黒木玄 Gen Kuroki(@genkuroki)/2019年10月/Page 14

1. 最初の言語: FORTRAN
2. 難しかった言語: アセンブリ
3. 一番使っている言語: Python
4. 嫌いな言語: 特に無い
5. 一番好きな言語: Julia
6. 初心者にオススメ: StackOverflow英語
#最初の言語

タグ：最初の言語

posted at 00:04:36

カレー･ザ･トナカイザー㌠ @SHINOBU_YANAGI

@tsatie #統計 #統計

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

では教科書にある平均μ分散未知の正規分布モデルを使った母平均の区間推定を実装して、正規分布ではない母集団分布のデータからの区間推定の成功確率の計算を行なっています。

95%信頼区間に真の値が含まれる確率が78～79%程度になる場合もある。 pic.twitter.com/VpxT8yhGNf

タグ：統計

posted at 00:05:17

カレー･ザ･トナカイザー㌠ @SHINOBU_YANAGI

文字数の関係で省略したけどフェンシング協会の会長はメダリストの太田選手だよ〜
実績のある人だからトップに立っても納得なんだけど、私と同年代でいちスポーツの「改革」に乗り出してるその姿が物凄くかっこよくて憧れちゃうねぇ〜

タグ：

posted at 00:20:47

ラグビーワールドカップで今まで「ルールがよくわからない」と敬遠されてきたのが「わからなくてもコレだけは知っとくと楽しいよ！」という報道がされ、さらに日本が獅子奮迅の大活躍により注目を浴びる事で「ラグビー面白い！」って人が増えるといいね。
フェンシングも変わるから、要チェックだぞ！

タグ：

posted at 00:23:08

#Julia言語でOOPしたい人にとって参考になると思われるDistributions.jlのソースコードは

github.com/JuliaStats/Dis...

で閲覧できます。

juliastats.github.io/Distributions....
Type Hierarchy

が大雑把にクラスの階層の解説になっているとみなせます。

タグ： Julia言語

posted at 00:23:08

Yuki Nagai @cometscome_phys

1. 最初の言語: BASIC
2. 難しかった言語: JAVA
3. 一番使っている言語: Fortran90
4. 嫌いな言語: Pythonのnumpy作法
5. 一番好きな言語: Julia
6. 初心者にオススメ: Julia
#最初の言語

タグ：最初の言語

posted at 00:24:34

@tsatie #統計訂正：「=1」がぬけていた。

a(X)=0, b(X)=1 とすれば自明に常に θ₀∈[a(X),b(X)] となるという自明な話です。

この手の話題は疑問を持つだけでは先に進めず、疑問を述べるときには具体的な計算を絡めることが大事。コンピューターによる計算の技能が必須だと思う。

twitter.com/genkuroki/stat...

タグ：統計

posted at 00:35:45

togetter.com/li/1416652?pag...　このあたりから、私がメタメタさん（高橋誠さん）@metameta007　に「潜在的理解」を説明しようとしているが、結果的に失敗している。

これこそ、概念の前に名称を提示ししてしまったが故に失敗した典型例。

タグ：

posted at 00:47:04

@metameta007 私としては「潜在的理解」というのは便宜的なもので、名称は何でもよかった。

なんなら「ビールジョッキ」や「テーブル」でも構わなかった。

たまたま「潜在的理解」と名付けた。言葉の意味からもそれほどずれていないと思った。

タグ：

posted at 00:49:06

@metameta007 だけど、メタメタさんは私の説明を素直に読まないで「潜在的理解」という言葉の方に異様に拘ってしまった。

しかもそれを「先天的」というこちらが予想もしない解釈をしたようだ。それでメタメタさんの、私からしたら意味不明な頓珍漢なツイートが連発されることとなった。

タグ：

posted at 00:50:57

@metameta007 ある程度数学を理解している人であれば、「名称は便宜的なもの」とわかるだろうから、体や環を「体というのはこういう物」と説明してもいいだろう。「なぜカラダ？」と疑問には思っても、カラダの意味に拘って、定義が理解できないなんて事はないだろう。

タグ：

posted at 00:53:47

#数楽 #数値計算これ、結構よく分かる疑問の持ち方。コンピューター上で浮動小数点数がどのように実装されているかを知らないと、丸目誤差などについてクリアなイメージを持てなくなる。

数学畑の人は IEEE 754 の概要にざっと目を通しておいた方がすっきりすると思う。

twitter.com/oka_seki_mori/...

タグ：数値計算数楽

posted at 00:56:19

#数楽 #数値計算浮動小数点数関係の資料

ja.wikipedia.org/wiki/IEEE_754
IEEE 754

catalog.lib.kyushu-u.ac.jp/opac_download_...
IEEE754と数値計算 : 浮動小数点演算の特徴とは?
皆本晃弥
2002

後者はついさっき検索して見つけた。

タグ：数値計算数楽

posted at 00:56:21

@metameta007 しかし、小中学生あたりだと、ある用語とそれを表す概念を教えたい場合は、まず概念を先に理解させるべきで、不用意に用語の方を出してはならない、と改めて思った。

　概念が形成されていないところで用語を出されたら、どうしてもその用語の字面に注目してしまう。

タグ：

posted at 00:56:30

@metameta007 正方形も、正方形ではない長方形も、「全ての角が直角の四角形だから同じグループ」ということを周知した上で、

じゃあ名前を付けよう、ということで「長方形」とするなら、「正方形は長くないけどこのグループだから長方形」と理解しやすいだろう。

タグ：

posted at 00:58:27

@metameta007 最初に「長方形というのがある」としちゃうと「長いんだな」と思いかねない。

タグ：

posted at 00:58:52

私がよく知っている当時小学2年生の子は、長方形と正方形の意味は教科書通りであることを説明したら、すぐに正方形も長方形の一種であることを納得していました。

変な思い込みが完成する前なら子供にとってもたぶん簡単なことなのだと思います。

twitter.com/sekibunnteisuu...

