by Hello I'm Nik GB アメリカにおけるコンピューターゲーム産業の業界団体であるエンターテインメントソフトウェア協会(ESA)が、任天堂・ソニー・Microsoftという大手ゲーム機メーカー3社がルートボックス(ガチャ)の確率開示を義務化するために新しポリシーの作成に取り組んでいることを明かしました。 Nintendo, Sony, Microsoft to require loot box odds disclosure | GamesIndustry.biz https://www.gamesindustry.biz/articles/2019-08-07-nintendo-sony-microsoft-to-require-loot-box-odds-disclosure Microsoft, Sony, Nintendo won't allow loot boxes
コロナの長期的影響と「ワクチン打たない」について
https://anond.hatelabo.jp/20210315160051 について、ブコメをいただきました。 id:dc42jk ウイルス感染後数年の潜伏期間を経て発症する悲惨な病気もある(麻疹のSSPE等)。ワクチンの長期的副作用が分かっていないのと同様に、新型コロナの長期的影響も分かっていない。新型コロナのリスクを過小評価しすぎ。 もっともだと思います。 この点については、論旨に影響ない程度に文章を簡単にするため、新型コロナのリスクを過小評価して文章を書きました。 当然ですが、より網羅的にフェアにいうなら、ワクチンの方にも同様に、既に統計（エビデンス）のあるリスクが存在します。こちらも文章から省いてあります。 省略なしのリスク記述R1: ワクチンを打たないリスクX1: ワクチンを打たない場合の、既知のリスク（感染・重症化・後遺症等）Y1: ワクチンを打たない場合の、未知のリスク
使える統計モデル10選（前編） 統計モデリング（statistical modelling）はデータ解析の方法論の1つです。データ解析の目的は、通常はただの数値や記号の羅列であるデータから、人間が何かしらの判断を行うために有益な情報を引き出すことにあります。データ分析者は、そのままでは意味をなさないデータに対して、折れ線グラフやヒストグラムなどを用いて、人間が判断を行いやすいようにデータの可視化を行います。一方で、時にはニューラルネットワークのような複雑な計算モデルを使ってデータを解析し、まだ観測されていない将来の値を予測させたりします。このように、データから有益な情報を引き出すために、データに対して人為的な視点や事前知識、数学的な仮定などを設計する作業をモデリング（modeling）と呼びます。 統計モデリングによるデータ解析では、データ自体や解析の目的に合わせて分析者が適切なモデルを設
ベイズ統計学の概論的紹介
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
Pythonで作って学ぶ統計モデリング 近年、AIや機械学習、深層学習といった用語に代表されるように、多種多様のデータを高度なアルゴリズムと計算機の力で解析し、将来予測などの価値を生み出す技術に注目が集まっています。 これらの技術の土台となっているのが、本記事で解説する統計モデリング（statistical modeling） と呼ばれる考え方です。元々は手計算が可能なレベルの比較的シンプルな数学的仮定を置いてデータを解析する方法論として発展しましたが、近年の計算機の性能発達に伴い、従来では取り扱えなかったより複雑なモデルを利用した高度な解析を実施する事例が増えてきています。特に、現在実践で広く使われている機械学習のモデルや、複雑な非線形関数を組み合わせた深層学習モデルなども、その多くは突き詰めれば統計モデルの一種であることが言えます。したがって、統計モデリングはそれ自体がデータ解析に対し
ネット上でたびたび話題になる問題がある。 問題（１） ２人きょうだいの子供のうち、１人が男の子の場合、もう１人が女の子である確率はいくらか？ 適当な名前がないので、いま私が「きょうだいベイズ問題」と名付けた。 ネット上の議論では答えは 2/3 だというのが定説になっている。 例えばこのサイト http://taustation.com/conditional-probability-brother/ では「区別なしの場合」というセクションでこれを扱っており、2/3 としている。 最近つらつら考えて 2/3 は間違い。正解は 1/2 だ。 という結論に達した。2/3 派がどこをどう間違っているのかも判った。 「観点の違いであって 1/2 も 2/3 もどちらも正しい」という意見もちょくちょく見るが、あれも間違いである。 1/2 でしかありえない。 この件については「完全に理解した」と言ってい
