狠狠撸
Submit Search
Tokyor35 人工テ?ータの発生
Nov 9, 2013
10 likes
6,027 views
Yohei Sato
1 of 37
Download now
Downloaded 40 times
Recommended
搁で架空データの発生
搁で架空データの発生
Makoto Hirakawa
?
2015.5.24 Hijiyama.R #2 での発表資料です。 架空のサンプルデータを発生させる方法について紹介しています。
『バックドア基準の入门』@统数研研究集会
『バックドア基準の入门』@统数研研究集会
takehikoihayashi
?
2017年2月17日に行われた統計数理研究所での研究集会『因果推論の基礎』での講演内容です(配布用の改変あり)。スライドだけだと口頭での説明がないので分かりにくい部分もあるかもしれません。 [http://www.ism.ac.jp/events/2017/meeting0216_17.html:title]
「生态学における统计的因果推论」という大ネタへの挑戦:その理论的背景と适用事例
「生态学における统计的因果推论」という大ネタへの挑戦:その理论的背景と适用事例
takehikoihayashi
?
生态学者に向けて统计的因果推论について説明した発表の缩约版です(惫别谤20190919)
倾向スコア:その概念と搁による実装
倾向スコア:その概念と搁による実装
takehikoihayashi
?
2 6.ゼロ切断?過剰モデル
2 6.ゼロ切断?過剰モデル
logics-of-blue
?
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-6.ゼロ切断?過剰モデル ゼロがないデータや、0が多すぎるデータを分析する方法を解説します。 サイト作ってます http://logics-of-blue.com/
因果探索: 基本から最近の発展までを概説
因果探索: 基本から最近の発展までを概説
Shiga University, RIKEN
?
第23回情報論的学習理論と機械学習研究会 (IBISML)
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
?
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-3.GLMの基礎 一般化線形モデルの構成要素や、計算の方法について解説します。 サイト作ってます http://logics-of-blue.com/
阶层モデルの分散パラメータの事前分布について
阶层モデルの分散パラメータの事前分布について
hoxo_m
?
基礎からのベイズ統計学入門 輪読会#4 LT資料 http://stats-study.connpass.com/event/27129/
03 「重回帰分析」の入門
03 「重回帰分析」の入門
Shuhei Ichikawa
?
2013/07/27 心理?医学系研究者のためのデータ解析環境Rによる統計学の研究会 第11回 重回帰分析 にて発表した内容です。
1 1.はじめに
1 1.はじめに
logics-of-blue
?
8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 1-1はじめに 勉強会の進め方やRの紹介など
クラシックな机械学习入门:付録:よく使う线形代数の公式
クラシックな机械学习入门:付録:よく使う线形代数の公式
Hiroshi Nakagawa
?
机械学习でよく使う线形代数の公式です。行列や濒辞驳行列式の微分、逆行列の微分、2次形式の迟谤补肠别での记述、ブロック行列の逆行列などの公式が书かれています。
顺序データでもベイズモデリング
顺序データでもベイズモデリング
. .
?
第46回東京R勉強会 #TokyoRの資料です。
混合モデルを使って反復测定分散分析をする
混合モデルを使って反復测定分散分析をする
Masaru Tokuoka
?
2014年12月21日第7回DARM勉強会で行われた「混合モデルを使って反復测定分散分析をする」の資料です。
搁で因子分析 商用ソフトで実行できない因子分析のあれこれ
搁で因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
?
Rのpsychパッケージを用いた,因子分析の方法についてまとめています。 特に,SPSSやSASなどの商用ソフトでは実行できない,多様な分析法がpsychを使えば可能になります。その辺りの分析方法について触れています。 具体的には,因子数の決定方法,因子の抽出,回転方法,カテゴリカル因子分析などです。
心理学者のための骋濒尘尘?阶层ベイズ
心理学者のための骋濒尘尘?阶层ベイズ
Hiroshi Shimizu
?
北海道大学で講演した,GLM,HLM,GLMM,階層ベイズについてのスライド後半です。 前半のスライドはこちら http://www.slideshare.net/simizu706/ss-58585233
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル
logics-of-blue
?
