黒木玄 Gen Kuroki(@genkuroki)/2020年03月21日

#統計仮説検定に関する教科書、例えば、

Lehmann, E. L. Testing Statistical Hypotheses. Second Edition (1986)

を読んでいれば、検定(test)される仮説にも色々な種類があることを知っているはず。

「成功確率は50%」だけが検定の対象ではない。

豊田『瀕死本』はこの点においても問題有り。

タグ：統計

posted at 23:59:00

#統計豊田『瀕死本』を好意的に読んでしまった人は、ベイズ統計の利点と「ゴールを厳しめにずらすこと」を混同しているのだと思う。

添付画像は

www.jstage.jst.go.jp/article/sjpr/6...
p 値を使って学術論文を書くのは止めよう
豊田秀樹(2017)

より。この話題に参加したい人はこれに目を通しておけば十分。 pic.twitter.com/lahTIxOlNi

タグ：統計

posted at 23:54:05

西中崇博 @nishinaka_t

Mathematica で多変数を含む巨大な式 X に Simplify を当てると、膨大な時間がかかる。とはいえ Expand[X] や Together[X] でも遅い時は遅い。毎回試行錯誤するが、今回は X が a[n] については線形だったので、Collect[ X, a[_], Together] で解決。

タグ：

posted at 23:22:16

そしてやはりこの内容の問題を、大学入試のための共通テストで問うのは、正直しょぼすぎる。上で述べたように、実用と言いながら実際の利用規程とは随分乖離があるようだ。実は解説もかなり酷い。思わせぶりな記述も多いし、「ハッシュタグ」をつけるというのも意味不明瞭だ。

タグ：

posted at 23:11:37

「調査・研究、読書を目的としない閲覧席の長時間占有（荷物を置いたままでの長時間離席を含む。）」のような規定をもともとおいておくのではないか。（上の文例は千代田区立図書館の利用規程から引用）
→

タグ：

posted at 23:09:16

解答の内容は、実質的に「閲覧席は、図書館資料を利用するための座席です」という記述を「おしゃべりや遊び」を禁止する項目からくくり出して新たな項目とすればよいだけだ。そもそも「自習」の定義や範囲も曖昧だ。普通は、→

タグ：

posted at 23:08:20

閲覧席の自習利用についての設問は作りが雑だ。そもそも利用規程の「おしゃべりや遊び」を禁止する規定の中の「閲覧席は、図書館資料を利用するための座席です」という規定が自習利用自体を禁じていると読むのは難しい。新たに「閲覧席の自習利用」という項目を立てさせ記載事項を問う問題だが→

タグ：

posted at 23:06:42

あまり図書館の利用規程に詳しくないが、そもそも個人所有の一切の情報端末の操作を禁じるのは一般的なのだろうか？しかも新たに蔵書検索システムを導入するために一部解禁し利用規程を改訂しようなどというのは現実的か？普通は館内に蔵書検索用の端末を設置するのではないか。→

タグ：

posted at 23:04:04

問3で「条件1~4に」とあるのに条件が1~3までしかないのはケアレスミスとして。
この設問がどのくらい「実用的」なものと言えるのか疑問。→

タグ：

posted at 23:02:48

共通テスト国語の作問委員が著者に含まれている疑いが指摘されている幸田国広編著『新時代の大学入試国語記述式問題への対応―10の問題例とその解説』
問題例3は、図書館利用規程の変更に関する問。
何らかの規定の改廃に関わる問題は、問題例3から類推されるものに含まれ実際に出題されれば危ない。

タグ：

posted at 23:00:18

#統計「成功確率は50%」から「成功確率は70%以上」のように

　　　　ゴールをずらすこと

をメインの主張にするならば、

　　　　ベイズ統計にすることは本質的ではない

と早めに訂正した方がよいと思いました。

過去数年分と最近出版済みの本のメインの主張を否定することになるわけですが。

タグ：統計

posted at 22:45:25

猫はなぜ「ネコ」と呼ぶのか？という疑問と同列だと思う。疑問に思うのは一向に構わないが、「素晴らしい疑問」とも思わない。

twitter.com/sekibunnteisuu...

タグ：

posted at 22:42:04

www.asahi.com/articles/DA3S1...　この記事に、なぜ足し算の記号は「+」なのか？と子供が疑問を持った、というようなことが書いてあったが、

私なんか「深い意味はない。とにかくそうなっている」と答えちゃいそう^^

タグ：

posted at 22:39:21

あおじるPPPP @kale_aojiru

( ﾟдﾟ)ﾎﾟｶｰﾝ pic.twitter.com/0ZSGgdA6DL

タグ：

posted at 22:31:55

この件もそう。vtである必然性はないかもしれないが、vtで合ってはならない理由もないわけで、vtになっていることの何が疑問なのか？
twitter.com/sekibunnteisuu...

