Twitter APIの仕様変更のため、「いいね」の新規取得を終了いたしました

黒木玄 Gen Kuroki

@genkuroki

  • 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。
Favolog ホーム » @genkuroki » 2022年07月01日
並び順 : 新→古 | 古→新

2022年07月01日(金)

手を洗う救急医Taka @mph_for_doctors

22年7月1日

こんな主張の候補者を公認する立憲民主党はどうかしてる。

流石に無理。

バカにしすぎ。 twitter.com/hatatomo21/sta...

タグ:

posted at 08:27:27

手を洗う救急医Taka @mph_for_doctors

22年7月1日

個人的にお世話になった人もたくさんいるのであまりこういうことを言いたくはないが、ちょっと我慢の限界を超えました。

現在進行系で妨害してくるとかれいわ新選組よりひどい。

タグ:

posted at 08:32:07

Erik Engheim @erikengheim

22年7月1日

I would upvote this a 100 times. I absolutely loved #dutch city planning when I lived there and how it enabled both young and old people to experience the city and do activities in a simple and safe manner while keeping yourself fit.

#urbanplanning #netherlands #biking twitter.com/QAGreenways/st...

タグ: biking dutch netherlands urbanplanning

posted at 08:36:28

質問者2 @shinchanchi

22年7月1日

ペイアズユーゴー原則は、経済成長しないことを前提にした考え方。
「企業業績の回復」などで、税収弾性値が高くなっていそう。(Zの仲間たちは、1.1とか良く言いますが)

国の税収が過去最高、21年度は67兆円程度 法人税伸びる: 日本経済新聞 www.nikkei.com/article/DGXZQO...

タグ:

posted at 08:36:28

黒木玄 Gen Kuroki @genkuroki

22年7月1日

個人的な意見では、科学的な考え方をできる人であっても反ワクチン候補を擁立している党の候補に投票するようなことがあってもよいと思います。

ただし、そういう投票行動が原因で「反ワクチンはよろしくない」という意見を弱めるようになるのは非常にまずい。

人間は弱いのでそうなりがち。

タグ:

posted at 10:11:19

黒木玄 Gen Kuroki @genkuroki

22年7月1日

過去の投票に失敗していたことが判明したら、「あれは酷かった。あの候補は思っていたよりクズだった」という「感想戦」を堂々と行ってよいと思う。

失敗を失敗でなかったことにするのは非常にまずい。

タグ:

posted at 10:14:22

黒木玄 Gen Kuroki @genkuroki

22年7月1日

候補本人だけではなく、周囲の人間関係も見ておかないと、投票した候補が当選してしまった後に後悔するだろう。

こういう話をすると、宮城県民的には石垣のりこ議員の件が思い出される。石垣氏が誰を秘書に選んだかについて、「ひどい」と感じて、投票したことを後悔している人は多いと思いたい。

タグ:

posted at 10:29:14

黒木玄 Gen Kuroki @genkuroki

22年7月1日

選挙運動時には人格的に妙な攻撃のされ方をしていても、相当に真っ当な人である場合も多いと思う。

タグ:

posted at 10:30:56

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 「ベイズの定理」が出て来たら「ベイズ統計」の話になっていると考えるには__誤り__です。(条件付き確率の概念を理解して入れば、ベイズの定理はベイズ統計でも不要)

ベイズの定理に特別な価値があると教えている大学の先生達は少なくともその点においては考えが足りない人達に過ぎません。

タグ: 統計

posted at 10:59:10

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 確率論におけるベイズの定理は条件付き確率の定義からただちに得られる自明でつまらない(所謂trivialな)結果なので、覚える必要はありません。

タグ: 統計

posted at 11:14:01

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 さらに、ベイズの定理を結果から原因を推論するための定理だとする説明もミスリーディングです。

そういう説明の動画を見つけたら通報して下さい!(笑)

ベイズの定理は原因や結果といったこととは無関係に成立しているtrivialな結果に過ぎません。

タグ: 統計

posted at 11:14:02

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 最初に条件付けのない同時確率P(x,y)を記述し切るという素朴で地道な方法が良いと思います。

yで条件づけられた条件付き確率P(x|y)の定義は、式で書くと

P(x,y)=P(y|x)P(x), Σ_x P(x)=1, Σ_y P(x|y)=1

です。このとき、x,yの立場を交換すると、自明に

P(x,y)=P(y|x)P(x)=P(x|y)P(y).

