楽天よりPCR検査キットが販売開始となりました。 このキットを用いることで、病院を受診することなくPCR検査が施行可能とのことです。 しかし、PCR検査は医療従事者によって正しい方法で検体を採取し、正しく結果を解釈せねばなりません。 筆者は感染症専門医ですが、一般の方がこのPCR検査キットを使用することは推奨しません。 楽天から販売されているPCR検査キットとは4月20日より楽天でPCR検査キットが販売開始になっています。 新型コロナウイルスPCR検査キット COVID-19 PCR 「本検査キットは、ジェネシスヘルスケア株式会社が開発し、楽天株式会社が法人窓口となりサービスを提供しています。」とのことです。 4月21日21時時点でホームページには「現在、大変多くのお申込みをいただいており、順次ご対応をさせていただいております。ご回答にお時間がかかる場合がございますが、何卒ご容赦いただきま
志村けんのパラドックス - アスペ日記
みんな冷静に計算してほしいけど、東京都の新コロナ感染者数は現在１７１人。東京から無作為に２００人をピックアップしたときに、その中に超有名人の志村けん氏が入ってる確率ってどのくらいだと思う？ 現在の感染拡大ペースは我々の想像をはるかに超えてるよ。桁違いの感染者数になってるよ。— 森岡正博 (@Sukuitohananika) 2020年3月25日 このツイートと、 森岡正博 on Twitter: "みんな冷静に計算してほしいけど、東京都の新コロナ感染者数は現在１７１人。東京から無作為に２００人をピックアップしたときに、その中に超有名人の志村けん氏が入ってる確率ってどのくらいだと思う？ 現在の感染拡大ペースは我々の想像をはるかに超えてるよ。桁違いの感染者数になってるよ。" ブコメがひどい。水曜日のダウンタウンとやらによれば志村けんは日本の知名度ランキング15位。そんな人が感染してるなら、実際
ワシントン・ポストでは、全ての読者がコロナウイルスに関する重要な情報へアクセスすることができるよう、この情報を無料で提供しています。無料講読を希望される方は、当社のデイリーコロナウイルスアップデートニュースレターへご登録ください。 COVID-19による感染が初めて確認され、この新型コロナウイルスによる感染症についてアメリカ国内でも公表されたが、さらなる感染については、ぽたぽたと滴り落ちるように、なかなか報告されていなかった。それから2ヶ月が経ち、その滴りはゆるぎない潮となって押し寄せてきたのである。 [Read this story in English] このいわゆる指数曲線は、専門家の間で懸念の原因となっている。もし感染者が3日ごとに2倍に増加するとなると、5月にはアメリカ国内での感染者が1億人ほどにまでのぼるであろう。 これは計算から導き出した数字であって、予言ではない。公衆衛生の
主な確率分布の関連図 こんにちは、吉岡（@yoshiokatsuneo）です。 Webサービスを運営していると、利用状況を分析・予測したり、A/Bテストなどで検証したりすることがよくあります。 データを一個一個見ていてもよくわからないので、データ全体や、その背景の傾向などがまとめて見られると便利ですよね。そんなとき、データの様子を表現するためによく使われているのが「確率分布」です。 学校の試験などで使われる偏差値も、得点を正規分布でモデル化して、点数を変換したものです。 今回は、Webサービスなどでよく使われる確率分布18種類を紹介します。 それぞれ、Webサービスでの利用例やPythonでグラフを書く方法も含めて説明していきます。コードは実際にオンライン実行環境paiza.IOで実行してみることができますので、ぜひ試してみてください。 【目次】 正規分布 対数正規分布 離散一様分布 連続
QDくん⚡️Python x 機械学習 x 金融工学 on Twitter: "確率・統計をわかりやすく解説した、200ページ超えの長編スライド。 図解や具体例をふんだんに盛り込んだ直感的説明が秀逸。 数学カフェ 確率・統計・機械学習回 「速習 確率・統計」 https://t.co/8mGWUd8f4D https://t.co/VkDWjFjfWR"
確率・統計をわかりやすく解説した、200ページ超えの長編スライド。 図解や具体例をふんだんに盛り込んだ直感的説明が秀逸。 数学カフェ 確率・統計・機械学習回 「速習 確率・統計」 https://t.co/8mGWUd8f4D https://t.co/VkDWjFjfWR
基礎から学ぶ統計学
