「StanとRでベイズ統計モデリング」松浦健太郎 という本を書きました - StatModeling Memorandum
僕が筆者なので、この記事は書評ではなく紹介になります。まずこの本はRのシリーズの一冊にもかかわらずStanという統計モデリングのためのプログラミング言語の方がメインです。このようなわがままを許してくれた、ゆるいふところの深い石田先生と共立出版には感謝しかありません。 StanとRでベイズ統計モデリング (Wonderful R) 作者:健太郎, 松浦発売日: 2016/10/25メディア: 単行本 目次と概要 共立出版のページを見てください。GitHubのリポジトリもあります。 前提とする知識 「はじめに」の部分で触れていますが、確率と統計の基本的な知識はある方、R（やPython）で簡単なデータ加工や作図が一通りできる方を想定しています。そのため、確率分布なんて聞いたことがない、プログラミングがはじめて、Rがはじめて、という方が読み進めるのは厳しいかもしれません。なお、Rの基本的な関数し
Gaussian Process Hyperparameter Estimation
Quick Way longer then expected post and some code for looking into the estimation of kernel hyperparameters using STAN HMC/MCMC and R. I wanted to drop this work here for safe keeping. Partially for the exercise of thinking it through and writing it down, but also because it my be useful to someone. I wrote a little about GP in a previous post, but my understanding is rather pedestrian, so these
rstanmulticore: A cross-platform R package to automatically run RStan MCMC chains in parallel | Nathan VanHoudnos
rstanmulticore: A cross-platform R package to automatically run RStan MCMC chains in parallel *** This work has been supported by a grant from the Spencer Foundation (#201400002). The views expressed are those of the author and do not necessarily reflect those of the Spencer Foundation. *** It seems that the heir to WinBUGS is Stan. With Stan, reasonably complex Bayesian models can be expressed in
第9回「データ解析のための統計モデリング入門」読書会 (2014/09/09 19:30〜)
お知らせ 【重要なお知らせ】iOSアプリの運用および提供を2024年6月3日(月)を以て終了いたします。詳細は お知らせをご覧ください。 お知らせ connpassではさらなる価値のあるデータを提供するため、イベントサーチAPIの提供方法の見直しを決定しました。2024年5月23日(木)より 「企業・法人」「コミュニティ及び個人」向けの2プランを提供開始いたします。ご利用にあたっては利用申請及び審査がございます。詳細はヘルプページをご確認ください。
Stanのgaussian_dlm_obs()によるトレンドモデル: Taglibro de H
以前うまくいかなかったStanのgaussian_dlm_obs()によるトレンドモデルだが、モデルを見直してできるようになった。 ナイル川のデータをつかった。Stanによるモデルは以下のように。 data { int<lower=0> N; matrix[1, N] y; } transformed data { matrix[2, 1] F; matrix[2, 2] G; vector[2] m0; cov_matrix[2] C0; F[1, 1] <- 1; F[2, 1] <- 0; G[1, 1] <- 1; G[1, 2] <- 1; G[2, 1] <- 0; G[2, 2] <- 1; m0[1] <- 0; m0[2] <- 0; C0[1, 1] <- 1.0e+7; C0[1, 2] <- 0; C0[2, 1] <- 0; C0[2, 2] <- 1.0e+7;
第7回「データ解析のための統計モデリング入門」読書会を開催しました - Yamakatu as a Service
今回も＠ドワンゴ様にて。感謝！！ ■第7章「一般化線形混合モデル(GLMM)」 by 所沢義男 データ解析のための勉強会第7章 from TokorosawaYoshio ところさわさん、twitterもFacebookもやってないけどYoはやってるらしい。なんてハイコンテキストなんだ… 「参考にした情報（WEB）」にあるGLMMのアニメーションわかりやすイイイイイイイイイ ■LT Rと確率分布 by @tetsuroito 20140222 tokyo.R LT 「Rと確率分布」 from Tetsuro Ito 前回の大仏様のLTに味をしめて、過去の発表資料でLTしてもらおうシリーズはじめました。 確率分布の関係性を示した図、イイ… ■LT データ解析でご飯を食べるという事 by @piroyoung データ解析でご飯を食べるという事 from Hiroki Mizukami ■懇親会
世界一簡単なrstanコード
もう自分のモデルがどこまで混沌としているかわからなくて，rstanをつかいながらごく簡単なものを確かめるところまで戻ってきた。 ある標準正規分布から乱数発生に寄って得られたデータセットyの平均と分散を推定するプログラム。一瞬で終わる。確実に収束する。まあ初めてMCMCする人はここから確認するとよいかもしれないので，一応書きさらしておく。このままRにコピペで動きます。 2015.03.05 追記）修正を行いました。修正点についてはこちらを参照。 library(rstan) n <- 100 mu <- 50 sig <- 10 y <- rnorm(n,mu,sig) stancode <- ' data{ int<lower=0> T; real N[T]; // data } parameters { real mu; real<lower=0> s2; } model{ N~norm
【ベイズ推定WS】 MCMCでマルチレベルモデル | Sunny side up!