タグ：

posted at 01:13:01

むしろ、変てこな負の教育のせいで、人間は馬鹿になるということはかなりあると思う。

妙な現代思想っぽいスタイルにはまると一生の間おかしな考え方しかできなくなるということがあると思う。現代思想っぽいスタイルに毒されると用語の字面的意味へのこだわりを捨てられなくなる。

タグ：

posted at 01:13:03

ごまふあざらし(GomahuAzaras @MathSorcerer

#統計面白いです。

「未知ではあるが確定した真の分布がある」というのも仮説の一つに過ぎず、実際にその未知の分布を推定してみて再現性のある結果が得られたならば、「未知ではあるが確定した真の分布がある」という仮説は正しいという感触が得られるのだと思います。

twitter.com/katzkagaya/sta...

タグ：統計

posted at 01:21:25

#Julia言語

MacOS Catalina にするとJulia1.2以降が起動できなくなる件ですが， /Applications/Julia-1.2.app を右クリックして Open (日本語だと開く？)を押してさらにOKを押すと解決します．

Reference：
github.com/JuliaLang/juli... pic.twitter.com/tk8KeRi4Ln

タグ： Julia言語

posted at 01:21:58

#数楽 #数値計算数学畑の人は、コンピューターの知識に欠けていること自体はそう気にしなくてよいと思う。知らないことは学べばよい。

大学院レベルの純粋数学のあの超絶的なわけのわからなさと比較すれば実用的にコンピューターを使うことはずっと気楽に学べます。ただし時間は相当に必要。

タグ：数値計算数楽

posted at 01:25:49

#統計引用されている部分の最初の文が

パラメーターの推定から分布の推定への一般化！！！

私が最近話題にすることが多い「統計学入門の教科書の説明に問題があり過ぎること」の原因の1つは、

未知の分布の推定

という発想抜きに、パラメーターの推定について説明されていることだと思う。

タグ：統計

posted at 01:31:49

#統計

未知の分布が確率的に生成したデータ

というイメージを持つ前に、いきなり正規母集団を仮定して(その仮定の妥当性については一切触れない！)議論を進められて誤解せずにすむとは全く思えない。

最近話題になった「標本サイズが30以上なら正規分布」というようなひどい誤解の原因だと思う。

タグ：統計

posted at 01:36:02

ごまふあざらし(GomahuAzaras @MathSorcerer

#統計

わけのわからないことについても、それなりに実用的なレベルでの再現性を持つ推定・推測を行なうことによって、我々の生活水準向上に役に立てる

というような普遍的な考え方が欠けると、統計学入門の教科書は単なる「ハウツー本」になってしまうと思う。

タグ：統計

posted at 01:39:31

以前の oneunit の続き
code_llvm で見ると戻り値が入力と同じのにしてくれる
f(x)=x+1 だと x=Int8(1) でも Int64 で返される． pic.twitter.com/wJsfEoeyfK

タグ：

posted at 01:58:13

ʇɥƃıluooɯ ǝıʇɐs @tsatie

20年度の「新共通テスト」に反対シンポジウム（日刊スポーツ） - Yahoo!ニュース
よく纏まってる。動画も観てない者には有り難い。 headlines.yahoo.co.jp/hl?a=20191013-...

タグ：

posted at 02:37:24

@tsatie そういうことも言っていることを認識しつつ、あまりにも何もわかっていないように見える(もしくは自明過ぎてつまらないことに関する)発言をしていたので、クリアに言い直してみたのです。

特に例示が重要。

タグ：

posted at 02:38:13

(:3 っ )っ @sn0wyrabbit

1. 最初の言語: FORTRAN77
2. 難しかった言語: Scala、
3. 一番使っている言語: Python
4. 嫌いな言語: 無いけど選ぶとしたらVBA
5. 一番好きな言語: Julia
6. 初心者にオススメ: マークアップ言語だけどHTML5、プログラミング言語でと言わられるとJavaScript, Python, Ruby
#最初の言語

タグ：最初の言語

posted at 02:51:03

Massimo @Rainmaker1973

A vortex ring is the phenomenon where a quantity of a fluid in a toroid shape, travels through a fluid, while spinning like a circular bracelet that is being rolled off of a person’s arm. And it can also interact with objects [source of the gif: buff.ly/33xVHRT] pic.twitter.com/9ZwN5hWABy

タグ：

posted at 03:14:30

非公開

タグ：

posted at xx:xx:xx

宮島正 @yasuokajihei

尾山先生　言語はJuliaを使っている。斬新である。#Julia言語 twitter.com/toshi_kuroda/s...