タグ：

posted at 22:31:55

この生徒にどういえば納得してもらえるのか、そもそも納得してもらう必要があるのかどうかよく分からないが、

この手の疑問を持つ人がいることは事実なんだろう。 twitter.com/0315_osami/sta...

タグ：

posted at 22:28:39

(｢・ω・)｢ｶﾞｵｰ @bicycle1885

#統計公開済みの豊田『瀕死本』のプロローグの内容は

　帰無仮説「成功確率は50%」の仮説検定を
　帰無仮説「成功確率は70%以上」の仮説検定に置き換えること

に本質的に等価です。

だから「ベイズ統計にする必要がない」と訂正じでくれれば、プロローグの部分に関する議論は終了する。続く

タグ：統計

posted at 22:04:35

みんなJulia好きやね。まぁ俺が一番好きなんですけど。

タグ：

posted at 21:13:11

TaKu @takusansu

#超算数「基準量を捉えるための割合的な見方・考え方の育成の雑感」という題名で掲示板に書き込みました。
8254.teacup.com/kakezannojunjo...
基準量を捉えるための割合的な見方・考え方の育成 : 割合的な見方・考え方を働かせるカリキュラム・デザインをとおしてrepository.center.wakayama-u.ac.jp/ja/3623

タグ：超算数

posted at 20:05:52

htachii @htachii

@temmusu_n @genkuroki あっ！でも左を見ると・・・🥶🥶🥶🥶🥶🥶🥶

タグ：

posted at 19:48:51

#統計私はこのツイートを含む長大なスレッドに繰り返し書いた理由で、豊田『瀕死本』は非常に問題のある内容の本であり、この本について肯定的な広報をすることは社会的に負の貢献になると思いました。

しかし、日本社会心理学会広報委員会は広報する価値のある本だと判断したようです。大丈夫かな？ twitter.com/jssp_pr/status... pic.twitter.com/NaFKLIFo4U

タグ：統計

posted at 19:24:37

戌一いぬいち @inu1dog1

日本棋院若手棋士 @wakatekishi_igo

今日もやっぱり、妻は、何かを、やっている。
とりあえずラッコが落ちる前に曲が終わって安心した。 pic.twitter.com/Sr10AAXAcN

タグ：

posted at 19:00:05

大関君勝ったみたいです昔からあいもかわらず強いです笑、最近ネット碁をよく打ってるから気合い入ってるなと思ってたのでなんか嬉しいです笑(豊田) twitter.com/asahi_igo/stat...

タグ：

posted at 18:59:34

KaN @abogadoron

天むす名古屋 Temmus @temmusu_n

書籍"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 "に関しての議論 - Togetter togetter.com/li/1483265 @togetter_jpさんから

タグ：

posted at 18:38:07

#超算数実践上の工夫を述べる39ページに注目を表わす集中線を入れてみた。各行の名前がそれぞれ、望ましい理解段階、学習活動例、指導上の注意。注意が【乗法の場合と関係させつつ理解させる。】だそうだ。 pic.twitter.com/vTtRFbNi8X

タグ：超算数

posted at 18:22:59

Yuta Kashino @yutakashino

書籍"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 "に関しての議論 buff.ly/33CC5wQ 瀕死本，読んでますが，「仮説が正しい確率」とかPHCとか，これは酷いですね…．早稲田の心理学ではこの謎のベイズ・イデオロギーを習っているのでしょうか…．学生があまりに可哀相…

タグ：

posted at 18:03:13

なるほど pic.twitter.com/oOOotjh9Vn

タグ：

posted at 17:12:57

非公開

タグ：

posted at xx:xx:xx

zakki @k_matsuzaki

しかし天元の良さと高目の悪さは結局わからん… pic.twitter.com/qvbZxEcQDb

タグ：

posted at 16:58:38

zakki @k_matsuzaki

学習中のネットワークもLizzieで表示すれば見やすいか pic.twitter.com/YrChGPBsl4

タグ：

posted at 16:54:03

#Julia言語 (f(x) for x in A) は配列ではないことに注意。もしもこれが配列になるなら上のように書いても意味がない。 (f(x) for x in A) は Base.Generator 型のオブジェクトになる。 pic.twitter.com/rYuy57BPb1

