黒木玄 Gen Kuroki(@genkuroki)/2022年09月/Page 27

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09月 » Page27

«< 前のページ 24 25 262728 29 30 次のページ >»

並び順 : 新→古 | 古→新

2022年09月04日(日)

淡中☆圏 @tannakaken

22年9月4日

いしいひさいち先生の自費出版本『ROCA 吉川ロカストーリーライブ』の最後のシーンに出てくるの、成長したののちゃんと少し足腰の弱ったおばあさんか……

タグ：

posted at 23:59:35

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#数楽既出ですが、正規分布モデルについて、

　座標系 (μ, log σ²) で平坦なimproper事前分布 ∝ dμ d(σ²)/σ²

と

　Jeffreys事前分布 ∝ dμ d(σ²)/σ³

は異なる。

P値を使う1群のt検定は前者の事前分布でexactに再現される。

タグ：数楽

posted at 23:56:57

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計 #Julia言語座標系 (μ, log σ²) = (μ, log σ²) で平坦なimproper事前分布の場合にその結果から、1群のt検定に付随する信頼区間や予測区間がぴったり再現されることも数値的に確認できたので、多分、計算ミスはしていないと思います。 twitter.com/genkuroki/stat...

タグ： Julia言語統計

posted at 23:52:33

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#Julia言語 Turing.jlはJuliaで使えるMCMC用のパッケージで、すでにJulia本体のバイナリをインストール済みなら、

julia> ]
pkg> add Turing
pkg> バックスペース
julia> using Turing

で即使える。久々に使ってみたが、Julia以外の開発環境がいらないので、使えるようにするための手間が極小。

タグ： Julia言語

posted at 23:44:34

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計 #Julia言語疑問に感じることがあったら、常にサクッとコードを書いて数値的に確認するようにすれば、妙な想像をして間違うリスクを減らせるし、なによりも楽しい点がよい。

JuliaのTuring.jlなら、C++を使える環境は不要で、Juliaの公式バイナリとTuring.jlパッケージを入れるだけでよい。

タグ： Julia言語統計

posted at 23:41:14

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計

正規分布モデルの場合に

* 無情報事前分布の場合

と

* データの数値を使って良さげな事前分布(デフォルト事前分布)を自動的に決める場合

の比較。Turing.jlを使って数値的に確認するコードを追加した。

久々にTuring.jlを使ってみた。便利。

github.com/genkuroki/publ...

タグ：統計

posted at 23:37:48

鰹節猫吉 @sunchanuiguru

22年9月4日

@sekibunnteisuu 式（「正しい式」）を書かないとバツ、問題文の中にある数だけを使って式を書かないとバツ、授業で教えたことを理解しているのかをみるのが試験の目的だから授業で教えた公式にあてはめないとバツ、等々という教え方をした結果というのもあるかもしれません。
#超算数

タグ：超算数

posted at 23:36:19

ハマノ @hamano_hou

22年9月4日

生クリームジャンキー向けだ！！と歓喜してすぐ新潟限定と聞かされて崩れ落ちた。 pic.twitter.com/KELbwSAnqy

タグ：

posted at 23:15:57

積分定数 @sekibunnteisuu

22年9月4日

@genkuroki @takusansu @bampaku #超算数　遠山啓らは「人類が獲得するまで時間がかかったということは、その概念が難しいからだ」という思い込みがあるようにも思う。

　現在だって、米国はメートルじゃなくヤード使っている。これは米国人が普遍単位という概念を理解していないからではないだろう。

タグ：超算数

posted at 22:34:29

積分定数 @sekibunnteisuu

22年9月4日

@genkuroki @takusansu @bampaku #超算数　指の幅いくつ分か、で比較しても、人によって指の幅が異なるから都合が悪い。共通の尺度にしましょう、というのがそんなに難しい話とは思えない。

　人類が普遍単位を獲得するまで時間がかかったとしても、それは概念が難しいからではないだろう。

タグ：超算数

posted at 22:32:16

積分定数 @sekibunnteisuu

22年9月4日

確かに「3の倍数以外の自然数を小さいものから並べた列の241番目の数は？」を諦めるって、

教え方云々の話じゃないよね。 twitter.com/hgn_no_otaku/s...

