黒木玄 Gen Kuroki(@genkuroki)/2019年05月/Page 13

そう、絶対に必要な公共事業と、ただ需要不足なので、ばらまく財政支出は、分けて考えた方がいい。

たとえば、公共事業はGDPの何％を確実に長期計画でやって、需要不足は給付金でばらまくとかなら、景気が加熱したら、給付金額を減らすとかでわりと機動的に対応できるだろう。

タグ：

posted at 23:47:48

三谷純 Jun MITANI @jmitani

@Paul_Painleve C2級でも、パッと見で判断するのはなかなか難しそうな気がします。曲面を評価する場合は図のように照明によって、不連続な個所を視覚的に把握しやすくする工夫が行われます。
「わかりやすい NURBS 解説」金井仁志
www.unisys.co.jp/tec_info/tr114... pic.twitter.com/JF1vQeRoGi

タグ：

posted at 23:47:26

oto @oto_oto_oto

n 個の電気抵抗 R_i を並列につないだのと、その調和平均 R を n 個並列につないだものは合成抵抗が等しい。直列の場合は通常の平均。
twitter.com/hyuki/status/1...

タグ：

posted at 23:11:00

#Julia言語細かいところに不具合があっても、視覚化の部分が高速で使いやすいなら、そういう使い方をすればよいので大した問題にはなりません。そう思わない人もいるのでその辺がどうかという問題。

タグ： Julia言語

posted at 22:49:28

#Julia言語 Plors.jl gr()のlegendの位置計算の不具合の再現の仕方

using Plots
gr()

P = plot(cos, legend="cos", size=(300,200)) → 正常

Q = plot(sin, legend="sin", size=(300,200)) → 正常

plot(P, Q, size=(600, 400))
→ legendg横に長くなり、位置もずれる。

この不具合は非常に痛い。 pic.twitter.com/G0trBiEoZs

タグ： Julia言語

posted at 22:47:21

#Julia言語 Plots.jl gr()のこの不具合を再現するための条件がよくわからない。その不具合はpyplot()では起こらない。

Plots.jl gr()は速くて便利なのだが、細かい部分にバグらしき不具合が結構多いという印象がある。

例えば Plots gr()にはlegendの位置計算に明らかな不具合がある。

タグ： Julia言語

posted at 22:44:38

#Julia言語リンク先の動画はPlots.jlとgr()で作ったものだと思われる。その方法でgifアニメを作ると、最後まで再生した後に最初に戻るときに「ドクン」と脈動して見えるものができる場合がある。

再度同じ動画を作ると直ることが多い。

twitter.com/hydrocoastjp/s...

タグ： Julia言語

posted at 22:44:36

yuri @syoyuri

ケントギルバート氏だけでなく、マルチ商法の関係者たちが「愛国心」をうたうことが目立っていて気になっています。
【狙われる日本の水源地】という「愛国心」詐欺もあったので気を付けて欲しい。 togetter.com/li/571446

タグ：

posted at 22:11:50

yuri @syoyuri

加藤公一, 가토우 기미카즈（はむかず） @hamukazu

#ケントギルバートといえば、自身のブログでマルチ商法業者のTシャツを着てアピールするなど会員として積極的に関わっていることが有名ですよね。それなのに彼の話を有り難がる人たちがいるけど、同じマルチ商法の関係者なのかな？
ameblo.jp/workingkent/en...

タグ：ケントギルバート

posted at 22:03:23

Zoomって遠隔会議システムが便利なようで、今試してみたけど、PCで接続して会話しながらiPadの画面を共有できる。つまりビデオ会議しながら手書きが送れるんですね。これで娘に数学教える芸にバラエティが。

タグ：

posted at 21:57:01

kottn @kottn_jp

【ゆる募】認証Proxy下でJuliaでPkg.add(“foo”)する方法 on Linux.