タグ: 統計

posted at 11:14:02

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 1つ上のツイートで「自明に」と述べた部分が本質的にBayesの定理です。条件付き確率を理解していれば覚える価値がないことは明らかです。

タグ: 統計

posted at 11:14:03

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 偽陽性、偽陰性の問題を扱う場合にも、Bayesの定理を使ったりせずに、同時確率

P(x,y) (x=罹患の有無、y=検査が陽性か陰性か)

の2×2の表を作って、素朴かつ地道にやった方が注意不足による誤りも少なく、試験でも有利になると思われます。

タグ: 統計

posted at 11:14:04

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 偽陽性、偽陰性の問題とは全然違う話であるベイズ統計を扱う場合にも、パラメータθの事前分布p(θ)とパラメータθを持つy=(y_1,…,y_n)の確率分布p(y|θ)で、モデル内同時確率分布が

p(y,θ)=p(y|θ)p(θ)

と定義されていることから出発して、条件付き確率分布の概念を適用した方が分かり易いです。

タグ: 統計

posted at 11:19:36

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 確率の取り扱いでは、いきなり条件付き確率分布を考えることは勘違いを招き易い悪手で、制限付きの条件付き確率分布を考える前の同時確率分布全体を正確に記述した方が良い場合が多いです。

ベイズの定理に特別な価値があることにしている高等教育機関の先生達は社会的に負の貢献をしている。

タグ: 統計

posted at 11:23:46

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 個人的な意見では、このスレッドの文脈で、最も負の貢献が大きいのは、医学部の学生に、偽陽性・偽陰性の確率の問題でベイズの定理を使用することを「ベイズ統計」だといつわって勧めている先生達です。

小学校5年生レベルの割合の簡単な問題について「ベイズ推定」だと言い張る愚かな人達。

タグ: 統計

posted at 11:29:53

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 病気の有無と検査の陽性陰性で2×2の確率の表(4つの値の和が1)を作ってしまえば簡単。

全体の人数を仮に1万人とかにして、1万人を2×2の表に分割する方法ならば、多くの人にとって分かりやすく、小学生でも理解できるでしょう。

ベイズの定理とやらを持ち出すのはミスリーディングです。

タグ: 統計

posted at 11:34:43

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 おそらく、trivialなベイズの定理を持ち出してしまう人達のモチベーションは、偽陽性や偽陰性が生じる仕組みの理解を深めることではなく、「逆確率」だとか「結果から原因を推測する」というようなかっこよさげに響くことを言うことなのでしょう。

こういうのは極めて印象が悪いです。

タグ: 統計

posted at 11:38:59

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 私は定期的に「ベイズの定理」について検索しているのですが、本当は無用なベイズの定理が分からなくて悲鳴をあげている人達や、ベイズの定理には特別な価値があるとミスリーディングされているのに理解が深まったと誤解している人達が継続的に見つかります。

相当にひどいことになっている。

タグ: 統計

posted at 11:42:17

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 ベイズの定理については、ひとまずベイズの定理云々は忘れて、確率の2×2への分割表(4つの数値に総和は1)を作ったり、仮に全体の人数を1万人とかにして2×2の分割表に割り振ったりして、条件付き確率の概念(部分に制限した場合の割合の概念)に戻ってじっくり考えた方がよいと思います。

タグ: 統計

posted at 11:45:48

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 条件付き確率分布についてシンプルで直観的な理解を得るためには、「ベイズの定理」「逆確率」「結果から原因を推測」などなどはノイズに過ぎず、忘れてしまった方がよいです。