原著：ペドロ・ドミンゴス 翻訳：神嶌 敏弘 イラスト：六七質 出版社：講談社 発行日：2021-04-21 ISBN：978-4062192231 本書は，ペドロ・ドミンゴス著『The Master Algorithm』の翻訳書で，近年の人工知能技術の進展を支える機械学習についての解説書です．機械学習とは，作業手順を明示的に指示しなくても，それをデータから学ぶ能力を計算機に与える技術です．この機械学習について，計算機科学や統計学の高度な知識を前提とせずに，その内側に踏み込んで仕組みを明らかにし，この技術の可能性と課題を論じています． 出版社ホームページ 版元ドットコム Googleブックス ネット書店：Amazon 楽天ブックス honto 紀伊國屋書店 電子書籍：Amazon 楽天ブックス honto 紀伊國屋書店 Apple 読書ログ： 読書メーター（電子版） ブクログ（電子版） 図書
質問 オンラインゲームのガチャを100回引きましたが、1％の確率で出るレアアイテムが、1回も出ませんでした。確率表記が間違っているのではないでしょうか。 回答 オンラインゲームの電子くじ（一般に「ガチャ」と呼ばれるもの）は、店舗等のカプセルトイ（一般に「ガチャガチャ」と呼ばれるもの。1回引くごとに確率は上がっていく）と仕組みが異なり、確率の計算方法が異なる場合があります。 オンラインゲームに関する相談がトラブルメール箱に多く寄せられており、その中でも「ガチャ」を引いたのに希望のアイテムが出ないという事例が多く見られます。 確率の表記について オンラインゲームの「ガチャ」の確率表記については、業界団体である一般社団法人コンピュータエンターテインメント協会（CESA）と一般社団法人日本オンラインゲーム協会（JOGA）がガイドラインを定めています。例えばCESAのガイドラインでは、原則として「提
こんにちは，株式会社Nospare・千葉大学の小林です．本記事ではGelman and Vehtari (2020)の`What are the most important statistical ideas of the past 50 years?'について紹介します．この論文は過去50年において最も重要だとされる次の8つのアイディアが取り上げられています． 8つのアイデア 反事実（counterfactual）に基づく因果推論 ブートストラップとシミュレーションに基づいた推論 オーバーパラメータ（overparameterized）モデルと正則化（ガウス過程，Lasso, horseshoe, ベイズnonparametric priorなど） ベイズマルチレベル（階層）モデル 汎用的な計算アルゴリズム（EM, MCMC, SMC, HMC, 変分法など） 適応的決定分析（ベイズ最
","naka5":"<!-- BFF501 PC記事下（中⑤企画）パーツ＝1541 --><!--株価検索 中⑤企画-->","naka6":"<!-- BFF486 PC記事下（中⑥デジ編）パーツ＝8826 --><!-- /news/esi/ichikiji/c6/default.htm -->","naka6Sp":"<!-- BFF3053 SP記事下（中⑥デジ編）パーツ＝8826 -->","adcreative72":"<!-- BFF920 広告枠）ADCREATIVE-72 こんな特集も -->\n<!-- Ad BGN -->\n<!-- dfptag ＰＣ誘導枠５行 ★ここから -->\n<div class=\"p_infeed_list_wrapper\" id=\"p_infeed_list1\">\n <div class=\"p_infeed_list\">
人生を確率を通してみる、今年ベスト級の科学ノンフィクション！──『もうダメかも──死ぬ確率の統計学』 - 基本読書