タグ：

posted at 22:14:40

土猫 @topaz_beginner

22年9月4日

山に入った衣類は全て熱湯消毒しましょう
肉眼では見逃すようなマダニがたくさん付いてる場合があります
そのまま洗濯してもマダニは死にません
超水耐性を持っています
熱に弱いので乾燥機にかけるか熱湯消毒しましょう pic.twitter.com/iNo71K2Hmf

タグ：

posted at 20:57:25

SASYAMA @sasyupi

22年9月4日

@nabakariharu あ、撲滅委員会も参照に入ってて、感動しました。友達のサイトだったので。3D円グラフは滅びるべきと私も思います。

タグ：

posted at 20:55:34

SASYAMA @sasyupi

22年9月4日

失礼、3D円グラフ撲滅委員会です

タグ：

posted at 20:52:57

SASYAMA @sasyupi

22年9月4日

3Dグラフ撲滅委員会というのが6年前に結成され、日夜、作成者を闇に葬ってるのですが、なかなか。
www.cresco.co.jp/blog/entry/950/ twitter.com/nabakariharu/s...

タグ：

posted at 20:51:39

清水　団 Dan Shimizu @dannchu

22年9月4日

『倍数判定法』の授業スライドを作ったのですがMarkdown + Marp + VS Codeの組み合わせ最強ですね！スライドのバランスなど自動的に取ってくれて，微調整しなくていいのでストレスがありません！ pic.twitter.com/EjdFS3Z1Wp

タグ：

posted at 20:46:14

さくら @Sakura_Med_DSci

22年9月4日

@snap_tck コメントありがとうございます。
不思議なもので、私は最初は「りょうそく」読みで、「りょうがわ」読みに違和感があったのですが、
今は「りょうそく」読みに違和感があります。

広辞苑でも「りょうがわ」なんですね！勉強になります🌟

タグ：

posted at 19:52:17

非公開

タグ：

posted at xx:xx:xx

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計その辺について、最近よく紹介しているcompatibilityとしてのP値の解釈について述べている人達は正直でよいと思います。

問題は正直でないように見える人達の存在。

タグ：統計

posted at 18:59:23

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計例えば、主観的事前分布をモデルが含んでいる場合には、その主観込みで、データの数値とモデルのcompatibilityを見ることは、データの数値を生成した真の法則を想定しなくてもできる。

しかし、それは単に数値と数学的フィクションの関係を述べているだけになります。

タグ：統計

posted at 18:59:23

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計その解釈は、データを生成している法則の類を一切考慮せずに、得られたデータの数値と統計モデル+パラメータ値という数学的フィクションのcompatibilityについてしか考えていないからです。

これは、P値を使っていても、ベイズ統計を使っていても同じことです。続く

タグ：統計

posted at 18:59:22

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計他のスレッドで繰り返し述べていることですが、P値函数や事後分布はデータの数値と統計モデル+パラメータの整合性もしくは両立性の指標とみなせます(P値についてはASA声明を参照)。

そういう解釈から得られる結論は非常に弱いです。

続く

タグ：統計

posted at 18:59:21

栗原裕一郎 @y_kurihara

22年9月4日

著者Debra Sohのインタビューの邦訳発見。彼女は科学者だが、活動家に糾弾され大学を追われたそうだ。その1が見当たらない。

Debra Sohインタビューその２｜maikokarino｜note - note.com/maikokarino/n/...

タグ：

posted at 18:26:41

心が乱れた時に見るgif @kokoromidaregif

22年9月4日

#心が乱れた時に見るgif pic.twitter.com/mNL6E561vx

タグ：心が乱れた時に見るgif

posted at 18:23:15

k@migaki.be @k_migaki

22年9月4日

闇深い twitter.com/aristoc_okazak...

タグ：

posted at 17:51:44

山田太郎 @taroyama_mm

22年9月4日

教科書(を作る側)がこのレベルだと、
よく理解していない教員は教科書を信じるから、
超算数授業になってしまうのも納得がいく。 twitter.com/tkawai18_tkawa...