多くの立派な人達が価値があると語っていても、実際にはそうではないこともあると学ぶ良い機会でもあると思います。

タグ: 統計

posted at 11:49:07

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 個人的な意見では、自分に見えている情報が変化して行く確率がらみのゲームを確率を計算しながら真剣にやって勝つ経験は、条件付き確率分布の概念を直観的に使えるようになるために非常に役に立つと思います。

統計教育用の良いゲームがあればよいと思う。

タグ: 統計

posted at 11:52:44

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 モンティ・ホール問題のゲームにおいても、確率がらみのゲームをやり慣れている人であれば、

 最初に選んだドアが当たり(確率は1/3)でなければ
 ドアを変えれば当たりになる(確率は2/3)

のように考えて、ノータイムでドアを変えることができるでしょう。

タグ: 統計

posted at 11:58:54

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 以前、モンティ・ホール問題のゲームを試しにうちでやってみたことがあるのですが、必ずドアを変えることにしたのに、最初の40回位は勝率が5割程度になり、確率的な揺らぎの面白さを実感することができました。100回くらいやったら勝率は「6割くらいかな?」という感じになった。

タグ: 統計

posted at 12:05:34

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 コンピュータでシミュレーションも面白いのですが、実際にやってみても新たな発見があります。

ギャンブルをやっているときの人間の不合理な感情の動きも知ることができる。

タグ: 統計

posted at 12:05:34

ながぴい @Nagapiii

22年7月1日

かけ算の順序強制問題もそうだけど、日本の学校は生徒に害のあるルールを押し付けすぎ。 twitter.com/ivizafromyou24...

タグ:

posted at 12:36:54

川端裕人 『ドードー鳥と孤独鳥』(国書刊 @Rsider

22年7月1日

これ色覚補助メガネではなくて、遠視性の弱視用のメガネではないですかね。透明だし、凸レンズの度が入ってるし。ほんと、色覚補助メガネをかけて、即座に感動!みたいな動画には閉口させられますが、これは単に間違いではないかと。 twitter.com/tyomateee/stat...

タグ:

posted at 16:36:28

川端裕人 『ドードー鳥と孤独鳥』(国書刊 @Rsider

22年7月1日

しかし引用RTとか確認すると、感動の嵐だなあ。なんかorz...(古い!)的な気分。

タグ:

posted at 16:41:04

川端裕人 『ドードー鳥と孤独鳥』(国書刊 @Rsider

22年7月1日

なお、この年令の小さい子の色覚検査は、臨床的には行われていません。視覚の発達の研究などでは、様々な手立てがありますが。

タグ:

posted at 16:59:18

TaKu @takusansu

22年7月1日

#超算数 引き算の式を書くのを強要しているであろう授業。
nieru.net/TaKu/11/7

タグ: 超算数

posted at 17:16:03

上松 正和 @Uematsu1987

22年7月1日

メタトロンは全く根拠のない医療機器です。販売会社は「全身の生体磁場エネルギー情報を読み取り、心身のバランス状態を客観的にアセスメント(評価)。」と記述してますが、ヘッドホンを被るだけでなぜそのようなことができるのか物理的説明は皆無です。この機器を標榜しているクリニックには注意です。 twitter.com/kurodoraneko15...

タグ:

posted at 17:52:41

Baatarism/ちゃんぷるー @baatarism

22年7月1日

「ラーメン二郎」へ“表敬訪問”したジョージア駐日大使に話を聞いた 「次回は『ニンニク ヤサイ マシマシ、ブタ抜き、アブラ多め』を頼みたい」 nlab.itmedia.co.jp/nl/articles/22...

タグ:

posted at 19:09:14

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 モデル内でのパラメータθと仮想的データy=(y_1,…,y_n)の同時確率分布が

p(y,θ)=p(y|θ)p(θ)

で定義されていることは、モデル内では、

①まずパラメータθが分布p(θ)に従ってランダムに決まり、

②そのθで決まる分布p(y|θ)に従って仮想的なデータyがランダムに生成される

ことを意味する。 twitter.com/genkuroki/stat...

