黒木玄 Gen Kuroki(@genkuroki)/2018年03月/Page 14

ラリー・ニーブン「リングワールド」のテレビドラマ化をアマゾンが計画中ですとぉぉぉっ？！！！
wired.jp/2017/12/04/str...

タグ：

posted at 00:07:43

藤田和日郎 @Ufujitakazuhiro

「からくりサーカス」が、アニメになりますよ！

おかげさまでございます！
おかげさまでございます！ pic.twitter.com/Kmfm7hIFRQ

タグ：

posted at 00:30:05

matheca @paulerdosh

S (ﾂｲｰﾄはｽﾚｯﾄﾞ全体をご確認く @esumii

何かのネタに使お♪ twitter.com/tmaehara/statu...

タグ：

posted at 00:31:48

ここで特に意味はありませんが√2の近似値を計算した古代バビロニアの粘土板をご覧ください。en.wikipedia.org/wiki/Babylonia...

タグ：

posted at 00:38:43

アヲギリ @Aogiri_m2d

Pythonは，気楽に書けるようになる前に投げ出してしまったのだけど，Juliaは慣れないうちでもさくさく書けるので楽しい（上手い書き方がわからなくても，とりあえず，forループぶん回すでもなんとかなるので）

タグ：

posted at 00:58:03

非公開

タグ：

posted at xx:xx:xx

kohske @kohske

Müller-Lyer Wave. The blue lines are always the same length, they appear to be waving though. Dynamic MLが流行ってたので便乗。 www.giannisarcone.com/Muller_lyer_il... pic.twitter.com/CKwOsYgqgp

タグ：

posted at 01:53:04

kohske @kohske

gist gist.github.com/kohske/d001fce...

タグ：

posted at 01:55:03

#統計サンプルサイズn=8(非常に小さい！)の場合のWAICなどをたくさんのサンプルについて計算する数値実験に関する

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

の解説をします。

タグ：統計

posted at 02:04:41

#統計モデルの名前のリスト

mixnormal(a,b,c) 分散1平均bの正規分布と分散1平均cの正規分布の混合モデル(aは後者の割合)

normal1(μ) 分散1平均μの正規分布

normal(μ,σ) 分散σ^2平均μの正規分布

normal(0,1) 真の分布(標準正規分布)

注意：mixnormalは特異モデルになっている。

タグ：統計

posted at 02:04:43

#統計真の分布でサイズn=8のサンプルを千個生成して、各々のサンプルについて3つのモデルのWAICなどを計算してモデル選択を行うとどうなるか？

タグ：統計

posted at 02:04:43

#統計添付画像は、真の分布をカンニングしてそれぞれのモデルの汎化誤差GLを計算して、汎化誤差の小さなモデルを選択するとどうなるか。

どの組み合わせでも、真の分布により近いモデルが選択される確率の方が高い。 pic.twitter.com/4dkkzfJu5q

タグ：統計

posted at 02:04:46

#統計驚くべきなのはmixnormalモデルの強さ。真の分布は標準正規分布で、normal1は分散を1に固定した正規分布モデルで真の分布に肉薄している。それなのに、mixnormalモデルによる予測分布の方が3回に1回は汎化誤差(予測誤差)が小さくなる！

タグ：統計

posted at 02:04:47

#統計添付画像はWAICによる選択

全体の傾向は汎化誤差による選択と似ています。 pic.twitter.com/ihInkinjkQ

タグ：統計

posted at 02:04:49

#統計 WAICによるモデル選択は、真の分布をカンニングしないと不可能な汎化誤差による選択と一致して欲しい。おそらく特異モデルであるmixnormalモデルが強過ぎるせいで、normal1とmixnormalの比較による選択ではあまりうまく行っていないが、他では非常にうまく行っているように見える。 pic.twitter.com/mGQyia8XKT

タグ：統計

posted at 02:04:52

#統計添付画像は、誤差が大きな方法を採用して少し失敗しているのですが、WBICと自由エネルギー(対数周辺尤度の-2倍)によるモデル選択です。

正しいモデル選択は

* mixnormalより、normal1を選ぶ
* normalより、normal1を選ぶ

です。n=8なのに結構高い確率でそれが実現できています。 pic.twitter.com/h1W4RmW5Je

タグ：統計

posted at 02:04:55

#統計 normal1(=分散を1に固定した正規分布モデル)が、真の分布である標準正規分布に最も近いモデルなので、モデル選択で選ばれる確率が最も高いのですが、分散1の2つ山の混合正規分布モデルは、3パラメーターであるにも関わらず、モデル選択で相当に強い。強い理由は特異モデルだからと思われます。

タグ：統計

posted at 02:04:56

#統計一般に相対的にパラメーター数が多いモデルは相対的にサンプルサイズを大きくしないと推定誤差が小さくなりません。mixnormalモデルはパラメーター数が3で3つのモデルの中で最大。それにもかかわらず、モデル選択で選択される確率が高めになるのは特異モデルだからでしょう。

