数学的モデル内で次にランダムに生成される乱数X_{n+1}が従う確率分布の密度函数p*(x|x_1,…,x_n)は～続く

タグ：統計

posted at 22:54:04

タグ：統計

posted at 22:54:03

#統計条件付き確率の定義(もしくは同じことですがベイズの定理)に戻れば、数学的モデル内で生成されたサンプルX_1,X_2,…,X_nが偶然に、現実の母集団から無作為抽出で得たサンプルx_1,x_2,…,x_nに一致している場合のパラメータwの確率分布ψ(w|x_1,…,x_n)が～

続く

タグ：統計

posted at 22:54:01

#統計数学的モデル内で生成されたサンプルX_1,X_2,…,X_nが偶然に現実の母集団から無作為抽出で得たサンプルx_1,x_2,…,x_nに一致している場合には、最初に事前分布によってランダムに決定されたパラメータwがその偶然の一致が生じ易い値になっている確率が高くなっているはずです。続く

タグ：統計

posted at 22:54:00

#統計そして、その数学的モデル内で生成されたサンプルX_1,X_2,…,X_nが偶然に現実の母集団から無作為抽出で得たサンプルx_1,x_2,…,x_nに一致している場合に制限した条件付き確率分布を考えます。続く

タグ：統計

posted at 22:53:59

#統計その数学的モデル内では、最初に、確率分布φ(w)によってパラメータwがランダムに決定される。(φ(w)は事前分布と呼ばれる)

そして、パラメータwで決まる確率分布p(x|w)に従う独立試行で乱数列X_1,X_2,…,X_nが生成される。このX_1,X_2,…,X_nを数学的モデル内のサンプルと呼ぶ。

タグ：統計

posted at 22:53:57

#統計現実の母集団からの無作為抽出で得たサンプル(数値列)をx_1,x_2,…,x_nと書きましょう。

その数値列がどのように生成されたかを推測するために、ベイズ統計では以下のような(無作為抽出でサンプルを得た)現実とは絶対に一致しない数学的モデルを考えます。

続く

タグ：統計

posted at 22:53:57

#統計「それじゃあ、ベイズ統計における95%の信用区間(=確信区間)は正しくはどういう意味なのか？」という質問に答えていなかったことに気付いた。

正解を知るためには、ベイズ統計で使う数学的モデルと条件付き確率に関して理解する必要があります。以下、長いです。続く

twitter.com/masashikomori/...

タグ：統計

posted at 22:53:45

James Tanton @jamestanton

ごく普通の会社員 @normal_worker_s

What fraction of the whole square is a single blue square in the second diagram? Third diagram? 100th diagram? pic.twitter.com/INzqAx0dl8

タグ：

posted at 22:20:30

単純に考えて、オリンピックの組織委は普通に給料もらって仕事してるのに、その下で働く国民から募るボランティアや、医療スタッフが全員タダ働きっておかしくね？？？

ついでに言うと、そのボランティアを教育訓練する業者はちゃんと税金から金もらってる。おかしくね？？？ style.nikkei.com/article/DGXMZO...

タグ：

posted at 22:10:55

非公開

タグ：

posted at xx:xx:xx

ループの部分に threads マクロを挿入するとちょっと速くなりゅ pic.twitter.com/XHqQtWC7w6

タグ：

posted at 21:50:22

個人的に伝統的統計学などの「しがらみ」をもってないせいかもしれませんが、情報量統計学の赤池先生、渡辺先生の見方、つまり現実とモデルを区別した上でそれらがどのような関係にあるか考察できる理論のほうが筋が通っていると思っています。P値、信頼区間も確率の考え方を変える必要もない。 twitter.com/genkuroki/stat...

