黒木玄 Gen Kuroki(@genkuroki)/2020年02月21日

NEUTRINO（歌声生成AI）公式 @SHACHI_NEUTRINO

本ソフトウェアはフリーウェアです。
楽譜から発声タイミング・音の高さ・声質・声のかすれ具合などをニューラルネットワークで推定します。
上記の推定されたパラメータを元にvocoderで音声を合成します。
(続く)

タグ：

posted at 23:59:30

ニューラルネットワークを用いた歌声シンセサイザー【NEUTRINO】を公開しました。
Homepage: n3utrino.work
Blog: n3utrino.work/blog/
Download: www.vector.co.jp/soft/winnt/art... pic.twitter.com/21LJ6B8C9m

タグ：

posted at 23:59:00

阿部2 @cocotan_2

OokuboTact　大久保中二病中年 @OokuboTact

書きましたよ。昨日は癖でツイート消しちゃってごめんね／藤原香織、渡辺澄夫（2006）ベイズ検定による変化点検出のシミュレーション - 廿TT abrahamcow.hatenablog.com/entry/2020/02/...

タグ：

posted at 23:48:39

キジトラ・コタローのウキウキDAYS!! @DAYS31612434

@sekibunnteisuu ＃超算数

＞　割合分数と量分数の区別は小学算数の最大の難関の１つである。 pic.twitter.com/tY5neyBMQs

タグ：超算数

posted at 23:00:20

非公開

タグ：

posted at xx:xx:xx

非公開

タグ：

posted at xx:xx:xx

OokuboTact　大久保中二病中年 @OokuboTact

飼い主の弱点を鋭く突くコタローの見事な”ご飯くださいなポーズ”😂 pic.twitter.com/uZoYRwhIAh

タグ：

posted at 22:46:20

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

хетаноёкоский @Koji_tanuki

@sekibunnteisuu 「量分数と分割分数の違いは難しい」というのが算数教育の定番なのですが、私にはその理由が理解できない

ousar.lib.okayama-u.ac.jp/files/public/4... pic.twitter.com/4UOhpe6C07

タグ：

posted at 22:28:17

хетаноёкоский @Koji_tanuki

しかし pic.twitter.com/GhfNzVki71 の添付画像の紫色の補足を読んで理解した限りだと，[y_i ~ Bernoulli(q)] という書き方は，現実世界で得たサンプルの実現値（左辺）が数学的仮想世界での母集団分布（右辺）に従う，というおかしな解釈になっていると理解しました

タグ：

posted at 22:27:59

хетаноёкоский @Koji_tanuki

「確率モデルをサンプルの実現値に対応させて」も実は本文を読んでいて「ん？」となり，「確率モデル [Y_i ~ Bernoulli(q) (i.i.d)] が確率変数（サンプル）だけでなくその実現値でも成り立つ，つまり[y_i ~ Bernoulli(q)] として現象の理解や予測に迫るのが確率モデリングと呼ぶ」と解釈しました

タグ：

posted at 22:23:19

twitter.com/genkuroki/stat...
（添付画像の青字の箇所）に関しては，「仮定」の代わりに「数学的設定」と言い換えたら紛れがなくてよいでしょうか．

タグ：

posted at 22:12:27

積分定数 @sekibunnteisuu

@OokuboTact これは「6mの1/2」と「1/2m」をちゃんと区別させるという話だと、良心的に解釈しました。

だけど、「増加と合併を区別させる必要がある」という人だから、「これは量分数か？割合分数か？」と出題している可能性もなきにしもあらず
twitter.com/sotasot4226926...

タグ：

posted at 22:05:39

Massimo @Rainmaker1973

Andy Bailey is a stop-motion animator and creates animation, flipbooks, and short films. This 658 pages flipbooks is titled "The return of the grumpy cloud" and this video [buff.ly/2HRECdk] shows how it was made. pic.twitter.com/ksE9dSkjrH

タグ：

posted at 22:01:14

Dr. Chris Rackauckas @ChrisRackauckas

#統計「頻度論統計学と違って、ベイズ統計では研究仮説が正しい確率を求められる」と教えている人たちについては、

twitter.com/genkuroki/stat...

を参照。超長大なスレッド。

タグ：統計

posted at 21:30:00

Dr. Chris Rackauckas @ChrisRackauckas

@jmak_hkust @milankloewer @FiredrakeFEM It used to not be as fine, but that's because most of the installation issues were due to SymEngine, Conda, PyDSTool, which have now all been removed from the package and replaced with pure Julia codes. There's a fairly clear pattern there.