本章では、二項検定を学びます。二項検定は、本書で学ぶ統計手法の中では、最も使用頻度が低い手法です。しかし、統計学の入門に最適な学習項目です。理由が3つあります。第一に、高校1～2年で学んだ数学だけで、この手法の原理を完全に理解できます。統計手法はたくさんありますが、唯一この手法だけは、全て手作りの計算で実行できます。第二に、面倒な検定統計量の計算を必要としません。第三に、二項検定には、検定の論理の全てが詰まっています。こうした理由から、読者のお父さんやお母さん、もしくは、お爺ちゃんやお婆ちゃんの世代では、二項検定は、高校の数学の教科書で解説されていました。この「とても分かりやすい」という長所を、活用しない手はありません。本書では、統計学の学習を、二項検定から始めます。本章では、当時の大学入試の頻出問題をさらに簡単にした例題を使って、学びます。… 本書の使い方 統計学を学ぶ心がけ／予備知識／
「Workshop OT 2023 最適輸送とその周辺 – 機械学習から熱力学的最適化まで」で用いたスライドです
最適輸送の解き方
最適輸送問題（Wasserstein 距離）を解く方法についてのさまざまなアプローチ・アルゴリズムを紹介します。 線形計画を使った定式化の基礎からはじめて、以下の五つのアルゴリズムを紹介します。 1. ネットワークシンプレックス法 2. ハンガリアン法 3. Sinkhorn アルゴリズム 4. ニューラルネットワークによる推定 5. スライス法 このスライドは第三回 0x-seminar https://sites.google.com/view/uda-0x-seminar/home/0x03 で使用したものです。自己完結するよう心がけたのでセミナーに参加していない人にも役立つスライドになっています。 『最適輸送の理論とアルゴリズム』好評発売中！ https://www.amazon.co.jp/dp/4065305144 Speakerdeck にもアップロードしました: https
August 02, 2021 大塚淳『統計学を哲学する』を読む [追記：この記事について大塚さんご本人からリプライをいただいています。] 昨年出版された大塚淳『統計学を哲学する』は、日本人の統計学の哲学者によるはじめての「統計学の哲学の本」である。こうした科学哲学の先端の領域になかなか日本の研究者が切り込めて来なかった中で、ついにこうした本が出版されるようになったことは大変慶賀すべきことだと思う。さらに言えば、本書は決してただの解説書ではなく、大塚さんの独自のアイデアに溢れた、統計学の哲学の研究書である。特に、ベイズ主義と古典統計をそれぞれ内在主義と外在主義の認識論になぞらえて認識論的含意を取り出そうとするあたりは、他の追随を許さない独自の議論が多く展開されている。本書は今後日本で統計学の哲学について議論する際に常に出発点となることだろう。本書は非哲学者も含めて広いリーダーシップを獲得し
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
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
はじめに コークハイとか酎ハイをお店で飲むと、割り方とかレモンが効いていたりとかでお店によって結構違いが出ますよね 自分好みの最高のコークハイの作り方を知ることは全人類の夢だと思います。 本記事は一足先にそんな夢に挑戦したという記事です。 手法としてはベイズ最適化を使用します。 実データで実験計画と絡めながらベイズ最適化を実際に行う記事はあまり見かけなかったので今回は、 最適化パラメータ 1. コーラとウイスキーの比 2. レモン汁の量 目的変数 コークハイの美味しさ という2次元入力、1次元出力で実際に実験とチューニングを並行しながら行ってみたいと思います。 目次 はじめに ベイズ最適化とは 実験系の説明 実験条件 実験で考慮しないこと(パラメータ) 実験材料 実験方法 スコアの付け方 実験をやりました（本題） 実装コード 実験開始 ARDありver. 反省点 さいごに ベイズ最適化とは
この本は元大王製紙社長の井川さんが書いた2作目の自伝である。 1作目は大企業の跡継ぎとして育てられた井川さんが父から帝王学を叩き込まれ、見事に成功した後、ギャンブルにハマって刑務所に打ち込まれるまでを書いたもので、2作目であるこの本は”その後”を書いたものだ。 一般的にギャンブルは確率論でもって「絶対に胴元には勝てない」という事が説明される。 賭けを主催する胴元が予めギャンブル前にテラ銭として運営費用を徴収するが故に、ギャンブルの期待値は確率上、絶対に元手を超えない。 だから中学生程度の数学の知識があればギャンブルで儲けられるだなんて嘘だというのは理解できるはずだ。 はずなのだが…この本の著者である井川さんは東京大学を卒業した超絶エリートである。 そのエリートが本書の中で、真顔になって「ギャンブル」を「ツキの流れを読めば勝てる」と滔々と語る姿はある意味異様である。 更にである。井川さんは刑
中日スポーツ:当てることと勝つことの間