タグ：

posted at 17:48:05

河合祐介 @tkawai18_tkawai

22年9月4日

小学校の算数関係は、まともに義務教育レベルも理解できていない「専門家」が多いよね twitter.com/Aristoc_okazak...

タグ：

posted at 17:37:51

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#数楽 #素数 #ゼータ #Julia言語

こういうのって楽しい！ twitter.com/yasudaidai/sta...

タグ： Julia言語ゼータ数楽素数

posted at 17:03:02

Takuro⚓️コロナ情報in神奈川県/ @triangle24

22年9月4日

2週間前に学校再開の北海道。10歳未満の増加が続き、10代と30代(親世代)も下げ止まりつつあり、全体的にも下げ止まりの傾向があります。仮にこのまま10歳未満が減らずに、10代、30代まで増加に転じるようだと厳しいかもしれません。高齢者に広がるのは遅れるので、そこも懸念されます pic.twitter.com/ixnwqOOnNy

タグ：

posted at 16:58:28

なないお @Nanaio627

22年9月4日

#deleteC大作戦
 #キャンパスノート

カタカナで書かなきゃだった… pic.twitter.com/BKLa5IN2Yg

タグ： deleteC大作戦キャンパスノート

posted at 16:42:20

なないお @Nanaio627

22年9月4日

【deleteC大作戦】「C」を消した写真の投稿で、がん治療研究を応援します！（詳細）→ www.delete-c.com/post #deleteC大作戦 #キャンパスノート @deleteC_より

タグ： deleteC大作戦キャンパスノート

posted at 16:41:34

さくら @Sakura_Med_DSci

22年9月4日

両側P値の「両側」の読み方。
567票中57％が「りょうがわ」、43％が「りょうそく」でした。

多分私のフォロワーさんには医療関係者が多いので、「りょうそく」読みの人が一般より多いと思われます。 twitter.com/Sakura_Med_DSc...

タグ：

posted at 16:24:56

水先＠囲碁RPG開発版公開中！ @akapemygo

22年9月4日

将棋のゼットが梶原用語だったなんて… pic.twitter.com/9ytGcEwr3J

タグ：

posted at 15:39:50

Julia日本語記事まとめ @julia_kizi

22年9月4日

新しい記事がQiitaにアップされました！#Julia言語 #Julia日本語記事
 qiita.com/RhT/items/2b7b...👈

タグ： Julia日本語記事 Julia言語

posted at 15:22:05

平安貴族部@岡崎高校(非公式) @Aristoc_okazaki

22年9月4日

【悲報】啓林館、頑固だった pic.twitter.com/Ku7TZeFvs2

タグ：

posted at 15:01:21

津川友介 @TsugawaYusuke

22年9月4日

医学論文の背景にあるメカニズムの部分には医学知識が必要なので、疫学や統計学だけ理解していても医学論文の正しい評価は難しいことが多々あります。

アメリカでMD+MPHの医学と公衆衛生学の両方のトレーニングを積んだ医師が多いのはそのためです。日本もこのような人材をもっと増やす必要があります twitter.com/kpsb666/status...

タグ：

posted at 14:22:01

黒木玄 Gen Kuroki @genkuroki

22年9月4日

文献を一切参照せずにいきなり計算していることがよくわかる汚い内容
↓ twitter.com/genkuroki/stat...

タグ：

posted at 14:09:48

黒木玄 Gen Kuroki @genkuroki

22年9月4日

もっと分かりやすく言うと、仮に自分自身がバカであったなら、具体的にどこがどのようにバカであるかが分かりやすくなるだけ十分な情報をクリアにかつ十分に出すように心がけることが大事。

第三者に確認不可能な情報を根拠に悪印象を広めたり、陰険で陰湿なことを述べる奴らはクズ扱いされるべき。

タグ：

posted at 14:00:24

黒木玄 Gen Kuroki @genkuroki

22年9月4日

訂正

❌お互いに自分自身の意見を批判し易くための材料を積極的に出す

⭕️お互いに自分自身の意見を批判し易くするための材料を積極的に出す

曖昧な言い方をしたり、必要な情報を出さないことによって、批判し難くするのは正反対のやり方。

言いたいことがあるならクリアにすぱっと言うべき。 twitter.com/genkuroki/stat...