タグ： Julia言語

posted at 16:40:57

#Julia言語結構要注意なのが、forループの内側で sum や mean を計算する場合。例えば、

for i in 1:N
@ views s[i] = sum(f.(a[i,:]))
end

と書いても、fを作用させるときに新たに配列が作られてしまう。

@ views sum(f(x) for x in a[i, :])

のように書いてしのぐ。続く

タグ： Julia言語

posted at 16:37:56

柳　時熏【囲碁プロ】【YouTuber @ryu_shikun

#統計一般に、サンプルX_1,…,X_nについて、平均達

(f_i(X_1)+…+f_i(X_n))/n (i=1,…,r)

を計算することは、

p(x|β) = exp(-(β_1 f_1(x) + … + β_r f_r(x)))φ(x)/Z(β)

型の指数型分布族モデルの最尤法と等価になっています。

この辺の話は物理の統計力学の話ともろに関係がある。

タグ：統計

posted at 16:34:19

昨日あたりから快適な気候になってきましたね。
家の桜もほぼ満開になってきました。

ニコちゃん問題、新しく始めたブログに入門からレベル3までの今までよりやさしいニコちゃん問題を出題させていただいています。よろしければご覧ください。🙂
www.ryu-igo.com
#囲碁　 #ニコちゃん問題 pic.twitter.com/pHlIT76H6j

タグ：ニコちゃん問題囲碁

posted at 16:25:56

#統計あと、正値のサンプルの相加平均と相乗平均(の対数)を求めることはガンマ分布モデルによる最尤法と等価です。

高校数学では正の実数たちの相加平均と相乗平均の両方を計算する話が出て来ますが、あれはガンマ分布モデルによる最尤法そのものだと解釈可能です。

タグ：統計

posted at 16:22:01

#統計サンプルの中央値と中央値との差の絶対値の平均を計算することは、Laplace分布モデルによる最尤法と等価です。なんと中央値を求めることは本質的にLaplace分布による未知の分布の近似に関係していた！

twitter.com/genkuroki/stat...

タグ：統計

posted at 16:20:20

#Julia言語配列の一部を A[i,:] のように参照する場合には、@ views や @ view がほぼ必須。それらのマクロを使用しないと、新たに配列が作られまくって悲惨なことになる。

添付画像の3種の方法の中では @ views と dot の組み合わせが一番速いです。

twitter.com/ceptree/status... pic.twitter.com/z619HOX13Y

タグ： Julia言語

posted at 16:16:30

やすべぇ @yasubeitwi

当たり判定かなり適当だけど、まぁいいっしょ
#jupyter_labでアニメーション

タグ： jupyter_labでアニメーション

posted at 16:13:17

やすべぇ @yasubeitwi

香山泰祐 Taisuke Kayama @tkayaman_math

それっぽくなってきたわ pic.twitter.com/XbDWkqVsUd

タグ：

posted at 16:09:52

わいもこの仮定の理由が分からなくて、凄く悩んだ。 twitter.com/genkuroki/stat...

タグ：

posted at 15:50:51

なるほど pic.twitter.com/AM9xTaZIUa

タグ：

posted at 15:41:37

#統計あと、KL情報量については、素朴に多項分布での確率の対数の漸近挙動を見て理解することを優先するべきで、情報幾何の話で理解したつもりになるべきではないと思います。

タグ：統計

posted at 15:31:27

#統計～、わざわざ「Kullback-Leibler」と人の名前を付ける意味がないと思われるくらい明らかな基本概念に過ぎません。大数の法則や中心極限定理と同じ程度基本的。標準的に教えていないことの方が大問題。

タグ：統計

posted at 15:28:54

#超算数
1年算数「あわせていくつ」「ふえるといくつ」|みんなの教育技術 kyoiku.sho.jp/8611/

タグ：超算数

posted at 15:26:11

#統計「Kullback-Leibler情報量」というような専門用語が出て来ると「何か高級なことをやっているようで難しく見える」という欠点が生じる。

そこは誤解して欲しくない所で、KL情報量については易しい場合を多項分布の確率の対数の漸近挙動(スターリングの公式の易しい応用)から出るので、～

タグ：統計

posted at 15:25:12

#統計すなわちモーメント法で作った(モデルp(x|α,β)内での未知のq(x)の)予測分布p(x|a,b)は、それを最良近似する正規分布が正規分布モデルの最尤法の予測分布に一致するものに等しい。