競艇ほど当てることと勝つことの違いを教えてくれるギャンブルはない。１枠に賭ければ52％も当たるが、資金は着実に減っていく。勝つための戦略は存在しないのだろうか？ 競艇は300メートル離れたブイ（ターンマーク）を左回りに３周するボートレースだ。スタートラインを時速80キロで通過した選手は、４秒後には第一ターンマークを旋回する行動に移らなければならない。レースを初めて見る人の目にも、一番内側を走る１枠（１コース）が有利だと分かる。 選手はスタート前の駆け引き（待機行動）で内側のコースを取ろうとするが、この経路も左回りなので１枠が主導権を握る。１枠の99％が一番内側の進入コースを取る。 2013年から22年末までの10年間、49万レースのデータによると、１枠の52.1％が１着になっている（進入順で内側を譲った場合を含む）。 ただし、この結果がすべて１枠の効果だと簡単には言えない。 選手は、モータ
統計学を哲学する 作者:大塚 淳 発売日: 2020/10/26 メディア: 単行本（ソフトカバー） 発売後すぐに入手し、夢中になって読んだ『統計学を哲学する』。とても大事な本だと感じ、Twitterで次のような（押しつけがましい）投稿もした。 大げさに聞こえるかもしれないことを言います。大塚淳『統計学を哲学する』は、自然科学・情報科学に従事する日本語圏のすべての学生や研究者が、まる一週間手元の勉強や研究を止めてでも読む価値のある本だと思います。https://t.co/DHQ1SwnuKb — R. Maruyama (@rmaruy) 2020年10月28日 ところがその後、書店で『統計学を哲学する』を眺めたという知り合いから、次のようなことを言われた。 「哲学者が統計学を語る意味がよくわかりません。」 「数ページ読んでみたけど、哲学用語が頭に入ってこず、やめてしまいました。」 これに
大幅な加筆改訂を加えた最新版はこちらです： https://speakerdeck.com/eumesy/optimal-transport-for-natural-language-processing --- 最適輸送の使い方 〜最適輸送の直感的理解のための単語埋込入門 兼 最適輸送入門〜 【これは何？】 自然言語処理を中心に多くの利用例を挙げながら、最適輸送の直感的な理解を目指すスライドです。 「こんな風に使うことができるんだ… 面白い道具じゃん」「こういう使い方をしたかったらこういうキーワードで調べれば良いのね」と知識にアンカーを張ることが目的です。より深く知りたい人のための参考文献もできるだけ潤沢に加えました。 また、例として頻繁に活用する自然言語処理に馴染みがないかたのために、最初に単語埋め込みのチュートリアルをつけてあります。 【コンテンツ】 1. 単語埋込入門 … 「分布仮
A non-mathematical introduction to Kalman Filters for programmers - Pravesh Koirala
Read my manifesto on Code as an alternative to Mathematics. Code for this article can be found on this Colab Notebook should you choose to follow along. Why Kalman Filters? Kalman filters are ingenius. If you have never heard of them, then a very intuitive (and arguably reductive) way to think about them is to consider them as a funnel where you pour information from multiple noisy sources to cond
はかせチャン on Twitter: "数理科学 2020年9月号 統計的思考法のすすめ、著者献本が届きました。発売までもう少しお待ちください。統計や機械学習でキーとなるトピックについて、現状の紹介です。 https://t.co/gmo5alel9E"
数理科学 2020年9月号 統計的思考法のすすめ、著者献本が届きました。発売までもう少しお待ちください。統計や機械学習でキーとなるトピックについて、現状の紹介です。 https://t.co/gmo5alel9E
0.はじめにUKIです。 主題と副題の序列を迷いましたが、いったんPVを稼げそうなほうを主題に置きました（そのうち修正します）。 (1)対象読者 ・EAやbotなどの自動売買に興味がある方 先に結論を書いてしまいますが、たとえAIを使ったとしても儲かる自動売買の戦略を完全に見分けることは不可能です。 商材自体は悪いものではありません。当然、製作者が誠意をもって製作したものもあるでしょう。しかし現実には、悪意のあるもの（儲からないと分かっているが儲かるように振る舞っているもの）や、悪意はなくともバイアスに気付いておらず、結果として購入者が不利益を被るものが大多数紛れ込んでいます。 そもそも市場にアルファ（収益の根源）は殆ど存在しておらず、自動売買の戦略構築過程で発生するバイアスの影響を掻い潜って将来的に利益が出る戦略を作る（見分ける）のは極端に難しいことを知るべきです。不特定多数に販売されて
