黒木玄 Gen Kuroki(@genkuroki)/2020年02月14日

@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

mattn @mattn_jp

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

阿部2 @cocotan_2

他人に教える立場になる前に、「ノンパラメトリック検定はなにを仮定しているか」について整理しておきたい

タグ：

posted at 00:16:59

ごまふあざらし(GomahuAzaras @MathSorcerer

#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

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

#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

某ことり @ktrmnm

@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

いけだなおき @na0ki_ikeda

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

#統計

BvM定理はいい教材とのことですが、渡辺澄夫さんの本や論文はすでに読みましたか？ twitter.com/ktrmnm/status/...

タグ：統計

posted at 00:42:03

U_M_V_U_E @U_M_V_U_E

最尤推定量を暗記している
・正規分布
・二項分布
・一様分布
・ポワソン分布

タグ：

posted at 00:44:15

某ことり @ktrmnm

@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

#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

#統計私の個人的な認識では、まず「ベイズならば仮説が正しい確率がわかる」と過去数年以上継続的に教えて来た人達が批判されて、それを何を勘違いしたのか「頻度論vs.ベイズ」の話題になっているというデマを広めたやつが出てきて、一挙に大きな話題になってしまったという感じ。

タグ：統計

posted at 00:51:15

@ktrmnm 引用RTしているのは一般読者の便利のためです。

スレッドが一直線に繋がっていれば私もその一番最後の位置に返答してスレッドを保ちますが、全然そうなっていないので、仕方がなく引用RTして、一般読者にとって情報をたどり易くしています。

そこはご理解のほどを。

タグ：

posted at 00:56:17

#統計色々良い条件を仮定しておいて、大数の法則と中心極限定理によって、尤度函数の漸近挙動が分かっているケースなら、尤度函数×事前分布を適当にスケールしたものがデルタ分布に収束することの理解はそう難しくないと思うのだが、そうでもない？

タグ：統計

posted at 01:02:31

ゴルゴ・サーディーン @golgo_sardine

#統計分岐

ツイッターがtree型のスレッドに対応してくれるとありがたい。 twitter.com/genkuroki/stat...

タグ：統計

posted at 01:14:49

@morgaseu11 @genkuroki genkuroki 氏は巻き込みリプを嫌うので、次回から、返信先からはずします。

タグ：

posted at 01:16:50

#統計分岐方面の話題

渡辺澄夫『ベイズ統計の理論と方法』の詳細部分を学部レベルの統計学教育に組み入れるのは現実には無理だと思う。

しかし、中心極限定理を例で納得させてすすむ方針と同様にするのであれば、「ちょっと難しいことをやります」的な学部の講義でもやれることは多いと思う。続く

タグ：統計

posted at 01:17:35

#統計続き

しかし、現時点では、教育用に使える易しい例の蓄積が不十分過ぎて、そういう講義をやろうとした人は大変なことになると思う。

「文化の力」で(要するにみんなで)、易しい例の計算例を公開し続けて行けば、潮目が変わる可能性はあると思います。

タグ：統計

posted at 01:20:04

#統計それ以前の問題として、学部生向けの統計学入門の教科書では、さらっとさも当然の前提であるかのように正規分布モデルを前提にしていて、どういう点に気をつけるべきかがおそろしく曖昧。

ぶっちゃけスタイルが非科学的だと言ってよいと思う。

そこをどうにかするだけでも非常に良いと思う。

タグ：統計

posted at 01:23:44

#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

タグ： Julia言語統計

posted at 01:34:00

#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

タグ： Julia言語統計

posted at 01:34:03

#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。

タグ： Julia言語統計

posted at 01:35:51

@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

情報科21卒 @SeikeiCTEC

@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

#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

タグ： Julia言語超算数

posted at 01:57:43

#超算数算数プリントを見たら、xy=30 (xy>0) のグラフを描く前に、x, y が 30 の約数の場合のみを計算するような指示が書いてあったと思う。

個人的には1から30までの数で30を割って得られる数を小数点以下1桁くらいまでは計算してもらいたい。

x, y の範囲をもっと広げることも大事かも。

タグ：超算数

posted at 01:59:48

#超算数 30/x を x=1,2,…,30 について小数点以下1～2桁まで計算した経験があって、私がコンピューターを使ってプロットする様子を見れば、コンピューターがネ申じゃなくて神だと思ってもらえるんじゃないかと(笑)。

