統計データ解析 Ⅱ Introduction to statistical data analysis Ⅱ | UTokyo OCWx
ビッグデータの時代と言われている。近年、データの計測およびストレージ技術の発達とともに、大規模データから適切に情報抽出し、それを意思決定に活用することが必須のリテラシーとなっている。いっぽうデータの形式と対応する解析法の変化は著しく、新しい方法を正しく利用するために、普遍的な統計科学の原理を理解することが重要である。基礎となる統計数理とともに、具体的な統計解析手法とその運用を、統計ソフトウエアによるデータ解析実習を通じて習得する。 統計データ解析Ⅱでは、統計ソフトウエアRの説明の後、高次元大規模データに潜む相関構造を発見し計量する多変量解析、および時系列データの基本的な解析法を学ぶ。統計手法の運用とデータハンドリングを実習することに加え、微分積分学、線型代数学等の前期課程数学と連携し、数理科学的側面を意識しながら、実験を介して統計手法の合理性と体系を感得する。
統計・機械学習の理論を学ぶ手順 - Qiita
社内向けに公開している記事「統計・機械学習の理論を学ぶ手順」の一部を公開します。中学数学がわからない状態からスタートして理論に触れるにはどう進めばいいのかを簡潔に書きました。僕が一緒に仕事をしやすい人を作るためのものなので、異論は多くあると思いますがあくまでも一例ですし、社員に強制するものではありません。あと項目の順番は説明のため便宜上こうなっているだけで、必ずしも上から下へ進めというわけでもありません。 （追記）これもあるといいのではないかというお声のあった書籍をいくつか追加しました。 数学 残念ながら、統計モデルを正しく用いようと思うと数学を避けることはできません。ニューラルネットワークのような表現力が高くて色々と勝手にやってくれるような統計モデルでも、何も知らずに使うのは危険です。必ず数学は学んでおきましょう。理想を言えば微分トポロジーや関数解析のような高度な理論を知っておくのがベス
【厳選】無料の疫学・統計学オンライン講座11選！
Dr. すきとほる, MPH, PhD | 疫学専門家このブログのモットーは『研究ライフをほんのり豊かに』。研究者のための副業や転職、便利ツール、SNS運用などお役立ち情報をお届けします |【所属】大手外資製薬のGlobalチーム管理職＆国立大学研究職 |【経歴】貧乏学生 ▶︎ 社畜 ▶︎ 研究職へキャリアチェンジ ▶︎ 3年で年収10倍に |【専門】薬剤疫学と医療大規模データベース研究 | ※発言は個人の見解で組織を代表しません こんにちは、すきとほる疫学徒です。 本日は、無料で学ぶことのできる疫学・統計学のオンラインコースを紹介していきたいと思います。 素晴らしい時代になったものですね。。。 ちょっと前の時代には、疫学・統計学などのPublic Healthの専門知を学びたければ、公衆衛生大学院に進学するか、自力で書籍を読むかという手段しかなかったはずです。 それが、こうしてオンライン
統計の入門講座が無料に、京大メソッドでデータサイエンス関連教員が担当 | Ledge.ai
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
心理学的研究における重回帰分析の適用に関わる諸問題
Although multiple regression analysis is a frequently used method for multivariate analysis in psychological research, it has been used inappropriately or incorrectly in most studies. To resolve these problems effectively, we investigated and summarized the issues related to the use of multiple regression analysis found in papers published in The Japanese Journal of Psychology and discussed the is
WEBで読める統計関係の良質な資料 - Interdisciplinary
私がよく参考にする所を三箇所紹介します。いずれも、説明が極めて明瞭で、論理的な整合性や用語の丁寧な使い方を志向している所に好感が持てるサイトです。 ▼Econom01 Web Site, Sophia University, Tokyo, Japan 上智大学の大西博氏のサイト。私が統計関連で最もよく参照する所です。説明の仕方の明瞭さや、具体例を用いた解説がとても良いと思います。確率統計の一つ一つの概念について、大変丁寧に説明されています。たとえば、「相関（および因果関係）」については、 ２つの変数の同時分布と、その条件付き分布は、変数の間の数量的結び付きを示しています。この数量的結び付きは、統計的頻度分布として観察されるものであり、現象の背後にある実態的な「関係」や「構造」から導かれる法則性を必要としません。 例えば、人間の身長と体重とは密接な統計的分布関係を持っていますが、両変数を決定