タグ： Julia言語

posted at 05:24:50

歩行者は右側通行 @JikanBae

1. 最初の言語: BASIC
2. 難しかった言語: C++
3. 一番使っている言語: R, Matlab
4. 嫌いな言語: PHP
5. 一番好きな言語: Julia, Lisp
6. 初心者にオススメ: C, Python
……とはいえ1番以外の答えは「場面による」だなぁ。プログラミング目的でなければLaTeXを一番使ってるし、PHPも悪くはない。

タグ：

posted at 06:16:01

@kuri_kurita

↓ イギリスが最終的に大陸から切り離されたのは、海面上昇に続いて、ノルウェー沖の海底で起きた地滑りで発生した津波に流されたせいなんだと。
それも紀元前六千年て、つい最近のことだ。　しかもそこは肥沃な土地だったろうから、多くの住民が…

タグ：

posted at 06:21:58

歩行者は右側通行 @JikanBae

最も良いのは、初期の頃から触っていて、新しく導入される言語仕様についていけて、しかもその言語が広く使われるようになることだよね。僕の場合は初期の頃からJava、Python、C++に触れられたのは良かった。
いまはJuliaにベットしてる。

タグ：

posted at 06:23:14

@kuri_kurita

それとも海面上昇のせいで海につかりかけていて、その頃にはもう住民はいなかったのだろうか…

タグ：

posted at 06:24:04

非公開

タグ：

posted at xx:xx:xx

ロイター @ReutersJapan

まるで巨大なクラゲ。不思議な雲がアラバマ州沖で観測された。 pic.twitter.com/EYdtB7ImM7

タグ：

posted at 08:00:00

ℓυşţ мαη @almalah1411

富谷(助教);監修シン仮面ライダー @TomiyaAkio

Talent cannot be denied pic.twitter.com/2IiWsZUpMu

タグ：

posted at 08:51:57

1. 最初の言語: LOGO
2. 難しかった言語: C（未だにわからん）
3. 一番使っている言語: C++ python Julia Shell
4. 嫌いな言語: FORTRAN（読めるけどほとんどかけない）
5. 一番好きな言語: Python
6. 初心者にオススメ: Python（日本語記事多いため）windowsならHSP

#HSP言語
 #初めての言語

タグ： HSP言語初めての言語

posted at 09:15:42

イギリスの大手新聞、The GuardianのAndy Bull記者が書いた。昨日のスコットランド戦の記事が本当に美しく、詩的で、裏方さんなどにも光の当たった素晴らしい記事だったので、皆さんに読んで欲しくてほぼ全訳しました。僕の拙い翻訳で申し訳ないですが、お時間あればご一読を。
#JPNvSCO #RWC2019

タグ： JPNvSCO RWC2019

posted at 09:38:25

❶黙祷は、1分にも満たない、短いものだった。しかしそこには、過去に例を見ない状況で開催される、この試合に対する、相反する感情の渦巻き、衝突が含まれていた。台風がつい数時間前に過ぎ去り、スタジアムの周りは洪水であふれ、救出作業も終わっていなければ、修復作業など始まってすらいない。

タグ：

posted at 09:38:25

❷その黙祷が、一体誰に向かって、何人の犠牲者へ捧げられたのかは、誰も知る由はなかった。被害者の数は、未だに確定していなかったのだから。明け方は4名とされていた死傷者数は９名へ、試合開始時には24名に、ハーフタイムに26名、試合が終わり少し経つ頃には28名へと増えていった。

タグ：

posted at 09:38:26

❸そんな状況で、彼らは試合を開催するべきだったか。あなたは疑問に思っただろう。ラグビー協会はそのことを日曜早朝に話し合い、日本人の組織委員に判断を委ねることを決定した。なぜこんな状況でスポーツをするのか。なぜスポーツを見るのか。

タグ：

posted at 09:38:26

❹未だに多くの人が行方不明で、堤防は壊れ、川は溢れ、会場の横浜から東へ16マイルしか離れていない川崎では100万人が避難し、30マイル北に位置する相模原では、土砂災害でなくなった人の、正確な数さえ把握できていない状況で。

タグ：

posted at 09:38:26

❺災害への一種の清涼剤としてかも、もしかすると、日常を取り戻すためかも、台風に対する挑戦かもしれない。いや、それ以上、「私たちは今生きていて、少なくとも今ここにあるものは楽しむことを決意した」と言う極めて重要な意思表示の1つとしてかもしれない。彼らは試合の開催を決めた。

タグ：

posted at 09:38:26

❻ホスト国としてのプライドもあっただろうが、会議に出席した委員会幹部は、「世界に向けて、自分たちはできると言うことを証明したい」というのが、開催を決定した最たる理由だと、繰り返し主張した。

タグ：

posted at 09:38:27

❼この会場の被害が甚大でなかった理由の一つは、鶴見川から溢れ出す水を、建物の下へと流す貯水設備の上にスタジアムが建っているからだった。スタジアム自体が街の災害対策設備の支柱なのだ。そしてこの試合で、日産スタジアムは、街の『精神的』支柱にもなった。

タグ：

posted at 09:38:27

❽組織委員たちは、台風が去ったら一刻も早く動き出せるよう、土曜の夜はスタジアムに泊まり込んだ。明け方には整備班が現地入りし更衣室から水を吸い出し、消防隊は全ての機械設備の点検を3度行い、ピッチに流れ込んだ泥やゴミをホースで一掃した。

タグ：

posted at 09:38:27

❾同時に、組織委員会は政府や地方自治体と協力し、水道局、道路局、バス会社や鉄道会社などの各種交通機関と連絡を取り、複雑な課題を解決していった。

タグ：

posted at 09:38:27

10
日本では、このワールドカップにおける『おもてなし』とは何か、と言う議論が活発になされてきた。私も正確に翻訳することはできないが、この国で4週間を過ごして、漠然とだが理解したかもしれない。それは、客人を喜ばせるために全力を、いや、何かそれ以上を尽くすということだ。