タグ：

posted at 21:41:00

個人的には配分の法則という語が登場して、ほっとした。これは私が習った(と思っている)言い方である配分法則にとても近い。いままで分配法則を誤って覚えていたのではないかと思っていた。

タグ：

posted at 21:27:34

#超算数私は、通信教育の学習指導書というものがどのような出版物なのかよく分からないのだが、類例はあるmuseum.tamagawa.jp/search/index.p...。また著者の記載もなかったが、包含除を【a=qb+r (0≦r<b)となるq,bを求めること】(56頁)と定義するのは特徴的かもしれない。

タグ：超算数

posted at 21:23:45

#超算数おそらく項目の排列も重要。

各論 > II 計算について > (1) 四則 (55-7ページ)
(2)が式。(3)の計算の法則で交換法則が登場。理解を教科書通りのそれと定義し、より古い指導事項から優先的に理解の評価をするとしたら、掛順こだわりの出来上がりになるのではないだろうか。

タグ：超算数

posted at 21:23:44

#超算数
法政大学通信教育部『算数教材研究学習指導書』東京、法政大学通信教育部、1955年
【
(2) 式
式の意味: 考え方の論理的記述を記号的に表現したものである。
式のたて方: 日常語を数学的表現になおし、その文章の構図を数学的記号で表現しなおすことである。
】 pic.twitter.com/L5K3trpVVM

タグ：超算数

posted at 21:23:43

@genkuroki 自宅のPCでも確認しましたが，abs2 を使う版がスピード良かったです．😆

タグ：

posted at 21:13:04

非公開

タグ：

posted at xx:xx:xx

非公開

タグ：

posted at xx:xx:xx

2011年の夏、原発事故発生から数か月、ツイッターで桃の写真を流すだけで、まるで殺人鬼かなにかのように、匿名顕名の憎悪がぶつけられました、福島の桃農家やサポーターは、それでも追い詰められることなく、桃の写真をＴＬに流し続け、今日ようやく受け入れられるようになってきました。

タグ：

posted at 20:23:59

私に言わせれば、言論の不自由展で展示されるべき現代アートのひとつは、竜田一人先生の「いちえふ」です。この作品と作者がどれだけ非難され、誹謗され、揶揄され、痛くない腹をさぐられてきたのか、私はずっと見ていました。

タグ：

posted at 20:17:42

非公開

タグ：

posted at xx:xx:xx

Lewis Vaughan Jones @LVaughanJones

When your drone runs out of battery over a lake, timing is everything...

pic.twitter.com/btDekWXpoV

タグ：

posted at 19:29:35

HAYASHI Tomohiro @SokoranoKumasan

この、処理水を頑なに「汚染水」と呼び続けるNHKのツイに付いている無数のレスに、在来メディアの報道姿勢よりも先進的で現状を理解した上での批判がこんなにも多く見られるようになっている。

「一般人よりも情報が遅く、内容が不正確」では、良くないですよ。NHKがそんな姿勢では尚更…。 twitter.com/nhk_kabun/stat...

タグ：

posted at 19:14:46

#統計ベイズ統計の理解において「数学的モデルは現実に対応していなければいけない」という固定観念を破棄できない人達が、ベイズ統計で使われる非現実的な数学的モデル内での確率に対応する現実の対象を見つけようとして、「主観確率」「信念」のような苦しいことを言い出すようになったのだと思う。

タグ：統計

posted at 19:12:41

そもそも表現の不自由展が訴えたかったもの、開催の目的や理念が見えてきません。その辺は、出展者の言葉を聞いてみたい。 twitter.com/nobuko_kosuge/...