統計学における古典的な事柄についてはKL情報量の意味での最良近似という視点で眺めるとスッキリすると思われる。

タグ：統計

posted at 15:22:03

#統計訂正版

さらに、

* D(p(・|a,b)||N(・||m,s²)) は、a,b が与えられていて、μ, σ²を動かしたときの、D(p(・||a,b)||N(・|μ,σ²))の最小値になっている。

タグ：統計

posted at 15:21:58

#統計分布q,pのKullback-Leibler情報量をD(q||p)と書く。

サンプルサイズn→∞で

* D(q||p(・|α*, β*)) は D(q|p(・|α,β)) の中での最小値に近付く。

* D(q||N(・|m,s²)) は D(q|N(・|μ,σ²)) の中での最小値に近付く。

タグ：統計

posted at 15:01:07

阿部2 @cocotan_2

天むす名古屋 Temmus @temmusu_n

Turnbull のアルゴリズム（R の survival パッケージ）を用いたコロナウイルスの潜伏期間の推定 - 廿TT abrahamcow.hatenablog.com/entry/2020/03/...

タグ：

posted at 14:58:49

#超算数緩募。
画像加工の上手い方、この画像の34と35に【漫画のピカピカ光る線】かカメラによるズームの動きを表す放射状の線を入れる方法を教えていただけないでしょうか？ twitter.com/temmusu_n/stat...

タグ：超算数

posted at 14:56:01

#統計パラメータ(α,β)と分布p(x| α,β)の(平均, 分散)が一対一対応していることを使って、(m,s²)に対応するパラメータ(a,b)を求めたとする。p(x|a,b)がq(x)を近似していると期待するのが、モーメント法(の特別な場合)です。

タグ：統計

posted at 14:53:21

#統計サンプルの標本平均と標本分散をm, s²と書く。正規分布モデルの最尤推定では、N(x|m, s²)がサンプルを生成した未知の分布q(x)を近似していると期待する。

モデルp(x| α,β)の最尤法の解をα*,β*と書き、そこでは、p(x| α*,β*)がサンプルを生成した未知の分布q(x)を近似していると期待する。

タグ：統計

posted at 14:51:08

天むす名古屋 Temmus @temmusu_n

#統計もとの標本平均と標本分散を使ったモーメント法の話に戻る。

基本設定

* 推定先の未知の分布 q(x)

* q(x)のサイズnのサンプル

* 2つのパラメータa,bを持つ確率モデル p(x|α,β)
　(α,β)とp(x| α,β)の(平均, 分散)は一対一対応していると仮定

* 正規分布モデルN(x|μ,σ²)

タグ：統計

posted at 14:51:07

細かいことだが吉峯耕平弁護士による引用画像への書き込み(2つの画像に一箇所ずつ赤字で)は筆者(吉峯氏)による書き込みであることを明示してもらいたかった。また、2×2の陽性陰性計算表も吉峯氏の自作と思われるが、出典が示されていない。 twitter.com/kiccy7777/stat...

タグ：

posted at 14:50:29

やすべぇ @yasubeitwi

まぁ・・・ボールくらいは飛ばせるらしい pic.twitter.com/zqXX0gEnPS

タグ：

posted at 14:40:51

#統計ある程度数学の使い方に習熟していれば、「線型」という条件はものすごく強くて、場合によってはほとんどありえない仮定になることを当然の常識として知っているはず。

「最良線型不偏推定」の「線型」という条件はものすごく強い。「線型」に制限したとき「最良」であってもほぼ無意味。

タグ：統計

posted at 14:40:38

#統計実質正規分布モデルの最尤法に過ぎないのに、「最小二乗法は最良線型不偏推定(BLUE)である」という定理を紹介することによって、最小二乗法がまるで常に最良であるかのように誤解させる解説が横行している。

実際には残差の分布が正規分布から程遠い場合にはベストからは程遠い推定になります。

タグ：統計

posted at 14:37:23

@katei_sukusuku #超算数　突然失礼します。子供たちが文章問題を見て、その問題が、「あわせていくつ」「ふえるといくつ」、どちらなのかを区別する必要はありますか？

タグ：超算数

posted at 14:34:56

ごまふあざらし(GomahuAzaras @MathSorcerer

#統計あと、最小二乗法は「残差を正規分布でモデル化する」というスタイルの正規分布モデルの最尤法であることも十分に強調されていないと思う。

残差の分布が正規分布から程遠いように見える場合には最小二乗法による推定は適切ではない可能性が高い。

タグ：統計

posted at 14:33:33

ああ，あ，あ
普通に Complex{Float64}(x) って書いていた・・・． pic.twitter.com/ENLjzIxSJP

タグ：

posted at 14:30:42

これの話
twitter.com/triwave33/stat... twitter.com/triwave33/stat...