タグ：

posted at 09:38:28

11
しかし、彼らの『おもてなし』は、私たちの予想をはるかに上回っていた。試合前、多くの人が全くの勘違いをしていたのは、そのせいかもしれない。

タグ：

posted at 09:38:28

12
「日本人はみんな、この試合が中止になり、過去に勝利したことのないスコットランドとポイントを分け合うことを望んでいる」という勘違いを。中には、「日本は故意にスコットランドの妨害をしている」と言う、壮大な陰謀論を唱える者までいた。

タグ：

posted at 09:38:28

13
スコットランドラグビー協会の最高責任者、マーク・ドッドソンも、完全な勘違いをしていた。怒りに任せて、『巻き添え被害』(ポイントを分け合うこと)に合えば法的措置を検討しているなどと口を滑らせた。これは、日本人たちがどう覚悟を決めたかのプロセスに対する、恥ずべきミスリーディングだ。

タグ：

posted at 09:38:29

14
黙祷に続いて、日本の国歌、君が代が流れた。日本人はこの国歌に複雑な思いを抱いており、歌わない人もいる。そのため大会中、ファンたちに国歌斉唱を促すキャンペーンが開かれている。この日、会場の多くの人が参加した国歌斉唱は、感動的で、荘厳だった。

タグ：

posted at 09:38:29

15
選手を鼓舞する歌声が、大きく大きく、街中に響き渡るほど広がっていった。あの瞬間、あなたは思い知っただろう、スコットランドが対面しているのは、ラグビー文化を持たない極東の島国ではなく、強大なサポーターを持つ、己の真価を世界に証明しようと言う覚悟の決まったチームだということを。

タグ：

posted at 09:38:29

16
前半の30分間、日本は魔法のような、激しく、獰猛で、集中したラグビーを見せた。次に対戦する南アフリカも含め、トーナメントに残った、全てのチームを凌駕するほどの。スコットランドも善戦したが、より頑強で、より鋭く、より俊敏であった日本に、完全に圧倒された。

タグ：

posted at 09:38:29

17
日本のラグビーファンたちは、今なら何だってできる、どこが相手だって倒せると信じているだろう。そして、日曜日の夜に彼らが偉業を成し遂げた今、日本人だけではなく世界中の誰しもが、同じように思っている。

終

タグ：

posted at 09:38:30

Stack Overflow Hot Q @SOHotQuestions

元記事こちらです。翻訳家ではないので誤訳あると思いますがそれはすみません。所々意訳もあるのでよろしくお願いします。www.theguardian.com/sport/blog/201...

タグ：

posted at 09:38:30

Sequences of ASCII characters available for use as operators in macros

stackoverflow.com/q/58365731/250...

#julia #coding #programming #developer #julialang #juliaset #datascience #scientificprogramming #numericalcomputing pic.twitter.com/ZC3Jqgfoki

タグ： coding datascience developer julia julialang juliaset numericalcomputing programming scientificprogramming

posted at 09:55:38

#統計細かい話

引用部分第1文で、説明の分かり易さの重視のために単に「分布の推定」と書かずに「future observationの分布の推定」と書いたのかもしれないが、推定対象の分布はこれから観測されるデータの分布だけではないことに注意が必要だと思った。続く

twitter.com/katzkagaya/sta...

タグ：統計

posted at 10:13:21

#統計過去のデータと数学的モデルで作った予測分布p*(x)の予測誤差の大小でモデル選択する場合には、予測分布の汎化誤差の推定値(AIC, WAIC, LOOCVなど)の大小で判断を下すことになります。

ところが、AIC, WAIC, LOOCVの揺らぎが汎化誤差の揺らぎと逆相関するという問題がある。

タグ：統計

posted at 10:13:26

#統計 (渡辺澄夫『ベイズ統計の理論と方法』p.119定理15)

AIC,WAIC,LOOCVでは、サンプルサイズ→∞の極限でも、正しくないモデル選択をする確率すなわち過学習している予測分布の側を選択する確率が0%に収束しない場合がある！

この困難を排除できる目処は現時点ではない。(不可能だと私は予想)

タグ：統計

posted at 10:13:27

#統計 future observationの予測分布の選択には以上のような困難があるので、過信してはいけない。

実用的な範囲内で再現性のある予測をできていれば十分で、少々間違っている可能性があっても受け入れる、という使い方をするなら十分に合理的だと思う。

タグ：統計

posted at 10:13:27

#統計ベイズ統計で使う数学的モデルは「よくわからないものはランダムに決められている」という設定になっている。予測分布はモデル内確率分布を過去に得られた現実のデータがモデル内で偶然生成された場合に制限した条件付き確率分布として定義される。(ベイズの定理に頼る必要はない。)

タグ：統計

posted at 10:13:33

#統計現実のデータを使って制限した条件付き確率分布(予測分布)の予測誤差を推定してモデル選択するのではなく、制限を課す前のモデル内確率分布全体による予測誤差を推定してモデル選択するという考え方もある。

タグ：統計

posted at 10:13:33

#統計モデル内確率分布全体による予測誤差(KL情報量で定義される)は自由エネルギーの(データ=サンプルを動かす)平均に等しい。自由エネルギーの漸近挙動より、自由エネルギーの実現値は、自由エネルギーの平均値の悪くない推定値になっている。

タグ：統計

posted at 10:13:34

#統計だから、自由エネルギーもしくはその近似値(bridge sampling, BIC, WBIC, sBIC, …)でモデル選択するという考え方も十分に有力。