計算の経験は結構大事だよね。

タグ：超算数

posted at 02:02:15

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

Re:RTs #統計「最尤推定量は漸近的に最適」とか言われると、否定的なニュアンスで驚いてしまうのは、統計学について私がど素人だからなのでしょうね。

ツイッター上での私のTLでは「最尤法が最良」的な発言は一つも見たことがない。

タグ：統計

posted at 03:01:41

#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

#統計 p(x|a,b) = [(1-a)exp(-x²/2)+a exp(-(x-b)²/2)]/√(2π) という確率モデルの尤度函数を (a,b) が ab=0 の近い場合の同モデルのサンプルについてプロットすると、サンプルサイズを結構大きくしても、尤度函数はなかなか単峰型にならず、ab=0 に沿う台を持つ函数になりやすいです。

タグ：統計

posted at 03:15:30

#統計真の分布が q(x) = p(x|a₀,b₀) のとき、確率モデル

p(x|a,b) = [(1-a)exp(-x²/2)+a exp(-(x-b)²/2)]/√(2π)

が特異モデルになることと a₀b₀=0 は同値で、そういう(a₀,b₀)全体の集合は測度零ですが、それに近い状況でサンプルサイズが小なら、実質特異モデルのように振る舞います。

タグ：統計

posted at 03:19:56

#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 Posteriorの線は事後分布からP値に類似の函数を作ったものです。作り方は「その函数がα以上になる区間がベイズ信用区間と同じになるようにする」です。

その線は他と重なっていて区別できないのですが😅

タグ：統計

posted at 03:39:26

#統計 Normalの線は二項分布の正規分布近似で作ったP値函数です。教科書によく書いてあるやつ。

AICの線は対数尤度比のχ²検定のP値です。

WAICの線はそのベイズ的な類似物です。

AIC, WAICというラベルの付け方はちょっとミスリーディングなのですが、無関係ではないので許してください。

タグ：統計

posted at 03:43:07

#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

#統計渡辺澄夫さんの特異ベイズモデルの漸近性の解析は、数学的に明瞭に示されている部分は、昔ながらのサンプルサイズn→∞での漸近論なのですが、渡辺澄夫さんの解説を見ると、一挙にn→∞とする単純な話にはなってなくて、サイズnごとに見える様子の解像度が違うことを強調しています。

タグ：統計

posted at 04:50:50

#統計おそらく、サンプルサイズnを単純に∞にぶっ飛ばすというような雑な見方をしていなかったおかげで、測度零でしか生じ得ない特異モデルの解析の必要性に確信できたのだと思います。

サイズnごとでの解像度の違いをきちんと数学的に定式化できれば面白いかも。すでにできているなら教えて下さい。

タグ：統計

posted at 04:50:58

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

#統計あと「n→∞で収束する」というだけの定理は実用的には使えないですよね。

単に収束するだけではなく、どの程度の速さで収束するかまである程度わかっていないとダメ。

誤差を実用範囲内まで小さくするにはどの程度nを大きくしなければいけないかわからないと困る。

タグ：統計

posted at 07:01:51

#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

#統計事前・事後分布もしくはより一般にモデルのパラメータに意識を集中させるのは良くないと思う。

「事後分布に依存しない」という誤解を招くスタイルは廃して、漸近挙動についてそのまま説明する方が良いと思う。

タグ：統計

posted at 07:12:30

#統計実際、渡辺澄夫『ベイズ統計の理論と方法』6.4「統計的検定」まで読めば、事前分布までしっかり細かく見る必要が生じて来ます。

漸近挙動の最初の方の項に事前分布が出て来ないことは、事前分布に依存する項を常に無視して良いことを意味しません。

タグ：統計

posted at 07:17:16

#統計あと、パラメータ空間上どこでも0にならないが、部分空間の近くに確率が集中している事前分布を採用して、サイズが大きくないサンプルでベイズ推定を行うと、当たり前のことですが、パラメータ空間を部分空間に制限したモデルでのベイズ推定とほぼ同じ結果が得られます。