もうダメかも 作者:マイケル・ブラストランド,デイヴィッド・シュピーゲルハルター発売日: 2020/04/13メディア: 単行本我々はウルトラマンに守られているわけではないのだから、死ぬときがきたら死ぬしかない。その事実は多くの人が認識しているだろう。が、実際に自分が人生の各フェイズでどれぐらい死ぬ確率があるのか、多くの人はそこまで認識してはいないのではないだろうか。10代、20代なら自分が死ぬことなど意識しないだろうし、30代でもそう大きくは違わないだろう。だが、人は何歳であろうともポカっと死ぬものだ。 というわけでこの『もうダメかも──死ぬ確率の統計学』は、ノームと名付けられてこの世に生を受けた一人の男性の成長を歩調をあわせて、人生の各フェイズでどのような死亡リスクがあるのかを細かく統計でみていこう、という本である。 たとえば、交通事故、出産時、タバコを一本吸った時、放射線を浴びた時、
大阪府は15日、新たに3692人が新型コロナウイルスに感染していることが確認されたと発表しました。去年9月1日の3004人を上回って過去最多となりました。これで大阪府内の感染者の累計は21万9100人となりました。 15日の時点で府内で入院している重症の患者は9人で、14日より2人増えました。一方、感染して亡くなった人の発表はありませんでした。
積分定数 on Twitter: "@shinchan0922 突然失礼します。 あなたの書いた「たった9時間でSPIの基礎が身につく!!」にこのような記述があるそうです。これはあなたが書いたものに間違いないでしょうか？ https://t.co/Vd5RIZd5iA"
@shinchan0922 突然失礼します。 あなたの書いた「たった9時間でSPIの基礎が身につく!!」にこのような記述があるそうです。これはあなたが書いたものに間違いないでしょうか？ https://t.co/Vd5RIZd5iA
前回は、確率の偏りのお話の中で、順位や牌の並びが偏るという事を書かせて頂きました。 しかし、このように思われた方もいらっしゃるかもしれません。「、、、と言っても、他の麻雀ゲームに比べて、Maru-Janは特に牌が偏る気がするんだよなぁ。Maru-Janは配牌とか牌山が混ざってないという事はない？」 その答えは、、、、Yesです。 理由について、ご説明したいと思います。 話は１３年以上前、２００２年に私が起業した頃に遡ります。コラムの第1話で書かせて頂いたように、リアルな麻雀に嫉妬？していた私は、本格的な麻雀ゲームを作る会社を立ち上げ、資金集めに奔走していました。 一緒に起業したプログラマーは毎日徹夜のような状況で、プログラムを日々制作してくれていました。 一方であまりの資金の無さに、二人とも無給で働いている状態でした。支援して頂いている方にトウモロコシの差し入れを頂いたり、安売りのサツマイ
こんにちは。確率論が大好きなJKです。 「モンティ・ホール問題」についての山形先生のブログ記事 https://cruel.hatenablog.com/entry/2022/10/30/214634 が面白かったので、アンサー増田を書きたいと思います。 ※ブコメでは、上記記事中における確率の議論が不正確なことを揶揄するコメントも多数見られますが、個人的には、こういう一見逆説的な問題設定を作り、それを上手に言語化されているのがとっても素晴らしいなと思いました。一般に、良い問題を作るには優れたセンスが必要で、それと比べれば、(私を含め) 単に問題が解ける人なんてのは大したことないのです。 以下では、該当箇所を引用しながら回答を書いていくので、先に上記の記事を読んでいただければ幸いです。 また、表記の都合上、以下ではプレイヤーの「ぼく」を「Y先生」、「ハギーワギーくん」を「HW君」と書きます。
はじめに データとモデル 確率モデル 確率モデルを作る 複雑なモデルを使うことが最善手であるか モデルの具体的な作り方 モデルの仮定 アンサンブルモデル 点推定モデル 最尤推定 制約付き最尤推定※ （最大事後確率推定） ベイズ予測分布と点推定 ベイズ統計学 ベイズ予測分布を得ることの意義 ベイズ統計学の主題 特異モデルと正則モデル ベイズ統計学のまとめ はじめに ベイズだの頻度論だので盛り上がっているので、ぶん殴られる覚悟で書いてみます。 データとモデル 観測値がランダムに見える場合、それを確率変数 $X$ として扱います。 さて、今、$X$ には我々が知ることのできない真の分布 $q(X)$ があるとしましょう。もしも、$X$ を無限回観測し満遍なくデータを集められるとすれば、$q(X)$ の形状を把握することができるかもしれません。 ところが、そんなのは幻想であって実際に無限回の観測を