タグ：

posted at 21:26:32

Dr. Chris Rackauckas @ChrisRackauckas

@jmak_hkust @milankloewer @FiredrakeFEM Examples: FEniCS.jl, PyDSTool.jl, MKL.jl, etc. are the hardest to maintain, have platform-specific issues (Python packages on Windows are almost impossible to keep working...), etc. Meanwhile, DifferentialEquations.jl is about 200 Julia packages stitched together and is fine.

タグ：

posted at 21:25:31

EARLの医学ツイート @EARL_med_tw

@jmak_hkust @milankloewer @FiredrakeFEM As long as you're trying to glue binaries together, compatibility issues are hard. Basically all of the packages in Julia that have issues are ones with either binary or Python dependencies, simply because binaries are hard. A package in 1 language is just easier to maintain.

タグ：

posted at 21:24:20

EARLの医学ツイート @EARL_med_tw

ずっと大病を患わないまま病院に行くこともなく健康体だと思って80歳になって「特に病気はないです」できたけど、ちょっとしたことで受診or入院したら実は基礎疾患てんこ盛りだったなんてことはよくあります

タグ：

posted at 21:10:30

一般論というか、実臨床での話ですが、経験された先生たくさんおられると思いますが「80歳代で基礎疾患がない」はある意味一番警戒します
#検査してみたらいろいろ見つかる系

タグ：検査してみたらいろいろ見つかる系

posted at 21:08:16

Pt @drift_ing_cloud

@genkuroki >研究仮説が正しい確率：ベイズ統計？で統計的因果推論が議論出来るって話ですか？？？

タグ：

posted at 20:43:58

新帯秀樹 Hideki Shintai @hs_heddy

純粋数学のユーザー数と統計学のユーザー数では圧倒的に後者の人口の方が多いはずなのですが、文句を言っている人は少ないような気がします。

批判がないせいで、ついに「ベイズ統計では研究仮説が正しい確率が分かる」と学生に教育しても良いと考える人達が出て来た。さすがにひどすぎ。

タグ：

posted at 20:39:09

#Julia言語 twitter.com/MathSorcerer/s...

タグ： Julia言語

posted at 20:39:04

昔からある数学の有名な教科書については、内輪で「この本の～の証明は間違っているが、それでもこれは良い本である」のような情報が流通していて、インターネット上でもググれば情報が得られる場合がある。

統計の入門的教科書について「間違っている！」と大声で言っているのは私だけじゃない？

タグ：

posted at 20:35:19

#統計統計検定1級を取得するために役に立つとされている教科書には、久保川達也『現代数理統計学の基礎』があるのですが、その補足の文書に書いてあるベイズ統計の解説は全然「現代」的ではないように見えました。

こういう類の教科書批判はどこでされているのだろうか？

twitter.com/genkuroki/stat...

タグ：統計

posted at 20:32:01

#統計米国統計学会の統計的有意性とP値に関する声明

www.biometrics.gr.jp/news/all/ASA.pdf

の原則1にも、P値が小さいことは、帰無仮説だけではなく、

【計算の背後にある仮定を疑う、あるいは反対する証拠としても解釈できる】

と書いてある。この辺への理解は実際に悲惨なことになっているように思われる。

タグ：統計

posted at 20:19:27

#統計例えば「正規母集団を仮定する」など。

仮定すること自体に問題はないのですが、仮説検定で正規分布を仮定していることを忘れて、平均に関する仮説のみをテストしているかのように思わせる解説はダメ。

正規分布モデル全体がテストされていることがわかる解説以外はアウト。

タグ：統計

posted at 20:19:17

#統計続き。『統計学入門』のような本についてコメントするときに必ず注意していることは、

* 未知の何かを数学的モデルを通して分析しているのに、「使っている数学的モデルはお約束だから疑わなくていい」のように思わせてしまう説明をしていないかどうか。

要注意なのは「仮定」という言葉。

タグ：統計

posted at 20:19:09

@sato51643335 ウェスタンブロットや組織染色がこの手の精査の対象になりやすいのは、数値化される前の生データを確認できるからですね。そうでないのはもう何でもありかと。

タグ：

posted at 20:18:42

ほりたみゅ (mastodonも見てね) @Hyrodium

@sato51643335 フローサイトメトリーは今回は対象にないですが、本来は危なくないほうの部類ですね。この前、この件に関して議論していて、「最も危ないのはやはり棒グラフとエラーバーだけのデータでしょうね」「そうですね」という話になりました。こういうのはどうにでもできますからね...。