タグ：統計

posted at 02:04:57

#統計特異モデルでは同じパラメーター数を持つ正則モデルよりも相対的に小さなサンプルサイズで推定の誤差が小さくなるのだ。

サンプルサイズn=8でもその様子が見えているのは結構面白いです。

タグ：統計

posted at 02:04:58

#統計こんな感じでn=8のような非常に小さなサンプルサイズであっても、n→∞での漸近論を基礎とする情報量規準であるWAIC(実はLOOCVも)やWBICや自由エネルギー(対数周辺尤度)は十分に役に立ちます。

正しい数値実験の結果を見ればわかるように、正しい選択に確率的に失敗する。

タグ：統計

posted at 02:04:58

#統計しかし、サンプルサイズがn=8でしかないので「6割～8割程度の確率でこちらのモデルの方が真の分布に近そうだ」のようなことをきちんと根拠を提示して言えるなら御の字だと思います。

このように漸近論はn=8でも使える場合がある。

タグ：統計

posted at 02:04:59

#統計数値実験するときには、まずテストとして、小サンプルサイズの場合を試します。大きなサンプルサイズでは計算時間が長くなってしまうので。結果的に n→∞ での漸近論も小サンプルサイズで結構使えそうなことに自然に気付くことになります。

タグ：統計

posted at 02:04:59

#統計私はモデル選択について何も触れていないベイズ統計の教科書は非常にもったいないことをしていると感じています。

モデル選択の方法を知らないと、客観的な方法ではなく、山勘の主観で「こちらがよい」などと判断しがちになると思う。

タグ：統計

posted at 02:05:00

#統計赤池弘次さんは

(A1) 「頻度論vs.ベイズ主義」という対立図式を否定した
(A2) 情報量規準でモデル選択する方法を作った

のですが、なぜか

(B1) 「頻度論vs.ベイズ主義」でベイズ統計について説明しようとする
(B2) モデル選択の話には触れないようにする

というタイプの解説が！

タグ：統計

posted at 02:19:41

系外惑星・恒星bot @taiyou_keigai

#統計日本語圏の住人であれば、インターネット上で公開されている赤池さんの論説を簡単に読めるのに、赤池さんと正反対の立場でベイズ統計について解説しようとする人がたくさん出て来るのは非常に不思議なことだと思う。

タグ：統計

posted at 02:19:42

【ポラリス（北極星）】
天の北極近くにあり、432光年。三重連星で、黄色輝巨星でケフェイド変光星でもあるポラリスAと、薄黄色の主系列星であるBとが約2700天文単位離れて回り合う実視連星であり、Aには距離の近い伴星Abもある。pic.twitter.com/yMCKq8PeUp

タグ：

posted at 02:31:18

＃超算数　　「くもわ」論争が盛り上がっているけど、小学校だけではなく、中学でも汚染が浸透しているみたいだ。
「はじき（きはじ）」「みはじ」というバージョンもある。

タグ：超算数

posted at 02:54:42

ひめのじ (旧 : 寿桜) @s_s_himenoji

＃超算数　　トライのサイトにも「はじき」が出てくる。

www.try-it.jp/chapters-395/s...

タグ：超算数

posted at 03:00:33

ひめのじ (旧 : 寿桜) @s_s_himenoji

な…何を言っているかわからねえかもしれねえが…

いにしえの腐女子だった時…コミケにうしとらのスペースはあまりなく…
長身の男性が「全部ください」って同人誌を買ってくださって

「あの、もしやあなたさまは、藤田和日郎先生では」
「あっ、…の、コスプレということにしてください」

タグ：

posted at 03:01:14

ひめのじ (旧 : 寿桜) @s_s_himenoji

と、仰って、
背後のお連れの男性陣の皆様が爆笑したんですよね。
あの時期だと、安西先生や雷句先生もいらっしゃいましたよね。何せ巻末の似顔絵にそっくりで。

そして自称「藤田和日郎のコスプレの人」は、サインをお願いすると当スペース内の椅子でスケブに潮を描いて下さいました…眉毛から…

タグ：

posted at 03:06:06

お…俺にも何が起きたかよくわからなかった…
そんなことが2年、あったんだ…

神の筆遣いの片鱗を味わったぜ…

その後、実は「うしおととら」は舞台化もあって
私は通算3回、先生とお話する機会に恵まれたとですよ…
まさにGS美神に登場する唐巣神父そのままのようなお方でした…(涙)

タグ：

posted at 03:13:35

マンチョフ @mannchofu

@CHARTMANq 逆に数式で表せないたけのこの里の方が高尚な食べ物であり、きのこよりも優れているのではないでしょうか

タグ：

posted at 03:15:12

CHARTMAN @CHARTMANq

@chofu_3410 私に数式化できない立体はありません．(勿論，たけのこもこの限りでない)