目的に合わせて、何を最小化したいかは変えるべきなので、他の選択肢もあると思う。

既存の道具で意味もわからず機械的に処理することだけは良くないと思う。

タグ：統計

posted at 10:13:34

#統計以上のように、「予測分布による次の観測値の分布の近似の誤差」と「モデル内確率分布によるデータを生成した未知の分布の近似の誤差」の二種類の基準がある。

どちらもKL情報量によって分布の誤差を評価することは共通しており、どちらも「分布の推定」という大枠の一部分と見てよいと思う。

タグ：統計

posted at 10:13:35

#統計以上でテクニカルな事柄に関係するジャーゴンを多数使ってしまったが、確率分布pによる確率分布qのシミュレーションの誤差はKullback-Leibler情報量で自然に定義され、そのおかげで「モデルの分布pによる未知の分布qの推定」というアイデアが数学的にクリアになることはシンプルで分かり易い。

タグ：統計

posted at 10:18:32

#統計赤池弘次さん自身によるKullback-Leibler情報量とそのSanovの定理と使い方に関する解説が

jstage.jst.go.jp/article/butsur...
エントロピーとモデルの尤度
赤池弘次
1980

にある。(相対)エントロピーの-1倍(ネゲントロピー)がKL情報量に一致。Sanovの定理にあたることはp.610の右半分にある。

タグ：統計

posted at 10:23:24

#統計 KL情報量の意味での「モデルの分布による分布の近似」というアイデアは記述統計をクリアに理解するためにも役に立ちます。

例：母集団分布の平均と分散を求めることは、母集団分布をKL情報量の意味で最良近似する正規分布を求めることに一致しています。

タグ：統計

posted at 10:31:49

#統計例：サンプルの平均と分散を求めることは、データの分布に最も適合する正規分布を求めることと同じ。

平均と分散を求めるだけではなく、データのヒストグラムや累積度数のグラフとそれらを最良近似する正規分布のグラフを重ねて描くと、平均と分散を求める意味がより明瞭になります。

タグ：統計

posted at 10:31:51

#統計赤池弘次さんが勧めているように、平均や分散のような「パラメーター」ではなく、正規分布のような「分布」の側に意識をシフトすることは、記述統計のような事柄も含めて統計学における基礎的な考え方への印象をよりクリアな方向に大きく塗り変えるために役に立つように思えます。

タグ：統計

posted at 10:34:25

#統計「平均と分散を代表値として特に選ぶことにはどういう意味があるのか？」のような疑問には、「平均と分散を代表値に選ぶことは分布を正規分布で最良近似することに等しい。正規分布による近似が不適切な場合には平均と分散を代表値として選ぶことも不適切になる」と答えることができる。

タグ：統計

posted at 10:45:48

#統計 #Julia言語

 nbviewer.jupyter.org/github/genkuro...
Kullback-Leibler情報量と記述統計
黒木玄
2019-09-13~2019-09-23

平均と分散⇔正規分布による最良近似

中央値と中央値との差の絶対値の平均⇔Laplace分布による最良近似

タグ： Julia言語統計

posted at 10:51:02

#統計平均と分散の代わりに、中央値と中央値との差の絶対値の平均の組み合わせを代表値に選ぶことは、Laplace分布

p(x|a,b) = (1/(2b)) exp(-|x-a|/b)

による最良近似を求めることと同じです。Laplace分布は相対的に正規分布より裾が厚いので外れ値により強くなります。

タグ：統計

posted at 10:54:16

#統計平均と分散の組み合わせは外れ値に敏感に反応します。

分散について説明すると「どうして二乗するんですか？」という質問もよくある。

これらの問題についてクリアな回答を用意するには、平均や分散のような「パラメーター」ではなく、「分布」の側に意識を移して行く必要があります。

タグ：統計

posted at 10:56:57

#統計ばらつき方の指標として、平均とともに使われる分散について「どうして二乗するんですか？」という質問には、

* 二乗することに必然性はない。

* 平均と分散を代表値とすることは、正規分布による最良近似になる。

続く

タグ：統計

posted at 11:03:00

#統計

* 正規分布の代わりにLaplace分布を選べば、平均と分散が、中央値と中央値aとの差の絶対値の平均bに置き換わる。

* その場合にはばらつき方の指標であるbを計算するときには絶対値を二乗せずに和を取っている。

* 正規分布を選べば二乗和にすることになるが、Laplace分布ならそうならない。

タグ：統計

posted at 11:03:03

#統計

* 常に正規分布モデルで推定しなければいけないということはないので、ばらつき方の指標を二乗和にする必然性もない。

* 平均と分散、中央値とそれに対応する自然なばらつき方の指標の裏には、正規分布やLaplace分布のような確率分布が隠れている。

タグ：統計

posted at 11:07:46

Ben Bartlett @bencbartlett

Lenticular lenses can be used to blur images along a single direction pic.twitter.com/lKon9KLtwI

タグ：

posted at 11:10:42

#統計平均や分散の計算の仕方自体は算数だけで説明可能ですが、それらについて深く理解するためには、確率分布に関する理解が必須だと思う。

それ抜きでは意味もわからず単に計算するだけになってしまう。特に分散については。

タグ：統計

posted at 11:10:50

#統計「代表値として何を選ぶかについては、選んだ人の主観が相当に入る」という事実についてもパラメーターから分布に意識を移した人にとっては易しい話になる。

「〇〇分布で分布を近似する」という発想をしていれば「〇〇分布の取り方には無限に選択肢がある」という事実に向き合わざるを得ない。

タグ：統計

posted at 11:22:41

#統計パラメーターから分布に意識を移して、「パラメーターを求めたり、推定したりする」ではなく、「モデルの分布で既知および未知の分布で近似する」という発想になれば、モデルの分布の取り方に無数の選択肢があることに向き合う必要が生じる。