経済セミナー2022年6・7月号 通巻726号【特集】経済学と再現性問題 日本評論社Amazon 最近は計量経済学・統計学方面の方々との交流が多いんですが、そのご縁で『経済セミナー』の2022年6・7月号が再現性問題を取り上げていたと知り、入手して読んでみました。特集部分の目次を以下に引用すると、 特集＝ 経済学と再現性問題 【鼎談】再現性の問題にどう向き合うか？……川越敏司×會田剛史×新井康平 心理学における再現性の危機――課題と対応……大坪庸介 経済学における再現性の危機――経済実験での評価と対応……竹内幹 フィールド実験・実証研究における再現性……高野久紀 健全な研究慣習を身に付けるための実験・行動経済学101……山田克宣 再現性問題における統計学の役割と責任……マクリン謙一郎 という内容で、幾つかの分野にまたがって論じられています。特に、このブログ含めて個人的に度々お世話になってい
東京大学松尾研究室 強化学習サマースクール2020 第5回 https://deeplearning.jp/reinforcement_cource-2020s/Read less
えるエル on Twitter: "ハーバード大の授業で使われている確率の教科書（PDFでフリー公開） 学部で習う教養的な部分から，マルコフ連鎖モンテカルロ，ポアソン課程のような応用上重要なところまで，馴染み深い現実の事象と関連付けて解説 Rによる実装の話題や，分野… https://t.co/KO2awL9r6h"
ハーバード大の授業で使われている確率の教科書（PDFでフリー公開） 学部で習う教養的な部分から，マルコフ連鎖モンテカルロ，ポアソン課程のような応用上重要なところまで，馴染み深い現実の事象と関連付けて解説 Rによる実装の話題や，分野… https://t.co/KO2awL9r6h
https://b.hatena.ne.jp/entry/s/anond.hatelabo.jp/20200725170811 aukusoe 出張でビジホに行くと200パーセントの確率で「誰かが部屋をこじ開けて襲ってくる」という悪夢を見て跳ね起きる。おそらく、電子鍵が暗証番号方式なのだけど、それの音がすごく響くのでそれを誤解してしまうのだと思う
実践カルマンフィルタ
Sampling-free Epistemic Uncertainty Estimation Using Approximated Variance Propagation (ICCV2019 oral)
「学術的に理解する」ってどういうこと? ：統計的因果推論のフレームワークから見た 「量的×質的」に関する眺望の (いささかとっちらかった)スケッチを共有する
統計的因果推論のフレームワークとはいかなるものかを理解することで、統計的因果推論がいかに質的な知見を（しばしば暗黙に）その基盤としているか、統計的因果推論のスコープがしばしば いかに”狭い&薄い”のかを議論しました。前半はDAG-潜在結果モデル-構造的因果モデルの統一的な解説です。後半はSUTVAと質的研究の話、固有性-法則性と斎藤清二先生のナラエビの話、筒井淳也(2019)と"キャンセルアウト"の是非の話、です。
数式処理システムのMathematicaや質問応答システムのWolfram Alphaを開発したStephen Wolfram氏が「What Is ChatGPT Doing … and Why Does It Work?」（ChatGPTは何をしていて、なぜそれがうまく機能するのか？）と題するブログ記事を発表しました。 この記事は、とても分かりやすい言葉で、沢山例を挙げて詳しく説明していますので、ChatGPTの仕組みを理解したいと思っている人には必読の記事だと思います。 ブラウザの翻訳機能を利用して日本語で読むこともできますが、易しい言葉で書かれた文章であるにも関わらず、これを完全に理解するのは簡単なことではありません。 前半は大規模言語モデル、ニューラルネットワーク、Transformerなどの仕組みについて相当詳しく説明しており、後半はChatGPTに関するWolfram氏独自の解