タグ：

posted at 19:12:27

表現の不自由展についてもＴＬを流れてきますが、ちょーっと論点がずれてきたというか、同展が目的や理念がいよいよあいまいになってきたように思います。
ただし、

タグ：

posted at 19:10:24

#統計現実とは絶対に一致することがない数学的モデルであっても、現実の母集団の様子の推測のために役に立つのであれば、便利な道具として利用可能。

数学的モデルと現実の区別を明瞭にすれば「数学的モデルは現実と一致する可能性があるものを選ばなければいけない」という固定観念を破棄できる。

タグ：統計

posted at 19:09:09

#統計ベイズ統計であろうがなかろうが、統計学の応用時には、現実の母集団のパラメータの値は未知だが確定しているとみなす。

一方、数学的モデルは現実とは異なるので、数学的モデル内では「パラメータが確率変数になっている」というような現実にはありえない設定が採用されていても構わない。

タグ：統計

posted at 19:04:39

#統計「客観確率と主観確率の区別」という考え方はよくない。

「現実での確率と数学的モデル内での確率の区別」という考え方をする必要がある。

現実での確率的揺らぎの例：母集団からの無作為抽出で乱数を使う。

数学的モデル内での確率の例：p値、95%信頼区間、事後分布で計算した確率、…

タグ：統計

posted at 19:00:26

#Julia言語あ、これはいかんな。

abs2(z) > 4 と書くべきところが、画像では abs2(z) > 2 になっていた。それはバグです。

しかし、バグを訂正しても、absよりabs2を使った方が圧倒的に速いという事実には変わりがありません。

twitter.com/genkuroki/stat...

タグ： Julia言語

posted at 18:09:39

#統計続き。あと、

確率変数達のなす「環」と期待値汎函数 E[ ] の組み合わせ

という定式化は容易に非可換化できて、量子論的な確率論も扱えるという利点があると思う。(フォン・ノイマン環を考えろとまでは言っていない。)

古典確率論：互いに可換なX↦E[X]
量子確率論：互いに非可換なX↦〈X〉

タグ：統計

posted at 18:01:21

s/助けないになります/助けになります/

タグ：

posted at 17:55:28

このような考え方の啓蒙は、学ぶことが多すぎると感じている科学者が必須の統計学を学ぶときの助けないなります。ありがたいです。 twitter.com/genkuroki/stat...

タグ：

posted at 17:54:10

#Julia言語結論

(1) forループのdot-syntaxへの置き換えで速度的劣化はない。コードも超シンプルになる。

「写像の合成」という発想でコードを書けてかつ速度的劣化がないことは非常にありがたい。

(2) absではなくabs2を使うと大幅に高速化できる。

タグ： Julia言語

posted at 17:52:39

@genkuroki おおおおお(帰ったら見ます)

タグ：

posted at 17:44:18

#Julia言語

添付画像

1. オリジナル (2.8秒)

2. use "dot" (3.3秒、allocationが増えて速度的劣化)

3. "dot" の使い方の超シンプル改良版 (2.8秒)

4. absをabs2に変えると大幅に高速化 (1.3秒)

ソースファイル↓
nbviewer.jupyter.org/gist/genkuroki...

twitter.com/MathSorcerer/s... pic.twitter.com/p6KJYYlCkx

タグ： Julia言語

posted at 17:43:43

積分定数 @sekibunnteisuu

意見ではないけど、　→　違憲とは言えないだろうけど、

タグ：

posted at 17:21:53

積分定数 @sekibunnteisuu

多分、杉山奈津子だろうけど、非公開にしやがった。
言論弾圧だ～

この場合、場所を提供しているtogetterの方針だから意見ではないけど、自分が本を出版しながら批判に対してこういう形で対応するのは何ともけつの穴が小さい話だ。

togetter.com/li/1261907

タグ：

posted at 17:17:40

美しき物理学bot @ST_phys_bot

光速c=3.0 ×10^8 [m/s] の速さを実感
月と地球の間の距離約384,400kmを、約1.255秒で移動
pic.twitter.com/knCZIvlaRt

タグ：

posted at 17:10:01

積分定数 @sekibunnteisuu

@musicisthebest_ @kankichi57301 @Ra_koyama 杉山奈津子曰く、公式は公（おおやけ）の式なんだから暗記すべし

twitter.com/sekibunnteisuu...

公の式じゃなくて、一般的に成り立つ式という意味で、「本来の言葉の意味」からして間違っているんだけど、これも発生論の誤謬なのかな？

タグ：

posted at 17:05:02

ふぇざー（本物） @fea0er

Excelの保存マークって何で自動販売機なんですかね？ pic.twitter.com/XWhCbePtvi

タグ：

posted at 17:02:42

#数楽 A=B の証明では

(1) AもBも条件Pを満たしており、条件Pを満たすものはただ一つなので、A=B.

