『ショートカット』という最初から入っているアプリで次のように設定する。 共有シートからファイル、その他7個の入力を受け取る→ショートカットの文字の数を数える→アラート 数を表示 その他7個の内訳は、使いそうなものを片っ端からオンにしておく。 メモ…

『ショートカット』という最初から入っているアプリで次のように設定する。 写真を選択→写真からGIFを作成→GIFを最近の項目に保存 「写真からGIFを作成」の「秒/写真」は写真が切り替わる速さのことで、「毎回尋ねる」にしとくのが便利だと思う。 このような…

型番：ELECOM TK-FBP102 iPadの自動かな漢字変換（スペースキー押す前に変換される）をオフにする方法： キーボードがつながっている状態で「設定」→「一般」→「キーボード」→「ハードウェアキーボード」→「ライブ変換」オフ その他メモ：→英語 Fn+無変換 →…

賭博堕天録 カイジ 24億脱出編 1作者:福本 伸行フクモトプロ／highstone, Inc.Amazon 多くの場合、優れたバトル漫画は主人公陣営の長所と短所を明示する。 桜木花道は身体能力が異様に高いけどリバウンド以外のスキルはほぼ初心者だし、近距離パワー型のスタ…

散布図の点の数が多すぎると次のような問題を感じることがある。 点が重なりまくる 描画が遅い library(ggplot2) #ggplot2 の diamonds データを例に使う plot(price~carat, data=diamonds) これらへの簡単な対処法として、pch="." を指定して点を小さくする…

趣旨：島谷健一郎『ポアソン分布・ポアソン回帰・ポアソン過程』（近代科学社；以下ではポアソン3と略記する）は、最初「トピックを絞ったおもしろい読みもの」的な内容だと思っていたが、読み直すたびに評価が上がってきて、全体的に統計学入門にいいのでは…

ハイパーパラメータによって事後分布の形が大きく変わる様子です. 変な形の尤度関数をプロットする - ジョンとヨーコのイマジン日記 の続き的な投稿. 例1: 混合正規分布 モデルとして次の分布を考える. ここで は平均0, 分散1 の正規分布の密度関数, とする.…

モチベーション：尤度比検定をベイズ版と普通のやつ（？）で比べてみたい ネイマン・ピアソンの補題 ネイマン・ピアソンの補題は数理統計の本にはよく出ている（たとえば竹村『現代数理統計学』）. 新装改訂版 現代数理統計学作者:彰通, 竹村学術図書出版社A…

この記事はベイズ統計の本を読んでるとたまに出会うであろう「正規化定数を一旦無視して計算」するやつについて, 「なんで無視できるんだろう」と思った人（いるのか？）向けの投稿です. 最初の例：分割表 ベイズの定理の説明でよく出てくる2×2の分割表を, …

準備 多項ロジスティック回帰について ポリア・ガンマ分布を用いた多項ロジスティック回帰のギブスサンプラー - ジョンとヨーコのイマジン日記 に書いた. たぶんこちらを先に読んだほうがいい. ここではポアソン回帰, つまり次のモデルを考える. ところで, …

はじめに：身長の分布 身長の分布が正規分布っぽくなるというのはよく言われる。 ためしに、 学校保健統計調査－令和2年度（確定値）の結果の概要：文部科学省 から高校生男子17歳の身長の分布を持ってきて図示してみる。 保険統計調査のエクセルの表は1cm刻…

ポリア・ガンマ分布 まず Polson et al. (2013, [1205.0310] Bayesian inference for logistic models using Polya-Gamma latent variables) の主な結果を紹介する. ポリア・ガンマ分布の密度関数を とすると, が成り立つ. ポリア・ガンマ分布というのは, あ…

モデル 次のような確率モデルを考える.ここで は差分を意味する記号であり, を表す. また は試行回数パラメータ , 成功確率パラメータ の二項分布を表し, 記号 （実は読み方を知らない. 「チルダ」でいいのか？）は左辺の が右辺の二項分布に従う確率変数で…

とりあえずプロット 例1: 混合正規分布 例2: 非線形回帰 例3: ガンマ分布 R のコード 参考文献 最尤推定の基礎 とりあえずプロット 例1: 混合正規分布 モデルとして次の分布を考える. （この例は『ベイズ統計の理論と方法』に出てくる.） ここで は平均0, 分…