使える統計モデル10選（後編） 前回の記事では、使える統計モデル10選の前編として、主に回帰モデルに焦点を絞って紹介しました。 今回はその後編に当たる生成モデル編です。生成モデル（generative model）は、端的に言うと、コンピュータシミュレーションによりデータを人工的に作ることができるモデルです。データが作られる過程をうまく表現したモデルを構築することができれば、予測だけではなく異常検知やデータ圧縮など幅広いタスクに応用することができます。 生成系（教師なし系） 回帰モデルと同様、生成モデルも数個のパラメータから構成される簡単なものから、複数のモデルを巧みに組み合わせた複雑なものまで無限に存在します。ここでは、データ圧縮から自然言語処理、ソーシャルネット解析までさまざまなデータ解析のタスクで利用されている代表的な生成モデルを5つ選んで紹介します。また、生成モデルのすべては潜在変
データサイエンスによる日韓のコロナ対策比較｜筆の滑り
振り返りまとめを書きました。まずそちらをご覧ください。 ベイジアンモデリングという手法を使って日本と韓国のコロナ対策の有効性を考えます。 SIRDモデルまず背景にある数学的モデルを説明します。理論的な話に興味のない方は飛ばしてください。 ベースになっているのはよく知られているSIRDモデル（susceptible, infected, recovered and death model)です。これはこのように考えます。S[t]を時点tで未感染の人の数、I[t]を今感染している人の数（アクティブ）、R[t]を回復した人、D[t]を死亡した人の数とします。感染している人は各時点である確率βで未感染の人に病気をうつします。今感染している人はある確率aで回復し、確率dで死亡します。一旦回復すると免疫がついてもう病気にはかからなくなります。これを式にまとめてみましょう。Pは人口です。 新型コロナウイ
確率がわかる人と実はわかっていない人の決定差
残る2つのドア、あなたなら選択を変える？ 1950年代から1980年代にかけて、テレビのゲーム番組が人気を博したが、そのなかでもとりわけ人気が高かった番組の一つに『レッツ・メイク・ア・ディール』というのがある。司会者のモンティ・ホールはこの番組で有名になっただけではなく、番組がきっかけで知られるようになった確率論のジレンマが「モンティ・ホール問題」と命名されたことによって、二重の意味で有名になった。 この番組のゲームは次のようなものだ。参加者の前に3つのドアが用意されていて、1つのうしろにはピカピカの新車が、残り2つのうしろにはヤギが隠されている。参加者はどれか1つのドア（ドア1としよう）を選ぶ。 それからモンティが、場を盛り上げるべく、残り2つのドアの片方（ドア3としよう）を開くと、そこにはヤギがいる。さらに場を盛り上げるべく、モンティは参加者にドア1のままでいいか、それとももう1つのド
報酬確率分布の変化に応じたBandit Algorithm〜論文解説：A Linear Bandit for Seasonal Environments〜 - MonotaRO Tech Blog
はじめに MonotaROとBandit Banditの着目理由 MonotaROにBanditを導入する際の課題 A Linear Bandit for Seasonal Environments 論文概要 背景と動機 提案手法 実験 まとめ おわりに はじめに はじめまして、データサイエンスグループの岡林です。普段はbanditなどの強化学習を用いてUIの最適化に取り組んでいます。 このブログでは最近MonotaROが注目しているbanditの概要を紹介しつつ、その中でも事業特性にあったbanditアルゴリズムにフォーカスし、論文を解説します。 MonotaROとBandit Banditの着目理由 MonotaROでは、商品単位レベルでのUI最適化に取り組んでいます。例えば、商品に応じて商品ページのコンテンツ文言などを変化させ、より適切なUIを提供することに取り組んでいます。具体的に
見たら「ん？」となるエラーバーのグラフ
はじめに 実験や数値計算などでエラーバーがついているグラフをよく使いますが、見ていると「ん？」となるグラフをよく見かけます。いくつか例を挙げて見ましょう。 ケース1 例えばこんなグラフがあったとします。 何かが時間に対して指数関数的に減衰していることを表しているようです。僕は発表でこういうグラフを見かけたら「ん？」と思います。 一方こちらのグラフは、少なくともエラーバーの付き方はまともです。 ケース2 もし、観測値のそれぞれに独立なノイズが乗っているのであれば、エラーバーは、観測回数を増やせば減っていくはずです。観測回数nに対して、物理量の推定値とエラーバーがどうなるかを表したグラフでこんなものがあったとします。 試行回数nを増やすにつれて、平均値は0.5に収束し、さらにエラーバーも小さくなっています。一見それっぽく見えますが、僕はこのグラフを見たら「ん？」と思います。 一方、こちらも同様