タグ：

posted at 14:10:29

これがappend!でエラーになった原因か？appendは配列に配列を結合する。pushは配列に単一のオブジェクトを追加する（のか？） #julialang

github.com/JuliaLang/juli...

タグ： julialang

posted at 14:09:14

#Julia言語 Plots.jlについては、レシピ(recipe)の作り方がもっと普及して例が増えれば、そちらの方が便利だと思う人が増えるかもしれませんが、まだそういう感じにはなっていないと思う。

docs.juliaplots.org/latest/recipes/#

タグ： Julia言語

posted at 14:06:37

みーくんツイートを参考にしたのでリンクを貼っておいた(原論文をみろ) pic.twitter.com/rgfvHUTrMa

タグ：

posted at 14:05:44

#Julia言語～とすると、kwargs... (キーワード引数達)が plot に引き渡されるようになって、細かい調節が可能になります。添付画像に例をあげておきます。

y方向が-1～1までの作画になるところを、少し上下に隙間をあけるために-1.2～1.2になるようにし、x軸の目盛りにπを使うようにしています。 pic.twitter.com/PloJvEL9Qn

タグ： Julia言語

posted at 14:03:49

Y Makino @Usekm

ワニの漫画の件は結構なフォロー人数がいるのに話題としてはともかく実物は一切回ってこなかったので、クラスターから外れると感染ってほんとに広がらないんだなと思いました。

タグ：

posted at 13:58:22

#Julia言語そのときに便利なのが、"kwargs..." です。

例えば、函数 f と g を同時にx=-5～5でプロットするには

using Plots

のあとに

x = range(-5, 5, length=1000)
plot(x, f.(x); label="$f")
plot!(x, g.(x); label="$g")

のようにすればよいのですが、～続く

タグ： Julia言語

posted at 13:55:20

append!とpush!よく分かってないな

タグ：

posted at 13:54:25

#Julia言語同じようなプロットを試行錯誤的に試したいときに、その作業を函数にまとめることが基本になるのですが、グラフのプロットではプロット範囲その他を個々の場合ごとに細かく調節することが必要な場合が多いので、函数化には悩むことが多いです。続く

タグ： Julia言語

posted at 13:51:15

#Julia言語函数 f(x,y,z) について

a = [3, 1, 4]
f(a...)

は

f(3, 1, 4)

と等価です。a... の ... については以下のリンク先を参照

docs.julialang.org/en/v1/manual/f...

タグ： Julia言語

posted at 13:49:39

#Julia言語 Plots.jlのgr()バックエンドのlegendの大きさと位置の問題に気付いたときに、ソースコードも追ってみたのですが、GR本体の方のソースコードも見なければいけないことまで確認して、そこであきらめました。

JuliaやPythonの類で済んでいれば手を出し易いのですが。

タグ： Julia言語

posted at 13:45:04

yamazaks @yamazaksv2

これは驚きです！ twitter.com/temmusu_n/stat...

タグ：

posted at 13:20:08

mtmt @mtmtlife

記事に寄せてオーサーコメントは書きました。
headlines.yahoo.co.jp/hl?a=20200321-...

タグ：

posted at 13:16:12

#統計標本平均と標本分散の値から正規分布でないモデルのパラメータの推定を行うこと(モーメント法の特別な場合)は、正規分布でないモデルを正規分布モデルで最良近似して推定することに等しいことを知っていれば、推定先の分布が正規分布に近ければ結構うまく行きそうだと分かります。

タグ：統計

posted at 13:12:08

gist.github.com/ceptreee/38e53...

タグ：

posted at 13:10:05

なるほど

julia - 2つの行列を追加するためのジュリアのメモリ割り当て
ja.coder.work/so/julia/715798 pic.twitter.com/e7fjo83luK

タグ：

posted at 13:07:47

@kuri_kurita

@temmusu_n @sekibunnteisuu @miyuki_MathT これはビックリ！😱

タグ：

posted at 13:07:29

mtmt @mtmtlife

これ、自分も記事を書くと言いながら、まだ書いてなくてすみません。（書きたいことが多すぎて、まとまらないというパターン）

タグ：

posted at 12:48:21

mtmt @mtmtlife

棋譜の権利の話、ヤフートップに。 pic.twitter.com/zSSUtBCkvo

タグ：

posted at 12:46:25

#統計異なるモデルによる最尤法の違いを、最尤法とモーメント法の違いだと説明するスタイルの方が一般的になっています。

しかし、一般のモデルMとモーメント法に対応する指数型分布族のモデルEの比較を行なっていることを見抜けば色々すっきりすると思う。

タグ：統計

posted at 12:42:07

#統計続き

伝統的な統計学入門の教科書の説明は、伝統的なスタイルや用語法に合わせるために、概念的におよび科学的にクリアでない説明のオンパレードになっているように見えます。

あれは理解できない方が正常だと思う。

(具体的には東京大学教養学部統計学教室編『統計学入門』を想定した批判)