確率と因果を革命的に架橋する：Judea Pearlのdo演算子 - Take a Risk：林岳彦の研究メモ
皆さまこんばんは。今回から数回のあいだは、久しぶりに統計的因果推論ネタについて書いていきたいと思います。 今回の具体的なテーマは「Judea Pearlのdo演算子」になります。マニアックです。 このテーマについては自分でも完全に理解しているわけでは全くないので、「解説」というよりも「半可通が書いた公開勉強メモ」というかんじになりますが、その旨ご了承いただければ幸いです。 （＊例によって今回もまためちゃくちゃ長いエントリーとなりますが、何卒よろしくお願いいたします。また、間違いなどがありましたらその旨ご指摘いただければ大変幸甚でございます＞本物の識者の方々） まえおき：Judea Pearlって誰すか？ はい。ではそもそもその「Judea Pearlって誰すか？」というところから書いていきたいと思います。 結論から言うと私もよく知りません。ですが、周辺的手がかりからヒューリスティックに判断
「Rを教えるにあたってのクイック・ガイド」 - 勝虫日記
Rイメージングのデータをよりによって，エクセルでカット・アンド・ペーストを徹夜してやっている4年生を見て，こりゃいかんと思い，Rのスクリプトを書いて，「ほら，こんなに作業が簡単になるでしょ?」と，Rをオススメするはずだった． ところが，反応はイマイチ．こんな難しいことやってられません，と言いたげな顔になってしまったので，いきなり負荷をかけすぎたかと反省．やはり，教えるのってムズかしい． ヤマほどR関連のドキュメントがインターネットで自由に手にはいるようになってきたが，それでも，直面している問題にすぐ答えてくれるわけでもなく，じっくり学んでいく必要があるのがほとんどだ．情報が多すぎて，すぐに自分の問題の解決に役立つようには到底思えないことが多い． ちょっとプログラムが書けると生産性がぐんと上がることは多々ある．生物学科では，データ解析は必須であるから，統計解析環境のRはもってこいだ．しかし，
「美人ほど女の子を産む」はウソ？：A. Gelmanによる統計的欠陥の指摘のメモ - Take a Risk：林岳彦の研究メモ
少し以前から「美人ほど女の子を産む」というタイトルの記事をネットでちらほら見かけておりました。 例えばこちらなど： 美人ほど女の子を出産する確率が高い | ゆかしメディア | 1 個人的にはこういった進化心理学的研究への興味はもちろん大アリなのですが、ちょっとこれは怪しそう？と思いしばらくスルーしていたした。そんな折、この話題がDavid Spigelhalter*1のブログ記事で取り上げられているのを見かけ、またAndrew Gelman *2がその手法について真っ向から批判しているらしい、ということを知ってちょっと真面目に読んでみました。 美人ほど女の子を出産する確率が高い？ この研究の元ネタの論文はこちらのようです。雑誌はJournal of Theoretical Biology誌（通称JTB）です*3。 Satoshi Kanazawa (2006) Journal of The
ベイズを学びたい人におすすめのサイト - download_takeshi’s diary
ベイジアンフィルタとかベイズ理論とかを勉強するにあたって、最初はなんだかよくわからないと思うので、 そんな人にお勧めのサイトを書き残しておきます。 @IT スパム対策の基本技術解説（前編）綱引きに蛇口当てゲーム？！楽しく学ぶベイズフィルターの仕組み http://www.atmarkit.co.jp/fsecurity/special/107bayes/bayes01.html いくつかの絵でわかりやすく解説してあります。 自分がしるかぎり、最もわかりやすく親切に解説してる記事です。数学とかさっぱりわからない人はまずここから読み始めるといいでしょう。 茨城大学情報工学科の教授のページから http://jubilo.cis.ibaraki.ac.jp/~isemba/KAKURITU/221.pdf PDFですが、これもわかりやすくまとまってます。 初心者でも理解しやすいし例題がいくつかあ
エクセルを利用した回帰分析の手順
４．回帰係数の95％信頼区間は 0.094825〜0.390375 となりました。 回帰係数の検定はt値が3.368458なので、回帰を求めるために使用したデータ数が29から、自由度は27、ｔ（27, 0.01)=2.771なので、１％水準で回帰係数は有意であることがわかりました。Ｐ−値をみても0.002287と0.01より小さいので同じことがいえます。 ５．回帰分析による区間推定 １月の気温として5℃を与えたときに、７月の平均気温はどうなるかは、回帰式に代入すると求められます。 22.42356+0.2426×5=23.63656 計算結果から23.6℃となりました。 ９５％信頼区間を求めてみましょう。まず分散分析の結果から残差の分散をみつけます。17.4724とあります。これが誤差分散Veとなります。回帰を求めるのに使ったデータ数は29、誤差の自由度は29-2=27となりま
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