連載目次 確率という言葉は、微分やベクトルなどとは異なり日常生活でもよく使われる言葉です。しかし、その割に、何だかよく分からないという印象を持っている人も多いようです。感覚的に理解できるというのがかえってアダになっているのかもしれませんね。 そこで、今回は確率をきちんとおさらいします。その上で次回は、機械学習の基礎として幅広く利用されているベイズの定理についての理解を深めていきたいと思います。具体的には、今回と次回で以下のようなトピックを扱います。 今回「確率の基本から条件付き確率までをおさらいしよう」： 【その1】確率の表し方： 目標と解説 【その2】和事象・積事象、排反事象： 目標と解説 【その3】独立と従属、条件付き確率： 目標と解説 次回「機械学習でよく使われる『ベイズの定理』を理解する」： 【その4】ベイズの定理： 目標と解説 【その5】ベイズの定理の展開： 目標と解説 【その6
EMアルゴリズムとともだちになろう | ドクセル
スライド概要 2022年8月14-16日に行われたベイズ統計学勉強会'22夏（いわゆるベイズ塾夏合宿）での発表に使ったスライドです。質問・ご意見等がございましたらメール（h.muto[at]zm.commufa.jp）等でお知らせください。
Probabilistic Machine Learning: Advanced Topics by Kevin Patrick Murphy. MIT Press, 2023. Key links Short table of contents Long table of contents Preface Draft pdf of the main book, 2023-08-15. CC-BY-NC-ND license. (Please cite the official reference below.) Supplementary material Issue tracker. Code to reproduce most of the figures Acknowledgements Endorsements If you use this book, please be su
Daichi Mochihashi on Twitter: "共同研究などをしていると、学生さんなどが確率の単純な算術平均を取ってしまっていることが本当に多いので、教科書のコラムを公開していくスタイル。こういう話は、意外とあまり他では聞かないような気がしています。 https://t.co/tr13IfKLia"
共同研究などをしていると、学生さんなどが確率の単純な算術平均を取ってしまっていることが本当に多いので、教科書のコラムを公開していくスタイル。こういう話は、意外とあまり他では聞かないような気がしています。 https://t.co/tr13IfKLia
これ正解なんですか https://t.co/7695UqDNue
前提 古典力学の導出 前提 この記事では、古典力学は確率モデルだという立場からスタートします。(強い思想) 通常、古典的質点の運動は、ハミルトンの運動方程式 \begin{eqnarray} \frac{dx}{dt}&=&\frac{\partial H}{\partial p}(x,p) \\ \frac{dp}{dt}&=&-\frac{\partial H}{\partial x}(x,p) \end{eqnarray} を満たすように位置$x$と運動量$p$が時間変化する力学の理論として扱われています。 しかし、量子論と対比すると、確率モデルの一種であると考える方が都合が良いです。 位相空間上の確率密度分布$\rho(x,p,t)$の時間発展はリウヴィル方程式 \begin{eqnarray} \frac{\partial \rho}{\partial t}&=&\frac{\p
C言語による乱数生成
本文章はC言語を用いて様々な確率分布に従う乱数を生成する方法やコードをまとめたものである。rand関数やメルセンヌ・ツイスタの使い方から始まり, 正規分布・指数分布等の様々な確率分布に従う乱数の生成方法について解説する。このページは近江崇宏によって作られました。コードはご自由にお使いになってかまいませんが、バグ等によって生じた損失に対する責任は負いません。 道しるべ: ・Ｃ言語でお手軽に整数の乱数を発生させたい人 ==> C言語のrand関数の使い方 ・メルセンヌ・ツイスタの使い方を知りたい人 ==> メルセンヌ・ツイスタの使い方 ・一様乱数の生成方法を知りたい人 ==> 一様乱数 ・様々な確率分布に従う乱数生成法を知りたい人 ==> 各種の確率分布に従う乱数の生成法 入門編 C言語のrand関数の使い方 メルセンヌ・ツイスタの使い方 乱数生成の基礎 一様乱数 (Uniform Rando