真に正しい答えが得られない状況に放り込まれる。

タグ：統計

posted at 11:35:26

#統計以上のような事柄を認識できる人達が世に沢山出るようになることは非常に好ましいことだと思うのですが、大学2年生向けの標準的な統計学入門の教科書の内容より数学的にずっと難しい話になっていると思うので、現実には相当に大変。

統計学入門の内容の論理的杜撰さも状況を悪化させている。

タグ：統計

posted at 11:40:51

#統計学校図書の小5算数教科書で割合を、シュートを

8回中5回成功
10回中5回成功
10回中6回成功

した3人のうち

【だれがいちばんシュートの成績がよいといえるでしょうか】

という問題で導入しているのはまず過ぎ。

こういう所でも統計学が蔑ろにされている。

twitter.com/sekibunnteisuu... pic.twitter.com/GZiHjekJq8

タグ：統計

posted at 12:24:42

#統計若園さんの言う通り！

学校図書の算数教科書の著作者の1人である後藤学さん @MG_uk007 はツイッター上でも活躍していて、我々はブロックされています。

一松信さんも何をやっているんだか。算数教科書を通して子供を害することに貢献するのは非常にまずすぎ。

twitter.com/greatdemon1701... pic.twitter.com/Elm3hwWOxs

タグ：統計

posted at 12:30:01

#超算数我々の次の世代のためには、内容的にチョー算数(=算数教育界の内部のみで通用する非常識かつ不合理な独自の算数理論もどき)を基礎に執筆されている算数の教科書の著者たちによる算数関係の発言の継続的監視と批判が必要だと思います。

もっと多くの人が参入した方が良い分野だと思う。

タグ：超算数

posted at 12:34:16

Тагсанов @tagsanov

1. 最初の言語: C
2. 難しかった言語: Coq
3. 一番使っている言語: Julia
4. 嫌いな言語: Verilog
5. 一番好きな言語: Julia
6. 初心者にオススメ: C#

タグ：

posted at 12:54:04

シキノ @sikinote

周期的に振動する輪に束縛された質点の運動 pic.twitter.com/S1qw48Nidg

タグ：

posted at 13:04:36

#数楽 #数値計算 #浮動小数点数 #Julia言語

浮動小数点数について学びたければ、Pythonではなく、Juliaをいじった方が学び易いと思う。少なくとも、CやらFortranより、Juliaの方がずっと楽。Juliaのドキュメントでは以下を参照。

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

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

タグ： Julia言語数値計算数楽浮動小数点数

posted at 13:15:49

#Julia言語では

Inf - Inf → NaN
0.0/0.0 → NaN
1.0/0.0 → Inf
1.0/Inf → 0.0
-1.0/Inf → -0.0

となります。面白いのは == と === の違い。

NaNを出してしまうまずい数値計算をしてしまうことはよくあって、相当に注意深くコードを書く必要が生じる場合が結構あります。 pic.twitter.com/IveCvmxY0t

タグ： Julia言語

posted at 13:22:43

開米瑞浩 @kmic67

ある会社の社員さん１０人ほどに図解と要約の問題を出題して解答を添削する仕事をしているんだけれど、図解でも解答をExcelで書いてくる人が意外に多いんですよね。ということで質問です。皆様はちょっとした図を書くとき、どんなツールを使いますか？

タグ：

posted at 13:31:57

K.B.砂糖 @KB_satou

watanabe-www.math.dis.titech.ac.jp/users/swatanab...
ここの正誤表 (3刷) にあった。
持ってるの7刷だけど直ってるわけじゃないのか?

タグ：

posted at 13:33:15

#数楽 #数値計算

 #Julia言語について知る前には「特殊函数の数値計算に関する既存のライブラリはすでにカリカリに最適化されている」と誤解していました。その誤解は

nbviewer.jupyter.org/github/steveng...

を見て正されました。

タグ： Julia言語数値計算数楽

posted at 13:35:00

#数楽 #数値計算

 nbviewer.jupyter.org/github/steveng...
では、指数積分函数について、Python scipyで使われているFortranで書かれたライブラリよりも5～6倍の計算速度をJuliaで実現しています。アルゴリズムの最適化だけで高速化された。

まだこのような最適化の余地が残されまくっている感じ。

タグ：数値計算数楽

posted at 13:35:01

#数楽 #数値計算

特殊函数の漸近展開などに関する数学や数値計算のプログラミングに強い人達に「既存の特殊函数のライブラリにアルゴリズムの最適化だけで数倍の速度向上が望める部分が残っている」という認識は広まった方がよい。

誰かが、実際にそれを実現して世界的に名を上げるかもしれない。

タグ：数値計算数楽

posted at 13:35:01

#数楽 #数値計算計算のさらなる効率化を行いながら、オーバーフローやアンダーフローを引き起こさない特殊函数の数値計算のコードを書くことは、相当な神経の集中を要する仕事です。

バグが生じていないかどうかを自動的に確認する方法を用意してからじゃないと手を出し難い仕事かもしれない。

タグ：数値計算数楽

posted at 13:35:01

#数楽 #数値計算統計学的計算で必要になる不完全ベータ函数の数値計算のソースコードで普及しているものは(例えばRやJuliaなどで使われているものは)、

github.com/JuliaStats/Rma...