タグ：

posted at 19:20:47

sangmin.eth @Choimir @gijigae

ハナグマの動画を逆再生すると完全にジュラシックパーク 🦕 wwww

pic.twitter.com/CY9qCDqK8R

タグ：

posted at 19:19:51

#数楽続き。こんな感じのことを色々素朴に考えることは大事。高校数学の段階からこういうことは可能。

u_t = u_{xx}+u_{yy} はuが増えるか減るかが、x軸方向での函数uの上下への凸具合とy軸方向での函数uの上下への凸具合の和で決まることを意味しており、同様に理解できます。

タグ：数楽

posted at 18:57:07

#数楽続き～、xを固定したときの、uの時間的な変化の速度を意味します。

だから、u_t = u_{xx} はxの函数として下に凸なxにおいてuは時間と共に増え、上に凸なら減ることを意味しています。

さらにゆるい仮定のもとでuの総量 ∫ u dx は時間が進んでも保存される。続く pic.twitter.com/pjPigv8fZR

タグ：数楽

posted at 18:57:06

#数楽続き。変数の個数が増えると u(t,x) とか u(t,x,y) のように書くのが面倒だという理由で、単に u と書くことが増える。

u_{xx} はxで二回偏微分したものなので、tを固定してxだけの函数とみたとき、u_{xx}の正負は下の凸か上に凸かを表す。

u_t は時間変数 t による微分なので～続く

タグ：数楽

posted at 18:57:04

R.E.C@画集発売中 @R_E_C_flctiond

#数楽もっと基本的な話。拡散方程式

u_t = u_{xx}

がどうして拡散現象を記述していると思ってよいかに関する素朴な見方。偏微分が他の変数を固定して普通に微分することだと知っていれば、高校数学で習うことだけで理解できます。

u_{xx} は2変数函数 u(t,x) をxで2回偏微分したもの。続く

タグ：数楽

posted at 18:57:02

川端裕人『ドードー鳥と孤独鳥』（国書刊 @Rsider

【絵の影色の選び方で困っている人向け】
毎回影色がくすんで塗りはよく分からなくなる！塗りは難しいから基本的に嫌い！という人向けに資料を作りました。添付画像に様々な絵に何の影色が使われているかベタで表示し、分かりやすいようにカラースライダー画像も添付しました。保存するなどご自由に！ pic.twitter.com/U5tfhCp2LZ

タグ：

posted at 18:37:22

川端裕人『ドードー鳥と孤独鳥』（国書刊 @Rsider

続）こういうのは、なかなかなさそうで、本当に普段はないことです。ぼくは、ここにまずPTA問題の普遍性を見ます。すごく困っている人がたくさんいて、すごく大事なことにつながっているというのを、ごく普通のセンスを持っていればわかることなので、別にどこの新聞社がどうのって話じゃないです。

タグ：

posted at 18:35:33

さて、昨日のPTAフォーラムの話の続き。お邪魔してびっくりしたのが、これ、PTA問題に関心のある複数新聞社の記者たちによる実行委員会方式のボランティア企画だったこと。お話しできたのは、東京新聞、北海道新聞、熊本日日新聞、中日新聞の人たちで、みなさん、それぞれの紙面で書いている人たち。

タグ：

posted at 18:31:39

#数楽 #Julia言語以上のスレッドで紹介した私が書いた反応拡散系に関するJupyter notebooksは複製・変更・公開・販売すべて自由です。インターネット上での議論のためには変更や公開などが全部自由でないと困る。

内容的にはおそらくバグを含みます。

タグ： Julia言語数楽

posted at 18:18:14

#数楽 #Julia言語続き。x,yは-5～5を100分割するのがデフォルトになっています。他にもオプションを付けて細かい設定も可能。基本的な使い方は

s = RDS(α, β, f, g) で反応拡散系 s を定義し、
u, v = solve(s) で反応拡散系 s を解き,
gif_RDS(s, u, v) で解いた結果を表示。

簡単です。

タグ： Julia言語数楽

posted at 18:14:12

#数楽 #Julia言語

 nbviewer.jupyter.org/gist/genkuroki...
反応拡散系4

の使い方。

(1) f(u,v), g(u,v)を定義して、plot_reaction_part_of(f,g) でベクトル場の様子を確認。

(2) 拡散係数α,βも設定して、

s = RDS(α, β, f, g; tmax=5.0)
u, v = solve(s)
gif(s, u, v)

のようにして結果を表示。 pic.twitter.com/JAyGqIaktG

タグ： Julia言語数楽

posted at 18:11:54

#数楽 #Julia言語この手の動画を作るときには、空間的もしくは時間的に振動のような激しい動きがある場合の方が面白いです。単に拡散していくだけの熱方程式はあんまり面白くない。反応拡散方程式

u_t = αΔu + f(u,v)
v_t = βΔv + g(u,v)