タグ：統計

posted at 07:24:33

#統計実践的にはそこまで極端でないにしても、それに類する状況が現れやすいのではないでしょうか？

サンプルサイズ→∞で得られる数学的結果の実践面での解釈は非自明で、渡辺澄夫さんがよく強調しているスタイル(サンプルサイズが小さいと解像度が荒いというような話)が合理的だと思います。

タグ：統計

posted at 07:28:18

どぜう。 @_4get3not_

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

Hidekazu Shiozawa @shiozawa_h

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

#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

#統計サンプルサイズn→∞で事前分布に依存しなくなるからベイズ統計も「頻度論」と同様に合理的であるなどと学生に決して教えてはいけないと思う。

事前分布の取り方以上に確率モデルの取り方は多彩であり、確率モデルと事前分布の両方をうまく決めて誤差の小さな推論を目指す、と言う方がよい。

タグ：統計

posted at 07:43:31

#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

Haruhiko Okumura @h_okumura

（πの金田先生が亡くなられた）

タグ：

posted at 08:03:10

K.B.砂糖 @KB_satou

plots.jl marker 黒縁消す

タグ：

posted at 08:34:05

l_ppp @ppp3141592ppp

markerstrokewidth = 0
docs.juliaplots.org/latest/attribu... twitter.com/KB_satou/statu...

タグ：

posted at 08:47:27

じゃがりきん @jagarikin

ついに立体的に動いて見える錯視が完成しました。
キューブが回転して見えますね？
止まっています pic.twitter.com/nyyWdr5O1E

タグ：

posted at 10:03:54

棚瀬(TANASE Yasushi) @tanaseY

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

たつお @i4mwh4ti4m

岩田健太郎 K Iwata, MD, M @georgebest1969

尤度、犬度間違って卒論発表が地獄になるのは流石にやばい

タグ：

posted at 10:21:03

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

文春オンライン @bunshun_online

@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

「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...

タグ： shogi 将棋文春オンライン

posted at 11:02:32

堀義人 @YoshitoHori

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

Katsushi Kagaya @katzkagaya

ɐʍɐʞıɥsı ıɥsoɹıɥ @picocog

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

日本柴犬崇拝振興会【公式】 @shibism

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

尤度を犬度と言ってるのは見たことないけど畳み込みを叩き込みと言ってるのは見たことある

タグ：

posted at 11:41:15

みゅーもり @myuuuuun

追試はしないにせよ申し出たら別室受験とかにすべきでは……

タグ：

posted at 11:47:38

yuta @BBa_K1124yuta

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

せつ @qwsiuol

なるほどなるほど勉強になります。ありがと @shinpe89332603

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

須山敦志 Suyama Atsushi @sammy_suyama

@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

「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

Green Pepper @r2d2c3poacco

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

unbreakable_5252 @kradoll

Rユーザのわたし、juliaをjuliaproで始め1w。DataFramesMeta, TableReader, BrowseTablesを入れてやっとそこそこ触れる感じになった。開発者に感謝。とはいえjuliaのtidyverseはいつの日か。。。
#Julialang
#Julia言語
 #Rlang
#R言語