きのこへの忠誠心を示すためにきのこを数式化したに過ぎないのです．

タグ：

posted at 03:29:52

マンチョフ @mannchofu

@CHARTMANq きのこは数学的観点から見ても美しい立体だと思います、ポリゴン化された立体モデルは素晴らしかったです
しかしながら統計学的観点から見ればたけのこの里の方が売り上げも勝っておりやはりたけのこの方が優れているのは言うまでもないですね

タグ：

posted at 03:39:02

@kuri_kurita

勉強というのを、この世界について学ぶ事ではなくて、「検定教科書というルール・ブックに基づくクイズ大会で点を取ること」ぐらいにしか思ってなさそうなのが珍しくないし。

タグ：

posted at 06:03:55

yoshitake-h @yoshitakeh

きはじ・くもわ図は、『AとBの積はA, Bより大きい』という、自然数の掛算のときの量的感覚に基づくデザインになっている。#掛算

タグ：掛算

posted at 06:19:37

yoshitake-h @yoshitakeh

速さの意味がわかっている子にきはじ図は不要。きはじ図のグロテスクさは『速さの意味がわかっていないままでいいからとにかく正解を出させる』ところにある。 #掛算

タグ：掛算

posted at 06:36:22

yoshitake-h @yoshitakeh

くもわ図ときはじ図を比べると、割合に対応するのは速さなのに、掛算の順序のせいなのかこれらは異なる位置に配置されている。 #掛算

タグ：掛算

posted at 06:42:13

大きな声では言えないが（でも普通の字でｔｗするが）、大学生でも口頭試問で「○○・・ですかね？（チラっ）」と「順番に言えばそのうち当たるだろ」ガチャ引きのような返答をする奴いるからな。

そういう勉強（とは呼びたくない何か）が姿勢に染み付いてしまっているのかもと思う。

タグ：

posted at 07:29:48

斉藤久典 @saitohisanori

自分は地方の零細の立場だけど、財務省には消費増税とデフレでボコボコにされてきたという実感しかないだよ。 twitter.com/mari_yurihime/...

タグ：

posted at 07:31:48

「間違える」のと「間違えるのが怖いからいろいろ言って当たりが出るのを待つ」だったら後者の方がより怒られる対象なんだけど（まぁそれがわからんからそうなるんだよなぁ）。

前者は勉強が足りないだけだけど、後者は姿勢が悪いから、そこが直らないと進まない。 twitter.com/kei_soa/status...

タグ：

posted at 07:45:19

Yuki Nagai @cometscome_phys

すり抜け抹茶イタチ @matcha_itachi

範囲の決まっている定期試験の点数は良いけど模試とかの点数が悪い人、というカテゴリーの人がいるのを思い出した

タグ：

posted at 07:57:04

脱官僚とかイキってた民主党政権を推してた連中が立ち上がれ財務省とか、もう全く意味がわからん pic.twitter.com/fza1gBYi8r

タグ：

posted at 08:04:16

「きはじ」で思い出したけど、初日だけ参加した統計物理懇談会
www.gakushuin.ac.jp/~881791/spm/20...
の休憩時間に田崎さんに「さっきの講演できはじ出てましたね！」と言われて「え？」と思ったんだけど、Quantum Speed Limitの話の中で↓こんな式出てました。

この場合、「は」が「ハミルトニアン」ですが。 pic.twitter.com/YgVsJabJiL

タグ：

posted at 08:12:26

「え？」の後で「ごめん、ヘルシェイク矢野のこと考えてた」とすぐに返せなかったのが残念。

タグ：

posted at 08:13:23

CHARTMAN @CHARTMANq

@chofu_3410 数字を…統計結果を持ち出されると…反論できねぇ…

(敵を褒めつつ，根拠を明治して反論する，素晴らしい姿勢だと思いました．コメントありがとうございます笑)

あ，根拠を明示か．

タグ：

posted at 10:19:51

#統計

 twitter.com/genkuroki/stat...

タグ：統計

posted at 10:24:09

sin 管釣り好き @sin007777

証人喚問で籠池は安倍総理に口利きを頼んだこともなければ、昭恵夫人にも学園開設についてなにも頼んだことがないと自白してるんだけど、未だに関与してるとか騒いでる奴はバカなの？前頭葉が腐ってるの？

タグ：

posted at 11:17:33

非公開

タグ：

posted at xx:xx:xx

Daisuke KATO @Dsuke_KATO

Pythonでforを回さないほうがいいとはよく聞きますが、ここまで差がつくのは見てて面白いですね。 pic.twitter.com/310IvVKesy

タグ：

posted at 11:51:46

Daisuke KATO @Dsuke_KATO

三項演算子もちゃんとあるんですね。

タグ：

posted at 11:56:50

#統計以下のリンク先の件についてググった結果のメモと解説

新たに気付いたこと【(C) 岡田先生】

スレッドに続く

twitter.com/genkuroki/stat...