の場合に振動を作ってくれているのはfとgです。

タグ： Julia言語数楽

posted at 18:06:42

#数楽 #Julia言語

α=β=0で拡散項がない場合には、砂嵐が各点ごとに点滅するようになります。

α=β=0の場合。リミットサイクルに速やかに引き込まれる。 pic.twitter.com/F39dHjETIr

タグ： Julia言語数楽

posted at 17:57:49

#数楽 #Julia言語

ソースファイルは

nbviewer.jupyter.org/gist/genkuroki...
反応拡散系 Part 4

にある。

β=0.025の場合(αはα=0.005に固定)。パターンは消えて、リミットサイクルに完全に引き込まれている。拡散項があるので、空間的に近くの点どうしのu,vの値は近くなる。 pic.twitter.com/C7OxHSqgaG

タグ： Julia言語数楽

posted at 17:56:21

#数楽 #Julia言語再度書くのを忘れていましたが、添付動画の

* 右端は u
* 中央は v
* 左端は (u,v) の分布

をプロットしたものです。

β=0.03の場合。パターンの維持がほぼ無理になって来ており、(u,v)の分布はリミットッサイクルに引き込まれて来ている。 pic.twitter.com/51HRrvYmfR

タグ： Julia言語数楽

posted at 17:51:19

#数楽 #Julia言語

β=0.032の場合。さらに「ただれた部分」が増えた。パターンの維持が不安定な部分と安定な部分に分かれている。 pic.twitter.com/6E9tjIMpW1

タグ： Julia言語数楽

posted at 17:49:01

#数楽 #Julia言語

β=0.035の場合。パターンの「ただれた部分」が増えた。 pic.twitter.com/eplEtTehKo

タグ： Julia言語数楽

posted at 17:47:20

#数楽 #Julia言語それでは、βを小さくして行くと、単に形成されるパターンが細かくなって行くだけですむだろうか？

β=0.04の場合。パターンに「ただれた部分」ができてしまっている！続く pic.twitter.com/t0WT40lRgQ

タグ： Julia言語数楽

posted at 17:45:25

#数楽 #Julia言語以下、α=0.005は固定。

1つ前の添付動画を見ると確かにβ=0.2でパターンが形成されている。

抑制因子の拡散を遅くすれば、抑制因子が近所に溜まるので、その分だけ形成されるパターンは「細かく」なると予想される。

以下はβ=0.05の場合。確かにβ=0.2の場合よりの細かくなった。 pic.twitter.com/PX3NwpjUUD

タグ： Julia言語数楽

posted at 17:43:35

#数楽 #Julia言語

活性因子uの拡散を遅くし、抑制因子vの拡散を速くすれば、部分的にuが大きな部分は大きなまま生き残り、そこから離れたuが小さな部分ははvによってそのまま抑制され続けるだろう。そこで、βをαよりずっと大きな値にしてみよう。以下でαはずっとα=0.005であるとする。

β=0.2の場合 pic.twitter.com/YmVXB3jXbh

タグ： Julia言語数楽

posted at 17:37:43

#数楽 #Julia言語

u_t = αΔu + 2u - 2u³ - 2v
v_t = βΔv + 2u - v

u³の項はuが大きくなり過ぎないようにする効果を持つ。

u³が無視できるほど小さいとき、uはu,vを大きくする方向に働き、vはu,vを小さくする方向に働く。

以下で固定される拡散係数αをα=0.005と小さな値にしたのでuの拡散は遅い。

タグ： Julia言語数楽

posted at 17:37:43

#数楽 #Julia言語 βを色々動かしてプロットしてみたのだが、まず、α=β=0の場合のベクトル場 (u,v)→(2u - 2u^3 - 2v, 2u - v) が定めるuv平面上の流れは添付画像のようにリミットサイクルを持つことに注意。

左右の2つの流れの図は単にプロットの範囲を変えただけで同じもの。 pic.twitter.com/uqqTUsTXRx

タグ： Julia言語数楽

posted at 17:23:35

#数楽 #Julia言語 Part 1 の続きとして、Part 3 と Part 4 をやってみた。

nbviewer.jupyter.org/gist/genkuroki...
反応拡散系 Part 3

の紹介は略。

nbviewer.jupyter.org/gist/genkuroki...
Part 4

では、Δを2次元のラプラシアンとするときの

u_t = αΔu + 2u - 2u^3 - 2v
v_t = βΔv + 2u - v

のα=0.005の場合を扱った。続く

タグ： Julia言語数楽

posted at 17:20:12

Juliaコードにコメントが？付いていて不安をかんじるw

タグ：

posted at 17:10:23

非公開

タグ：

posted at xx:xx:xx

これだ！

github.com/JuliaPy/PyCall...