タグ：統計

posted at 12:38:59

#統計メモ続き

最尤推定とモーメント推定の結果が大きく違う例として、統計学入門でよく紹介されている例として、確率モデルが区間[a,b]上の一様分布の場合がよく解説されています。

その場合の「違い」は、一様分布モデルの最尤推定と正規分布モデルによる最尤推定(モーメント法)の違いに等しい。

タグ：統計

posted at 12:35:22

#統計続き

未知の分布のサイズnのサンプルの標本平均と標本分散を求めることは、その平均と分散を持つ正規分布で未知の分布を最もよく近似するものを推定することと等価になっているわけです。

これを理解していれば、未知の分布が正規分布だと仮定しなくてよくなります。

タグ：統計

posted at 12:30:27

#統計続き

この一般的な結果を得るための適切な条件の設定は、大数の法則、中心極限定理、Taylorの定理のような基礎的な数学的道具の使い方をマスターしていれば、自力の試行錯誤で見つけることができる難易度だと思います。

タグ：統計

posted at 12:26:59

タグ：統計

posted at 12:23:12

#統計メモ続き

ところが、統計学入門の教科書には、ほぼ常に「母集団分布は正規分布になっていると仮定する」と書いてあってあきれる。

そのような解説が伝統的に維持されていること自体が大問題だと思います。

推定先の未知の法則が正規分布だと最初から仮定して良いわけがない。

タグ：統計

posted at 12:17:41

#統計メモ続き

そもそも、推定先の未知の分布は未知であるがゆえに、ほぼ常に「正規分布であると仮定してはいけない」と考えるべきなのです。だから、正規分布モデルを使った推定について考える場合には、推定先の分布が正規分布とは限らない場合を最初からきちんと考える必要があります。

タグ：統計

posted at 12:13:59

#統計メモ続き

推定先の未知の分布が正規分布からかけ離れている可能性がある場合に、正規分布モデルによる推定に意味がないと思い込んでいる人は、標本平均と標本分散を使うモーメント法の簡単な場合が正規分布モデルによる推定であることを認めることができなくなるだろう。

タグ：統計

posted at 12:13:58

#統計メモ: サンプルの標本平均と標本分散を求めることは正規分布モデルの最尤法と等価。

「統計学入門」では、モーメント法の簡単な場合として、標本平均と標本分散の値を用いたパラメータ推定の例が解説されているが、やっていることは本質的に

　正規分布モデルによる推定

です。続く

タグ：統計

posted at 12:13:56

@genkuroki ありがとうございます。教えていただいた方法で解決できました。困っていたのは、グリッドの領域数を（別の引数で）動的に変えられる書き方でした。push!する方法で解決できました（appendで試みていてエラーだしていました）。pred_poly_regの返り値は"プロットの仕方を記述するオブジェクト"です。 pic.twitter.com/mIMp4mTNxg

タグ：

posted at 12:07:50

@kankichi57301 @kankichi57301

巨大数大好きbot/ソードアート・オーデ @GoogologyBot

@miyuki_MathT @temmusu_n @eco_tetsu ましてや「指導書＆虎の巻を批判的に読め」なんて無理な注文で。　#超算数

タグ：超算数

posted at 11:49:30

有限日後に死ぬヒドラ pic.twitter.com/McpHYOnfqk

タグ：

posted at 11:26:33

質問者2 @shinchanchi

なるほど。
領収書をもらえるように支払うことが出来ない人を考慮すると請求書を国に回せば良いのでしょうか twitter.com/nishinoakihiro...

タグ：

posted at 10:23:11

名取宏（なとろむ） @NATROM

不正があったとか、結果が公表されないままだとか、そういう臨床試験が失敗だ。

タグ：

posted at 10:15:26

名取宏（なとろむ） @NATROM

カレトラ（抗HIV薬）の臨床試験。主要アウトカムで有意差は観察されず。残念な結果だけど臨床試験が失敗したわけではない。ネガティブな結果でもきちんと施行され、結果が公表された臨床試験は成功だと考える。 / htn.to/3wkYkZfNry

タグ：

posted at 10:14:54

一番最初にあんまりちゃんと調べないで
apt install jupyter

でインストールできる？ってとりあえずやってみたらえらいことに
youtu.be/juJNs-o1pqU?t=...