タグ: 統計

posted at 19:51:25

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 統計モデル内で何がどのようにランダムに生成されているかについて何の直観もなしに、trivialなベイズの定理を機械的に適用したって理解が進むわけがない。

モデル内同時確率分布を理解していれば、条件付き確率分布の概念の直接的かつ直観的な適用で用が足りる。

本当にベイズの定理は無用。

タグ: 統計

posted at 19:54:37

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 パラメータθと仮想的なデータyのモデル内同時確率分布p(y,θ)=p(y|θ)p(θ)だけを考えても現実との接点は皆無。

現実で取得したデータの数値y (←この記号を複数の意味で使うので注意)を、パラメータθと仮想的なデータyのモデル内同時確率分布の世界に、どのように反映させるとよさそうか?続く

タグ: 統計

posted at 19:59:57

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 1つの考え方は、現実で得たデータの数値yと同じ数値が、モデル内同時確率分布p(y,θ)で生成されたという条件で、モデル内同時確率分布の条件付き確率分布を作ること。

条件付き確率分の定義から

p(y,θ)=p(y|θ)p(θ)=p(θ|y)p(y)

なので

p(θ|y)=p(y|θ)p(θ)/p(y)

ここで

p(y)=∫p(y|θ)p(θ)dθ.

タグ: 統計

posted at 20:04:52

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計

「p(θ|y)=p(y|θ)p(θ)/p(y) ここで p(y)=∫p(y|θ)p(θ)dθ」が条件付き確率分布の定義から直接かつ自明に得られたのですが、なぜかこれをわざわざ「ベイズの定理」とみんな呼びたがる。

自明なことしかやっていないので、わざわざ人の名前を引用する必要はないように思えます。

タグ: 統計

posted at 20:07:54

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 同時確率分布と条件付き確率分布の概念を、確率に関する2×2の分割表やその他のシンプルな例で、理解している人ならば、同時分布p(y,θ)=p(y|θ)p(θ)がモデルとして与えられたときに、モデル内でyをデータの数値と同じ値に固定して得られる条件付き確率分布p(θ|y)も直観的に理解できるはずです。

タグ: 統計

posted at 20:11:40

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 ベイズ統計の第一の使い方は、パラメータに関する条件付き確率分布p(θ|y)を、統計モデルとデータの数値の整合性(適合性)の指標として使おうということです。

p(θ|y)の値が大きなθほど、その統計モデルを前提としたとき、データの数値と相性がよいとみなすわけです。

タグ: 統計

posted at 20:15:21

Masato Ida, PhD @miakiza20100906

22年7月1日

@blanc0981 @styh131582 宮澤さんには先ず、論文の中身をちゃんと読む癖をつけてほしいですね。特に、論文に書かれていない結論を自身で付け加えるのは、慎重に中身を読んでからにしてください。
それから、信頼区間などの読み方と使い方が理解できていないようなので、勉強してください。

タグ:

posted at 20:17:08

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 y=(y_1,…,y_n)のモデル内分布p(y|θ)が

p(y|θ)=p(y_1|θ)…p(y_n|θ)

の形をしているならば、y_iをもう1つ増やして、

p(y, y_{n+1}, θ)=p(y|θ)p(y_{n+1}|θ)p(θ)

に統計モデル内同時確率分布を拡張できます。(より一般にy_iの個数はもっと増やせる。)続く

タグ: 統計

posted at 20:20:54

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 この拡張されたモデル内同時分布で、yを現実から得たデータの数値に固定して得られる条件付き確率分布を求めるとこうなる。

p(y_{n+1},θ|y)=p(y|θ)p(y_{n+1}|θ)p(θ)/p(y),

ここで

p(y)
=∬p(y|θ)p(y_{n+1}|θ)p(θ)dy_{n+1}dθ
=∫p(y|θ)p(θ)dθ

p(y)は上で出て来たやつと同じになる。

続く

タグ: 統計

posted at 20:25:55

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 ゆえに、上の方で出て来たp(θ|y)を使って

p(y_{n+1},θ|y)=p(y_{n+1}|θ)p(θ|y)

と書ける。

データの数値で条件付けられたモデル内条件付き確率分布を定義通りに計算しているだけのシンプルな議論でしかないことに注意!