タグ：

posted at 20:16:52

帰宅したら髪を切らずにJuliaを書く

タグ：

posted at 19:35:34

yamazaks @yamazaksv2

@miyukioldl55 @sekibunnteisuu 割と点数を取れている生徒でも、移項を「符号を変えて反対側に移す事」とだけ認識している場合があります。
計算上はそれで特に困っていないようですが、そのたびに等式の性質を改めて確認させています。

タグ：

posted at 19:33:42

Ishida the Brain Dam @tbs_i

(｢・ω・)｢ｶﾞｵｰ @bicycle1885

黒木さんのツイートで久々に見て、いつのまにかそんな立派なポジションになってたのを見て結構驚いた覚えが。皆東大と言う名前に騙されてるよ。 twitter.com/genkuroki/stat...

タグ：

posted at 18:14:10

恐ろしく速いJuliaインストール
オレでなきゃ見逃しちゃうね

タグ：

posted at 18:13:49

OpenSourcES @opensourcesblog

Am I doing too many side projects? Yeah probably... #julialang #mandelbrot pic.twitter.com/tIfTDdbmvQ

タグ： julialang mandelbrot

posted at 17:31:16

@sato51643335 リクエストしたタイプの生データは、ほとんどがウェスタンブロッティングや組織染色の画像とその定量値でした。生データが出てきたときには、画像と定量値が大幅に異なることが多く（！）、それほどの苦労ではなかったです。左端の1件は特に何も瑕疵は見つからなかったということです。

タグ：

posted at 17:22:12

#統計批判的な読み方ができなくなりがちな状態で、読んで内容をそのまま受け入れた集団が我々の社会の中にできてしまっているようにも思えました。

それじゃあまずいと思って、特に東京大学教養学部統計学教室編『統計学入門』の解説の仕方を細かく批判してみることにしました。

タグ：統計

posted at 17:17:58

えもさん@ずぼら @shirahiji0420

#統計そうなんです。私が指摘しているような問題を全て無視しても、読み易い本には見えないのですが、現在では「統計の知識が必要な資格試験対策のための定番の教科書」になっている感じなんです。

統計学の理解ではなく、資格が目標になってしまうと、批判的な読み方ができなくなりがち。続く twitter.com/tbs_i/status/1...

タグ：統計

posted at 17:17:57

@takuma_matsuo_ FF外から失礼します。
うちも和室で寝てたときはやってました… pic.twitter.com/Z8aXAEZAJn

タグ：

posted at 16:58:13

吉田弘幸 @y__hiroyuki

内申の配点はゼロにすべき。

タグ：

posted at 16:36:17

Urfist de Bordeaux @UrfistBordeaux

"For some, Julia's distinctive feature is its speed. For others it is how easy it J makes it to combine together entirely unrelated projects into something new and useful.
(...)we'll try n' demonstrate this by parallelizing the creation and usage of banded block-banded matrices" twitter.com/ArturoErdely/s...

タグ：

posted at 16:32:00

大野たかし @koredeiinoka

ドクター・中松 Dr.NakaMats @Dr_NakaMats

先日ニュースになった、「神戸の児相に助けを求めた子どもを、受付の人が『警察に行って』と受け入れなかった」という件ですが、受付の人に保護する権限がなかった事が明らかになりました。
受付の人には何ら罪がなかったわけです。悪かったのは児童福祉司を置かずに民間委託した神戸市ですね。 pic.twitter.com/2Dj7mblaI3

タグ：

posted at 16:26:36

ケンプファー/長老/神秘のクイーン @H1107Tosama

急遽タクシーで移動することになったのでスーパーメンを付け完全武装で乗り込む pic.twitter.com/iXLtt2vCaT

タグ：

posted at 16:21:14

@takuma_matsuo_ pic.twitter.com/aCC5Ovt0yM

タグ：

posted at 16:13:14

あいり（脂肪の党所属） @airi17sai

#統計油断大敵。ひどい誤り。訂正。

以下のリンク先の(3)で Z/Z 型の式で条件付き確率分布を表しているのは一般には自明にひどい誤りです。式を見ずに文だけを見て下さい。

ごめんなさい。

この辺は後でもっと慎重に詳しく説明したいと思っています。 twitter.com/genkuroki/stat...