(2) 任意のε>0について A≦B+ε かつ A+ε≧B なので、A=B.

の2つのパターンが頻出だと思う。

タグ：数楽

posted at 16:48:43

okdch @okdch

主治医は「いいね！」と乗り気だったのに、小児科管理職にダメといわれ打てず。現在も我が家は「子宮頚がん予防接種難民」です。
来週同窓会で何人か医者になった友人に会うと思うので、どうやって今の状況を打開するかというのと、あなたは自分の娘に打つ？って聞いてきたいと思います。#HPVワクチン

タグ： HPVワクチン

posted at 16:37:54

okdch @okdch

我が子は1型、癌リスク高し！HPVワクチンは明らかにメリットがあり打ちたい。是非お願いします」と力説したら「もっともな考え。それならまずは1型糖尿病の主治医が積極的に接種すべきでは？」といわれ(とことん打ちたくないっぼい近所Dr) 確かにそうかも、と大学病院主治医に相談したところ(続く

タグ：

posted at 16:37:54

okdch @okdch

長女の子宮頚がんワクチン問題。
「接種する」と親子で決めてるのに、打ってくれる病院がない。市の予防接種対応一覧には、○となっててもお願いしたら「限りなく打ちたくない」
普段予接でお世話になってる開業医さんに「問題になってることはほぼ理解してます。が！(続く

タグ：

posted at 16:37:53

#統計学部教科書レベルに話題でも、仮説検定や区間推定について

「あなたはどの数学的モデルをどのように評価したのですか？」

と質問されると、答えることができない人達が多いのではないか？

なぜならば、学生向けの教科書のその辺の解説がひどいから。

タグ：統計

posted at 16:33:49

#統計「どのような数学的モデルをどのような目的のためにどのデータを使ってどの方法で評価しようとしているのか？」という基本的な質問に常に答えられるようにしておき、答えることができない場合には、自分が非科学的なスタイルに陥っていることを認めることが大事。

タグ：統計

posted at 16:29:52

歩行者は右側通行 @JikanBae

6月に行われた #Julia言語のアンケート結果が出てますね。 julialang.org/blog/2019/08/2...

タグ： Julia言語

posted at 16:27:30

#統計例えば

a年からb年までのデータからb+1年以降を予測するためのモデル

のパラメーターの最適化でb+1年以降のデータも使うというチートをした上で、モデルの予測能力の評価を他の実データで行っても意味がない。

タグ：統計

posted at 16:26:02

#統計特に、データを使った素朴なモデル評価法に交差検証法(沢山の変種がある)を使うときに、データで評価したい数学的モデルの内容(例えば何から何が(確率的に)決まるモデルなのか)を明瞭に認識できていないと、「なんじゃこれは？」と言われれしまうような結論を容易に出しがちになる。

タグ：統計

posted at 16:20:05

#統計そして、常に意識しておくべきことは

数学的モデルをデータを使ってどのように適切に評価するか？

という視点だと思う。そういうことを真剣に考えないことは非科学的なスタイルに陥ることそのものだと思う。

そういう類のダメな例
↓
www.kyoto-u.ac.jp/ja/research/re...

twitter.com/genkuroki/stat...

タグ：統計

posted at 16:14:52

新帯秀樹 Hideki Shintai @hs_heddy

リンク先のスレッドに書いたGistのコードのループを
配列にするといいかなとかカッコいいことを考えて書いてみた．

この書き方にするとメモリが倍消費して０．５秒程度遅くなった.悲しい．素直に forループしたほうがよかった．

2.559473 seconds (5.00 k allocations: 48.638 MiB, 3.54% gc time) twitter.com/MathSorcerer/s... pic.twitter.com/bu8BUe81Hu

タグ：

posted at 16:13:37

Azure Machine Learning ServiceのDSVM上に高速スクリプト言語Juliaの開発環境を構築する hs-lifehacker.com/2019/07/01/azu...

