南北戦争で南部の奴隷所有者達は奴隷制を守る為に自らも武器を取ったのか？
ア㊙️イさんのお尻 @bot99795157 「戦う理由:南北戦争における奴隷所有と従軍」として追加しておいたのだ〜。 ア㊙️イさんのお尻と学ぶ統計学 - Togetter togetter.com/li/1342003 2019-09-23 18:23:29 ア㊙️イさんのお尻 @bot99795157 奴隷制の存続を巡って争われたアメリカの南北戦争では、南部の「奴隷州」は連合国として戦うことになるんだけど、果たして奴隷の所有者達は奴隷制を守る為に自らも武器を取ったのか？未だに論争が続くこの問題に大規模なデータ分析で迫った研究が最近出版されたのだ。かなり長いまとめなのだ！ (1/27) pic.twitter.com/qTdm9QjFzU 2019-09-23 17:32:07
共変数と統計的有意性 - himaginary’s diary
Marc BellemareがMetrics Mondayで以下のようなことを書いている。 Those of us who do applied work for a living will have at some point noticed that, depending on which variables we include in X on the right-hand side (RHS) of an equation like (1) y = a + bX + cD + e, the coefficient c on the treatment variable D might go from significant to insignificant or vice versa. That this is true is the very reason why it is c
【米大統領選】トランプ勝利は「統計・世論調査の大敗北」？その「敗因」は何か～ネイト・シルバーなどをめぐって
自分も「ヒラリー勝利」予想者のひとりで、それは「最近の世論調査は、勝敗はほぼ正確の筈」との思い込みでした。 実際、ネイト・シルバーという名前が最近の大統領選では的中を重ね、「ここまで完璧に事前予想できるなら、選挙そのものの意味は何だろうか？」と問われることすらありました。 そのシルバーですら、今回は討ち死に！ これは世論調査、ビッグデータ全体の敗北なのか？ だとしたらその原因は？ 続きを読む
機械学習と計量経済学が協力すべき最重要分野 - himaginary’s diary
昨日紹介したFrancis Dieboldの3連エントリの2番目にHal Varianがコメントし、Dieboldが指摘した問題――機械学習は因果関係の無い予測に重点を置くが、計量経済学は因果関係のある予測に重点を置く――について自分が以前書いた論文を2篇紹介している。一つは機械学習に詳しい人向けで、もう一つは経済学者向けとの由。 以下は前者の論文「Causal inference in economics and marketing」の要旨。 This is an elementary introduction to causal inference in economics written for readers familiar with machine learning methods. The critical step in any causal analysis is est
機械学習と計量経済学との違い - himaginary’s diary
についてFrancis Dieboldが3つのエントリに亘って論じている（ここ、ここ、ここ；H/T Economist's View）。 彼が挙げた両者の相違は以下の2点。 機械学習は因果関係の無い予測に重点を置くが、計量経済学は因果関係のある予測に重点を置く。 換言すれば、機械学習は条件付き期待値を求めようとするが、計量経済学は偏微分を求めようとする。 時系列分析のように、計量経済学も因果関係の無い予測を求めることがあるが、その歴史は機械学習より遥かに古い。また、その場合は統計学に近いとも言える。「データサイエンティストとは何か？」「サンフランシスコに住んでいる統計学者のことさ」という古いジョークがその間の消息を物語っている。 計量経済学（および統計学）は、不確実性の確率的な評価に関心がある。一方、機械学習は点予測で満足してしまうことが多い。計量経済学（および統計学）は、区間予測、最終的
p値の価値 - himaginary’s diary
今月初めに米統計学会がp値の使用に関する6つの原則を公表した。その責任者である同学会Executive DirectorのRonald L. Wassersteinは、Retraction Watchという論文撤回監視ブログ*1のインタビューに応じ、最近の再現性危機問題が今回の声明の背景にあることを説明している（H/T Mostly Economics）。日本でもこの6原則は各所で取り上げられており、Naverまとめがその辺りに詳しい。 米統計学会のサイトでは、この6原則を提示した声明文書と共に、同文書のp値の議論に関する21人の統計学者の反応も併せて公開している。そのうちUCバークレー教授のPhilip B. Starkが、表題の小論（原題は「The Value of p-Values」）で、今回の声明の精神は買うが、内容には若干の違和感がある、として以下の点を指摘している。 The i
最小の平均二乗誤差を持つ線形推定量は？ - himaginary’s diary
Dave Gilesが9/21エントリで以下のようなお題をブログ読者に投げ掛けた。 We know from the Gauss-Markhov Theorem that within the class of linear and unbiased estimators, the OLS estimator is most efficient. Because it is unbiased, it therefore has the smallest possible Mean Squared Error (MSE) within the linear and unbiased class of estimators. However, there are many linear estimators which, although biased, have a smaller MSE
ゼロと異なるp値の情報はすべて不完全 - himaginary’s diary
以前、サンプルサイズが大きくなると統計的有意性が高まるという話を紹介したが、カーネギーメロン大学の統計学者であるCosma Rohilla Shaliziが、自ブログ「Three-Toed Sloth」の表題のエントリ（原題は「Any P-Value Distinguishable from Zero is Insufficiently Informative」）で、p値についてその話を詳説している。（H/T Economist's View）。 そこでは5段階に分けた解説を行っているが、第一段階目では、「ゼロと異なる平均は任意の有意性を持つ（Any Non-Zero Mean Will Become Arbitrarily Significant）」という小題の下に、概ね以下のような解説を行っている。 μをゼロか否かを検定しようとしている平均パラメータ、をそのサンプル平均とした場合、検定
ダメな統計学：目次｜Colorless Green Ideas
2017年1月20日追記：『ダメな統計学――悲惨なほど完全なる手引書』という本が出版されることになった。この本は、ここに掲載されているウェブ版の『ダメな統計学』に大幅に加筆したものだ。ウェブ版の『ダメな統計学』を読んで興味を持った方は、書籍となった『ダメな統計学』をぜひ読んでいただければと思う。書籍版の詳細については「『ダメな統計学――悲惨なほど完全なる手引書』の翻訳出版」という記事をご参照願いたい。 ここに公開する『ダメな統計学』は、アレックス・ラインハート (Alex Reinhart) 氏が書いたStatistics Done Wrongの全訳である。この文章は全部で13章から構成されている。詳しくは以下の目次を参照されたい。 はじめに データ分析入門 検定力と検定力の足りない統計 擬似反復：データを賢く選べ p値と基準率の誤り 有意であるかないかの違いが有意差でない場合 停止規則と
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
イアン・ハッキング『偶然を飼いならす： 統計学と第二次科学革命』 | Theoretical Sociology
一定期間更新がないため広告を表示しています
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
Medicine and the microfoundations hegemony in macroeconomics
Bayes Stifling Creativity?
A Cambridge professor on how to stop being so easily manipulated by misleading statistics
Sokal: “science is not merely a bag of clever tricks . . . Rather, the natural sciences are nothing more or less than one particular application — albeit an unusually successful one — of a more general rationalist worldview” | Statistical Modeling, Causal
Always Gamble on an Empty Stomach: Hunger Is Associated with Advantageous Decision Making
interfluidity » Econometrics, open science, and cryptocurrency
“Science does not advance by guessing” | Statistical Modeling, Causal Inference, and Social Science
Bayesian Cognitive Modeling Examples Ported to Stan | Statistical Modeling, Causal Inference, and Social Science
Is coffee a killer? I don’t think the effect is as high as was estimated from the highest number that came out of a noisy study | Statistical Modeling, Causal Inference, and Social Science