タグ：統計

posted at 12:18:32

#統計添付画像は次のリンク先より

kazutan.github.io/DBDA2E-ja/JPA2...
ベイジアンになると
何がどう変わるのか
小杉考司

統計教育的に有害な「頻度主義vs.ベイズ主義」の表。新しい発見は

(C) 岡田先生

と書いてあること。このろくでもない表は「岡田先生」が作って広めたのだろうか？続く pic.twitter.com/UVjlbk6pZP

タグ：統計

posted at 12:18:36

#統計添付画像は次のリンク先より

www3.psy.senshu-u.ac.jp/~ken/BSJ2015sp...
行動計量学のためのベイズ推定におけるモデル選択・評価
岡田謙介

「岡田先生」=「岡田謙介さん」であるようだ。

岡田謙介さんは自分が広めてしまったこの表の有害性を自ら指摘してきちんと撤回するべきだと思う。 pic.twitter.com/q6wkJcInui

タグ：統計

posted at 12:18:39

#統計ちなみに赤池弘次さんは1980年の論説で「頻度主義vs.ベイズ主義」というような対立図式をはっきり否定している。

twitter.com/genkuroki/stat...

タグ：統計

posted at 12:18:40

#統計頻度論であろうが、ベイズ統計であろうが、推定のために使うデータは同じ。

統計学の教科書にもあるように、データは母集団からの無作為抽出によって得られるという想定が基本。

無作為抽出の結果の数学的定式化が確率変数です。

その意味で、頻度論とベイズの両方でデータは確率変数。

タグ：統計

posted at 12:18:41

#統計無作為抽出をきちんと行えたとしても、確率的にデータに大きな偏りが生じてしまう可能性があります。

そういうリスクを分析するために、統計学では、データ(サンプル)を数学的に確率変数として扱います。

仮に、ベイズ統計がデータに大きな偏りがあるリスクを扱わないなら、クズ扱いで十分。

タグ：統計

posted at 12:18:46

#統計もちろん、実際には、ベイズ統計でも、無作為抽出で得られたデータに大きな偏りがあるリスクも扱うので、ベイズ統計はクズではありません。

ベイズ統計でデータは確率変数ではなく定数になるという説は単なるデタラメ。

タグ：統計

posted at 12:18:46

#統計ベイズ統計ではパラメーター(母数)を確率変数として扱うという主張は正しい。

しかし、頻度論ではパラメーターは定数であるという主張と並置するときには、「パラメーター」(母数)という用語の意味を明確化しないと、ミスリーディングになってしまう。

タグ：統計

posted at 12:18:47

#統計例えば、母集団平均という名のパラメーター(母数)は頻度論であろうがベイズであろうが定数である。値は決まっているが、未知なので、統計学を使って推定しようとする。

母集団分布は頻度論であろうがベイズ統計であろうが決まっていると考えます。これは当たり前の話。

タグ：統計

posted at 12:18:47

#統計母集団のような現実から離れて、推定のために使う数学的設定の中では非現実的な仮定を自由に置くことができます。

ベイズ統計では、推定のために使う数学的設定として、確率モデルのパラメーターは確率変数だと考えます。

現実の母集団と推定のための数学的設定を明瞭に区別しないとダメ。

タグ：統計

posted at 12:18:48

#統計私が危惧しているのは、現実の母集団と推定のための数学的設定を混同するような統計学に解説の仕方まで現れていること。

典型的なのは、「ベイズ統計において95%信用区間には真の値が95%の確率で入っていると言って良い」というような説明の仕方。

タグ：統計

posted at 12:18:48

#統計「95%信用区間」の95%は数学的設定の内側で計算される事後分布のもとでの確率を意味しています。

「真の値」は現実の母数(パラメーター)を意味していると解釈できる。

現実と数学的設定内部の事柄の混同をしているようにしか見えない。

タグ：統計

posted at 12:18:49

#統計統計学の解説で、現実と数学的設定内部の事柄を混同させるようなものがあることを信じられない人もいるかもしれませんが、実例が以下のリンク先で紹介されています。

twitter.com/genkuroki/stat...

タグ：統計

posted at 12:18:49

小林泰三(作家) @KOBAYASI_yasumi

#統計「頻度論vs.ベイズ統計」の対立図式を通して、ベイズ統計について解説しようとしているケースが、ググると大量に見つかります。

そして、その多くが以上で紹介したスタイルのずさんな内容になっている。

これは結構深刻な問題なのではないかと思います。

タグ：統計

posted at 12:18:50

ホーキング博士亡くなるとの速報。
twitter.com/BBCBreaking/st... fb.me/1BCU45dfY

タグ：

posted at 13:00:12

47NEWS @47news

地震・ニュース速報＠Yahoo!ニュース @YahooTopicsEdit

ホーキング博士死去 bit.ly/2FPumT0

タグ：

posted at 13:01:05

【速報】スティーブン・ホーキング博士が死去　「車いすの天才宇宙物理学者」
yahoo.jp/EpRsD3

タグ：

posted at 13:01:09

twitter.com/genkuroki/stat...