タグ：

posted at 16:11:57

#統計これも同感。

シミュレーション用にテストデータを擬似乱数で作ったり、データからp値、信頼区間、事後分布、予測分布、AIC、WAIC、…を計算するプログラムを書くと理解しやすい。

むしろ自分でコードを書かないと理解できそうもないことの方が多いくらいだと思う。

twitter.com/katzkagaya/sta...

タグ：統計

posted at 16:08:17

転子〈打首〉 @tenco15

あとこれ蛹の中の変化を表した映像作品ヘェ〜！！ってなった pic.twitter.com/pOsVDlYa2Z

タグ：

posted at 15:29:01

@physics303 Juliaというプログラミング言語では実行時に関数をコンパイルして（今回のように for loop が大量にあるケースでは）Pythonよりも実行スピードを高速にすることができます．PythonでもNumbaというライブラリで同様のことができます．

タグ：

posted at 14:45:38

yudai.jl @physics303

@MathSorcerer JITコンパイル？
実行時にコンパイルするっていう仕組み初耳なのですが、Cとか事前にコンパイルする言語より早いのですか？

タグ：

posted at 14:41:55

@physics303 Pythonと異なってJuliaさんはJITコンパイルするんです
コードもこちらに書きました．

gist.github.com/terasakisatosh...

タグ：

posted at 14:39:43

yudai.jl @physics303

@MathSorcerer なんでそんなに計算処理が早いんですが？

タグ：

posted at 14:38:52

ゆうだいさんの実装をJuliaに移植して描画した様子
N=5000ぐらいだと２秒程度（描画の処理をのぞいている）で処理ができる．

twitter.com/physics303/sta... pic.twitter.com/QxMSg9bjVC

タグ：

posted at 14:37:55

Oded Rechavi @OdedRechavi

Every PhD project pic.twitter.com/osL5RitNaC

タグ：

posted at 13:47:59

the_spoiler @don_jardine

放射能関連で飲んでみろ食べてみろ住んでみろ行ってみろの御連中はだいたい相手の反応には全く興味がなくて「どうだ、できねーだろ。参ったか」と自己完結している。実際に食べてる住んでる行ってるよという反論の声を一顧だにしない。そこで納得する人ならそもそも「住んでみろ」と言わないのだろう。

タグ：

posted at 13:42:25

#統計 AIC, WAIC, LOOCV系の情報量規準が(ある条件のもとで)真の予測誤差と逆相関していることの数値的確認を、プロットの仕方を工夫して一目でできるようにしたものが以下のリンク先にあります。

twitter.com/genkuroki/stat...

タグ：統計

posted at 13:18:08

#統計関連スレッド

私は、渡辺澄夫『ベイズ統計の理論と方法』の1つの読み方として、以上で言及した逆相関を具体的なモデルです数値的に確認することを最短距離で目指すことを勧めている。最短時間で応用的に実用的なレベルの理解に達することができると思う。

twitter.com/genkuroki/stat...

タグ：統計

posted at 13:14:14

#統計もしも、何らかの適切な情報量規準で、確率的揺らぎの方向が汎化誤差と正反対にならないものを作れれば、モデル選択の精度は大幅に向上する。

しかし、私はそのようなことはできないのではないかと予想している。「不可能性定理」が好きな若い人が挑戦してみると良い問題かもしれない。

タグ：統計

posted at 13:09:24

#統計補足続き～、その点については自分で考える必要がある。

AIC, WAIC, LOOCV系の情報量規準のサンプルが確率的に変動するときの揺らぎの方向は、汎化誤差(予測分布の予測誤差)と正反対の方向になる傾向がある(正確な主張は渡辺本を参照)。

このことが原因でモデル選択に失敗するリスクがある。

タグ：統計

posted at 13:06:08

#統計補足：サンプルが確率的に揺らぐときに、AICやWAICやLOOCVがどのように揺らぐかの漸近論は

渡辺澄夫『ベイズ統計の理論と方法』

のp.119 定理15とp.180の上から3行目と6行目にある。

その本ではAIC, WAIC, LOOCVをモデル選択で使うときのリスクについて陽に扱っていないので～続く

タグ：統計

posted at 13:06:07

分布自体が確率変数とかも分かりにくいところ。教育的にはプログラムを書くのが一番だと思ってはいます。twitter.com/genkuroki/stat...