タグ：

posted at 13:57:18

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計まだ十分にチェックしていないので、誤りが残っていると思いますが、特に簡単に計算できる正規分布の共役事前分布の場合の計算の紹介が

github.com/genkuroki/publ...

にあります。誰か単回帰の場合の同様の計算をやってみると良いと思います。

タグ：統計

posted at 13:53:35

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計あと、当たり前のことですが、どこにも記録が残っていない直接の会話の類での印象を根拠として採用しないこと。

第三者が確認できない会話の印象論で他人を批判することは、悪質な印象操作になることが多く、卑劣な手段の一種になりがち。

そういうことをする人と直接の議論は避ける方が無難。

タグ：統計

posted at 13:47:39

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計フェアな議論をするために重要なことは、お互いに自分自身の意見を批判し易くための材料を積極的に出すことなんですね。

例えば、私がいつも気をつけているのは、対象を正確に引用することと、このスレッドでは(まだ？)していませんが、根拠となる計算結果とソースコードを全公開することです。

タグ：統計

posted at 13:45:00

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計私が見つけた疑問は非常にもっともなものだったのですが、ひどい態度の人もいたので記録に残しておきます。

公表された文献を引用せずに、「話した感じ」の印象を根拠に批判を述べても良いと思っているらしい。

これが許されると研究者どうしの信頼は崩壊する。

twitter.com/kenmcalinn/sta... pic.twitter.com/EoNPm6OT7Y

タグ：統計

posted at 13:40:27

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計多分、以下の疑問にも答えたことになると思う。

色々ひどい議論になっているので、このスレッドの議論を見直した方が良いと思いました。

害の大きさはO(1/n)のオーダーで小さくなるというのが答えです。

私がこの件で学んだことは「2度漬け」はよろしくない人達のジャーゴンである可能性。 twitter.com/ml_deep/status...

タグ：統計

posted at 13:23:48

yudai.jl @physics303

22年9月4日

@LirimyDh @genkuroki ありがとうございます！
ちょっと消化に時間がかかるかもしれませんが，じっくり読み込んでみます．

タグ：

posted at 13:23:24

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計以上を書こうと思った動機は以下の非常にもっともな質問がされているのを見たことです。

正規分布モデルの場合に、無情報事前分布の場合は実質的にP値を使うt検定と同等であり、データの数値の標本平均と標本分散から事前分布を決めるとO(1/n)のオーダーで事後分布が狭くなります。続く twitter.com/githug1208/sta...

タグ：統計

posted at 13:20:05

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計

対数尤度函数 + 対数事前分布

の対数尤度函数部分がO(n)で、対数事前分布部分がO(1)なので、全体をnで割れば、O(1) + O(1/n) になり、O(1/n)の事前分布パートでデータの数値を使っても、O(1/n)=εの影響しかないわけです。

この程度のことはノータイムで言えないとまずい。 twitter.com/genkuroki/stat...

タグ：統計

posted at 13:14:43

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計こういう数学的には易しい話なので、 github.com/stan-dev/stan/... にも詳しい解説がなくて、【(1+\epsilon dipping?)】という言い方がされているのだと思いました。

こういう初等的な話では特別な文献を挙げる必要もないと私は思いました。 pic.twitter.com/dNY03nhJSz

タグ：統計

posted at 13:11:18

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計データから事前分布を決める操作の影響が O(1/n) のオーダーでしか出ないならば(そうなることは数学をちょっと知っていれば特別な計算をしなくても予想できるし、正規分布モデルの場合であれば直接の計算で確認することも容易)、「2度漬け」ではなく「1+ε漬け」(ε=O(1/n))と言えるわけです。