タグ：

posted at 16:15:06

誰かハイパフォーマンスPyCallレクチャーしてほしい。PyCallなんもわからん。

タグ：

posted at 16:07:34

GUのジーンズを履くと猫さんが狂ったように甘えてくる→各地から報告も寄せられ猫好き歓喜「草木染めの中に、マタタビ使うようです」 - Togetter togetter.com/li/1356382 @togetter_jpより

タグ：

posted at 16:04:26

AXION @AXION_CAVOK

3次元の場合、空間充填可能な「正多面体」は立方体のみだが、4次元で空間充填可能な「正多胞体」は正八胞体以外に正十六胞体、正二十四胞体があるので、次元が増えた以上の複雑さがある。5次元以上だと1種類に戻るので、この特徴は4次元（と2次元）固有のものだ。 twitter.com/geekdrums/stat...

タグ：

posted at 14:25:42

資料追加

twitter.com/roy_twi/status...

タグ：

posted at 14:24:40

添付画像は
web.archive.org/web/2019051720...
より。

【今をときめく幻冬舎の編集者、箕輪厚介氏による自社の社長アゲの一冊である。】www pic.twitter.com/O7a3nNebXL

タグ：

posted at 14:21:01

@antimon2 #Julia言語

【julia> (::typeof(g))(x::Float64) = print("$x if Float64.")】

うけた！(笑)

タグ： Julia言語

posted at 13:59:50

きんどう @zoknd

Amazonのレビュー消されちゃったようですね。手法として認識してるからレビュー数や内容が胡散臭いなぁというものは積極的に取り上げないようにしてます

「箕輪本」という不毛の荒野 web.archive.org/web/2019051720...

タグ：

posted at 13:49:21

あんちもん2 @antimon2

@genkuroki s/if/is/

タグ：

posted at 12:48:11

あんちもん2 @antimon2

@genkuroki つ

```
julia> g = x::Int64 -> print("$x is Int64.")
julia> (::typeof(g))(x::Float64) = print("$x if Float64.")

julia> g(1)
1 is Int64.

julia> g(1.0)
1.0 if Float64.
```

#Julia言語

タグ： Julia言語

posted at 12:44:41

秋田魁新報社 @sakigake

1891年秋田に生まれ、ロシア、チェコへ。夫のチェコ人音楽家はナチスを批判したため収容所に送られて死亡。波乱の人生を送った「ナカムラ・キヌコ」さんに関する情報を孫が求めています。情報提供は秋田魁新報社・社会地域報道部TEL018･888･1830へお願いします。 www.sakigake.jp/news/article/2... pic.twitter.com/PI7mFh3det

タグ：

posted at 12:18:21

#数楽 #Julia言語

 nbviewer.jupyter.org/gist/genkuroki...
反応拡散系 Part 1

Part 1 の最後の動画5

これもTuringパターンの動画では(u,v)の分布をプロットするとよいことの実例になっています。初期条件が周期的繰り返し＋ノイズになっているのですが、安定するまでの(u,v)の分布の変化の仕方が面白い。 pic.twitter.com/qbjDQO4g56