タグ：統計

posted at 15:58:42

@takuma_matsuo_ 猫と暮らすならみんな知ってる！ pic.twitter.com/PynbIi1U1h

タグ：

posted at 15:01:39

Ishida the Brain Dam @tbs_i

30年前と聞いてちょっとショックだったw俺が学生の頃出たのでそんなもんか。
ただ当時から思っていたが、統計詳しくなかったけど印象として内容とり散らかってる感じで、あまりよい教科書とは思わなかったけど。著者たちが好き勝手書いて、その間のリンクがない印象だった。 twitter.com/genkuroki/stat...

タグ：

posted at 14:56:12

すでに甲状腺検査の被害が発生しているので、これは結構緊急の問題。 twitter.com/kikumaco/statu...

タグ：

posted at 14:35:18

#統計スレッド間リンク

統計学入門の教科書には安全な代替物が見当たらない。

現時点では、ひどい解説がされている本の内容を部分的に否定しながら、その本で勉強するしかないと思われる。

twitter.com/genkuroki/stat...

タグ：統計

posted at 14:32:00

Fredrik Bagge Carlso @baggepinnen

あ〜る菊池誠(反緊縮)公式 @kikumaco

Signal processing of signals with impulsive noise using low-rank matrix factorization, in #julialang

Notebook: nbviewer.jupyter.org/github/baggepi... pic.twitter.com/JEGx5cwFgQ

タグ： julialang

posted at 14:24:55

僕の提言は単に甲状腺検査を中止するだけではなく、これまでに手術を受けたかたがたに生涯にわたる補償を約束することです。その中には生命保険に入れないとか住宅ローンが組めないとかいう事態への救済も含まれます。とにかくあらゆる面で生涯にわたる補償を約束しなくてはなりません

タグ：

posted at 14:24:11

#統計そして、良い数学(例えばKL情報量の数学)では、最もシンプルで本質をとらえた場合について十分に理解できれば、一般の場合については「以下同様」で易しく理解できる仕組みになっていることが実に多い。

簡単な場合に棒大な時間をかけて理解しておくことは数学的道具の理解において最も本質的。

タグ：統計

posted at 14:16:55

Jun Shinozaki @jshino2007

@tsuyomiyakawa ありがとうございます！追加の課題としては、提供されてもデータ構造がぐちゃぐちゃで解読できない可能性もありますね。私自身はこれ（Brain Imaging Data Structure）にしたがっていますが・・・bids.neuroimaging.io

タグ：

posted at 14:14:56

#統計歪んだコイン投げという確率論や統計学の解説で使われる最も簡単な場合にさえ、Kullback-Leibler情報量がどうして自然に出て来るかを理解していないくせに、一般の「確率モデリング」「統計モデリング」でKL情報量について考える必要がある理由を理解できるはずがない。

タグ：統計

posted at 14:13:26

#統計以上の意味で、KL情報量 D(q||p) は分布qの分布pによるサンプル生成によるシミュレーションの誤差の大きさの指標になっている。

真の分布qをモデルの分布pによってより小さな誤差でシミュレートしたい人はKL情報量最小化を目指せばよい。(目的が別なら別に何かの最小化を考えるべき)

タグ：統計

posted at 14:09:18

#統計その確率の対数の -1/n 倍は

w₀ log(w₀/w) + (1-w₀)log((1-w₀)/(1-w))

で近似できることを示せる。これがKullback-Leibler情報量の雛形である。これを理解できれば一般化はそう難しくない。

KL情報量について理解したければ以上のシンプルな場合について時間をかけて考察すればよい。 pic.twitter.com/sTOmHjps2W

タグ：統計

posted at 14:06:06

#統計真のコイン投げでは表の出る確率がw₀の場合にはどうなるだろうか？

モデル内でのn回のコイン投げで表が出た回数kが nw₀ に適当な基準で近い確率の大きさは k≈nw₀ の下での、確率

n!/(k!(n-k)!) w^k (1-w)^{n-k}

の大きさで測られる。続く

タグ：統計

posted at 14:05:59

#統計常に表しか出ないコイン投げのモデルを「表の出る確率はwである」とする。モデル内でのn回のコイン投げのシミュレーションが真のコイン投げと同じ(全部表)になる確率の対数の-1/n倍は

-log w

になる。これはKL情報量の最も簡単な場合。-log w≧0で、wが1に近いほど -log wは小さくなる。続く twitter.com/genkuroki/stat...