はじめに Forkwell Libraryという書籍の著者が登壇するイベントにて、最適輸送の理論とアルゴリズム (機械学習プロフェッショナルシリーズ) の佐藤さん(@joisino_)と話す時間を頂いた。 forkwell.connpass.com スライド 動画 その時に事前に学んだメモの公開と、当日のイベントの肌感を残す。 はじめに 最適輸送の理論とアルゴリズム 事前学習 何に使われているか。 何が嬉しくて使われているのか 事前、並行して読むと良いもの 触ってみる イベント当日のQ&A おわりに 最適輸送の理論とアルゴリズム MLPシリーズの書籍 最適輸送の理論とアルゴリズム (機械学習プロフェッショナルシリーズ) 作者:佐藤 竜馬講談社Amazon 最適輸送の理論的な背景から応用まで書かれている。 私個人としては、幾何や統計、測度についてお気持ちレイヤーまで分かる、機械学習、コンピュ
あみだくじの確率を計算してみた | 高校数学の美しい物語
縦線が m+1m+1m+1 本，横棒が nnn 本であるようなあみだくじを考えます。 nnn 本の横棒は「ランダムに」引かれています。ここで言うランダムとは，各々の横棒が mmm 箇所のどこに引かれる確率も 1m\dfrac{1}{m}m1 であるという意味です。実現されうるあみだくじのパターンは mnm^nmn 通りあります。 このとき，aaa 番からスタートして bbb 番に到達する確率 Pm,n(a,b)P_{m,n}(a,b)Pm,n(a,b) がどうなるのかという問題を考えます（左端を 000 番，右端を mmm 番とします）。 実際に確率を計算する部分はけっこう大変な数学になるので後回しにして，まずは m=5m=5m=5（縦線が6本）の場合の計算結果を紹介します。 〜 n=10n=10n=10 の場合〜 下の表は縦がスタート地点の場所，横がゴール地点の場所，数値が確率を表し
最適輸送入門
IBIS 2021 https://ibisml.org/ibis2021/ における最適輸送についてのチュートリアルスライドです。 『最適輸送の理論とアルゴリズム』好評発売中！ https://www.amazon.co.jp/dp/4065305144
Daichi Mochihashi on Twitter: "前原さん他から鋭いご指摘をいただきましたので、一部を修正しました。教科書の文脈的には同時確率を考えていますが、複数のモデルを考える場合には通常の算術平均でも問題ないと思います。後半については修正はありません。 https://t.co/CJ0aTCGtAj"
前原さん他から鋭いご指摘をいただきましたので、一部を修正しました。教科書の文脈的には同時確率を考えていますが、複数のモデルを考える場合には通常の算術平均でも問題ないと思います。後半については修正はありません。 https://t.co/CJ0aTCGtAj
セキュリティ本部 セキュリティ情報統括室に所属 システム開発者。2000年問題で「2038年問題は定年で対応しなくていい！」とフラグを...。 CHAGE開発者のヒラマツです。 前回（CHAGEの裏側: D3.jsの紹介）同様、CHAGEの紹介と並行して、CHAGEの中が気になる人に、CHAGEで使われている技術をちょっと濃い目に解説するという企画です。 今回は、本編（CHAGE の動き）がISONネタなので、こちらもISONに関係ある話として、ブルームフィルタについて書きます。 ブルームフィルタをざっくり解説してから、ブルームフィルタの具体的な使用例としてISONでの逆引き高速化の方法を紹介していきたいと思います。 目指すのは、ちゃんとした理解ではなく、「ブルームフィルタの雰囲気を知って、利用価値をなんとなく判断できる」ところです。 今回は、以下の知識を前提にしているので、そこはご了承く
はじめに データと確率分布 データと確率モデル 推定方法 最尤推定法 ベイズ法 はじめに 今回は具体的な手法の詳しい解説やコードなどは一切出てきません。 ある程度の数式（確率分布や微分積分、線形代数）に抵抗の無い方が、最尤推定とベイズ推定はどういうものであるのかを初めて学ぶのに無理の無い内容になっていると思われます。 データと確率分布 まずは基本事項としてデータと確率分布について説明します。 確率論でデータを扱う場合には、データはとある真の確率分布 $\phi(\cdot)$ から生じているものであると考えます。具体的には、今着目しているデータ $x$ は確率変数 $X$ が $\phi(X)$ に従っており、その実現値として $X = x$ と定まったことによって得られていると考えます。このことを $$ x \sim \phi(X) $$ と表現します。更に確率変数が複数あるケースを考え
数学ー革新の歴史と伝統の力（学術俯瞰講義）