#統計補足。データを確率変数とみなすのは、数学的にデータが大きく偏っているリスクも扱いたいからです。

現実にはデータは定数です。頻度論でもベイズでも定数。現実に得られるデータは定数の数表に過ぎません。

ここでも、数学的な定式化と現実の区別が重要。

タグ：統計

posted at 13:04:02

是々非々で議論できない人達をまじめな議論の場から排除できれば多くの論争が有益なものになると思ふ。

夢のまた夢。

意見が全部一致したいたりするのは気待ち悪いことだという感覚が広まってほすい。

タグ：

posted at 14:02:44

#統計データが確率変数か定数かという話は、数学的設定内部では、確率変数と確率変数の実現値の区別の話でしかない。

頻度論ではデータは確率変数だが、ベイズでは定数になる、というような主張は、デタラメであるだけではなく、くだらない主張に過ぎないことが一目瞭然。

タグ：統計

posted at 14:09:22

@kuri_kurita

「左派攻撃の手段として政権寄りの人達がニセ科学批判に合流してきた」
😵

タグ：

posted at 14:21:55

ceptree @ceptree

精度保証の教科書きたけど、関数解析がわからないので内容はよくわからない(予想通りではあるが。。)。あとサンプルコードがMTALABでかつ精度保証の研究者が書いたMATLABのライブラリ使ってるので試せないのが残念。それでも1次元有限要素法の精度保証の例題とか載っててとても興味深い。

タグ：

posted at 14:59:48

つーv2.6 @ogtkzk

#超算数などで学校がダメになっているの、いったん学校関係総取っ替えするくらいに崩壊に向かってる

タグ：超算数

posted at 15:00:43

ceptree @ceptree

ちなみにこれです。
twitter.com/ceptree/status...

タグ：

posted at 15:06:03

ceptree @ceptree

(｢・ω・)｢ｶﾞｵｰ @bicycle1885

精度保証の研究者界隈でJuliaのロビー活動してるメキシコのJuliaおじさんは偉大

タグ：

posted at 15:30:31

Julianこういうの好きだな
"Some π-ography"
julialang.org/blog/2018/03/p...

タグ：

posted at 15:46:23

非公開

タグ：

posted at xx:xx:xx

yuki @helloyuki_

RユーザーのためのJulia100問100答 - りんごがでている bicycle1885.hatenablog.com/entry/2016/12/...

タグ：

posted at 16:06:46

非公開

タグ：

posted at xx:xx:xx

非公開

タグ：

posted at xx:xx:xx

nekomemo @nekomemo22

【画像】カナダオオヤマネコ強そう nekomemo.com/archives/53118... | 〓ねこメモ〓 pic.twitter.com/zVzAI5TwWX

タグ：

posted at 16:31:11

twitter.com/Dsuke_KATO/sta...

#Julia言語私もほぼ同じことをやってみた。Python と Julia の比較。

Juliaの側では新たに Int.(rand(n) .< p) やDistributions.jlを使う方法も試してみた。forループ速いな。 pic.twitter.com/QM1RhcfVNO

タグ： Julia言語

posted at 16:33:45

#Julia言語 Int.(rand(n) .< p) でメモリが倍食っているのは、rand(n) の段階で配列を確保し、 Int.(rand(n) .< p) の計算終了時にも配列を確保しているからかな？

簡潔な記述でこの辺のメモリの使い方を効率が良い方にコントロールする方法があるとものすごくうれしい。しかし、具体案は無い。

タグ： Julia言語

posted at 16:36:31

Masahiro Hotta @hottaqu

昨年２月に彼の部屋に伺って、ブラックホールのソフトヘアの議論を長々とさせて頂いたときには彼は元気そうで、また力強さを感じ取っていた。しかしその後たった１年で亡くなられてしまった。議論後のソフトヘアの話の進展を期待したのだが、それは彼の学生や共同研究者にも受け継がれるのであろう。 pic.twitter.com/Dd61Ocnl4U

タグ：

posted at 16:37:01

#Julia言語ソースコード

gist.github.com/genkuroki/e4f1...

タグ： Julia言語

posted at 16:38:48

非公開

タグ：

posted at xx:xx:xx

みゅーもり @myuuuuun

Juliaのスレッド並列を使って簡単な並列計算を楽しむ on @Qiita qiita.com/goropikari/ite...

