経済分析のためのMCMC入門 日本福祉大学経済学部 楠田康之 2008年11月25日（火）構造推定研究会 1. はじめに  経済モデルが複雑になると解析的な解を求め ることができない。  コンピュータの性能が向上したことより、簡 単に数値解析が行えるようになった。  古典的な統計学からベイズ統計学への流れ。 ＭＣＭＣ（マルコフ連鎖モンテカルロ）法 は新しい標準的な統計手法？ ベイズの定理 例： 努力したかサボったかによって 業績の確率分布がわかっている。 業績 悪い 普通 良い 大変 良い 努力する １/９ ２/９ １/３ １/３ サボる １/３ １/３ ２/９ １/９ 結果「悪い」のときに努力していた確率は？ ベイズの定理（２） イメージ：Ａ(情報)がＢの確率を更新する。 Ａ Ｐ（Ａ｜Ｂ）・Ｐ（Ｂ） Ｐ（Ａ｜ＢＣ）・Ｐ（ＢＣ） Ｂ ＢＣ Ｐ（Ｂ） Ｐ（ＢＣ） ベイズ統計学 ベイズ

試験の点数から○○大学に合格（T）か不合格（F）かを予測したいときや，検査値から病気（T）か健康（F）かを判断したいときなどがあります。要するに，与えられた値から，真（TRUE）か偽（FALSE）かを判断したいわけです。 例として右の表のような場合を考えましょう。 与えられた値をどこで切っても，TとFは完全には分離できません。例えば11で切って，11以上を陽性（positive），11未満を陰性（negative）とした場合，10個のTのうち5個がpositiveに入りますので，true positive（真陽性）の割合は0.5です。また，5個のFのうち1個がpositiveに入りますので，false positive（偽陽性）の割合は0.2です。そこで，(0.2, 0.5) をプロットします。このように，区切る値（閾値，カットオフポイント）をいろいろ変えて，横軸にfalse positi

_ 統計の教科書を公開 2013年度の学部の講義「統計学」で使用するための教科書を公開します． http://ruby.kyoto-wu.ac.jp/~konami/Text/ このテキストは，今年度まである出版社から出してもらっていたのですが，かなりの訂正と加筆を行い，元の本からはかなり内容が離れてきてしまいました．また出版社も，売れ行きがぜんぜん悪いし，カリキュラムが変わって100人以上いた受講者が30人程度に激減して儲けのタネにならなくなり，書店から引き上げてしまったようです． そこで，思い切って改訂版はネットに公開して一般の人に自由に使ってもらい，学生が授業で使う分については，小部数印刷の業者に必要なぶんだけ印刷製本してもらうことにしました．なんと2日で製本までやってくれるということで，初回の授業で注文をとってから印刷すれば，次の講義では使えるわけです．便利な世の中です． どんな教

GroupLens: An Open Architecture for Collaborative Filtering of Netnews Paul Resnick*, Neophytos Iacovou**, Mitesh Suchak*, Peter Bergstrom**, John Riedl** * MIT Center for Coordination Science Room E53-325 50 Memorial Drive Cambridge, MA 02139 617-253-8694 Email: presnick@mit.edu ** University of Minnesota Department of Computer Science Minneapolis, Minnesota 55455 (612) 624-7372 Email: [email protected]

RapidMiner† Weka の学習ルーチンに，前処理・可視化の部分を強化したYaleが，Rapid-I 社がオープンソースで開発している RapidMiner になった． さらに今は社名も RapidMiner になった． Community Edition は無料でオープンソースで 5.x 6.x 移行は製品で，機能制限版で無償のStarter版と，有償のものとがある．無償版は読めるファイルが CSV/Excel でDBアクセスなしの小規模データのみ． ビデオ： http://www.youtube.com/user/RapidIVideos ↑ しましまの個人的感想† 便利にできている．アルゴリズムをいじらないで分析だけする人にはおすすめ． Helpメニューからは，Wikiやビデオなどの他の資料へのアクセスができる．Wikiは結構ユーザがいることが伺える． 下の方にエラーが出てく

Information Theory, Inference, and Learning Algorithms (Hardback, 640 pages, Published September 2003) Order your copy Price: £35.00 / $60.00 from |CUP UK/USA| |amazon.co.uk/.com/.ca/.co.jp| | Barnes & Noble USA | booksprice. | fetchbook.info | allbookstores | biggerbooks | blackwells | directtextbook | kalahari.net (South Africa) | Special Paperback edition for South Asia.| Download the book too

統計数理研究所 H24年度公開講座 「確率的トピックモデル」サポートページ 講師: 持橋大地 (統数研), 石黒勝彦 (NTTコミュニケーション科学基礎研究所) 講義スライド 持橋分 (2013/1/15) [PDF] (12MB) 石黒分 (2013/1/16) [PDF] ソフトウェア UM (Unigram Mixtures) um-0.1.tar.gz DM (Dirichlet Mixtures) dm-0.1.tar.gz, dm-0.2.tar.gz PLSI (Probabilistic Latent Semantic Indexing) plsi-0.03.tar.gz (外部サイト) LDA (Latent Dirichlet Allocation) lda-0.1.tar.gz 参考文献 「私のブックマーク: Latent Topic Model (潜在的トピックモデ

How (Not) To Use Python’s Walrus Operator The Walrus operator, introduced in Python 3.8, enables assignment within expressions, but requires careful use to maintain readability. And this tutorial will teach you how. By Bala Priya C, KDnuggets Contributing Editor & Technical Content Specialist on August 15, 2024 in Python Beginner’s Guide to Careers in AI and Machine Learning The AI and ML complexi

問： 相関係数が 0.8 と大きいのに，無相関検定を行うと「有意ではない」という結果になりました。どうしたらいいのですか。 2 群の平均値の差の検定をしました。平均値の差が小さいのに，検定では「有意な差である」という結果になりました。どうしたらいいのですか。 検定を行う場合，ケース数が大きければどのようなわずかの差であっても帰無仮説が棄却されることがあります。 逆に，ケース数が小さい場合にはどんなに差があっても帰無仮説は採択されてしまうことがあります。 例えば，相関係数の検定（母相関係数=0）を考えてみましょう。 帰無仮説 H0:「母相関係数ρ＝0」相関関係はない。 対立仮説 H1:「母相関係数ρ≠0」。 両側検定を行う。 検定に用いられる式は，相関係数を r ，ケース数を n としたとき，以下のようになります。 この式を見れば明らかなように，ケース数が大きいほど，また，標本相関係数が大き