コーディネータ 坪井俊（理学部） ナビゲータ 緒方芳子（理学部） 現代の数学はその長い歴史に支えられている。客観的な状況の評価や合理的な意思の決定のために数学は用いられてきた。人類が様々な事象に出会うたびに、それに対応するために数学は革新されてきた。数学の論理、数の概念は長い歴史の中で何度も問い直された。座標の方法の定着、複素数の発見、微分積分の創始など、高等学校で学ぶ数学の革新の後にも、幾何学の公理、連続の概念、変換の概念などを巡り、数学者の研究は進化し、新しい理論を生み出してきた。 数学は一方でそれ自体の整合性を求め創造的革新的に発展してきたが、他方で社会との関係の中で様々な飛躍を行ってきた。前世紀には数学の抽象化、形式化が大きく進んだが、これにより数学の応用範囲は拡がった。数学は科学の基礎として人々の事象のとらえ方に大きな影響も及ぼしてきている。 このような社会との相互作用の中で
ヒューリスティックコンテストでは、一部の数値が与えられないタイプの問題が出題されることがあります。多くの場合はインタラクティブ形式の問題で、少しずつ与えられる情報で数値を予測していくことになります。 (例：AHC003, HTTF2022予選, HTTF2023本選, AHC018) こうした推定タイプの問題では、ベイズ推定が強力な手法となることがあります。 本記事はベイズ推定を使って問題を解いてみたい方の第一歩となることを目的としています(C++での実装例も載せました)。題材はAHC003としました。問題の概要は以下です。 30×30のグリッド(上下左右が辺で結ばれている)があり、各辺の長さは与えられない。 始点と終点が与えられるので経路を出力すると、その経路の長さ(±10%の誤差を含む)が返ってくる。これを1000回繰り返す。 出力した経路が最短経路に近いほど得点が高くなる。回数を重ね
本ブログのコンテンツは、現在新サイトに移行中です。 ※数式の読み込みのために、ページの更新に時間がかかる場合がありますが、長くても10秒ほどで済みますのでお待ちください。
Andrew M. Webb on Twitter: "To count an animal population if you can't catch them all: capture some, mark them, release, and capture again. The… https://t.co/8DKKjlB4v6"
To count an animal population if you can't catch them all: capture some, mark them, release, and capture again. The… https://t.co/8DKKjlB4v6
共立出版 アリがと蟻 on Twitter: "EMアルゴリズムは、欠測のある観測データに対する最尤推定アルゴリズムです。本書の目的は、EMアルゴリズムの基本的な事項の紹介と解説をすることにアリます。そのため、各種統計モデルへのEMアルゴリズムの適用については触れておりません。… https://t.co/BUrzKWLPbG"
EMアルゴリズムは、欠測のある観測データに対する最尤推定アルゴリズムです。本書の目的は、EMアルゴリズムの基本的な事項の紹介と解説をすることにアリます。そのため、各種統計モデルへのEMアルゴリズムの適用については触れておりません。… https://t.co/BUrzKWLPbG
[統計学]モンテカルロ積分の証明と実践
概要 モンテカルロ積分の証明を忘れていたことに気づいたので証明を行う. モンテカルロ積分とは乱数を用いた積分手法である. 定義・性質 以下の積分を確率変数を用いて行うことを考える 関数: g(x). 積分: \theta = \int_0^1 g(x) dx. 確率変数: X : X \backsim U(0,1). このとき, \theta について以下が成り立つ. \mathbb{E}[g(X)] = \int_0^1 g(x) \cdot \frac{1}{1-0} dx = \theta. すなわち, \mathbb{E}[g(X)] を推定すればよい. ここで以下の無作為標本を考える. X_1, \cdots ,X_m \quad \text{Where} \quad X_i \backsim U(0,1). このとき以下の確率収束が成り立つ. \begin{align*} \h