タグ：統計

posted at 13:58:30

非公開

タグ：

posted at xx:xx:xx

@jshino2007 雑誌のポリシーが、生データを提供することを義務付けている場合は、編集長にお願いをしてみると、一言著者に言ってくれる可能性が高いと思います。ただ、出さない理由はいくらでも付けることができるので（リンク参照）、それでも出てこない可能性もかなりあるかと。
twitter.com/tsuyomiyakawa/...

タグ：

posted at 13:31:55

#Julia言語誰の記事かと思ったら、須山さんの記事だった。

github.com/sammy-suyama/M...
須山さんのブログで使ったコードのリポジトリ twitter.com/bicycle1885/st...

タグ： Julia言語

posted at 13:24:32

Jun Shinozaki @jshino2007

(｢・ω・)｢ｶﾞｵｰ @bicycle1885

@tsuyomiyakawa 私が困っている通りの結果で酷いですね。ご相談です。私はヒトfMRI認知神経科学を行っています。先行研究が再現できず、著者に問い合わせたところ「raw dataの提供は原理的に可能だがラボを持ったばかりで忙しくて時間がない」とのこと。この場合、雑誌編集長にお願いをしてみるのが良いでしょうか。

タグ：

posted at 13:17:03

やはり時代はJulia
www.bigdata-navi.com/aidrops/2423/ pic.twitter.com/txFIDSIfl5

タグ：

posted at 12:45:24

「再現性の危機」というのが話題になって久しいわけですが、まともな生データが最初から存在しないことがその原因の一端(or 中心的な原因の一つ）である、という可能性について、科学者コミュニティで表だって正面から指摘した論文は少なかった（あるいはなかった？）ように思います。

タグ：

posted at 12:37:57

ツイッターで行ったアンケートデータもサプリにして、このエディトリアル論文の中で言及させていただきました。ご協力、ありがとうございました。

タグ：

posted at 12:34:42

データ、エビデンスに基づいて構築されるのが科学の体系ですよね。その基盤となる生データが存在する、というエビデンスが相当な割合の論文で雑誌編集長からのリクエストによってすら確認できない、ということです。自分としては、おそるべき話だと思うのですが、どうですかね。

タグ：

posted at 12:32:57

須山敦志 Suyama Atsushi @sammy_suyama

編集長がデータが「綺麗すぎる」と感じた原稿41本において生データの提出を著者に依頼。21本で投稿が取り下げられ、うち19本でデータの一部（例. 各条件N=1ずつの代表データのみ）しか提出されなかった or 生データと結果が不一致だったためリジェクト。これ論文化しました。
molecularbrain.biomedcentral.com/articles/10.11... pic.twitter.com/fEik4B2e3W

タグ：

posted at 12:27:27

近年のベイズ・機械学習・深層学習を俯瞰します．
ベイズ統計・ベイズ機械学習を始めよう｜AIdrops www.bigdata-navi.com/aidrops/2423/

タグ：

posted at 12:25:36

コハル @kohal9000

イワケンというレジェンドの本、うちにも一冊あったなーとこちらを久々に引っ張り出してきた。しょっぱなからミもフタもなかった。 pic.twitter.com/lBNRFaWr6W

タグ：

posted at 12:16:52

#統計一方、KL情報量の-1倍を相対エントロピーと呼ぶことにすれば、相対エントロピーの最大値は0になり、相対エントロピーが大きいほどpからqが出て来易くなり、「エントロピーが大きな状態ほど出て来易い」というニュアンスが保たれます。

私はこちらのスタイルの方が好ましいと思う。

タグ：統計

posted at 12:15:47

#統計 KL情報量が大きいほどpからqは出て来難くなる。

もしもKL情報量D(q||p)を相対エントロピーと呼んでしまうと、相対エントロピーが大きいほどpからqは出て来難くなるということになってしまい、「エントロピーが大きい状態ほど出て来易い」というニュアンスが失われます。

この点は要注意。

タグ：統計

posted at 12:15:46

#統計「情報量」と「エントロピー」の用語の関係について

KL情報量D(q||p)は「分布pからの分布qの出て来難さ」の指標になっており、出て来難さが最小になるq=pのとき0になる。

一方、エントロピーという用語には「エントロピーが大きい状態ほど出て来易い」というニュアンスを込めて使われる。続く

タグ：統計

posted at 12:15:41

D @_D12D

社会科学のためのベイズ統計モデリングがAmazonだと4，5日で発送になってしまった。本屋に探しに行くか。

タグ：

posted at 12:12:10

みゆき @miyuki_MathT

自分もビックリしたし、自分以外も驚いてた先生を知っている
「移項って何しとん？」
と生徒に聞くと十中八九「え？そういうものだから」と答える
残りに「移項をミスらないけど、実は分かってない」子がいる
また、辺々に同じ量を加えることと移項を別物と捉えてる子もいる

タグ：

posted at 11:50:48

栗原裕一郎 @y_kurihara

コロナ増税とかやめてくれよ。 twitter.com/Sankei_news/st...