ワクチンで知りたいのは「私に」有害事象や副反応が起きるかどうか 患者には「統計」ではなく「100か0か」しかない 香山リカ 精神科医、立教大学現代心理学部教授 日本に留学経験があり、その後、中国の南京にある大学で教授になった中国人の友人から電話がかかってきた。 「新型コロナウイルスの日本での感染拡大を心配しています。あなたはもうワクチンを接種したのでしょうね？」 「まだですよ」と答えると、彼女は「えー！」と悲鳴のような声をあげた。 「どうして！？ あなたは病院に勤めてるんでしょう？ こっちは医療従事者はほとんど全員、受けてるのに」 私は、「日本ではまだ誰に対しても接種は始まっていない」と説明したのだが、彼女は「なぜ？」「信じられない」「早く受けて」と繰り返すばかりであった。 たしかに日本でのワクチン接種は遅れている。2月5日、WHO(世界保健機関)は、新型コロナウイルスワクチンの世界の接種
はじめに 対戦ゲームのレーティングシステムとして多く採用されているElo Ratingですが， その計算式を見ると内部で行っていることはロジスティック回帰とほとんど一致することがわかります． この記事ではロジスティック回帰とElo Ratingについて簡単に説明し，それらの関係について見ていきます． また，ついでにこの事実を応用した格闘ゲームのキャラ相性解析のアイデアについて紹介したいと思います． ロジスティック回帰 ロジスティック回帰は2値分類問題の推論や分析に利用される一般化線形モデルの一つです． ロジスティック回帰ではロジット（対数オッズ）を線形モデルで予測します．*1 このことは予測確率を，線形モデルの出力を，ロジスティック回帰の重みベクトルを，バイアスを，入力ベクトルをとした時以下の式で表されます． 予測確率の計算 予測確率は以下の式で求まります．*2 更新式 ロジスティック回帰
by palbo モンティ・ホール問題は、高名な数学者まで間違えるほど「直感で正しいと思える解答と論理的に正しい解答が異なる問題」として有名な確率論の難問です。そんなモンティ・ホール問題について、イラストで視覚的に考え方を理解できる解説が公開されています。 Making the Monty Hall problem weirder but obvious - DYNO MIGHT https://dyno-might.github.io/2020/09/17/making-the-monty-hall-problem-weirder-but-obvious/ モンティ・ホール問題は、以下のような問題です。 「プレーヤーの前に閉じた3つのドアがあって、1つのドアの後ろには景品の新車が、2つのドアの後ろには、はずれを意味するヤギがいる。プレーヤーは新車のドアを当てると新車がもらえる。プレーヤー
この問題本当に勘違いしている人が多いよね。 大前提①：ある家庭に二人子供がいることはわかっている。男女はわかっていない 大前提②：男女の様々な確率（生まれる率とかいろいろ）は簡単のためそれぞれ1/2とする 問題A：ある日、その家から男の子が出てくるのを見た。もう一人の子が女の子の確率は？→1/2 問題B：ある日、そこの親と「子持ち向けセミナー」に参加していたところ、「男児がいる人は手をあげてください」と言われたら手をあげていた。この人に女児もいる確率は？→2/3 問題Aのケース、子供が「男男、男女、女男、女女」から最後のだけ除外するのではだめなんだよね。 起こりうる（同様に確からしい）事象は上の4通り×「上の子を見かける/下の子を見かける」の8通りあって、実際に起こったのは「男男上、男男下、男女上、女男下」のどれか。 そのうちもう一方が女児なのは2通りなので2/4＝1/2になる。 要は、確