で読めます。2000行以上もあって、これをもっと最適化しろと要請されることは悪夢そのものだと思う。

タグ：数値計算数楽

posted at 13:35:01

早起き仙人 @brainisnotbrain

1. 最初の言語: FなんとかN
2. 難しかった言語: CなんとかL
3. 一番使っている言語: Julia
4. 嫌いな言語: 覚えていたくないので思い出せない
5. 一番好きな言語: Julia とりあえず
6. 初心者にオススメ: LispとSmalltalk
7. 教養として知っておきたい: Smalltalk, Scheme

タグ：

posted at 13:51:07

残り44件のツイートを見る

K @rmc_km

1. 最初の言語: SQL
2. 難しかった言語: C++
3. 一番使っている言語: Python
4. 嫌いな言語: VBA
5. 一番好きな言語: JavaScript
6. 初心者にオススメ: Python
Julia言語をほそぼそ勉強しています
#最初の言語

タグ：最初の言語

posted at 13:54:54

@genkuroki #超算数　これもいろいろ残念な授業
www.asahi.com/articles/ASHC2...

途中しか読めないけど、ジャンケンをやって誰が強いかを勝率で求めるというもの。

タグ：超算数

posted at 13:55:11

@genkuroki #超算数　ここに書いた以外にもアイコの扱いをどうするのか、とか疑問点がある。
8254.teacup.com/kakezannojunjo...

プロ野球でも、勝率は
勝利数÷（試合数ー引き分け数）としているが、
引き分けを0.5勝・0.5敗と計算していた時代もある。

タグ：超算数

posted at 13:59:37

#数楽条件付き期待値 E[X|Y] の説明は最初から完全な一般論にすると分かり難いと思う。応用上よく出て来る密度函数がある特別な場合に「よくやること」(添付画像)を先に知っていれば、「これの単なる一般化」として理解が易しくなると思う。

twitter.com/seibibibi/stat... pic.twitter.com/y7J9FTcnHM

タグ：数楽

posted at 14:03:37

nisai @n1saaai

@genkuroki ありがとうございます！とても分かりやすくてびっくりしました

タグ：

posted at 14:07:13

#統計密度「函数」としてデルタ超函数も許す数学の応用分野でよくあるスタイルを採用して密度「函数」がある場合のみを理解しておけば、応用上困ることは少ないと思う。無理して測度論的な確率論を丸ごと学ぶ必要はない。

渡辺澄夫『ベイズ統計の理論と方法』もそういうセンスで書かれていると思う。

タグ：統計

posted at 14:08:23

@genkuroki #超算数　学校図書の教科書が原因なのか、算数業界では昔から定番なのかわからないけど、シュートの成功率で割合を教えているケースは多いようですね。

　割合を求める必然性・合理性が見えない。

www.google.com/search?q=%E5%8...

タグ：超算数

posted at 14:37:09

#統計測度論的確率論への恐れ(暗黒面に繋がる)を持っている人達の恐れは解説の仕方の不親切さが原因のミスリードに基くものだと思う。

ルーレットで1,2,3,4の目がそれぞれ 0.4, 0.3, 0.2, 0.1 の確率で出るとき、そのルーレットに関する確率に関する計算は、(0.4, 0.3, 0.2, 0.1) という～続く

タグ：統計

posted at 14:44:37

#統計続き～確率に関する数値的データのみを使って実行可能で、「確率とは何か」のような問題に関わり合う必要はない。こういうことは実質的に高校数学で習うとしてよいと思う。

確率を記述する数値的データの一般化がちょうど測度で定式化可能なので、測度論が確率論で便利に利用されることになる。

タグ：統計

posted at 14:44:42

#統計「ルーレットで1,2,3,4の目がそれぞれ 0.4, 0.3, 0.2, 0.1 の確率で出る」という確率の数値的データによる記述の連続版が、「確率変数Xがa≦X≦bとなる確率は∫_a^b p(x) dx になる」という確率密度函数p(x)による記述。

タグ：統計

posted at 14:44:43

#統計ここまで来て、さらに測度論を知っていれば、測度論的な確率論の定式化を自分で行うことはほぼ自明です。教科書を見るまでもない。

「測度論について知っている」という前提でズルをしているのですが、直観レベルで定式化までは大した話じゃないという認識は重要。

タグ：統計

posted at 14:46:53

#統計論理的に非自明なのは

* 測度論的積分論では極限の交換が易しい話になる。(Lebesgueの収束定理やFubiniの定理など)

* サイコロを無限回ふる(もしくは無限に長い確率変数列を考える)という理想化された数学的状況においても測度論的な確率概念の定式化が可能。

のような事柄です。

タグ：統計

posted at 14:51:58

#統計そういうちょっと非自明な部分を認めて使う立場(全然悪いことではない)であれば、測度論的確率論の入門に恐れを持つ必要はないように思える。

タグ：統計

posted at 14:52:02

#数楽測度論的な確率の定式化とそれを使った期待値の計算の話は、測度論的積分論(Lebesgue積分論)の教科書における有限測度上の積分の話にちょうど対応しています。有限測度を正規化すれば確率測度になる。私が学生時代に聴いたLebesgue積分論の講義でも確かそういう扱いをしていました。

タグ：数楽

posted at 15:05:37

#統計積分論の実態は「重みを付けて足し上げること」に過ぎないという認識を持っていて、さらに、確率論では「重みにあたるものが確率と呼ばれている」で「確率を全部足し上げたら1になる」ということを知っていれば積分論の特別な場合として定式化可能なことは自明。「重み」の定式化が「測度」。

タグ：統計

posted at 15:08:59

#数楽

のちの世代の人達が「直観レベルでは自明だろ！」と言ってくれるようになる良い定式化を発見して整備することは恐ろしく非自明な仕事になります。

あとの世代の我々は昔の偉い人達が見付けて整理してくれた定式化を「直観レベルでは自明なもの」として利用し、その安楽さを享受すればよい。

タグ：数楽

posted at 15:14:57

#統計関連

twitter.com/genkuroki/stat...