タグ：

posted at 11:12:31

文春将棋 @bunshun_shogi

明日、王位戦リーグで永瀬拓矢二冠と対局する鈴木大介九段にお話をうかがいました。表情はニコニコしていましたが、振り飛車党としての思いは熱かったです。

振り飛車党の鈴木大介九段が「藤井システムだけは使うまい」と決めていた理由 | 観る将棋、読む将棋
bunshun.jp/articles/-/352...

タグ：

posted at 11:03:57

#統計相互リンク

twitter.com/genkuroki/stat...

タグ：統計

posted at 11:03:21

#統計主題ではなく、道具とみなされることについて、self-containedで近道になっているが、天下り的で(p.95ではS(t)の与え方が天下り)、本質が見えない証明を書くことは普通によくあることです。それ自体は全然悪いことではない。

しかし、それをコピペで拡散されると「うぎゃあ！」ってなります。

タグ：統計

posted at 10:46:58

左巻健男（サマキタケオ） @samakikaku

#統計 Jensenの不等式を

確率密度函数 p(t), q(t)
E[g(T)]:=∫p(t)g(t)dt
X:=q(T)/p(T)
f(x):=x log x

に適用すると、

E[X]=∫p(t)(q(t)/p(t))dt=∫q(t)dt=1,
D(q||p)=∫q(t)log(q(t)/p(t))dt=E[f(X)]≧f(E[X])=f(1)=0.

Jensenの不等式を経由しない近道も可能だが、本質が見え難くなる。

タグ：統計

posted at 10:41:49

ヒノキヤグループは凄い！問い合わせ窓口に出したもので取締役から百万円出せと言われる。質問にヒノキヤは回答無し。 - 左巻健男＆理科の探検’s blog samakita.hatenablog.com/entry/2019/06/...

タグ：

posted at 10:35:09

#統計不等式を作る基本の1つが函数の凸性。y=f(x)が下に凸ならばx=μでのその接線y=a(x-μ)+f(μ)について、f(x)≧a(x-μ)+f(μ)が成立します。ゆえに確率変数XでE[X]=μを満たすものについて

E[f(X)] ≧ a(E[X]-μ)+f(μ)=f(E[μ]).

これがJensenの不等式です。この手の議論で接線を考えることは基本定跡。

タグ：統計

posted at 10:33:47

@1738310 売れ続けていることが怖い。
代替物として使える問題が無さそうな教科書も見つからない。 twitter.com/muneoiz/status...

タグ：

posted at 10:28:21

@1738310 #統計東京大学教養学部統計学教室編『統計学入門』は過去30年くらいのあいだの統計学入門の教育において、おかしな考え方を学生の心に注入することに成功した問題のある本だと私は思っています。

統計学は多くの人が使っているので非常に怖い。

twilog.org/genkuroki/sear...

twitter.com/genkuroki/stat...

タグ：統計

posted at 10:21:20

(｢・ω・)｢ｶﾞｵｰ @bicycle1885

#統計『社会科学のためのベイズ統計モデリング』のp.95について。本質を突いていないがself-containedな証明をみんなでコピペすると、本質が見えない証明が拡散されてよくないと思う。

KL情報量が0以上になることはf(t)=t log t (下に狭義凸)に関するJensenの不等式の特別な場合に過ぎない。 pic.twitter.com/F1abCAT8gq

タグ：統計

posted at 10:13:20

お！日本からJuliaのGSoC出す学生いないかな。

タグ：

posted at 09:47:03

#統計一般化された描像で説明すると、昔からある用語法に忠実になる必要はないと思えて来る。

「モデル内仮想世界で『現実で得たサンプルと同じサンプルが生成された』という制限による条件付き確率分布を考えつつ、何らかの規準でモデルのパラメータを最適化する」(これが普通)でいいんじゃね？

タグ：統計

posted at 09:05:08

#統計以下のリンク先の(このスレッドの少し上の)一般化されたまとめ方だと、「最尤法」がベイズでのハイパーパラメータの周辺尤度最大化を含むので、もはや「最尤法」と呼ぶべきではないかもしれませんね。

モデルのパラメータの調節とモデル内で条件付き確率分布を考えることは背反じゃない。 twitter.com/genkuroki/stat...