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-7.一般化線形混合モデル ランダム効果を扱うことのできる一般化線形混合モデルを解説します。 サイト作ってます http://logics-of-blue.com/
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
?
最尤推定やベイズ推定の基本がようやく理解できたため,かみ砕いて説明したプレゼンを作りました.
MCMCサンプルの使い方 ~見る?決める?探す?発生させる~
MCMCサンプルの使い方 ~見る?決める?探す?発生させる~
. .
?
OsakaStan #5
因果探索: 観察データから因果仮説を探索する
因果探索: 観察データから因果仮説を探索する
Shiga University, RIKEN
?
日本社会心理学会:第3回春の方法论セミナーのスライド
2 5 3.一般化線形モデル色々_Gamma回帰と対数線形モデル
2 5 3.一般化線形モデル色々_Gamma回帰と対数線形モデル
logics-of-blue
?
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-5-3.一般化線形モデル色々~Gamma回帰と対数線形モデル~ Gamma回帰と対数線形モデルについて解説します。 サイト作ってます http://logics-of-blue.com/
星野「调査観察データの统计科学」第1&2章
星野「调査観察データの统计科学」第1&2章
Shuyo Nakatani
?
星野「調査観察データの統計科学」の読書スライドです。 社内勉強会で使った資料がベースです。 第1章の調査観察研究の枠組みと、第2章のルービンの因果モデルを紹介しています。
R実践 機械学習による異常検知 01
R実践 機械学習による異常検知 01
akira_11
?
?題材は井手氏の著書『入門 機械学習による異常検知 Rによる実践ガイド』。
はじめてのパターン認識 第1章
はじめてのパターン認識 第1章
Prunus 1350
?
第1回「はじめてのパターン認識」読書会 第1章「はじめに」
因果推論の奥へ: "What works" meets "why it works"
因果推論の奥へ: "What works" meets "why it works"
takehikoihayashi
?
社会学系の研究会からの依頼で、(1)因果推論の諸理論が奥の方でどう繋がっているか、また(2)そこで「質的理解」と「量的分析」がどう繋がっているのか、についてお話したときの資料です/ 訂正情報 (1) 誤:Neiman→正:Neyman, (2) スライド97枚目 誤:p(Y|X=小さい, Z) = p(Y|X=do(小さい))→正:E_{Z}[p(Y|X=小さい, Z)] = p(Y|X=do(小さい))(*狠狠撸Shareではスライドの再アップロードが不可のためスライド自体を直せないのです...)
ベイズ统计学の概论的绍介
ベイズ统计学の概论的绍介
Naoki Hayashi
?
ベイズ統計学の基礎概念からW理論まで概論的に紹介するスライドです.数理?計算科学チュートリアル実践のチュートリアル資料です.引用しているipynbは * http://nhayashi.main.jp/codes/BayesStatAbstIntro.zip * https://github.com/chijan-nh/BayesStatAbstIntro を参照ください. 以下,エラッタ. * 52 of 80:KL(q||p)≠KL(q||p)ではなくKL(q||p)≠KL(p||q). * 67 of 80:2ν=E[V_n]ではなくE[V_n] → 2ν (n→∞). * 70 of 80:AICの第2項は d/2n ではなく d/n. * 76 of 80:βH(w)ではなくβ log P(X^n|w) + log φ(w). - レプリカ交換MCと異なり、逆温度を尤度にのみ乗することはWBIC導出では本質的な仮定となる.
2 2.尤度と最尤法
2 2.尤度と最尤法
logics-of-blue
?
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-2.尤度と最尤法 一般化線形モデルに入る前段階として、尤度と最尤法について解説します。 サイト作ってます http://logics-of-blue.com/
优れた研究论文の书き方
优れた研究论文の书き方
Masanori Kado
?