三種類の統計学史というのは、北川敏男と竹内啓、それに宮川公男のものであります。 それぞれに扱う対象は微妙に異なります。 北川敏男のものは欧米を中心とした統計学の発展を主としているし、竹内啓はもう少し幅が広く、統計の対象となる社会的な集計行為（人口、家族センサス）の始まりと理論の並行発展を扱っている。他方、宮川公男のものは明治時代以降の国勢調査、経済統計導入の歴史を丹念に追求していた。つまり、制度の歴史である。 ここでの、相互不可侵というのは、お互いの引用がほぼゼロということを指す。それぞれ、九州大、東大、一ツ橋大という異なる出自があるのだろう。 これだけ統計とその歴史という狭いテーマにおいてさえ、学際交流がないというのことだろうか。 統計科学の三十年―わが師わが友 (1969年) 作者:北川 敏男 共立出版 Amazon 歴史と統計学: 人・時代・思想 作者:竹内 啓 日経BPマーケティン
この連載は、データをさまざまな角度から分析し、その背後にある有益な情報を取り出す方法を学ぶ『社会人1年生から学ぶ、やさしいデータ分析』連載（記述統計と回帰分析編）の続編で、確率分布に焦点を当てています。 この確率分布編では、推測統計の基礎となるさまざまな確率分布の特徴や応用例を説明します。身近に使える表計算ソフト（Microsoft ExcelやGoogleスプレッドシート）を使いながら具体的に事例を見ていきます。 必要に応じて、Pythonのプログラムや統計ソフト「R」などでの作成例にも触れることにします。 数学などの前提知識は特に問いません。中学・高校の教科書レベルの数式が登場するかもしれませんが、必要に応じて説明を付け加えるのでご心配なく。肩の力を抜いてぜひとも気楽に読み進めてください。 筆者紹介： IT系ライターの傍ら、非常勤講師として東大で情報・プログラミング関連の授業を、一橋大
新型コロナウイルス感染予防対策についてのQ＆A ↡Q1：新型コロナウイルス検査は、どのくらい正確なのですか？ ↡Q1の追加説明 ↡Q2：PCR検査とはどんなものですか？ Q1：新型コロナウイルス検査は、どのくらい正確なのですか？ A1：今回の新型コロナウイルス感染症については、現在、PCR検査による診断が行われています（PCR検査については、下記のQ2. PCR検査とはどんなものですか？を参照して下さい）。 「検査の正確さ」は、実際に感染している人と感染をしていない人に対する検査の結果により表されます。（用語解説の「検査の正確さの指標」を参照） しかし、今回のコロナウイルス感染症については、実際に感染していることの把握が難しいことから、実際の感染者に対してPCR検査がどれほど正しく診断できているかについての正確性の計算がまだできていません。 いくつかの研究では、PCR検査は新型コロナウイル
「100万分の1の確率」は実際にはどれくらいの確率なのか？
何気なく使われる「万が一」「万に一つもない」というようなフレーズは、英語では同様の意味で「a million chance(100万分の1の確率)」というフレーズがしばしば用いられます。実際には「100万分の1の確率」とはどのような事象に該当するのか、カリフォルニア大学バークレー校の統計局が研究データを示しています。 What really has a 1 in a million chance? https://www.stat.berkeley.edu/~aldous/Real-World/million.html References to chance in blogs https://www.stat.berkeley.edu/~aldous/Real-World/blogs.html 統計局はまず、「a million chance(100万分の1の確率)」というフレーズをカジ
今回は８月に出版した講談社機械学習プロフェッショナルシリーズの「ベイズ深層学習」の概要を書いてみます． www.kspub.co.jp 講談社のページ等では目次は載っていますが，それより詳細な情報はネットにはないので，もう少しだけ踏み込んだ内容をここで紹介することにします． 内容紹介 第1章 はじめに ベイズ統計と深層学習（ディープラーニング）は仲が悪いように世間的には見られがちですが，実は両者は非常に親和性が高いことを解説しています． 両分野のそれぞれの利点としては，ベイズ統計ではモデルの高い解釈性や設計の明確さ，深層学習ではGPUなどを用いた大規模データの効率的な計算方法等を挙げることができます．これらの利点は相補的であり，組み合わせることによってアルゴリズムの改善が期待できます． また，両分野には共通点もあります．深層学習ではタスクごとにネットワーク構造を設計する必要性がありますが，