タグ：

posted at 13:05:56

#統計「確率分布自体が確率変数である」という見方は数学にある程度以上慣れていないと難しいかも。サンプルをX_1,…,X_nと書き、パラメータ変数をwと書くと、事後分布はφ(w|X_1,…,X_n)の形をしていて、サンプルX_1,…,X_nが確率的に変化すると、パラメータwの確率分布φ(w|X_1,…,X_n)も変化する。

タグ：統計

posted at 12:57:26

#統計これもまったくその通り！

ベイズ統計における事後分布もデータから決まるものなので、事後分布という名の確率分布も確率変数になる。

実データが確率的に大きく偏っていると、事後分布も大きく偏り、真実からかけはなれた推定結果を得てしまっているかもしれない。

twitter.com/simizu706/stat...

タグ：統計

posted at 12:53:38

#統計まったくその通りだと思います。

データが確率的に偏ったものになっているせいで推定に失敗するリスクと向き合わないことは致命的に非科学的。

「頻度論ではデータは確率変数だが、ベイズ統計ではデータは定数」のように説明している人達は反省するべき。

twitter.com/katzkagaya/sta...

タグ：統計

posted at 12:47:03

@h_shippo あ💦ツイートを誤解されているかも
これ、【夫さんがする事】です。夫の接種歴や抗体を確認するのです。基本妊婦さんは接種できないので、周りが免疫をつけて守るしかないのです
今の風疹流行は男性が中心なので「（調べてないけど）ウチの夫は大丈夫」と思わないようにね😊とその子に言いました

タグ：

posted at 12:18:04

Hiroshi Shimizu @simizu706

それは確かにそう思う。AICやBICも確率変数であることも忘れがち。ベイズファクターも確率変数。＞RT

タグ：

posted at 11:41:31

すべての実データは偶然をともなって現れる、つまり定数ではなくて確率変数として認識することがデータを見ている時は分かっていても信頼区間や事後分布を計算したときに忘れがち。データ依存なものは確率変数であることは何度でも確認していきたい。データは定数という強調はこれを阻害してしまう。

タグ：

posted at 11:37:20

Yuta Kashino @yutakashino

@hiyori13 ありがとうございます．おお，そうなのですか…．ルシファー・エフェクト，自分はそこまで読めませんでした…．でもサイコパスかソシオパスかはわかりませんが，そういう感じを受けます…

タグ：

posted at 09:09:08

このマンガは「麻疹」を描いたものだけど
ワクチンで防げる病気は防ぐにかぎるよね「MRワクチン（麻疹風疹混合ワクチン）」は一本で麻疹も風疹も両方の抗体がつくからとてもお得だよ✨

夫側も、我が子が産まれる前から子のためにやれることあるんだよね
twitter.com/buruban/status...

タグ：

posted at 09:00:44

Hiroo Yamagata @hiyori13

@yutakashino 彼の本読むと、唯一権威に立ち向かった被験者を絶賛したあとで、その子が当時自分の愛人だったと嬉しそうに書いてて、基本的な倫理とか実験の客観性とか、そもそもわかってない人みたいですね、

タグ：

posted at 08:59:31

なぜ風疹の話をするかを説明して
大人が確実に今すぐ行動できる費用対効果最高の赤ちゃんのためにやれることだから
説明難しかったら私するから気軽にいってね！といっておいた☺️