タグ：統計

posted at 13:11:15

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計害の大きさは O(1/n) のオーダーになります。

その辺のことはStanの事前分布のページでは本質的に

github.com/stan-dev/stan/...
Data-dependent scaling

にあります。

"1 + epsilon" のepsilonはO(1/n)の部分と解釈されます。

正規分布モデルが自明な回帰モデルとみなせることに注意せよ。 pic.twitter.com/A0KDurAk5D

タグ：統計

posted at 13:05:13

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計その狭くなる度合いの大きさは、データの数値に合わせて事前分布を設定した場合の「害の大きさ」の指標として使える。

実際に計算すると、μやv=σ²の分布が十分に広がっていたり、nが十分に大きければ、害は実践的に無視できる程度に小さくなることが多いことがわかります。続く

タグ：統計

posted at 13:05:09

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計続き。欠点は、データの数値に合わせて事前分布を決めているので、例えば、事後分布を使ったμのベイズ信用区間は、上記も無情報事前分布の場合よりも狭くなります。

予測分布を使った区間推定も狭くなる。

こういう予想通りの欠点があります。続く

タグ：統計

posted at 12:53:32

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計

* データの数値の標本平均y̅と分散σ̂²から決めた広く広がっている事前分布

の利点は、データの数値に合わせて事前分布を決めているので、データの数値がどんなに極端な値であっても「デフォルト」として使用可能なことです。続く

タグ：統計

posted at 12:53:31

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計補足：私の計算が間違っていなければ、

* (μ, log v)座標での一様分布 ∝ v⁻¹ dμ dv

を事前分布として採用すると、μに関するベイズ信用区間は誤差なしに1群のt検定に付随する通常の信頼区間にぴったり一致し、予測分布による区間推定とt検定に付随する予測区間もぴったり一致します。続く

タグ：統計

posted at 12:48:43

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計しかし、それらの「無情報事前分布」は、μとv=σ²について積分した結果が∞になり、正規化によって確率分布とみなせません。

所謂improper事前分布になっています。

improperでも問題ないことが多いのですが、周辺尤度の情報も利用したいときにはまずいことになります。続く

タグ：統計

posted at 12:45:48

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計それぞれ利点と欠点があります。

* Jeffreys事前分布 ∝ v⁻³ᐟ² dμ dv
* (μ, log v)座標での一様分布 ∝ v⁻¹ dμ dv

の2つはよく「無情報事前分布」と呼ばれている。

これらをデータ取得前に設定しておくと、データの数値がどんなに極端な値であっても、十分に適切な結果が得られます。続く

タグ：統計

posted at 12:45:47

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計データの数値が極端な値になっていても大丈夫な「デフォルトの事前分布」の選択肢は複数あります。例えば、

* Jeffreys事前分布 ∝ v⁻³ᐟ² dμ dv
* (μ, log v)座標での一様分布 ∝ v⁻¹ dμ dv

他にも

* データの数値の標本平均y̅と分散σ̂²から決めた広く広がっている事前分布

タグ：統計

posted at 12:41:00

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計「青き清浄な地」が既に実現されているかのごとく考えたり、「青き清浄なる世界のために」とか言ってもダメで、不適切にスッキリしすぎた考え方を否定して、常にスッキリしないトレードオフで考えて行く必要がある。

これが、データもモデルも信用できない場合での基本になる。

タグ：統計

posted at 12:35:02

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計しかし現実には、データを取得して、データの数値を見ちゃってから、事前分布も設定してしまっているベイズ統計ユーザーが大部分になると予想されるときに、「犠牲を一切払わないことにする」という決定に意味があるとは思えません。続く

タグ：統計

posted at 12:35:01

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計これは「適当なレベルでどんぶり勘定したい」という「デフォルトの事前分布設定」の目的に反しています。

データの数値が大体どのような大きさの値になるかを知っている人に、データ取得前に事前分布を設定させるようにしないと色々苦しい。

「デフォルトの事前分布」を諦めるのが最も楽。続く

タグ：統計

posted at 12:24:33

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計答えば「ダメ」です。

データy_1,…,y_nと無関係にそのような事前分布を採用したとき、もしも、y_1,…,y_nが0からものすごく離れていたり、y_1,…,y_nの分散が極端に大きなもしくは小さな値になっていたりすると、事前分布の影響が結果にもろに現れることになります。続く