タグ： Julia言語数楽

posted at 12:13:36

#数楽 #Julia言語

 nbviewer.jupyter.org/gist/genkuroki...
反応拡散系 Part 1

Part 1 動画4

個人的にこれが結構好き。拡散係数が小さいせいで安定せずに振動しまくっている。(u,v)の分布は拡散係数が0の場合のリミットサイクルに近付いて行っている。

Turingパターンの動画では(u,v)の分布をプロットするとよい！ pic.twitter.com/7Ij8WMRrrS

タグ： Julia言語数楽

posted at 12:13:35

#数楽 #Julia言語

 nbviewer.jupyter.org/gist/genkuroki...
反応拡散系 Part 1

Part 1 動画3

左がuで、真ん中がvで、右は(u,v)の分布のプロット pic.twitter.com/QXDCzMicWk

タグ： Julia言語数楽

posted at 12:13:35

#数楽 #Julia言語

 nbviewer.jupyter.org/gist/genkuroki...
反応拡散系 Part 1

Part 1 動画2

左がuで、真ん中がvで、右は(u,v)の分布のプロット。 pic.twitter.com/Fy7sHWorxx

タグ： Julia言語数楽

posted at 12:13:34

#数楽 #Julia言語「Part 1」におけるTuringパターンの動画を作り直したので再投稿。

nbviewer.jupyter.org/gist/genkuroki...
反応拡散系 Part 1

Part 1 動画1

左がuで、真ん中がvで、右は(u,v)の分布のプロット。 pic.twitter.com/smBbo6iIIn

タグ： Julia言語数楽

posted at 12:13:33

すてら@????? @Story_terrorV2

2分で振り返るマンホールの蓋で戦う釈由美子 pic.twitter.com/2msvunOMKB

タグ：

posted at 12:12:49

ろいつい @roy_twi

ちょっとアンテナの感度が高かった中庸なサラリーマンが意識高い系もとい「誰かに影響を与えなければ死んでしまう人たち」と関わる中で新しいキャラクターが形成されてゆき、周囲の評価と共に自分がそのキャラに飲み込まれて今の感じに仕上がったと考えるとこれがもう本の題材になるレベルで愉快ですよ

タグ：

posted at 11:38:42

暗黙の型宣言 @implict_none

演算子法わからん

コンパクトスキームはなぜPadé（パデ）スキームと呼ばれるか qiita.com/implicit_none/... #Qiita

タグ： Qiita

posted at 11:33:53

#Julia言語

g = x::Int64 -> print("$x is Int64.")
g = x::Float64 -> print("$x is Float64.")

では変数gの中身が

x::Float64 -> print("$x is Float64.")

という無名函数で上書きされただけ。

タグ： Julia言語

posted at 11:33:42

#Julia言語のmultiple dispatchによって

f(x::Int64) = print("$x is Int64.")
f(x::Float64) = print("$x is Float64.")

では、xの型がInt64かFloat64かでf(x)の出力結果が変わります。

タグ： Julia言語

posted at 11:33:41

#Julia言語言うまでもないことですが、

f(x) = x + 1
g = x -> x+1

は違うものです。

f(x::Int64) = print("$x is Int64.")
f(x::Float64) = print("$x is Float64.")

と

g = x::Int64 -> print("$x is Int64.")
g = x::Float64 -> print("$x is Float64.")

だと違いは明瞭。

タグ： Julia言語

posted at 11:33:40

ろいつい @roy_twi

収まらなかった。

見城徹：たった一人の熱狂
自著：死ぬこと以外かすり傷

その他、
宣伝会議講師
オンラインサロン運営
NewsPicksアカデミア設立
CAMPFIRE チェアマン

タグ：

posted at 11:28:12

ろいつい @roy_twi

箕輪さんの担当作(一部)
与沢翼：ネオヒルズジャパン
藤井健太郎：悪意とこだわりの演出術
堀江貴文：多動力
佐藤航陽：お金2.0
落合陽一：日本再興戦略
イケダハヤト：まだ(略
鈴木おさむ：新企画
松浦勝人：破壊者
田端信太郎：ブランド人になれ
田中修治：破天荒フェニックス
前田裕二：メモの魔力

タグ：

posted at 11:26:03

実際に読んでもらうとわかるように、#Julia言語の開発者達は、「親切でかつ論理的で分かりやすい解説」をしてくれていて、ものすごく親切です。それに対する反応がひどいので、観戦者的には「おまえはもう死んでいる」(笑)と見えてしまう。

タグ： Julia言語

posted at 11:25:14

PyCall でのModule 作成法ちゃんと README .md に書いてあったわ・・・。 pic.twitter.com/OBARYKI9Vu

タグ：

posted at 11:23:31

twitter.com/search?q=julia...