タグ：

posted at 07:47:30

トリキアヲ @kila_a_kila

芥川賞の選評読みました。古市憲寿「百の夜は跳ねて」。トヨザキ社長や大森望氏など目利きの肯定的評価があったので気になってたけど、どうも作品の出来不出来以前の問題があるような感じなんですが…（2・3枚目は川上弘美）
これ大丈夫なのかな pic.twitter.com/tnwOi3fnUa

タグ：

posted at 07:46:15

妊活頑張ってた子が
超超初期の妊娠がわかって
たまらず連絡きて「ねぇ！まずなにしたらいいかな？😆」て言われたから
「夫さんの母子手帳出してもらって風疹麻疹、水疱瘡あたりの接種歴。義母がもってて出すのに時間かかるとかなら抗体検査。時間がないなら抗体検査しなくてよいから即MRワクチン💪」

タグ：

posted at 07:43:33

モト@PPMMPP @29silicon

「文部科学省によりますと、（博士号取得者は）主要７か国では日本だけが減少傾向が続いていて、日本の研究力が低下している原因の１つではないかと指摘…」
「原因」ではなく、大学予算を削った結果である。本来ならD進すべき層が大学の現状に希望を持てなくなっている。
www3.nhk.or.jp/news/html/2019...

タグ：

posted at 07:09:46

非公開

タグ：

posted at xx:xx:xx

#統計 1つ前のツイートに引用したような奥村晴彦さんによる説明の仕方は去年の渡辺澄夫さんの講義で添付画像のように厳しく批判されています。内容を照らし合わせてみて下さい。

添付画像は

watanabe-www.math.dis.titech.ac.jp/users/swatanab...

より。 pic.twitter.com/nh8061xMFb

タグ：統計

posted at 05:10:01

残り22件のツイートを見る

#統計奥村さんの本から、もう1つ「頻度論」と「ベイズ」の違いを説明している部分を引用しておきましょう。

ここでも、現実の母集団における真の値と数学的モデル内で確率変数となっているパラメータの両方を同じ記号xで表して説明しています。ベイズ統計でも現実の母集団における真の値は定数です。 pic.twitter.com/1pJ1BfOkuU

タグ：統計

posted at 05:06:25

#統計

【問3 将棋の公式戦で29戦29勝した。30戦目も勝つ確率はどれだけか。各回の勝敗は独立、勝率は一定と仮定する。】

【次に勝つ確率は y^~ = ∫_0^1 x f(x) dx である】

という説明の仕方は無神経。

「勝つ確率の予測値を求めよ」

「次に勝つ確率の予測値は～である」

なら良かった。

タグ：統計

posted at 04:49:27

@h_okumura #統計

 twitter.com/genkuroki/stat...

タグ：統計

posted at 04:33:48

#統計奥村晴彦さんがこの件を放置し続けると名誉に関わると個人的には思うのですが、私の発言に奥村さんは気付いているのかしら？

現実の母集団分布のパラメータの値(真の値)と数学的モデル内でのパラメータを明瞭に区別しないのは非常にまずい。致命的にまずい。

タグ：統計

posted at 04:28:45

#統計訂正：「予測分布の説」→「予測分布の節」

twitter.com/genkuroki/stat...

タグ：統計

posted at 04:25:21

#統計補足：すでにどこかで書いたことですが、ベルヌイ分布モデルのベイズ推定は、事後分布の広がり具合の情報が予測分布では見えなくなるという非典型的な場合なので、予測分布の様子について説明するための例としては適切ではないと思う。

タグ：統計

posted at 04:22:07

#統計 29戦29勝後の30戦目の勝つ確率の真の値を知ることはできるはずがない。可能なのは勝つ確率の予測値を何らかの数学的モデルを使って求めること。そして、何らかの規準を決めなければ予測値の優劣を決めることさえできない。