タグ：

posted at 16:44:11

野島高彦 @TakahikoNojima

@CitrusHassak はい．先に関係を理解させて，「ところでコレを思い出す方法としてモルグリコっていうのがあって〜」なら問題ないのですが(理科や数学の公式の理解と同じ)，先にモルグリコだけ覚えちゃう生徒がいてっていう，

タグ：

posted at 16:44:30

#Julia言語で「パッケージの読み込みが遅い」という不満はよく聞くが、一回目の import もしくは using では precompile の時間がかかるのでそれは仕方がない。しかし2回目からは数秒で終わるはず。もしも2回目以降も数十秒以上かかっていたら、何かおかしなことをしている可能性があると思う。 pic.twitter.com/MhGuH5SSBs

タグ： Julia言語

posted at 16:46:17

#Julia言語私がJupyterでJuliaのノートブックを立ち上げたら、まず最初に必要なパッケージのusingやimportを最初に実行してしまいます(長くても十秒くらいで終わる)。そして別のセルでコードをがちゃがちゃ打ち込んでいると、usingやimportが終了している。即実行可能。

タグ： Julia言語

posted at 16:46:18

#Julia言語 Plotsパッケージを使う場合には

using Plots
gr()
ENV["PLOTS_TEST"] = "true"

の3行がワンセット。GRバックエンドのPLOTS_TEST問題(現時点では不幸な状態になっていると思う)については次のリンク先を参照。GRバックエンドは速いので非常に便利です。

github.com/JuliaPlots/Plo...

タグ： Julia言語

posted at 16:51:42

非公開

タグ：

posted at xx:xx:xx

野島高彦 @TakahikoNojima

@CitrusHassak はい．それから #モルグリコは小学校 #超算数の #はじきと似た面があり，#はじきがイロイロと問題になっているので，その影響もありそうです．

タグ：はじきモルグリコ超算数

posted at 17:02:00

非公開

タグ：

posted at xx:xx:xx

鷹羽裕輔 @gendaibushi

そーいやjuliaって微分方程式解けんのか？ていうか、数式処理的な事できんかな？やった事ねぇな。気になる。

タグ：

posted at 17:29:37

twitter.com/genkuroki/stat...

#統計さらにググってみた結果のメモを追加。

「頻度論vs.ベイズ主義」の対立図式をベイズ統計の解説者達がどのように描いているか。スレッドに続く

タグ：統計

posted at 17:31:46

#統計添付画像は次のリンク先より

www.cuc.ac.jp/~jimbo/Textboo...
数値シミュレーション第 14 回教材
担当神保雅人
2015 年 1 月 9 日（金）実施
ベイズ統計 2

ベイズ統計でも母集団分布を決めるパラメーターの真の値が決まっていると思っても全然問題ないのだが、どうしてこんなことに？ pic.twitter.com/w7YpD79aRn

タグ：統計

posted at 17:31:47

#統計得られたデータを使って統計的推定・推測を行うのは古典統計(頻度論)でもベイズ統計でも同じ。

データ(サンプル)を数学的に確率変数として定式化するのは、データに偏りが生じているリスクを確率論を使って分析したいから。そのような分析はベイズ統計でも当然必須。

タグ：統計

posted at 17:31:47

#統計添付画像は次のリンク先より。

www.ecology.kyoto-u.ac.jp/~ushima/rstat/...
ベイズ統計について考えるゼミ
～R+WinBUGsを用いて～
原口岳と直江先生(小川なう)

ベイズでは「母集団を仮定しない」と書いてある。与えられたデータからパラメーターの確率分布という意味のことが書いてある。色々問題あり。続く pic.twitter.com/UTWOMSgPIZ

タグ：統計

posted at 17:31:48

残り51件のツイートを見る

#統計続き

データを確率変数とみなすとき、ベイズ統計における事後分布はデータの函数になるので、事後分布はby definitionで確率分布に値を持つ確率変数になります。データが確率的にゆらぐと、事後分布もゆらぐ。

もしかしたらこういうことを理解できていないのかもしれない。

タグ：統計

posted at 17:31:48

#統計続き

確率分布に値を持つ確率変数(例：サイコロの目で確率分布を決める状況は確率分布に値を持つ確率変数で数学的に定式化可能)のようなものを想像できないせいで、データを確率変数(母集団からの無作為抽出の定式化)だと考えることができなくなっているのではないか？

タグ：統計

posted at 17:31:49

#統計添付画像は次のリンク先より

hosho.ees.hokudai.ac.jp/~kubo/stat/200...
3. R と WinBUGS の使いかた
担当: 久保拓弥

真の値があると考えることと、推定のための数学的設定においてパラメーターを確率分布とみなすことが両立することを理解していないように見える。 pic.twitter.com/vmKCLaMYP2

タグ：統計

posted at 17:31:49

#統計上の久保さんの解説には

【観測データから事後分布を推定することがベイズ推定 (Bayesian inference) の目的である】

とも書いてある。これだと事後確率最大化法(MAP法)とベイズ推定法の区別がつかなくなる。ベイズ推定法では予測分布を事後分布による確率モデルの平均で定義する。

タグ：統計

posted at 17:31:49

#統計大体において、統計的な「予測」の段階を軽視して、「パラメーターの推定」に特に注目する人達はほぼ全員ベイズ統計についておかしな誤解をしているように見える。

パラメーターではなく、確率分布そのものを推定するという発想が難しいようだ。統計的モデリングという発想は重要。

タグ：統計

posted at 17:31:50

片方の端が固定されて、重力とか他の力を受けていない状態のひも pic.twitter.com/InUz9rHDtJ

タグ：

posted at 17:47:49

すぐそうやってCFL条件を満たしてない状態でプログラムを実行するのやめろ pic.twitter.com/WCsOcxSp9x

タグ：

posted at 17:52:50

非公開

タグ：

posted at xx:xx:xx

増幅する輪ゴム pic.twitter.com/3xzNcvWA5X

タグ：

posted at 18:29:01

#統計既出の例の追加

【ベイズ統計では，データは定数】【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】という解説の仕方は非常にまずい。

twitter.com/genkuroki/stat...