タグ： Julialang Julia言語 Rlang R言語

posted at 13:10:34

みゅーもり @myuuuuun

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

飯田泰之 @iida_yasuyuki

アメリカ大統領がTwitterで好き放題発言するご時世なんだから，日銀審議委員も好きに発言させればいいのに

タグ：

posted at 13:29:39

unbreakable_5252 @kradoll

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

ArnuldOnData @ArnuldOnData

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

#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

おだはら @KOICHI_5963

@BBa_K1124yuta 一言でまとめると仰るとおりです！！

なにか参考になれれば幸いです🙇‍♂️

タグ：

posted at 14:45:27

#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

オモシロツイートしたい

タグ：

posted at 15:07:17

非公開

タグ：

posted at xx:xx:xx

この人オモシロツイートするらしいですよ！

タグ：

posted at 15:19:02

#統計「頻度論vs.ベイズ」的な発想をする人達は特に事前分布をデータ以外に基く不純なものとみなし、事前分布によらない推定ができれば客観的になったと考える。

現代ではそのような考え方は時代遅れ扱いが妥当。

昔のようにベイズ統計周辺の数学的な性質が全然分かってなかった時代ではない。

タグ：統計

posted at 15:19:50

#統計ベイズ統計では、事前分布もモデルの一部分であり、データに基いてモデル全体を評価すれば、事前分布も当然評価の対象に含まれることになる。

単にそれだけのことであり、事前分布であろうが、何であろうが、最終的にデータを用いて評価できれば「なんでもあり」で問題ない。

タグ：統計

posted at 15:19:50

羽生理恵 @yuzutapioka

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

Katsushi Kagaya @katzkagaya

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

#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

うなぎ(steel_eel) @dancing_eel

『社会科学のためのベイズ統計モデリング』という本が特に社会科学系に特化しているというわけでなくてベイズ統計の入門書として良さそうな感じなのか。

タグ：

posted at 15:30:59

羽生理恵 @yuzutapioka

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

Re:RTs もう十分面白い。

タグ：

posted at 16:07:44

yuta @BBa_K1124yuta

@KOICHI_5963 素晴らしい記事でとてもためになりました！研究室の皆にもシェアさせていただきました。ありがとうございます！

タグ：

posted at 16:20:58

tomoyuki matoba @tama_lion

渦中の論文、一時公開中止になったみたい

タグ：

posted at 16:26:25

おだはら @KOICHI_5963

VAIENCE バイエンス @vaience_com

@BBa_K1124yuta いえいえ！恐縮です💦
なにか厳密性に欠ける部分などあれば、ご遠慮なくご指摘くださいませ🙇‍♂️

タグ：

posted at 16:39:19

ライターが着火する瞬間をスロモーション撮影した結果 pic.twitter.com/09e0W7VMov

タグ：

posted at 16:40:43

Julia
twitter.com/nytimes/status...

タグ：

posted at 16:50:19

Katsushi Kagaya @katzkagaya

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

残り63件のツイートを見る

阿部2 @cocotan_2

❤あなたのダイエットをサポートします❤ @gekikawa_t

ウィルコクソン検定を使う場面が

タグ：

posted at 17:12:53

⭐子供のころは甘えん坊 ⭐ pic.twitter.com/MtBd5KLhPF

タグ：

posted at 17:30:23

#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

#統計オーバーフィッティングしていても大きくなるような指標に英語でlikelihoodと名付けたこと自体がひどくミスリーディングだった。

オーバーフィッティングしている推測を人間は「もっともらしい推測だ」などと感じない。

タグ：統計

posted at 17:43:58

#統計しかし、今更likelihoodと呼ばずに済ますことは無理なので、「likelihoodはもっともらしさではない。確率モデルのデータへのフィッティングの良さの指標に過ぎない」という情報をオーバーフィッティングの概念とともに拡散するしかないと思う。

タグ：統計

posted at 17:43:58

非公開

タグ：

posted at xx:xx:xx

#統計データサイズが確率モデルの複雑さとの比較で十分に巨大であり、データを生成した未知の確率分布の特徴をよく再現している場合には、確率モデルをデータに最も適合するようにパラメータを決めれば、その確率モデルの範囲内で良い推定・推測・推論ができると期待できます。これが最尤法の考え方。

タグ：統計

posted at 17:53:40

#統計最尤法が成功するためには、実際には、確率モデルが未知の分布について十分に正則なモデルになっていることも必要です。特異モデルに近いと、うまく行かない可能性が高まる。

沢山の前提条件をクリアして初めて最尤法は有効な道具になります。(他の道具でも同様)

タグ：統計

posted at 17:56:38

#統計沢山の前提条件をクリアしているケースでは、尤度函数の大まかな形についてきれいな一般論があり、私個人は学ぶ価値が高いと思う。

そのケースでは尤度函数の大まかな形がわかるので、

事後分布=Z⁻¹×尤度函数×事前分布

の大まかな形もわかることになり、ベイズ統計でも役に立ちます。

タグ：統計

posted at 18:00:59

岩田健太郎 K Iwata, MD, M @georgebest1969

#統計そこまでたどり着いた人が、「沢山の前提条件の一部をクリアしていない場合にどうなるか」に興味を持ったら、渡辺澄夫『ベイズ統計の理論と方法』の第4章を読めばよい。