狠狠撸shareは再アップロード不可なのでerrataはコチラ: p16:Structure(Conference Paper) →構成(カンファレンスペーパー) p28:Structure → 構成 p47:マン → マージン オリジナル: https://www.microsoft.com/en-us/research/academic-program/write-great-research-paper/ 旧版の翻訳(内容はほとんど同じです): /kdmsnr/writing-a-paper-seven-suggestions
ベイズ统计入门
ベイズ统计入门
Miyoshi Yuya
?
Tokyor60 r data_science_part1
Tokyor60 r data_science_part1
Yohei Sato
?
Tokyo.R#60 初心者セッション
Tokyor60 opening
Tokyor60 opening
Yohei Sato
?
Tokyor60 Opening
More Related Content
What's hot
(20)
03 「重回帰分析」の入門
03 「重回帰分析」の入門
Shuhei Ichikawa
?
2013/07/27 心理?医学系研究者のためのデータ解析環境Rによる統計学の研究会 第11回 重回帰分析 にて発表した内容です。
1 1.はじめに
1 1.はじめに
logics-of-blue
?
8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 1-1はじめに 勉強会の進め方やRの紹介など
クラシックな机械学习入门:付録:よく使う线形代数の公式
クラシックな机械学习入门:付録:よく使う线形代数の公式
Hiroshi Nakagawa
?
机械学习でよく使う线形代数の公式です。行列や濒辞驳行列式の微分、逆行列の微分、2次形式の迟谤补肠别での记述、ブロック行列の逆行列などの公式が书かれています。
顺序データでもベイズモデリング
顺序データでもベイズモデリング
. .
?
第46回東京R勉強会 #TokyoRの資料です。
混合モデルを使って反復测定分散分析をする
混合モデルを使って反復测定分散分析をする
Masaru Tokuoka
?
2014年12月21日第7回DARM勉強会で行われた「混合モデルを使って反復测定分散分析をする」の資料です。
搁で因子分析 商用ソフトで実行できない因子分析のあれこれ
搁で因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
?
Rのpsychパッケージを用いた,因子分析の方法についてまとめています。 特に,SPSSやSASなどの商用ソフトでは実行できない,多様な分析法がpsychを使えば可能になります。その辺りの分析方法について触れています。 具体的には,因子数の決定方法,因子の抽出,回転方法,カテゴリカル因子分析などです。
心理学者のための骋濒尘尘?阶层ベイズ
心理学者のための骋濒尘尘?阶层ベイズ
Hiroshi Shimizu
?
北海道大学で講演した,GLM,HLM,GLMM,階層ベイズについてのスライド後半です。 前半のスライドはこちら http://www.slideshare.net/simizu706/ss-58585233
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル
logics-of-blue
?
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-7.一般化線形混合モデル ランダム効果を扱うことのできる一般化線形混合モデルを解説します。 サイト作ってます http://logics-of-blue.com/
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
?
最尤推定やベイズ推定の基本がようやく理解できたため,かみ砕いて説明したプレゼンを作りました.
MCMCサンプルの使い方 ~見る?決める?探す?発生させる~
MCMCサンプルの使い方 ~見る?決める?探す?発生させる~
. .
?
OsakaStan #5
因果探索: 観察データから因果仮説を探索する
因果探索: 観察データから因果仮説を探索する
Shiga University, RIKEN
?
日本社会心理学会:第3回春の方法论セミナーのスライド
2 5 3.一般化線形モデル色々_Gamma回帰と対数線形モデル
2 5 3.一般化線形モデル色々_Gamma回帰と対数線形モデル
logics-of-blue
?
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-5-3.一般化線形モデル色々~Gamma回帰と対数線形モデル~ Gamma回帰と対数線形モデルについて解説します。 サイト作ってます http://logics-of-blue.com/
星野「调査観察データの统计科学」第1&2章
星野「调査観察データの统计科学」第1&2章
Shuyo Nakatani
?
星野「調査観察データの統計科学」の読書スライドです。 社内勉強会で使った資料がベースです。 第1章の調査観察研究の枠組みと、第2章のルービンの因果モデルを紹介しています。
R実践 機械学習による異常検知 01
R実践 機械学習による異常検知 01
akira_11
?
