サクサク読めて、アプリ限定の機能も多数！
トップへ戻る
2024年ランキング
bayesmax.sblo.jp
この記事は，Open and Reproducible Science Advent Calendar 2020およびベイズ塾 Advent Calendar 2020の10日目の記事です。この記事では，ベイズ統計学と再現性に関わる次のようなケースについて考えてみます。 研究者のAさんは，ある実験操作をしたときとしなかったときで変数Vの平均値に差が生じるかどうかを調べるために，60名の実験参加者を30名ずつ無作為に統制群と実験群に割り当てて実験データを取得しました。変数Vの平均値を計算してみたところ，統制群は-0.028，実験群は0.348であったので，実験操作によって変数Vの平均値が数値的には増加しているように見えます(図1)。 図1. Aさんが収集したデータ。黒い横線は各群の平均値。 ところが，この変数VについてWelchのt検定 (両側検定，α = .05) を行ったところp = .
こんにちは。mutopsyです。この記事は，Stan Advent Calendar 2017の14日目のエントリー記事です。この記事では，実験心理学でよく扱われる正答率・誤答率（あるいは正答数・誤答数）データの分析を例に，よくある素朴な分析（平均値の点推定・区間推定およびt検定）の背後にあるモデルを可視化した上で，そのモデルを改善した別の3つのモデルを紹介します。また，情報量規準によるモデル比較も行います。そして最後に，実験心理学におけるベイジアンモデリングの有用性について述べたいと思います。 1. はじめに：正答率データを素朴に分析してみる 改めまして，こんにちは。mutopsyこと武藤拓之です。大阪大学で認知心理学の研究をしています。この記事では，実験心理学でもそれ以外の分野でもお馴染みの，正答率（正答数）データを分析する方法について考えてみたいと思います。昨日はフォン・ミーゼス分布
このページを最初にブックマークしてみませんか？
『bayesmax.sblo.jp』の新着エントリーを見る
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