タグ：統計

posted at 18:50:40

#統計既出の別の例

twitter.com/genkuroki/stat...

タグ：統計

posted at 18:50:41

#統計もう一つの既出の例

twitter.com/genkuroki/stat...

タグ：統計

posted at 18:50:41

#統計もしかしたら、パラメーターを「母数」と訳したことの悪影響もあったりするんですかね？

「母集団」と「母数」で漢字の「母」が共通に使われているせいで、母集団とは**無関係**であっても構わない確率モデルのパラメーターをも「母数」と呼んでよいということに気付き難くなっているとか？

タグ：統計

posted at 19:00:06

ｳｫﾝ！ｳｫﾝ！ｳｫﾝ！ｳｫﾝ！ｳｫﾝ！ｳｫﾝ！ｳｫﾝ！ｳｫﾝ！ｳｫﾝ！ pic.twitter.com/9xkSZbKjq4

タグ：

posted at 19:02:04

#統計母集団分布を特徴付けるパラメーター(母数)と推定のための道具として用意した数学的設定内部におけるパラメーター(母数)の区別がつかなくなっているとすれば、様々な誤解が出て来る理由がうまく説明できるように思えます。

タグ：統計

posted at 19:02:10

HELLO CYBERNETICS @ML_deep

多分既にわかってる人には、ベイズ推定の目的は事後分布の形を知ること、って言っても通じると思いますが、

実際、ベイズ予測分布を定義してから、これを使うには事後分布がパーツとして必要だ

って流れの方がベイズが何たるかを認識するのには役立つと思います。 twitter.com/genkuroki/stat...

タグ：

posted at 19:04:06

#統計最尤法であろうがベイズ推定法であろうが、推定で使うデータは同じものです。片方について正しいことはもう一方についても常に正しい。

ベイズ統計で確率変数になるのは、母集団分布を特徴付けるパラメーターではなく、推定のために用意した数学的設定のパラメーターの方です。

タグ：統計

posted at 19:05:04

非公開

タグ：

posted at xx:xx:xx

ウイ～～ン　ツーーウイ～～ン　ｽｰｰｰ pic.twitter.com/Q3tM1vrLe5

タグ：

posted at 19:22:03

yuki @helloyuki_

Julia、ちょっとドキュメント読んだり触ってみたりしたんだけど、結構いい感じ。科学計算用のライブラリとのことなんだけど、意外と汎用的にも作られていて、用途広そうだなーと思った。

タグ：

posted at 19:30:06

yuki @helloyuki_

環境設定とかのシンプルさはやっぱり気をつけられてるみたいで、個人的にはPythonの環境周りのあの感じちょっとツラミだったので、しっかりやるならJulia選ぶかなあという感じ。

タグ：

posted at 19:33:20

原田　実 @gishigaku

ナショナルジオグラフィック TV @natgeotv_jp

１年あれば人物のイメージはいくらでも変わるものだな…
gendai.ismedia.jp/articles/-/50936
www.huffingtonpost.jp/2017/01/20/ama...

タグ：

posted at 19:38:59

【クイズ】薄いプラスチック板に挟んだ4種類のスイーツのうち銃弾を止めるのはどれでしょう？答えは動画をチェック！

A. ホイップクリーム
B. アイスクリーム
C. チョコレートシロップ
D. カスタード

#ナショジオクイズ #雑学サイエンス2 natgeotv.jp/tv/lineup/prgm... pic.twitter.com/a0QoS6gPh1

タグ：ナショジオクイズ雑学サイエンス2

posted at 19:41:02

飽きないなあ pic.twitter.com/5ypqPbn4Jc

タグ：

posted at 20:09:30

非公開

タグ：

posted at xx:xx:xx

#Julia言語リンク先のスクショを見ると私が常用しているパッケージ群がわかります。

プロット→PyPlot, Plots
確率分布→Distributions
数値積分→HCubature, QuadGK
函数の最小点を求める→Optim, BlackBoxOptim
微分方程式→DifferentialEquations
MCMC→Mamba, Stan

twitter.com/genkuroki/stat...