?題材は井手氏の著書『入門 機械学習による異常検知 Rによる実践ガイド』。
はじめてのパターン認識 第1章
はじめてのパターン認識 第1章
Prunus 1350
?
第1回「はじめてのパターン認識」読書会 第1章「はじめに」
因果推論の奥へ: "What works" meets "why it works"
因果推論の奥へ: "What works" meets "why it works"
takehikoihayashi
?
社会学系の研究会からの依頼で、(1)因果推論の諸理論が奥の方でどう繋がっているか、また(2)そこで「質的理解」と「量的分析」がどう繋がっているのか、についてお話したときの資料です/ 訂正情報 (1) 誤:Neiman→正:Neyman, (2) スライド97枚目 誤:p(Y|X=小さい, Z) = p(Y|X=do(小さい))→正:E_{Z}[p(Y|X=小さい, Z)] = p(Y|X=do(小さい))(*狠狠撸Shareではスライドの再アップロードが不可のためスライド自体を直せないのです...)
ベイズ统计学の概论的绍介
ベイズ统计学の概论的绍介
Naoki Hayashi
?
ベイズ統計学の基礎概念からW理論まで概論的に紹介するスライドです.数理?計算科学チュートリアル実践のチュートリアル資料です.引用しているipynbは * http://nhayashi.main.jp/codes/BayesStatAbstIntro.zip * https://github.com/chijan-nh/BayesStatAbstIntro を参照ください. 以下,エラッタ. * 52 of 80:KL(q||p)≠KL(q||p)ではなくKL(q||p)≠KL(p||q). * 67 of 80:2ν=E[V_n]ではなくE[V_n] → 2ν (n→∞). * 70 of 80:AICの第2項は d/2n ではなく d/n. * 76 of 80:βH(w)ではなくβ log P(X^n|w) + log φ(w). - レプリカ交換MCと異なり、逆温度を尤度にのみ乗することはWBIC導出では本質的な仮定となる.
2 2.尤度と最尤法
2 2.尤度と最尤法
logics-of-blue
?
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-2.尤度と最尤法 一般化線形モデルに入る前段階として、尤度と最尤法について解説します。 サイト作ってます http://logics-of-blue.com/
优れた研究论文の书き方
优れた研究论文の书き方
Masanori Kado
?
狠狠撸shareは再アップロード不可なのでerrataはコチラ: p16:Structure(Conference Paper) →構成(カンファレンスペーパー) p28:Structure → 構成 p47:マン → マージン オリジナル: https://www.microsoft.com/en-us/research/academic-program/write-great-research-paper/ 旧版の翻訳(内容はほとんど同じです): /kdmsnr/writing-a-paper-seven-suggestions
ベイズ统计入门
ベイズ统计入门
Miyoshi Yuya
?
03 「重回帰分析」の入門
03 「重回帰分析」の入門
Shuhei Ichikawa
?
1 1.はじめに
1 1.はじめに
logics-of-blue
?
クラシックな机械学习入门:付録:よく使う线形代数の公式
クラシックな机械学习入门:付録:よく使う线形代数の公式
Hiroshi Nakagawa
?
顺序データでもベイズモデリング
顺序データでもベイズモデリング
. .
?
混合モデルを使って反復测定分散分析をする
混合モデルを使って反復测定分散分析をする
Masaru Tokuoka
?
搁で因子分析 商用ソフトで実行できない因子分析のあれこれ
搁で因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
?
心理学者のための骋濒尘尘?阶层ベイズ
心理学者のための骋濒尘尘?阶层ベイズ
Hiroshi Shimizu
?
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル
logics-of-blue
?
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
?
MCMCサンプルの使い方 ~見る?決める?探す?発生させる~
MCMCサンプルの使い方 ~見る?決める?探す?発生させる~
. .
?
因果探索: 観察データから因果仮説を探索する
因果探索: 観察データから因果仮説を探索する
Shiga University, RIKEN
?