タグ：統計

posted at 12:24:32

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計個人で遊んでみる場合には、事前分布として、

* μについては大きめの分散を持つ平均0の正規分布
* v=σ²については、対数座標 log v=log σ² で十分に広がっている適当な分布

を採用して、自分で実装したMCMC法を試してみたりする。

この手の事前分布を「デフォルト」としてよいか？続く

タグ：統計

posted at 12:18:17

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計例えば、データの数値y_1,…,y_nに、正規分布モデルのベイズ法を適用したいときに、正規分布のパラメータ(μ, σ²)=(μ, v)の事前分布として何を「デフォルト」にしておくとよさそうでしょうか？

ここでμは平均パラメータで、v=σ²は分散パラメータです。v=σ²を1つの変数として扱います。続く

タグ：統計

posted at 12:13:37

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計自分で、MCMC法も含めてすべてを試しに実装したことがある人であれば、

* 特定のモデルについてはデフォルトの事前分布が自動的に設定されてくれると便利

だと考えて、実際に試してみた人は多いと思う。

これ、結構悩みます。

事前分布もユーザー側に設定させた方が圧倒的に実装は楽。続く

タグ：統計

posted at 12:10:02

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計「適切なレベルでどんぶり勘定するためには、『デフォルトの事前分布』をどのように決めれば便利か？」という問いに対するStanの開発者達によるノウハウが

github.com/stan-dev/stan/...

にまとめられています。

これ、結構おもろいです。

タグ：統計

posted at 12:05:55

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計そういう状況では「データが信頼できて、統計モデルも妥当であることが当然だ」とするsmall worldの考え方は通用しません。

具体的には、尤度原理にこだわったり、主観的ベイズ主義の期待リスク最小化で本当にリスクを下げられると信じることは馬鹿げた考え方になります。 twitter.com/genkuroki/stat... pic.twitter.com/ZJK2B4DXnb

タグ：統計

posted at 12:01:00

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計常にトレードオフ(あるメリットを得る代わりに別の意味でデメリットを受け入れること)で考える必要があり、適切なレベルでのどんぶり勘定を目指すことが正しい選択肢になります。

タグ：統計

posted at 12:00:57

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計多くの分野では、得られたデータにはバイアスが入っていることを防ぎ得ないし、統計モデルも「すべてのモデルはまちがっている」という立場で使わないと危ない。

そういう場合に、「あらゆる場合に適切な方法を探す」とか、「高い精度でぴったり一致すること」を目指すのは無理です。続く

タグ：統計

posted at 12:00:56

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計事前分布を使わないP値を使った場合と結果がほぼ同じになるような事前分布の使用は否定し難いです。

ただし、どの程度のnの大きさでそうなるかはケースバイケースなので注意は必要です。

タグ：統計

posted at 12:00:55

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計だから、nが大きくなればなるほど、事前分布の取り方は小さな問題になって行きます。

モデルがシンプルで事前分布を「査読者から突っ込みを入れられない程度におとなしめ」に取れば、nがさほど大きくなくても、P値を使った場合とほぼ同じ結果が得られることが多いです。続く

タグ：統計

posted at 12:00:54

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計データy_1,…,y_nに対応する対数尤度函数は

Σ_{i=1}^n log p(y_i|θ)

の形で、対数事前分布は

log p(θ)

の形。nを大きくすると、n個の和である対数尤度函数の部分の影響が支配的になって行きます。

これがまず「第ゼロ近似」の出発点になります。

タグ：統計

posted at 11:44:48

黒木玄 Gen Kuroki @genkuroki

22年9月4日

#統計添付画像①は xcelab.net/rmpubs/sr2/sta... のp.39より。②はその翻訳。事前分布の選択について無用な疑義を出すのはよく分かっていない証拠になる。ベイズ統計のモデルを対数で書くと、

対数尤度函数 + 対数事前分布

になり、対数尤度函数=O(n)で、対数事前分布=O(1)なので、尤度部分が支配的。 twitter.com/genkuroki/stat... pic.twitter.com/752TroqXtA