こいるガン⑨ @coilgun_9 南海トラフ地震という巨大地震が起こる確率は今後20年で6割と言われており、例えるなら毎朝サイコロを5個同時に降って6の目が5個揃った日に起こる、くらいの超低確率の気まぐれです。まぁしばらくは来なさそうなので心配する必要は無いでしょう。 pic.twitter.com/K6oZp46PMb 2023-07-10 20:09:57 リンク テレ朝news 南海トラフ地震 発生確率は20年以内に「60％程度」に引き上げ 地震調査委の最新試算 政府の地震調査委員会は13日、日本各地で想定される巨大地震の最新の発生確率を発表しました。南海トラフ地震については今後20年以内に発生する確率を「50から60％」を「60％程度」に引き上げました。 地震調査委員会は、日本各地の活断層や海溝型地震を対象に長期的な地震の発生確率を試算し、年に1回公表しています。 13日に公表さ
ワクチン反対派と真っ向勝負して国民の意識さえ変えた名物科学者とは？
イタリアのビタ・サルート・サンラファエル大学のウイルス学者ロベルト・ブリオーニ氏は、記事作成時点でFacebookで48万人以上のフォロワーを抱え、Twitterアカウントも11万人以上にフォローされている人物。しかし、ブリオーニ氏は2016年にテレビに出演する前は、全くメディアに登場したことがない普通の大学教授でした。そんなブリオーニ氏が一躍有名人になった経緯を、アメリカの学術雑誌Scienceがまとめています。 This Italian scientist has become a celebrity by fighting vaccine skeptics | Science | AAAS https://www.sciencemag.org/news/2020/01/italian-scientist-has-become-celebrity-fighting-vaccine-sk
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
任天堂・ソニー・Microsoftが「ガチャの確率開示」を義務化する方針
使える統計モデル10選（前編） | AIdrops
Pythonで作って学ぶ統計モデリング | AIdrops
きょうだいベイズ問題の答えは 2/3 ではない - ChieOsanai’s blog
マスターアルゴリズム ー 世界を再構築する「究極の機械学習」
オンラインゲームの「ガチャ」で欲しいレアアイテムが出ない(消費者トラブル解説集)_国民生活センター
【論文紹介】統計学の過去50年における最も重要なアイディアとは？ - Qiita
内定5社全部に「御社に入社します!」 嘆く人事「もう胃が痛い」：朝日新聞デジタル
大阪府 新型コロナ 3692人感染確認 過去最多 | NHKニュース
開発者コラム 第３話 牌の偏り 後編～初期プログラムの失敗 | オンライン麻雀 Maru-Jan 公式サイト
"ぼくは「モンティ・ホール問題」がよくわからない。" へのアンサー
ベイズ統計 - HELLO CYBERNETICS
再現性問題のはなし - 渋谷駅前で働くデータサイエンティストのブログ
Control as Inference (強化学習とベイズ統計)
＞＞id:aukusoe 200%ってなんだよどういう確率なんだよ
Wolfram氏によるChatGPTの仕組みと機能に関する解説について｜IT navi
使える統計モデル10選（後編） | AIdrops
ワクチンで知りたいのは「私に」有害事象や副反応が起きるかどうか - 香山リカ｜論座アーカイブ
ロジスティック回帰とElo Ratingの関係 - ブログのとさか
数学者も間違える確率の難問「モンティ・ホール問題」をイラストで解説
この問題本当に勘違いしている人が多いよね。 大前提①：ある家庭に二人子..
三種類の日本人の統計学史の相互不可侵 - サイエンスとサピエンス
やさしいデータ分析【確率分布編】 新連載開始！
新型コロナウイルス感染予防対策についてのQ＆A | 新型コロナウイルス関連情報特設サイト
MLPシリーズ「ベイズ深層学習」概要まとめ - 作って遊ぶ機械学習。
南海トラフ地震が起きる確率はサイコロの6の目が5個揃うぐらい！大したことなさそ！試しに振ってみ…あっ
孫さんがPCR検査を大々的にやるとツイートしたら、多くの方から医療崩壊が起こるというメッセージが来ているようですが、なぜ医療崩壊が起こるんでしょうか？に対するKenn Ejimaさんの回答 - Quora