そういうことを「予測分布」の説で説明せずにおかしな説明をしている。 pic.twitter.com/WqZ9qqep3N

タグ：統計

posted at 04:14:20

#統計続き～勝つ確率の予測値と言うべきところを単に「勝つ確率」と呼んでいる点は、数学的モデル(奥村晴彦さんにとっては主観かもしれない)と現実(だと想定されていること)の区別を曖昧にする相当にひどい説明の仕方です。

頻度論とベイズで異なる確率概念を使うと信じている人はこうなりがち。 pic.twitter.com/4K32RTk1K0

タグ：統計

posted at 04:14:17

#統計例えば「3.10 予測分布」の問3(p.64)の説明の仕方も相当に無神経です。

【問3 ～29戦29勝した。30戦目も勝つ確率はどれだけか。～】

添付画像を見れば分かることですが、実際に計算しているのは予測分布での勝つ確率です。「勝つ確率はどれだけか？」という問いの立て方や～続く pic.twitter.com/Ki6lJRR3rH

タグ：統計

posted at 04:14:15

#統計「単に主観的にそう思っているだけです」と説明するべきであり、「～と言って間違いありません」のように説明してはいけません。

奥村晴彦さんの本には他にもその手の致命的によろしくない説明が沢山あります。おそらく、本の内容のレビュワーも科学的な考え方を蔑ろにしていたのでしょう。

タグ：統計

posted at 04:14:14

#統計「主観確率」で数学的モデルを解釈した人が、主観と現実を明瞭に区別していてかつそのことがわかるように説明しているならば、【95%信用区間なら，「真の値はこの区間の中に95%の確率で入っています」と言って間違いありません】と説明するはずがありません。続く pic.twitter.com/MaHZU3FdCQ

タグ：統計

posted at 04:14:13

#統計仮に数学的モデルを「主観確率」で解釈することを受け入れたとしても、主観内におけるパラメータの確率変数と現実の母集団における確定しているパラメータの区別を明瞭にしていなければ、致命的にずさんな議論をしていることになります。

そして、そういう解説が実に多い。

タグ：統計

posted at 03:34:52

#統計再度、相対的に些細な誤りと科学的に致命的な誤りを区別しておきたい。

ベイズ統計における数学的モデル側を「主観確率」で解釈するのは相対的に些細な誤り。

重大なのは、現実の母集団における確定しているパラメータと数学的モデル内におけるパラメータの確率変数の区別を曖昧にする行為。

タグ：統計

posted at 03:34:51

#統計ベイズの定理は条件付き確率という確固たる概念の定義の自明な言い換えに過ぎないので、ベイズの定理について「主観確率」のような怪しげな概念と関係付けて説明している人達を信用してはいけない。

「ベイズ」関係では信用してはいけない人達が多過ぎ。

タグ：統計

posted at 02:49:26

#Julia言語

Juliaが圧倒しているじゃないか！

The Need For Speed 2019: www.crystalballservices.com/Research/Artic...

タグ： Julia言語

posted at 02:43:13

JuliaHub @JuliaHub_Inc

Julia: come for the syntax, stay for the speed www.nature.com/articles/d4158...

タグ：

posted at 02:38:14

#統計

 ja.wikipedia.org/wiki/%E3%83%A2...

には

【モンティ・ホール問題とは、確率論の問題で、ベイズの定理における事後確率、あるいは主観確率の例題の一つとなっている。】

と書いてあるが、「主観確率の例題の一つとなっている」は誤り。主観と無関係に成立している確率の問題。ベイズ統計とも無関係。

タグ：統計

posted at 02:24:14

ketsumedo_yarou @ketsumedo_yarou

vscodeが頑張ってるのを受けてpycharm無料版でもjupyterモード開放してくれないかな（現在有料版のみ搭載）

タグ：

posted at 02:20:03

ketsumedo_yarou @ketsumedo_yarou

Katana Edge＠中2超ポリコレリ @amiga2500

vscodeのjupyterモード、8月アップデートによりセルレベルデバッグがワンクリックで出来るようになった。この点については本家jupyterより高機能 devblogs.microsoft.com/python/python-...

タグ：

posted at 02:17:59