タグ：

posted at 09:59:23

#Jupyter #NBextensions
（apt removeの前にも一回pip3でインストールして、そっちはアンインストールしないでもう一回インストールしたのでそれが原因だったかも→「のあとpip3で入れ直してもできるようにならなかったので」）

タグ： Jupyter NBextensions

posted at 09:41:42

#Jupyter #NBextensions

apt remove --purge jupyter
apt autoremove

のあとpip3で入れ直してもできるようにならなかったのでTermuxをアンインストールして最初からやり直しました。（Termuxごと削除せずubuntu-in-termuxだけの削除でもよかったけど逆に時間がかかるので）

タグ： Jupyter NBextensions

posted at 09:37:15

新帯秀樹 Hideki Shintai @hs_heddy

#Jupyter #NBextensions JupyterをaptでインストールするとNBextensionsが使えなくなるようです
kazuhira-r.hatenablog.com/entry/2019/10/... （余談）
実際そうしていたので、NBextensionsをインストールしたのにcontribコマンドが入ってなかったりNbextensinsタブが見つからなかったりしました（今は普通に使えてる） twitter.com/genkuroki/stat... pic.twitter.com/xeKURoiXrn

タグ： Jupyter NBextensions

posted at 09:23:55

genkuroki /Calculus
#Julia言語

 github.com/genkuroki/Calc...

タグ： Julia言語

posted at 08:57:51

残り26件のツイートを見る

非公開

タグ：

posted at xx:xx:xx

＃超算数　以前から、「0で割ると答えは0」と教わったという証言がちらほら出ているが、こう多いと、そう教える教師は一定数いるのではないだろうか？ twitter.com/yousaien/statu...

タグ：超算数

posted at 04:51:13

Peter Deffebach @PeterDeffebach

Cool new feature added to `dplyr`, but #julialang DataFrames has had it for a while (ok, maybe not that long. but a month still counts)

Though R wins some points for succinctness, at the cost of awkward non-standard evaluation.

www.tidyverse.org/blog/2020/03/d... pic.twitter.com/v9m4jGoTVs

タグ： julialang

posted at 03:17:58

#Julia言語 Plots.jl で gr() バックエンドを使っていると、複数のプロットを複合させたときに legend の位置がずれて困ることがあるかもしれません。たぶん gr() バックエンドのバグです。

タグ： Julia言語

posted at 02:58:53

#Julia言語

PP = [plot(cos), plot(sin)]
P = plot(PP...; legend=false, size=(600, 200), layout=(1,2))

QQ = deepcopy(PP)
plot!(QQ[1], x -> cos(2x))
plot!(QQ[2], x -> sin(2x))
Q = plot(QQ...; legend=false, size=(600, 200), layout=(1,2))

plot(P, Q; size=(600, 400), layout=(2,1)) pic.twitter.com/rzNTwIP4i9

タグ： Julia言語

posted at 02:56:00

#Julia言語 Plots.jl での線の色のデフォルト値の配列は

pal = palette(:default)

で得られます。

plot(sin; label="sin", color=pal[10], size=(400, 250))

のように利用できます。 pic.twitter.com/oKJ7QrjNsZ

タグ： Julia言語

posted at 02:44:54

#Julia言語の Plots.jl の最大の欠点はドキュメントが不十分なことだと思います。ソースファイルを見ても構造が複雑で難しい。

たぶん、私が GitHub Gist に投稿している Plots.jl の大量の使用例は相当に有用な examples になっています。

タグ： Julia言語

posted at 02:39:48

#Julia言語

tan のような発散を含む函数のプロットでは、発散部分での値を NaN に変えてしまえば、その部分がプロットされなくなる。添付画像のプロットの左側が工夫しない場合で、右側がNaNを利用して工夫した場合です。 pic.twitter.com/92S8C4ve4v

タグ： Julia言語

posted at 02:36:13

@triwave33 #Julia言語

1つ目の領域に plot! で別のプロットを追加するだけで可能です。

tanのプロットは難しい。数分後にスレッドに例を追加します。

twitter.com/genkuroki/stat...

タグ： Julia言語

posted at 02:22:47

#Julia言語例

添付画像1～3は

nbviewer.jupyter.org/github/genkuro...

より。添付画像4は

nbviewer.jupyter.org/gist/genkuroki...