計算ノート 2変量正規分布の密度関数 は次式で表される：ここで は2次元のベクトル.分散共分散行列の逆行列を と置くと, と書ける.密度関数の等高線を描くと（関数を同じ高さのところで輪切りにすると）楕円になる. この投稿では, 2変量正規分布の密度関数を…

www.youtube.com Cuttle - card game rules Cuttle - Wikipedia を参考にカトルを紹介します。 マジック・ザ・ギャザリングに似た二人用ゲームだそうですが、マジック・ザ・ギャザリングをよく知らない。マジック・ザ・ギャザリングがこのゲームから影響を受…

原稿用紙1枚を20字×20行としています。 ここに、 なにか、 書く… 枚数： function clickBtn1() { var tx = document.getElementById("text1").value; var tv = tx.split("\n"); var tlen = tv.map(function(word){ return Math.ceil(word.length/20) }) var …

前置き この文書は統計的仮説検定とかを一度は学んだことがある人向けに書いている. 小ネタです.オリジナリティのない教科書がそうであるように, 1標本の t 検定を例にとることをお許しください. プロット; 信頼区間 t 検定では, 統計モデルとして正規分布を…

写真を撮るのが苦手なのでみんなが写真を撮ってるときに音を録ってたことある。 これはおそらくブルージュ（ベルギー）のどこかの時計台の鐘： これはおそらくその近くを歩いていた馬の足音： これはおそらくマラケシュ（モロッコ）のだれかのクルアーンかな…

アルゴリズムの導出 機械学習スタートアップシリーズ ベイズ推論による機械学習入門作者:須山敦志講談社Amazon変分事後分布に正規分布を仮定して、変分パラメータを勾配法で推定する方法はそれなりによく知られている。例えば須山「ベイズ推論による機械学習…

SQLiteは小規模なデータに適したデータベースとされる。 長所：始めるのが簡単 短所：大規模なデータに向かない どの程度までが小規模なデータなのかはよくわからないが、SQLiteでなにか困ることがあれば、そのとき代替（MySQL, PostgreSQL, Google BigQuery…

前置き なんでこんなのを書こうと思ったんだっけ. たぶん「周辺尤度はカルバック・ライブラー情報量に基づく情報量規準とは考え方が異なる」みたいな文をどっかで見て, ちょっとつっこみたくなったからだった気がする. 用語 すべてのデータを , すべての未知…

多くのABテストではクリック数やコンバージョン数などのカウントデータを比較します。ABテストで問題になるのが、 どのくらい差があれば、十分「Bのほうが良さそう」と判断できるのか どのくらいのデータ（クリック数やコンバージョン数）がたまるまでまてば…

ここでは [math/0604410] Discrete Component Analysis の Gamma-Poisson モデル（GaP）の ELBO (evidence lower bound) を導出する。まず、行列の分解がトピックモデルの一種として解釈できること説明する。次に、モデルのパラメータ推定方法について述べる…

アルゴリズム 機械学習スタートアップシリーズ ベイズ推論による機械学習入門作者:須山敦志講談社Amazon 須山『ベイズ推論による機械学習入門』ではロジスティック回帰とニューラルネットのところで近似事後分布として1次元の正規分布を仮定して、変分パラメ…

モチベーション 以前にAlbert (2008)、 https://www.stat.berkeley.edu/~aldous/157/Papers/albert_streaky.pdf を読んでやってみたことのJulia版です。次の0と1の羅列はカルロス・ギーエン（カルロス・ギーエン - Wikipedia）という選手の2005年の打撃成績…

ローカルレベルモデルです。（システムモデル） （観測モデル）パーティクルフィルタで固定パラメータの とか を推定する方法は色々提案されてたりするんだけど、シミュレーテッドアニーリング法に丸投げです。「こう書くともっと速くなるよ」みたいなご指摘…

データを生成した分布を「真の分布」と呼ぶことにする。確率モデルを として、確率モデルにパラメータ の最尤推定量 を代入し、 「真の分布はおよそ だろう」 と推測することを最尤推定による予測分布（略して、MLE）と呼ぶことにする。最尤推定量（またはMA…

Julia です。 @time using Optim @time using Distributions @time using StatsFuns function make_dat_gamma0(n,a,b) t = rand(Gamma(a,b),n) E_len = rand(Exponential(),n) u = rand(n) E_R = t - E_len .* (1.0.-u) E_L = t + E_len .* u E_L, E_R end f…

モデルと尤度 RFM 指標から将来の購買回数を予測する Pareto / NBD モデルから派生したモデルに BG / NBD モデルがあります。Pareto / NBD モデルより計算がかんたんです。モデル： 顧客の購買はレート の定常ポアソン過程に従う 顧客の購買のたびに確率 で…