タグ：統計

posted at 08:58:00

Jeff Bezanson @JeffBezanson

@timothyrenner @ThePracticalDev What's a "technical" language? One that doesn't have a web server? Julia has one.

タグ：

posted at 08:08:09

Jeff Bezanson @JeffBezanson

@timothyrenner @ThePracticalDev Python was able to "eat" torch b/c it had the same basic model of calling libraries. You can't "eat" all of Julia the same way.

タグ：

posted at 08:02:41

Jiahao Chen 陈家豪 @acidflask

#JuliaLang accepted to Google Summer of Code 2020! Plan your proposal and find a mentor now summerofcode.withgoogle.com/organizations/...

タグ： JuliaLang

posted at 07:45:05

積分定数 @sekibunnteisuu

数学のテストで「移項」「和の交換法則」などの用語を出題するのもそうだけど、

教える側が、自分が教えている科目の意義とかテストの目的をわかっていないのではないだろうか？ twitter.com/patosensei105/...

タグ：

posted at 07:02:52

なんかこの人は鏡をご覧になったようですね。自分自身と対話されておられる様子ですのでそっとしておいてあげましょう twitter.com/jeremy758/stat... twitter.com/jeremy758/stat...

タグ：

posted at 03:41:11

いじめる相手の口調を猿真似するのも典型的ないじめのパターンですね。この方はほんまに根っからいじめっ子メンタルなんやな… やだねえ twitter.com/jeremy758/stat... twitter.com/jeremy758/stat...

タグ：

posted at 03:38:07

これも典型的ないじめ語法ですね。説明は不要ですね。嫌になりますねー。しかしこういうこと平気で言える人とも暮らしていかなあかんのがオレたちの宿命なので「こういうことゆうたらあかん」て子供に教え諭すように地道に教えていかんとあかんのですね　twitter.com/jeremy758/stat... twitter.com/jeremy758/stat...

タグ：

posted at 03:30:03

RochejacMonmo @RochejacMonmo

twitter.com/stsune1/status...

タグ：

posted at 02:53:07

RochejacMonmo @RochejacMonmo

もし万が一、幸田氏が今回の共通テストの作問に関係しているのだとしたらやはり作問委員選定の方法にまで瑕疵がある疑いが生じる。これは看過できない問題だ。

タグ：

posted at 02:51:50

RochejacMonmo @RochejacMonmo

2019.11.22.の読売「論点スペシャル」だと思うが、
幸田国広氏は、論理的な文章の書き方やコミュニケーションの指導が十分ではなかったことの理由として大学入試をあげて、今般の国語学習指導要領改訂に賛成の立場を表明していた。→

タグ：

posted at 02:51:44

誰かこういうのをできるマクロを作って欲しい pic.twitter.com/BUUxBSZcIL

タグ：

posted at 02:17:05

残り21件のツイートを見る

Japanese Python pic.twitter.com/1Dlt5FCPNG

タグ：

posted at 02:12:42

数学を使っている文献を読む場合には、基本的に全部自分で再定式化と再確認を繰り返して全部書き直す勢いで行かないと理解できないよね。

タグ：

posted at 02:05:02

Julia と組み合わせると楽しい pic.twitter.com/CRXPK6uhkn

タグ：

posted at 02:02:30

プログラム初心者なのでこういうのをできる言語が好きです pic.twitter.com/zelpKH2BA8

タグ：

posted at 01:55:02

ℓυşţ мαη @almalah1411

Maybe the cat williaaaaammmmm has already reached the highest level of spiritual consciousness pic.twitter.com/cI2eBh0HwX

タグ：

posted at 01:28:37

「先生もお前がみんなの言うこと聞かないから悪いって言ってたよー。勝手に外にチクりやがって。やっぱお前が悪いんだよな？これいじめじゃないんだよー」という典型的いじめ語法がありましたのでご参考までに皆さまにお示ししておきますね　twitter.com/ogatin/status/... twitter.com/ogatin/status/...