タグ：

posted at 11:21:58

ツイッターで julialang 101 how to not を検索すると、 #Julia言語についてアホなことを述べて、Juliaの開発者達にボコボコにされている人を発見できる。

タグ： Julia言語

posted at 11:12:58

あ〜る菊池誠(反緊縮)公式 @kikumaco

#統計以上のような「高級な話題」以前の問題として「尤度(函数)」がどうして「もっともらしさ」なのかという基本的な問題がある。

赤池弘次さんによれば統計学の偉人のフィッシャーさんでさえ尤度概念を理解していなかった。

twitter.com/genkuroki/stat...

タグ：統計

posted at 10:48:32

石川氏がディーン・ラディンの本に一枚噛んでることを忘れてはいけませんね。「評定サイト」は評価に値しません。参考にするべきではない twitter.com/nagapiii/statu...

タグ：

posted at 10:39:32

#統計特異モデルに近い正則モデルの尤度函数のプロットの例は以下のリンク先にもあります。コンピュータで計算した結果を見ると、サンプルサイズn=262144としても正則モデルの漸近論が全く使えない状況になっている！

超絶シンプルなモデルですでにこんな感じ。

twitter.com/genkuroki/stat...

タグ：統計

posted at 10:37:41

#統計「1.4 事後分布の例」を私が自分で確認したときの #Julia言語のコードが

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

の「4.2 特異モデルに近い場合の尤度函数」にあります。この手の試行錯誤が必要な重めの計算にはJuliaが向いていると思う。

添付画像は尤度函数のプロット。正則モデルの漸近論は適用不可。 pic.twitter.com/1p5cPPiYxv

タグ： Julia言語統計

posted at 10:31:31

#統計「定理15の一般化」を私自身が扱った場合の例が以下のリンク先にある。

twitter.com/genkuroki/stat...

タグ：統計

posted at 10:21:45

#統計実用的には、定理15を2つのモデルのWAICを比較するケースに一般化しておく必要があるのですが、何が起こっているかは自分でやってみれば(コンピューターで計算してみれば)すぐにわかります。

twitter.com/genkuroki/stat...

タグ：統計

posted at 10:15:52

#統計個人的には、メインディッシュのベイズ統計の漸近論では、『ベイズ統計の理論と方法』「4.4 統計的推測の一般論」定理15の数値的成立のコンピューターによる確認が非常に重要だと思います。WAICがどのようにモデル選択に失敗しそうかを定理15は記述。

統計学では「いつ失敗しそうか」が重要。

タグ：統計

posted at 10:15:52

#統計特異モデルに近い状況を設定して、コンピューターでサンプルを生成して、尤度函数をプロットしてみることが、渡辺澄夫『ベイズ統計の理論と方法』の第1章を読むときには必須であり、やっていない場合には「結果的に第1章における最も大事なことを自分で確認することを怠った」ことになる。

タグ：統計

posted at 10:04:04

#統計数学に慣れている人は「現実の問題では誤差が伴うので、測度零集合を無視できる場合があること」をよく知っています。しかし、無視してはいけない場合もあって、ベイズ統計の現実世界への応用は実際に無視してはいけない場合になっているということです。

タグ：統計

posted at 10:00:30

#統計『ベイズ統計の理論と方法』の「1.4 事後分布」では、生息モデルだが、特異モデルに近い状況における事後分布(実質的には尤度函数)の様子のグラフが掲載されており、有限のサンプルサイズにおいて正則モデルの漸近論が無力であるケースが簡単に作れることが示されています。非常に重要！

タグ：統計

posted at 10:00:30

#統計続き。そういう事情があるので、特異モデルになるパラメーター全体の集合が測度零集合であっても、その測度零集合でのモデルの漸近挙動が有限のサンプルサイズでの推定の様子をうまく記述しているということがあり得る。

これを納得しないと渡辺澄夫さんの仕事の価値を全く理解できない。

タグ：統計

posted at 10:00:30

#統計続き。コンピューターで色々計算すると、真の分布が特異モデルになるような状況から少し離れていて、理想的には特異モデルでも何でもない状況であっても、nの大きさによっては、正則モデルではなく、特異モデルの漸近挙動の方に近い推定結果が得られる場合があることに気付きます。続く