2 5 3.一般化線形モデル色々_Gamma回帰と対数線形モデル
2 5 3.一般化線形モデル色々_Gamma回帰と対数線形モデル
logics-of-blue
?
星野「调査観察データの统计科学」第1&2章
星野「调査観察データの统计科学」第1&2章
Shuyo Nakatani
?
R実践 機械学習による異常検知 01
R実践 機械学習による異常検知 01
akira_11
?
はじめてのパターン認識 第1章
はじめてのパターン認識 第1章
Prunus 1350
?
因果推論の奥へ: "What works" meets "why it works"
因果推論の奥へ: "What works" meets "why it works"
takehikoihayashi
?
ベイズ统计学の概论的绍介
ベイズ统计学の概论的绍介
Naoki Hayashi
?
2 2.尤度と最尤法
2 2.尤度と最尤法
logics-of-blue
?
优れた研究论文の书き方
优れた研究论文の书き方
Masanori Kado
?
ベイズ统计入门
ベイズ统计入门
Miyoshi Yuya
?
More from Yohei Sato
(20)
Tokyor60 r data_science_part1
Tokyor60 r data_science_part1
Yohei Sato
?
Tokyo.R#60 初心者セッション
Tokyor60 opening
Tokyor60 opening
Yohei Sato
?
Tokyor60 Opening
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Yohei Sato
?
Tokyor42_r_datamining_18
Tokyor42_r_datamining_18
Yohei Sato
?
Point of view when analyzing
Tokyor42 ggplot2
Tokyor42 ggplot2
Yohei Sato
?
Tokyor39 yokkuns
Tokyor39 yokkuns
Yohei Sato
?
贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介
贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介
Yohei Sato
?
20131206 japan r
20131206 japan r
Yohei Sato
?
ドリコムの分析环境とデータサイエンス活用事例
ドリコムの分析环境とデータサイエンス活用事例
Yohei Sato
?
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略
Yohei Sato
?
搁て?レホ?ートメール
搁て?レホ?ートメール
Yohei Sato
?
搁て?阶层ヘ?イス?モテ?ル
搁て?阶层ヘ?イス?モテ?ル
Yohei Sato
?
搁て?ヒ?ホ?ットテーフ?ル
搁て?ヒ?ホ?ットテーフ?ル
Yohei Sato
?
第3回Japan rハ?ネルテ?ィスカッション
第3回Japan rハ?ネルテ?ィスカッション
Yohei Sato
?
Tokyor26 data fusion
Tokyor26 data fusion
Yohei Sato
?
Tokyor24 yokkuns
Tokyor24 yokkuns
Yohei Sato
?
Tokyowebmining19 data fusion
Tokyowebmining19 data fusion
Yohei Sato
?
傾向スコア解析とUplift Modelling
傾向スコア解析とUplift Modelling
Yohei Sato
?
Complex network ws_percolation
Complex network ws_percolation
Yohei Sato
?
异常行动検出入门(改)
异常行动検出入门(改)
Yohei Sato
?
Tokyor60 r data_science_part1
Tokyor60 r data_science_part1
Yohei Sato
?
Tokyor60 opening
Tokyor60 opening
Yohei Sato
?
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Yohei Sato
?
Tokyor42_r_datamining_18
Tokyor42_r_datamining_18
Yohei Sato
?
Tokyor42 ggplot2
Tokyor42 ggplot2
Yohei Sato
?
Tokyor39 yokkuns
Tokyor39 yokkuns
Yohei Sato
?
贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介
贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介
Yohei Sato
?
20131206 japan r
20131206 japan r
Yohei Sato
?
ドリコムの分析环境とデータサイエンス活用事例
ドリコムの分析环境とデータサイエンス活用事例
Yohei Sato
?
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略
Yohei Sato
?
搁て?レホ?ートメール
搁て?レホ?ートメール
Yohei Sato
?
搁て?阶层ヘ?イス?モテ?ル
搁て?阶层ヘ?イス?モテ?ル
Yohei Sato
?