何も難しいことはない。

タグ: 統計

posted at 20:29:10

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 そのモデル内条件付き確率分布におけるy_{n+1}単独の(周辺)分布は

p(y_{n+1}|y) = ∫p(y_{n+1}|θ)p(θ|y)dθ

と書ける。これは何か?

これは、モデル内でデータと同じn個の数値が生成された後のn+1個目のデータの数値の確率分布です!

続く

タグ: 統計

posted at 20:32:30

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 数学的フィクションでしかないモデル内であっても、現実で得た数値と最初のn個のy_iの値が一致する場合にモデル内確率分布を制限してやれば、n+1個目のy_{n+1}の分布は、現実のデータを生成した未知の分布が次に生成する直の分布を近似していると少しは期待して良さそうな感じがして来ます。続く

タグ: 統計

posted at 20:36:10

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 そういう根拠が不十分な期待の元でp(y_{n+1}|y)という分布を使うとき、それを「予測分布」と呼びます。

言い忘れていましたが(忘れていいので言及しなかった)、p(θ)はよく事前分布とよばれ、p(θ|y)はデータの数値yによって定まる事後分布と呼ばれています。

続く

タグ: 統計

posted at 20:39:14

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 そういう各種の非本質的な用語を知らなくても、「データと同じ数値がモデル内で生成されたという条件で条件付き確率分布を構成する」というシンプルな考え方__だけ__で、事後分布や予測分布のような重要な概念が自然に出て来たことに注目して欲しいです。

ベイズの定理は本当に無用なのです。

タグ: 統計

posted at 20:41:41

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 以上の議論では、予測分布が予測分布の名にどのようにどこまで値するかが全く不鮮明。

そこを明瞭にするには、渡辺澄夫『ベイズ統計の理論と方法』を読むとよいです。

合理的な考え方をできる多くの人が『ベイズ統計の理論と方法』を読むことを勧める理由は以上を読めば明らかだと思います。

タグ: 統計

posted at 20:45:23

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 以上では、n個のy_iをn+1個に増やして、増やした分から予測分布が得られるという解釈で説明しましたが、本当は解釈を1つに固定するべきではありません。続く

タグ: 統計

posted at 20:52:40

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 モデル内のy_iの個数はn個のままだが、現実から得られるはずのn個の数値が全部得られなかった場合の、欠測値のモデル内分布を上の方で説明した予測分布と完全に同じ方法で作れます。

タグ: 統計

posted at 20:55:54

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 モデル内欠測値分布が何らか意味で現実にも役に立つならば、得られたデータの数値からモデル内条件付き確率分布を作る方法は、欠測値の問題への対処にも使えることになります。

別の言葉で言うと、ベイズ統計は欠測値問題にも使える。

タグ: 統計

posted at 20:58:11

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 統計モデル内に、データの数値を持ち込んで、モデル内条件付き確率分布を作るというシンプルな方法はさまざまな使い道があります。

その柔軟さと多彩さと数学的な性質の良さが、ベイズ統計的な技術を普及させたのです。

ベイズ統計周辺の主義思想イデオロギーは全然役に立ちませんでした。

タグ: 統計

posted at 21:00:57

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 ベイズ統計周辺にある役に立たない主義思想イデオロギーと、trivialでつまらないベイズの定理を「逆確率」「結果から原因を推測」のような言葉を使って特別な価値があるものだとみなすことは、リンクしているようにも見え、広く普及してしまっています。