先日，広島大学で「ベイズ推定による多変量解析入門」のというワークショップが行われました。 主催はDARMという広大の勉強会で，広島大学のポスドクの竹林君と広大院生の徳岡君が中心となって，開催されました。 会場には50人近くの人が，遠方からも来ていただいて，とても盛況でした。 ベイズの定理の話から，ベイズ統計，MCMCの基礎，そして多変量解析への実践にわたって，かなりの情報量があったと思います。 清水が発表したのは，MCMCでマルチレベルモデル，というもので，階層線形モデルをマルコフ連鎖モンテカルロ法で推定する，という話でした。 使ったソフトウェアはRとStanで，rsatnパッケージとglmer2stanパッケージを使いました。あと，Mplusについても少し触れています。 以下にスライドシェアにアップした資料を載せておきます。
[Stan] 陽に解ける常微分方程式を使ったモデルの例
今回はデータの背後に簡単な（陽に解ける）常微分方程式で記述できるダイナミクスがあると仮定して、Stanでパラメータの推定を行いたいと思います。 状況として定期的に（例えば一年ごとに）サービスをリリースした場合を考えます。それらのサービスを使う総利用者数の時系列があるとします。そして各サービスともリリース直後は盛り上がってくるものの、じわじわと利用者が減っていくとします。今回はその利用者がどのサービス由来かわからないとして解析します（どのサービス由来か分かればもっと簡単にできます）。また今回のデータ取得期間はt=1:100でt=0,40,80に計3つの新規サービスをリリースしたと分かっているとし、グラフは以下のようになっているとします（縦軸の単位は[百人]とか）。 さてこの時系列を解析するうえで「リリース直後は盛り上がってくるものの、じわじわ減る」というダイナミクスをモデルに反映するのが大切
![[Stan] 陽に解ける常微分方程式を使ったモデルの例](https://cdn-ak-scissors.b.st-hatena.com/image/square/36cccc5f4f4ff0a6189a7b50b9839ef26481326f/height=288;version=1;width=512/http%3A%2F%2Fblog-imgs-67.fc2.com%2Fh%2Fe%2Fa%2Fheartruptcy%2F201405_total_service.png)
K. Okada Group, UTokyo
K. Okada Research Group on Psychological Statistics岡田謙介研究室 (心理統計学) 本研究室は、東京大学教育学研究科教育心理学コース教育情報科学分野に籍をおく、心理統計学の研究室です。修士・博士をあわせて11名の大学院生たちと3名の特任研究員、および卒論生や共同研究者のみなさんと、心理・教育測定、数理心理、ベイズ統計分野における方法開発やモデリングを行って、問題解決に役立てるための研究を進めています。 当研究室では特任助教または特任研究員を募集しております。詳細は大学ホームページの公募情報をご参照ください。お気軽にお問い合わせください。[Dec, 2023] 日本計算機統計学会第37回シンポジウムにおいて、博士2年の福島健太郎さんの発表「一般化多枝選択型認知診断モデルの提案」が、学生研究発表賞を受賞しました。[Nov, 2023] 山梨県
RStan使ってMCMCの計算をやってみた(1) - データサイエンスとプログラミングを学ぶ
久保拓弥先生の「データ分析のための統計モデリング入門」（通称緑本）の9章をトレースしてみました。緑本ではWinBUGSを使用していますが、ここではRStanを使ってStanでやってみます。 データ解析のための統計モデリング入門――一般化線形モデル・階層ベイズモデル・MCMC (確率と情報の科学) 作者:久保 拓弥発売日: 2012/05/19メディア: 単行本 インストール Stanのインストールに関しては、以下のブログ記事を参考にさせていただきました。 Stanで統計モデリングを学ぶ(1): まずはStanの使い方のおさらいから - 渋谷駅前で働くデータサイエンティストのブログ こちらの通りに進めていけば問題なくインストールできるかと思います。 コード コードの書き方や、結果の可視化に関してはインストールでもお世話になった先ほどの記事と、こちらの記事 http://heartruptcy
RStanで『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
こんばんは、ゆるふわの対極であるところのガチムチ角刈り系のberoberoです。 この記事はR Advent Calendar 2013の26日目の記事になります。 12/22(日)にBUGS/Stan勉強会#2がドリコム株式会社にて催されました。そこで2つ発表をしました。そのうちの1つ「『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた」に関する詳細＆補足＆苦労話をここで書きたいと思います。RStanというパッケージでRからStanというMCMCサンプリングソフトを使っています。 最初に発表内容のスライドは以下になります。ざっと見るにはこれで十分です。 『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた from berobero11 以降ではスライドごとに簡単に補足していきます。 まずは元となった書籍の紹介です。時系列解析の第一人者による分か
Stan
Stan is a state-of-the-art platform for statistical modeling and high-performance statistical computation. Thousands of users rely on Stan for statistical modeling, data analysis, and prediction in the social, biological, and physical sciences, engineering, and business. Stan interfaces with the most popular data analysis languages (R, Python, shell, MATLAB, Julia, Stata) and runs on all major pla
RStan Getting Started
This version is not yet officially released, but it provides access to a more recent version of the Stan language than the latest official RStan release. See the Configuring C++ Toolchain and Verifying Installation sections below to make sure you have the necessary setup for compiling Stan programs (you can ignore the Installing RStan section below). Latest Released Version: 2.26.3 (September 20
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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
https://cran.r-project.org/web/packages/loo/vignettes/Example.html
RPubs - 世界一簡単な収束しないStanコード
Ninja 2.0.0 released!