タグ：統計

posted at 18:03:11

@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

KeitaDY @forSD1987

@genkuroki 返信ありがとうございます。
ツイートの意図を読み違えており失礼しました。
まさに仰った通りのことを思いました。

タグ：

posted at 18:22:36

Dr. nhayashi @nhayashi1994

ベイズ推定量って汎化誤差を最小にする（ベイズ誤差を実現する）パラメータのことなのかしら？

タグ：

posted at 18:33:02

Hal Tasaki @Hal_Tasaki

四階の数学科に議論に行ってその部屋の時計で3時過ぎまで話して三階の物理学科に戻って来たら6時過ぎだったので、やはり数学と物理とは違うんだなあ。

タグ：

posted at 18:40:59

みずたま @go_tom_89

OokuboTact　大久保中二病中年 @OokuboTact

沢山の矛盾が丁度善いと

５手詰

＃おやすみ詰将棋 pic.twitter.com/wB65bCxQEO

タグ：おやすみ詰将棋

posted at 18:42:15

＃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

@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

@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

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

 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

タグ：統計

posted at 18:57:38

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

かといって、学部……なんなら大学院でも文系研究科で渡辺本レベルをスタンダードにするのは無理。これはほんと無理。

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

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

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

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

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

テケえもん@西く18a（土曜） @tkms00o5

ごちゃごちゃ直してたら間違えた
✕新たな真の分布からのサンプル
◯真の分布から新たなサンプル

タグ：

posted at 19:10:20

ギリシャ神話学が更に更に１％あがる解説図。
ヒロイン編じゃ～～～！ pic.twitter.com/mhUvoPSUpa

タグ：

posted at 19:26:02

Dr. nhayashi @nhayashi1994

@genkuroki 事後分布の平均と一致するなら、結局いわゆるEAP推定量を考えているってことですかね

タグ：

posted at 19:33:42

Dr. nhayashi @nhayashi1994

このツイート内のリンクによれば、結局EAPのように見える。

twitter.com/genkuroki/stat...

タグ：

posted at 19:34:29

これcontrastって名前が付いてたのか
en.wikipedia.org/wiki/Contrast_...

タグ：

posted at 19:48:33

オモシロツイートまだかな🤔

タグ：

posted at 19:54:23

オモシロツイートは一朝一夕ではできない

タグ：

posted at 19:59:20

非公開

タグ：

posted at xx:xx:xx

@nekomath271828 例えばどれですか？

タグ：

posted at 19:59:48

非公開

タグ：

posted at xx:xx:xx

@nekomath271828 めっちゃおもしろいですね！

タグ：

posted at 20:01:29

みるか @mirucaaura

バレンタインなのでバランタインが欲しい

タグ：

posted at 20:12:13

ごまふあざらし(GomahuAzaras @MathSorcerer

ワイのオヤジ氏バランタインのことをバレンタインという

タグ：

posted at 20:13:10

あ〜る菊池誠(反緊縮)公式 @kikumaco

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

@f393 立憲民主の県連会長がその認識では困ります。鈴木眞一さんは過剰診断を理解していません。過剰診断の発生は臨床的には分からず、統計的にしか分かりません。無症状者への甲状腺エコーが有害無益であることは世界的なコンセンサスであり、福島だけがおかしなことをやっています。検査は中止すべきです

タグ：

posted at 20:20:07

@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

@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

OokuboTact　大久保中二病中年 @OokuboTact

@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

＃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

Akinori Ito @akinori_ito

LG gramの電池は（20時間はともかく）確かに長持ちする。これは良い

タグ：

posted at 21:04:02

積分定数 @sekibunnteisuu

@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

Hiroyasu Kamo @kamo_hiroyasu

槇原敬之さん、冤罪の可能性も出てきましたね。

タグ：

posted at 21:34:20

ʇɥƃıluooɯ ǝıʇɐs @tsatie

@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

ねとらぼ生物部 @itm_nlabzoo

Dr. Chris Rackauckas @ChrisRackauckas

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

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

非公開

タグ：

posted at xx:xx:xx

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

@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

ʇɥƃıluooɯ ǝıʇɐs @tsatie