タグ： Julia言語

posted at 20:38:45

#Julia言語あとSymPy.jlもたまに使う。

自分で書いた函数が何を計算してくれるのかわからなくなったときに(笑)、SymPy.jlで用意した文字を函数に代入して数式で計算内容を表示させることができると便利。

連分数を計算する函数を書くといつも混乱する。

タグ： Julia言語

posted at 20:42:23

湖南祥二 @machakann

はてなブログに投稿しました #はてなブログ #julialang #Vim
Vim の Julialang シンタックスハイライトについて - 書いたものなど
machakann.hatenablog.com/entry/2018/03/...

タグ： julialang Vim はてなブログ

posted at 20:44:57

#Julia言語私がJuliaで書いたダメすぎるコードも結構良さげなコードもGitHub Gistで大量に公開されています。

gist.github.com/genkuroki

GitHubで何を公開しているかは若い人達にとっては将来に影響することのようですが、私には関係ないので何でも気軽に公開可能。ダメなものでもお気楽に公開。

タグ： Julia言語

posted at 20:47:05

Kohta Ishikawa @_kohta

連続群論入門、誰が買ったのか会社にあったのでチラ見したけど良さそうだな。リー環の言葉で表現論の話をしているところが個人的に興味深い。自分でも買おうとしたら、最近わざわざ新装版で復刊したにもかかわらず既に絶版になっているっぽかった……。

タグ：

posted at 20:58:55

＃超算数　もうすぐ新しい学習指導要領「解説」が本屋に並ぶらしいのですが、前回の「解説」の作成協力者。
小学校の算数教育の専門家の名前が見える。 pic.twitter.com/R4AKpUAEQR

タグ：超算数

posted at 21:02:57

#超算数　　作成協力者だけでなく、用語（トンデモ算数要注意用語）でも小学校と中学校では共通している。

タグ：超算数

posted at 21:15:25

@nan_bayesstat

技術ネタ用アカウントを作るまで気づかなかったけど、予想以上にJuliaに勢いがあるな…

タグ：

posted at 21:28:47

鷹羽裕輔 @gendaibushi

@genkuroki なるほど！そう使うんですね。勉強になりました。ありがとうございます。

タグ：

posted at 21:30:08

@gendaibushi そです、そです。これからサンプルコードを公開します。

タグ：

posted at 21:33:23

鷹羽裕輔 @gendaibushi

@genkuroki ありがたい！！！
拝見させていただきます。
数式みながら実装する時、式と人生を見失いがちなので助かります。

タグ：

posted at 21:40:41

#Julia言語 SymPy.jlを使って函数がどのような計算をするかを数式で表示させるサンプルコードを次のリンク先で公開しておきました。

nbviewer.jupyter.org/gist/genkuroki...
仮面ライダービルド 2018-02-18

平方根のネストの様子をSymPy.jlを使って見ています。 pic.twitter.com/mZiMkr8GAy

タグ： Julia言語

posted at 21:44:51

非公開

タグ：

posted at xx:xx:xx

@OokuboTact #超算数　重松敬一氏　良教育大学名誉教授日本文教出版著者

このくだらないブロック操作の授業の論文著者
www.nara-edu.ac.jp/CERT/bulletin2...

タグ：超算数

posted at 23:15:57

@sekibunnteisuu 小山正孝も前に話題になりましたね

タグ：

posted at 23:19:26

@OokuboTact #超算数　見落としていた。

広島大学付属小の増加と合併を区別させるというトンデモ授業の著者。

ir.lib.hiroshima-u.ac.jp/files/public/3...

タグ：超算数

posted at 23:27:49

@sekibunnteisuu 他にも清水静海、江森英世などなど

タグ：

posted at 23:31:55

@OokuboTact 江森英世氏って、何かありましたっけ？

タグ：

posted at 23:35:22

#Julia言語 atcoderでJuliaを使えるようにするためには、

(1) 最新版にバージョンアップしてもらう。

(2) PackageCompiler.jl を使えるようにしてもらう。
github.com/JuliaLang/Pack...

(3) juliac.jlでJuliaのコードをコンパイルしてできたバイナリを実行するようにしてもらう。

が必要だと思う。

タグ： Julia言語

posted at 23:38:08

@sekibunnteisuu この人は小学校校長で算数教育の専門家でもあり、ピアジェの翻訳者でもあります。

タグ：

posted at 23:38:10

@OokuboTact アクティブラーニング関係の本を書いているのですね。

タグ：

posted at 23:42:04

@sekibunnteisuu そうですね

タグ：

posted at 23:43:27

すど @ysmemoirs

@OokuboTact @sekibunnteisuu 江森先生は（私は面識があるわけではありませんが）群大附属小の校長なので，一般に言う「小学校の校長」とは違って，研究畑の方だと思います。（附属学校の校長は─最近そうとは限らない大学もありますが─基本的には大学教員のポストです）

タグ：

posted at 23:47:46

@sekibunnteisuu 他の人のググると松元新一郎氏は静岡大学教育学部教授で、この人は統計が専門みたいですね。

タグ：

posted at 23:53:06

非公開

タグ：

posted at xx:xx:xx