搁て?ヒ?ホ?ットテーフ?ル
搁て?ヒ?ホ?ットテーフ?ル
Yohei Sato
?
第3回Japan rハ?ネルテ?ィスカッション
第3回Japan rハ?ネルテ?ィスカッション
Yohei Sato
?
Tokyor26 data fusion
Tokyor26 data fusion
Yohei Sato
?
Tokyor24 yokkuns
Tokyor24 yokkuns
Yohei Sato
?
Tokyowebmining19 data fusion
Tokyowebmining19 data fusion
Yohei Sato
?
傾向スコア解析とUplift Modelling
傾向スコア解析とUplift Modelling
Yohei Sato
?
Complex network ws_percolation
Complex network ws_percolation
Yohei Sato
?
异常行动検出入门(改)
异常行动検出入门(改)
Yohei Sato
?
Tokyor35 人工テ?ータの発生
1.
「Rによるやさしい統計学」第18章 人工データの発生 @yokkuns: 里 洋平 yohei0511@gmail.com 2013.11.09
第35回Tokyo.R 2013年11月9日土曜日
2.
AGENDA ■自己紹介 ■人工データの発生 ■人工データ ■母集団分布に従う1変量データ ■母集団分布に従う多変量データ ■統計モデルに基づいた人工データ ■最後に 2013年11月9日土曜日
3.
AGENDA ■自己紹介 ■人工データの発生 ■人工データ ■母集団分布に従う1変量データ ■母集団分布に従う多変量データ ■統計モデルに基づいた人工データ ■最後に 2013年11月9日土曜日
4.
里 洋平 (@yokkuns) ■元Webエンジニアのデータサイエンティスト ■TokyoRの主催者 2013年11月9日土曜日
5.
執筆しました 2013年11月9日土曜日
6.
AGENDA ■自己紹介 ■人工データの発生 ■人工データ ■母集団分布に従う1変量データ ■母集団分布に従う多変量データ ■統計モデルに基づいた人工データ ■最後に 2013年11月9日土曜日
7.
なぜ人工データを発生させるのか? 統計学やデータ解析自体の研究?学習の際に 特定の条件を満たすようなデータが欲しい ?シミュレーション実験 ?例題用の仮想データ 勉強会とか執筆とか ?データ解析手法を試すために都合の良いデータ ... 2013年11月9日土曜日
8.
どんな人工データが作れるのか 特定の母集団からの無作為標本 ① 母集団分布を指定した1変量データ ② 母集団分布を指定した多変量データ ③
統計モデルを指定した多変量データ 例: 回帰分析モデル、因子分析モデル、etc... 2013年11月9日土曜日
9.
AGENDA ■自己紹介 ■人工データの発生 ■人工データ ■母集団分布に従う1変量データ ■母集団分布に従う多変量データ ■統計モデルに基づいた人工データ ■最後に 2013年11月9日土曜日
10.
確率分布に従う乱数の生成 乱数を生成する関数一覧 確率分布 関数名 引数としてしていする母数 正規分布 rnorm mean, sd 一様分布 runif min, max ベータ分布 rbeta shape1,
shape2, ncp 二項分布 rbiom size, prob コーシー分布 rcauchy location, scale カイ二乗分布 rchisq df, ncp 指数分布 rexp rate F分布 rf df1, df2, cnp ガンマ分布 rgamma prob ... ... ... 2013年11月9日土曜日
11.
実行例: 正規分布 rnorm関数 2013年11月9日土曜日
12.
実行例: 一様分布 runif関数 2013年11月9日土曜日
13.
実行例: 任意の離散的確率分布 runif関数による乱数とcut関数を用いて 任意の離散的確率分布の人工データを生成する 2013年11月9日土曜日
14.
統計学の法則?定理の検証 統計学を勉強してると謎の法則とか定理が出てくる 人工データを使ってこれを検証してみる http://ja.wikipedia.org/wiki/%E5%A4%A7%E6%95%B0%E3%81%AE%E6%B3%95%E5%89%87 http://ja.wikipedia.org/wiki/%E4%B8%AD%E5%BF%83%E6%A5%B5%E9%99%90%E5%AE%9A%E7%90%86 2013年11月9日土曜日
15.