より。 pic.twitter.com/qT0BgxYjT4

タグ： Julia言語

posted at 02:17:00

Katsushi Kagaya @katzkagaya

権威が言っているから〈事後分布で測る確率が仮説の正しい確率でしかも直感的に分かりやすい〉という主張が間違いであると言いたい訳ではなく、やはりそうですよね、という話ではある。なぜおかしいかには上の記事にも説明はないですし。

タグ：

posted at 02:16:39

@genkuroki ありがとうございます。ちなみにこの方法だと、例えば一つ目の領域にもう一つプロットできますか？（たとえばtan)
5回pushして、領域が4つだとうまくいかないような気がします。（すみません、PC閉じたので自分で試せてません）

タグ：

posted at 02:09:33

#Julia言語以下は帰納的にいくらでも複雑なプロットの複合体を作れます。

「プロットの仕方を記述するオブジェクト」P の内容の変更には plot!(P, ～) を用いる。

P = plot(sin)
plot!(P, legend="sin")

は plot! 中の P を省略した

P = plot(sin)
plot!(legend="sin")

と等価になります。

タグ： Julia言語

posted at 02:08:28

#Julia言語 Plots.jl の plot文の返り値は「グラフの描き方を記述するオブジェクト」。

「グラフの描き方を記述するオブジェクト」達をplot文の引数として与えて、layoutを指定すると、その結果は「layout通りのプロットの仕方を記述するオブジェクト」が返り値になります。

タグ： Julia言語

posted at 02:05:11

#Julia言語 1つ前のツイートのコードは

P1 = plot(cos)
P2 = plot(sin)
P3 = plot(cosh)
P4 = plot(sinh)
plot(P1, P2, P3, P4; legend=false, size=(600, 400), layout=(2,2))

と同等です。

タグ： Julia言語

posted at 02:02:15

#Julia言語何ができなくて困っているのかを理解できなかったのですが、

using Plots
PP = []
push!(PP, plot(cos))
push!(PP, plot(sin))
push!(PP, plot(cosh))
push!(PP, plot(sinh))
plot(PP...; legend=false, size=(600, 400), layout=(2,2))

とかでダメなのかな？

twitter.com/triwave33/stat... pic.twitter.com/LSfUeXIlhV

タグ： Julia言語

posted at 02:02:15

1行4列の間違い

タグ：

posted at 01:37:15

@Layout ということで不便だなぁと思っている。（いい方法があれば教えて欲しい）

タグ：

posted at 01:33:51

@Layout ただし、この場合a=... b=...とか、明示的に書かなきゃいけない。パラメータを振った結果を各サブプロットに書きたいことが多いのに
layout = [a b c d]
for (p, l) in zip(p_arr, layout)
l = plot(x,y,p)
end
とか書いても、サブプロット領域に値を渡してくれない

タグ：

posted at 01:33:22

非公開

タグ：

posted at xx:xx:xx

二つ目の方法は、サブプロットの領域に変数名を付ける
@layout [a b; c d]
こんな風にすると2行2列の領域を指定できる。
a = plot(x, y)
みたいに書けば、各領域（変数）に書きたいデータを渡せる。もちろん複数プロットに対応もできるし、各サブプロットに違うx軸の値を渡せる

タグ：

posted at 01:30:26

その場合はプロットしたいデータをまとめて渡す（Nx4列のデータとして全てのサブプロットデータを一気に渡す）。この場合、一つのサブプロットに複数のデータを渡せない。また、x軸の値を指定できない（少なくとも公式にはそのやりかたが書いていない）

タグ：

posted at 01:28:24

JuliaのPlotsの話。公式を解釈した結果レイアウトの方法は2つある。
docs.juliaplots.org/latest/layouts/
一つ目はサブプロットのグリッドを数値で書くgrid(1,4)とかにすると1行2列のサブプロット。この場合、各サブプロットを指定できない（pythonの場合のax[0][1]みたいにはできない）

タグ：

posted at 01:26:36

とりあえずplotした（納得いってない）ベイズ多項式回帰の予測分布 pic.twitter.com/G07RVMY1Cr

タグ：

posted at 01:20:04

高梨陣平 @jingbay

Wikipediaを運用するWikimediaはフロントエンドの改訂を予定。技術選定を終えVue.jsの採用を決定。候補はReactとVueに絞られたがVのほうが財団の目的にはより利点が多いと判断。WebpackやBabelのサポートに優れ依存が少なく安定して発展。ReactはFB製であること、過去のライセンス問題が懸念された。 twitter.com/TheRegister/st...

タグ：

posted at 01:00:43