![[統計学]モンテカルロ積分の証明と実践](https://cdn-ak-scissors.b.st-hatena.com/image/square/85033d77eb4d2cfb9572bba41c06c807c0f5bc21/height=288;version=1;width=512/https%3A%2F%2Fres.cloudinary.com%2Fzenn%2Fimage%2Fupload%2Fs--8VEeDd0l--%2Fc_fit%252Cg_north_west%252Cl_text%3Anotosansjp-medium.otf_55%3A%25255B%2525E7%2525B5%2525B1%2525E8%2525A8%252588%2525E5%2525AD%2525A6%25255D%2525E3%252583%2525A2%2525E3%252583%2525B3%2525E3%252583%252586%2525E3%252582%2525AB%2525E3%252583%2525AB%2525E3%252583%2525AD%2525E7%2525A9%25258D%2525E5%252588%252586%2525E3%252581%2525AE%2525E8%2525A8%2525BC%2525E6%252598%25258E%2525E3%252581%2525A8%2525E5%2525AE%25259F%2525E8%2525B7%2525B5%252Cw_1010%252Cx_90%252Cy_100%2Fg_south_west%252Cl_text%3Anotosansjp-medium.otf_37%3Ashunsock%252Cx_203%252Cy_121%2Fg_south_west%252Ch_90%252Cl_fetch%3AaHR0cHM6Ly9zdG9yYWdlLmdvb2dsZWFwaXMuY29tL3plbm4tdXNlci11cGxvYWQvYXZhdGFyLzY3Y2U4NzUxNzkuanBlZw%3D%3D%252Cr_max%252Cw_90%252Cx_87%252Cy_95%2Fv1627283836%2Fdefault%2Fog-base-w1200-v2.png)
室月淳Jun Murotsuki 💙💛 on Twitter: "何度でもくりかえしますが、無症状のひとにPCR検査をおこなってはいけません。事前確率の低いひとをスクリーニングすると、弊害のほうが大きくなります。事前確率と偽陽性、偽陰性については何回か説明しましたので、もう一度読んで考えてみてく… https://t.co/6gWcL5z8GN"
何度でもくりかえしますが、無症状のひとにPCR検査をおこなってはいけません。事前確率の低いひとをスクリーニングすると、弊害のほうが大きくなります。事前確率と偽陽性、偽陰性については何回か説明しましたので、もう一度読んで考えてみてく… https://t.co/6gWcL5z8GN
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
個人でのPCR検査キットの使用は控えましょう（忽那賢志） - エキスパート - Yahoo!ニュース
コロナウイルスなどのアウトブレイクは、なぜ急速に拡大し、どのように「曲線を平らにする」ことができるのか
WebサービスのA/Bテストや機械学習でよく使う「確率分布」18種を解説 - paiza times
ChatGPT と自然言語処理 / 言語の意味の計算と最適輸送
Daily Life:大塚淳『統計学を哲学する』を読む
ベイズ統計 - HELLO CYBERNETICS
ベイズ最適化で最高のコークハイを作る - わたぼこり美味しそう
せっかく頭が良いのに「ギャンブル」なんて非合理な行いにハマる人の心境が、やっとわかった。
読書メモ：統計学を哲学する（大塚淳 著） - 重ね描き日記（rmaruy_blogあらため）
How to leverage optimal transport
AIを使った儲かる自動売買の見分け方 ～トレーディングのバイアス対策技術の歴史と展望～｜UKI
［AI・機械学習の数学］確率の基本から条件付き確率までをおさらいしよう
Probabilistic Machine Learning: Advanced Topics
ふりこ on Twitter: "これ正解なんですか https://t.co/7695UqDNue"
確率・情報理論の観点から古典力学を導出する。 - qu_chargeのブログ
最適輸送本イベントに寄せて学ぶ - Stimulator
https://twitter.com/developer_quant/status/1561703592469594118
CHAGEの裏側: ブルームフィルタとISONの逆引き高速化 | IIJ Engineers Blog
最尤推定からベイズ推定まで - HELLO CYBERNETICS
ヒューリスティックコンテストでベイス推定に入門しよう - 競技プログラミング学習
【ストーリー】宿題と間違えて数学の未解決問題を解いた男 - ScienceTime Physics
news.denfaminicogamer.jp
ai-scholar.tech
ghostlife.hatenablog.com
xn--dkqp0gri91r38rn1wmlurtz.com
archives.fukushima-nobuyuki.com
anond.hatelabo.jp