タグ：統計

posted at 15:24:11

非公開

タグ：

posted at xx:xx:xx

エコ鉄 @eco_tetsu

@kmic67 @genkuroki どんなよいツールを使おうが、手書きでラフを描けない人は無理。
Excelはそれを再現するには不向きなツールです。

まずは、手書きで訓練することをお勧めします。

タグ：

posted at 15:49:32

開米瑞浩 @kmic67

@eco_tetsu @genkuroki 考えが浮かばないときは手書きのほうがいいですね。経験上。

タグ：

posted at 15:52:06

#統計資料

konkon3249.hatenablog.com/entry/2019/10/...
「非会員・無料会員」と「有料会員」で分類したときのそれらの比の様子もプロットした話

その分類の判断基準の詳細については

anond.hatelabo.jp/20191011180237

を参照。

タグ：統計

posted at 15:58:31

Yuki Nagai @cometscome_phys

上の子(8)とマインクラフトで遊んでたら、「落ちたときにいつもガフって言うけど言わないで」と言われた

タグ：

posted at 16:53:35

非公開

タグ：

posted at xx:xx:xx

先日担任の先生が受験で大丈夫かと心配してくれた学校で習ったのと違う式、これならなんの問題もないでしょ。でもこれでは小学校では本来はバツになるらしい。 pic.twitter.com/vIV8ZUGGe6

タグ：

posted at 17:21:46

担任の先生はよくわからないが息子のことなら合っているのだろうと丸をくれたが。
考え方として何も間違ってないし、受験でこれを減点されることはおそらくない。

タグ：

posted at 17:23:25

受験で大丈夫という根拠は、受験のプロである中学受験塾で、解き方が学校で習ったものと違うことを指摘されることはないから。息子の解き方を指摘されたことはない。

タグ：

posted at 17:33:17

「学校で教えたやり方と違う」という理由で合っているのに減点するというのはモラハラ野郎と同じ思考じゃん。俺の教えた通りにやってないってことでしょ。
学びとして理解しているかどうかは全く考慮されてない。それは教育ではないと思う。

タグ：

posted at 17:42:27

大紫 @logophilius

GPML chap.5のCO2観測値に対するガウス過程回帰に感動したけど，いざやってみるとどれが良いモデルかの判断は難しい。。値は（−1）×エビデンスで，何十回と初期値を変えて計算したなかからエビデンスがいい４つを選択，赤は95％予測区間
右下みたいなのがスッと出る思ったけど，色々な結果が生まれた pic.twitter.com/bo5O1eglje

タグ：

posted at 17:45:56

コヒョ @takotarou_kohyo

天むす名古屋 Temmus @temmusu_n

1. 最初の言語: HSP
2. 難しかった言語: JS
3. 一番使っている言語: PythonかSAS
4. 嫌いな言語: Java
5. 一番好きな言語: Julia
6. 初心者にオススメ: COBOL

タグ：

posted at 18:33:20

#超算数出た、授業で教わった通りの解法で解かないと、理解していないことになる例twitter.com/nanaio627/stat...、というか通弊。教育心理学には色々な流儀があり、理解の概念も様々に論じられているが、一体どんな心理学なら、授業でやったそのままの再生が理解と言えるのでしょうかね。

タグ：超算数

posted at 20:00:45

Naoaki ONO @naono_twt

1. #最初の言語: BASIC
2. 難しかった言語: lisp, Objective-C
3. 一番使っている言語: R, Python
4. 嫌いな言語: Perl, PHP
5. 一番好きな言語: Julia, Quenya
6. 初心者にオススメ: Ruby, 英語

タグ：最初の言語

posted at 20:06:43

l_ppp @ppp3141592ppp

1. #最初の言語: BASIC
2. 難しかった言語: html,css
3. 一番使っている言語: Julia
4. 嫌いな言語: Java
5. 一番好きな言語: Julia
6. 初心者にオススメ: Julia

Juliaがお気に入り
アルゴリズムの確認回数を最大化したい

タグ：最初の言語

posted at 20:41:24

#統計個人的なノート集

github.com/genkuroki/Stat...

の下の方で公開している2×2の独立性検定の比較のノートを更新した。昔のノートの更新なので #Julia言語 v0.6.4 を使用。

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

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

更新の主な内容はmid-p版のFisher検定の追加です。

タグ： Julia言語統計

posted at 20:55:10

#統計続き。ただしmid-p版のFisher検定の実装は以下のリンク先でTarotanさんが言及しているスタイルのものです。

個人的にはR言語のexact2x2パッケージのmid-p版Fisher検定よりもこちらの方がずっと良いように思えました。

twitter.com/BluesNoNo/stat...

タグ：統計

posted at 20:58:11

#統計

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

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

でやっている比較はかなり徹底していて、独立性を満たす分布を与えるパラメーターp,qを0.05刻みで動かして様子を全部見ています。

タグ：統計

posted at 21:00:01

ぱおとんず @paotongzi

今回の入試改革の三本柱(全て問題大有り)は
1、英語民間試験活用
2、共通テスト記述問題
3、主体性評価
喫緊の課題は1ですが、2、3も大問題です。特に3についてはあまり表に出てきていません。ぜひ知って頂きたい。
なお、この3つとも
1、GTEC
2、採点委託
3、classi
と関与している企業があります。 twitter.com/LRwKojItiOzfHT...

タグ：

posted at 21:01:12

吉田弘幸 @y__hiroyuki

新しい制度では自分で勝手に勉強している天才が弾き出される可能性もある。

タグ：

posted at 21:07:48