この「普及」は今更どうにもならない。

タグ: 統計

posted at 21:04:41

積分定数 @sekibunnteisuu

22年7月1日

@takusansu #超算数
「答えは分かるが定式化できない」って、超算数を象徴するコメントですね。

「求差は難しい」の中身はおそらくこれ。

「答えは分かるが引き算の式にはできない」

さらにおそらく「引き算で答えは出ることが分かるが、引き算の式にしていいのかどうか不安」なんだと思う。

タグ: 超算数

posted at 21:21:15

積分定数 @sekibunnteisuu

22年7月1日

@takusansu #超算数
で、その原因はおそらく「引き算の意味はのこり」としつこく教え込んだから。

マッチポンプだよね。

タグ: 超算数

posted at 21:22:11

黒木玄 Gen Kuroki @genkuroki

22年7月1日

以下のリンク先の非常にもっともなアドバイスを見て、ブロックされていることに気付いた。😝 twitter.com/miakiza2010090... pic.twitter.com/iPeI36miJ1

タグ:

posted at 21:23:08

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 不合理な思考法に陥るとどこまでもおかしくなってしまう感じで、自明でつまらないベイズの定理の説明のために「ベイズの肖像画であることは疑わしい(おそらくベイズの肖像画ではない)」と言われている肖像画を引用する行為が横行しまくっている。
ja.wikipedia.org/wiki/%E3%83%88... pic.twitter.com/SU8xZ14qMs

タグ: 統計

posted at 21:47:36

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 重要な概念の理解のために肖像画は無用のはずなのに、わざわざ疑わしいことで有名な肖像画を引用する行為の裏には、十分に練られた考え方を説明することよりも、「ベイズ」の名を出すことの方が重要だと感じる非科学的な権威主義が隠れているのだと思う。

タグ: 統計

posted at 21:50:35

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 普通にシンプルに常識的に考えれば、相当におかしなことを言っていてかつおかしな引用の仕方をしているのに、「昔からみんなやっている」という歴史の力によって、堂々と馬鹿なことをやっても、みんなに馬鹿にされずに済んでいる感じ。

タグ: 統計

posted at 21:54:45

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 教育用のデータセットのありか

Anscombeの例は #Julia言語 ではRDatasets.jlの中にある。

en.wikipedia.org/wiki/Anscombe%... pic.twitter.com/gB9kjSuIcK

タグ: Julia言語 統計

posted at 22:38:18

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 教育用のデータセットのありか

Datasaurusの例は #R言語 では atasauRusパッケージの中のdatasaurus_dozenに入っている。 pic.twitter.com/BHyBJY5G7Y

タグ: R言語 統計

posted at 22:38:19

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 Anscombeの例

en.wikipedia.org/wiki/Anscombe%...

でもDatasaurusの例

www.autodesk.com/research/publi...

でも、標本平均、不偏分散、不偏共分散がすべてほぼ同じ値になっています。だから、回帰直線もほぼ同じになっている。

github.com/genkuroki/publ... pic.twitter.com/JHuxsUnAm7

タグ: 統計

posted at 22:43:34

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#統計 データ(x_i, y_i)について、2つの平均、2つの分散、1つの共分散の5つは、2変量正規分布モデルの尤度函数を決定する量になっています(所謂十分統計量)。

データの数値の2変量正規分布の尤度函数への変換は、以下のように「見ればわかる」データの様子の情報を削除してしまいます。 pic.twitter.com/a6xYb07vsE

タグ: 統計

posted at 22:49:50

黒木玄 Gen Kuroki @genkuroki

22年7月1日

#Julia言語

JuliaからRのdatasauRusパッケージに入っているデータセットを取得するには、

using RCall
datasaurus = rcopy(R"datasauRus::datasaurus_dozen")

とするだけでよいです。

これを知っていると、統計に強いRの世界にあるデータセットをJuliaでも自由に使える。

タグ: Julia言語

posted at 23:00:48

@genkurokiホーム
スポンサーリンク
▲ページの先頭に戻る
ツイート  タグ  ユーザー

User

» More...

Tag

» More...

Recent

Archive

» More...

タグの編集

掛算 統計 超算数 Julia言語 数楽 JuliaLang 十分 と教 モルグリコ 掛け算

※タグはスペースで区切ってください

送信中

送信に失敗しました

タグを編集しました