タグ：統計

posted at 11:41:19

Rob Friedman @PitchingNinja

22年9月4日

Shohei Ohtani, Wicked 100mph Sinker. 🤢 pic.twitter.com/NcpyGSXL0C

タグ：

posted at 10:52:50

daikatsu yasuyuki @yasudaidai

22年9月4日

pic.twitter.com/3VK9Y5jFLl

タグ：

posted at 10:23:57

Lirimy @LirimyDh

22年9月4日

@genkuroki @physics303 ちょっと時間が経ってしまいましたが、Generated function や縮約順序の最適化を試してみたので参考までにどうぞ
#Julia言語
 gist.github.com/Lirimy/98df3cf...

タグ： Julia言語

posted at 10:15:12

SAKIYAMA Nobuo/崎山伸夫 @sakichan

22年9月4日

@ganesha20140510 @Toyokeizai_Edu 本件、統一教会問題になっています。
note.com/booskanoriri/n...

タグ：

posted at 09:52:42

dc1394 @dc1394

22年9月4日

Juliaの可視化ってよく知らないから、いつもgnuplotでやってるんですけど、こちらのツイートを見てMakieというのを調べてみる気になりました。ありがとうございます。 twitter.com/tweet_nakasho/...

タグ：

posted at 08:42:18

露探【円谷猪四郎】 @karategin

22年9月4日

クルスクの「ロシアの共産主義者」党が作った謎の選挙PR動画。川面を流れる赤旗を見た水着の女性二人が「共産主義が沈みかけてる!」と言って浮き輪を投げて旗を救出。最後に「万国の労働者よ団結せよ!美はクルスクを救う！」と出てきて終わる
t.me/horizontal_rus... pic.twitter.com/oCfdIAjvVX

タグ：

posted at 08:31:45

キャルちゃん @tweetnakasho

22年9月4日

Juliaで2次元MHD計算した結果の可視化をちょっと改良。ガス密度のカラーコントアと同時に磁力線も可視化することを考えたときに、Plotsだと(なぜか)上手くいかなかったため、思い切ってMakieを使うことにしました。可視化はこだわると無限に時間が溶ける...😑 pic.twitter.com/jC9p6DOqOz

タグ：

posted at 08:13:38

JuliaPackages @JuliaPackages

22年9月4日

New package: TraceFuns v0.1.0 announced #JuliaLang

TraceFuns: Simple function tracing for Julia

Registration: github.com/JuliaRegistrie...
Repository: github.com/bertschi/Trace...

タグ： JuliaLang

posted at 08:04:05

津田和俊／急激に進行した網膜剥離と闘って @kaztsuda

22年9月4日

一部で話題の「有志の会」のメンバーの中に、知人の名前を見つけてしまった --;;;

タグ：

posted at 07:36:25

Jacob Quinn @quinn_jacobd

22年9月4日

This has been a journey trying to figure out the best TLS option for Julia; I partly understand why go just went fully native. But at least initial benchmarks show OpenSSL.jl drastically outperforming MbedTLS.jl. Still need some proper documentation, so stay tuned! #julialang twitter.com/juliapackages/...

タグ： julialang

posted at 07:18:01

統計たん @stattan

22年9月4日

ほんこれ。 twitter.com/akiraokumura/s...

タグ：

posted at 07:08:58

Quantum Physics Corn @quant_phys

22年9月4日

More on the (classical) Penrose unilluminable room: www.comsol.com/blogs/investig...

タグ：

posted at 06:16:08

Quantum Physics Corn @quant_phys

22年9月4日

The wave shows the probability density of the particle, and the cyan curve represents its mean position.

タグ：

posted at 06:16:08

Quantum Physics Corn @quant_phys

22年9月4日

A #quantum particle launched inside a Penrose unilluminable room — a room with mirror walls that would always have dark regions if one tried to illuminate it with a (point-like) candle, regardless of the position of the candle.

youtu.be/HDOzNtLkjhE pic.twitter.com/0FJE34dfh0

タグ： quantum

posted at 06:16:06