タグ：

posted at 01:21:31

注意・警告: 私は統計学のど素人です。

タグ：

posted at 01:17:21

#統計そして、モデル内仮想世界を数学的に設計することを「統計モデリング」「確率モデリング」のように言うわけです。

タグ：統計

posted at 01:14:56

#統計まとめ

●ベイズ統計: モデル内仮想世界の確率分布を現実で得られたサンプルが生成された場合に制限した条件付き確率分布を考える。

●最尤法: モデル内仮想世界において現実で得られたのと同じサンプルが生成される確率が最大になるようにパラメータを調節する。

タグ：統計

posted at 01:12:59

#統計最尤法では、Zにパラメータwが入っていて

Z(y'_1,…,y'_n|w)

の形なっていて、モデル内仮想世界内で現実世界から得たサンプルが生成される確率が最大になるようにパラメータwを調節します。

i.i.d.の設定では

Z(y'_1,…,y'_n|w)=p(y'_1|w)…p(y'_n|w).

タグ：統計

posted at 01:08:53

#統計ベイズ統計の本質は「モデル内仮想世界で仮に現実世界と全く同じサンプルが生成されたとしたら～」とシンプルにかつイメージ豊かに考えることであり、事前分布を事後分布に更新することではないので、多くの人達が本質を見失っていると思う。

タグ：統計

posted at 00:59:17

#統計そのように説明する利点の1つは、ガウス過程回帰も扱えることです。

カーネル法はある意味で Z(y'_1,…,y'_n|x_1,…,x_n) を直接的に与える方法だと解釈できます(回帰なのでx_kも必要)。

あと、「分配函数が与えられれば全てが決まる」という統計力学との類似も強調し易くなる利点もある。

タグ：統計

posted at 00:55:59

#統計以上の5つ上から3つ上のツイートで説明した真のベイズ統計モデリングにおいては、事前分布や事後分布が出て来ておらず、その代わりに、モデル内の確率分布を現実から得たサンプルと同じサンプルが生成された場合に制限して得られる

条件付き確率分布

が中心的な役割を果たしています。

タグ：統計

posted at 00:48:10

#統計そのモデル内設定は

W ～ φ(w),
Y'_k ～ p(y'_k|W)

のようにも書けます。この場合には、p(y'|w)は母集団分布の確率モデルだと考えられる。

タグ：統計

posted at 00:43:10

#統計ランダム・サンプリングでサンプルが得られているというモデル内設定を採用したときには、パラメータw付きの確率分布p(y'|w)と事前分布φ(w)が与えられていれば、モデル内でのサンプルの確率分布が

Z(y'_1,…,y'_n) = ∫p(y'_1|w)…p(y'_n|w)φ(w)dw

で作られます。

タグ：統計

posted at 00:41:20

#統計

(4) 予測分布が現実世界で次に得られるy_{n+1}の確率分布が、予測分布 p*(y'_{n+1}) で近似されていると期待する。

以上の手続き中で、モデル内の仮想世界内でのサンプルの確率的生成法則 Z(y'_1,…,y'_n) を設計することが、真の「ベイズ統計モデリング」です。続く

タグ：統計

posted at 00:36:25

#統計続き～作れるだけ十分な情報が与えられていればよい。

(3) その仮想世界内を、現実から得たサンプルと同じサンプルが得られた場合に制限して得られる条件付き確率分布

p*(y'_{n+1}) = Z(y'_1,…,y'_n, y'_{n+1})/Z(y'_1,…,y'_n)

として、予測分布 p*(y'_{n+1}) を作る。

続く

タグ：統計

posted at 00:32:53

#統計ベイズ統計における真の統計モデリングはこうです。

(1) 現実世界でサンプルy_1,…,y_nが得られたとする。

(2) 数学的仮想世界内に現実世界で得たサンプルと同じ型のサンプルを確率的に生成するモデルを設定する。具体的には、確率密度函数 Z(y'_1,…,y'_n) を任意のn=0,1,2,…について～続く

タグ：統計

posted at 00:32:47

#統計特にまずいのは、「確率モデルをサンプルの実現値に対応させて」と書いていること。確率モデルは仮想世界(フィクション)ないにしかないものなので、現実に得たサンプルには決して対応しません。

続く

タグ：統計

posted at 00:22:35

#統計続き。「母集団分布の確率モデル」を単に「確率モデル」と略すのは私も分かりにくいと思いました。

あと、「確率モデル」を「仮定」と言うときには、現実世界に関する仮定ではなく、数学的モデル内部の仮想世界における設定に過ぎないことを強調するべきだと思いました。

続く

タグ：統計

posted at 00:20:29