タグ：統計

posted at 10:00:29

#統計続き～現実にはサンプルサイズは有限です。物理的もしくは予算的な制約で可能なサンプルサイズには上限がある。

そして、私も数学的によく理解できているわけではないのですが、実際に計算すると、サンプルサイズnではnの大きさに応じた「解像度」での推定のみが可能です。続く

タグ：統計

posted at 10:00:29

#統計 #数楽確率モデルが特異モデルになるパラメータ全体の集合は測度零集合になる。典型的な場合には次元が下がった集合になる。だから、「現実の問題では実質的に特異モデルは出て来ない」と誤解する可能性がある。実際にサンプルサイズ→∞とできるなら特異モデルの理論は実用的には不要。しかし～

タグ：数楽統計

posted at 10:00:29

#統計 #数楽渡辺澄夫『ベイズ統計の理論と方法』のメインテーマは特異モデルでのベイズ統計の漸近論(サンプルサイズ→∞での推定の漸近挙動)がテーマです。

だから、特異モデルも扱うことに実用的に意味があることを理解しないとこの本の価値を全く何も理解できなかったことになる。続く

タグ：数楽統計

posted at 10:00:28

#統計 #数楽渡辺澄夫『ベイズ統計の理論と方法』の第1章の「1.4 事後分布の例」は非常に重要。その節をとばすと、その本の存在価値自体を把握できなくなる。

有限のサンプルサイズnでの推定では、nの大きさに応じた「解像度」しか得られないという事実が非常に重要。

twitter.com/physics303/sta...

タグ：数楽統計

posted at 10:00:27

#数楽 Alan Turing の数学的業績を少し知っていた方が

www.google.com/search?q=%E3%8...
チューリングに関する映画の『イミテーションゲーム』

をより楽しめると思います。

タグ：数楽

posted at 03:28:58

#数楽 #Julia言語

チューリングパターンについてはPythonを使える人なら

www.degeneratestate.org/posts/2017/May...

を見ると良いと思います。

動画8 (Part 2 の最後)

おい！これで最後らしいが短いぞ！

うにょっ！ pic.twitter.com/dZZLCsJlFn

タグ： Julia言語数楽

posted at 03:25:46

#数楽 #Julia言語動画7

うにょうにょにょ～ pic.twitter.com/T5zUGQqZnz

タグ： Julia言語数楽

posted at 03:23:52

#数楽 #Julia言語動画6

おい、じゃまだ。どけ。いやだ。ゆきどまりですすめない。 pic.twitter.com/YTmO5YUVeq

タグ： Julia言語数楽

posted at 03:22:50

#数楽 #Julia言語

 nbviewer.jupyter.org/gist/genkuroki...
反応拡散系 Part 2-2

所謂チューリングパターン。以上の続き。

動画5

ぱらぱら、うにょー、べかべかべか pic.twitter.com/GcXDR2Fxtr

タグ： Julia言語数楽

posted at 03:21:48

#数楽リンク先の動画は「運が悪いケース」です。初期状態における中央の正方形の四つ角の全てから「卵」が発生することもあります。初期値に加えてある擬似乱数の出方で「卵」が何個発生するかが変わります。結構不安定。

twitter.com/genkuroki/stat...

タグ：数楽

posted at 03:06:49

tec0 @tec0_cso

@genkuroki www.youtube.com/watch?v=_JmA2C... これですね

タグ：

posted at 03:03:14

#数楽 #Julia言語動画4 うにょー pic.twitter.com/Q6KW7RmMUq

タグ： Julia言語数楽

posted at 02:37:05

#数楽 #Julia言語動画3 うにゃー pic.twitter.com/s6GZD0zzS5

タグ： Julia言語数楽

posted at 02:37:05

#数楽 #Julia言語動画2 ぶつぶつ pic.twitter.com/xVaA2yvfyt

タグ： Julia言語数楽

posted at 02:37:04

#数楽 #Julia言語次に

f(u,v) = - u*v^2 + a*(1-u)
g(u,v) = u*v^2 - (a+b)*v

の場合を扱う。パラメーターは

www.degeneratestate.org/posts/2017/May...

で引用されているものを流用した。

nbviewer.jupyter.org/gist/genkuroki...
反応拡散系 Part 2-1

動画1 ポコポコ感 pic.twitter.com/JfIES6Nwoq

タグ： Julia言語数楽

posted at 02:37:03