大数の法則とは ある母集団から無作為抽出された標本データの平均は サンプルサイズを大きくすると真の平均に近づく http://www.seiho.or.jp/data/billboard/introduction/content03/ 2013年11月9日土曜日
16.
正規分布によるシミュレーション rnorm関数でサンプルサイズを変化させ 標本平均と母平均を比較する 2013年11月9日土曜日
17.
二項分布によるシミュレーション rbiom関数でサンプルサイズを変化させ 標本平均と母平均を比較する 2013年11月9日土曜日
18.
中心極限定理とは 標本平均と真の平均との誤差は サンプルサイズを大きくすると、近似的に正規分布に従う http://www.clg.niigata-u.ac.jp/ medimg/practice_medical_imaging/roc/2signi?/ index.htm 2013年11月9日土曜日
19.
正規分布によるシミュレーション 母集団の作成 2013年11月9日土曜日
20.
正規分布によるシミュレーション 100個の標本を100回作成 標本平均の分布を見る 2013年11月9日土曜日
21.
正規分布によるシミュレーション 100個の標本を1,000回作成 標本平均の分布を見る 2013年11月9日土曜日
22.
正規分布によるシミュレーション 100個の標本を10,000回作成 標本平均の分布を見る 2013年11月9日土曜日
23.
二項分布によるシミュレーション 母集団の作成 2013年11月9日土曜日
24.
二項分布によるシミュレーション 100個の標本を100回作成 標本平均の分布を見る 2013年11月9日土曜日
25.
二項分布によるシミュレーション 100個の標本を10,000回作成 標本平均の分布を見る 2013年11月9日土曜日
26.
AGENDA ■自己紹介 ■人工データの発生 ■人工データ ■母集団分布に従う1変量データ ■母集団分布に従う多変量データ ■統計モデルに基づいた人工データ ■最後に 2013年11月9日土曜日
27.
相関関係 http://mcn-www.jwu.ac.jp/ kuto/kogo_lab/psi-home/stat2000/DATA/09/03.HTM 2013年11月9日土曜日
28.
任意の母相関を持つ2変数データの生成(方法1) 分散の等しい母集団から独立に無作為抽出された 2変数を用いて任意の母相関を持つ2変数データを生成 2013年11月9日土曜日
29.
AGENDA ■自己紹介 ■人工データの発生 ■人工データ ■母集団分布に従う1変量データ ■母集団分布に従う多変量データ ■統計モデルに基づいた人工データ ■最後に 2013年11月9日土曜日
30.
線形回帰分析とは 観測変数間の直線関係を分析する手法 http://www.tuins.ac.jp/ ham/tymhnt/analysis/e/tahenryo/sa/sa8.html 2013年11月9日土曜日
31.
線形回帰分析の仮定 線形回帰モデルの残差は正規分布していると仮定されている http://www.ipc.shimane-u.ac.jp/food/kobayasi/biometry13_2010.html 2013年11月9日土曜日
32.
回帰分析モデルに基づく人工データの生成 回帰係数と切片を固定し、xとeを乱数で生成する事で 回帰分析モデルに基づく人工データを生成する 2013年11月9日土曜日
33.
人工データに対して回帰分析を実行 2013年11月9日土曜日
34.
AGENDA ■自己紹介 ■人工データの発生 ■人工データ ■母集団分布に従う1変量データ ■母集団分布に従う多変量データ ■統計モデルに基づいた人工データ ■最後に 2013年11月9日土曜日
35.
■ LT募集しています! http://www.japanr.org/information/2013/11/03/lt/ 2013年11月9日土曜日
36.
AGENDA ■自己紹介 ■人工データの発生 ■人工データ ■母集団分布に従う1変量データ ■母集団分布に従う多変量データ ■統計モデルに基づいた人工データ ■最後に 2013年11月9日土曜日
37.
ご清聴ありがとうございました! 2013年11月9日土曜日
Download