サービス終了のお知らせ いつもYahoo! JAPANのサービスをご利用いただき誠にありがとうございます。 お客様がアクセスされたサービスは本日までにサービスを終了いたしました。 今後ともYahoo! JAPANのサービスをご愛顧くださいますよう、よろしくお願いいたします。
タンパク質、脂質、炭水化物のすべてが増加し、特に脂質の伸びが著しい米国。減少傾向の炭水化物に対し、増加していたタンパク質や脂質が1990年代に反転減少、ないし横ばい化し総カロリーも減少に転じた日本。
ブログ 2024/11/22 「エクセル統計」ってなに？ 統計WEBではたびたび「エクセル統計」というワードが登場しますが、 「これって一体、何だろう？」「急に関係ない商品の名前... 詳しく見る ブログ 2024/10/4 エクセル統計 お試し週間実施中！(～2024年10月18日) ※本キャンペーンは終了しました。 10月18日は統計の日 皆さん、毎年10月18日は「統計の日」だと知っていましたか？ ... 詳しく見る 書籍紹介 2023/3/29 文系の私に超わかりやすく統計学を教えてください！ 『マンガでわかる統計学』シリーズの著者、高橋信先生が執筆した教養書です。 リスキリングの潮流の中で、教養のひとつとし... 詳しく見る 書籍紹介 2023/2/9 マンガでわかる統計学 統計学を勉強するための取っ掛かりとしてはとても良い本です。漫画なので眉間にシワを寄せずに読めます！ ストー
R、R言語、R環境・・・・・・ Rのダウンロードとインストール リンク集 題名 Chap_01 データ解析・マイニングとR言語 Chap_0２ Rでのデータの入出力 Chap_03 Rでのデータの編集と演算 Chap_04 Rと基本統計量 Chap_05 Rでの関数オブジェクト Chap_06 Rでのデータの視覚化(1) Chap_07 Rでのデータの視覚化(2) Chap_08 Rでのデータの視覚化(3) Chap_09 GGobiとデータの視覚化(Rgobi) Chap_10 Rと確率分布 Chap_11 Rと推定 Chap_12 Rと検定 Chap_13 Rと分散分析 Chap_14 Rと回帰分析 Chap_15 Rと重回帰分析 Chap_16 Rと一般化線形モデル Chap_17 Rと非線形モデル Chap_18 Rと判別分析 Chap_19 Rと樹木モデル Chap_20 WEK
OR学会50年の歴史の中で，OR事典の編纂・改訂は通算３度目となる．いろいろな理由からOR事典編集委員会は，「OR事典」をWebに公開するという手段をとることになった．前回はCDによる出版であった． 資料編だけは「OR事典」から切り離して，OR学会の通常のホームページの中に移すことになった．これは逆瀬川浩孝委員長のアイディアである。内容の性格上，資料追加も間違いの訂正も広報委員会の責任で簡単に出来るようになる． 前回までの学会の歴史資料はそのまま残してある．今回はデータ追加作業を基本に多少の資料追加を行った．前事務局長の藤木秀夫さんには，その後の学会活動全般にわたる記録をまとめて原稿を作成してもらった．学術会議関係も藤木さんが前回の形式に習って資料原稿を作成し，FMES会長の高橋幸雄さんに目を通していただいた． 各支部から増補追加の原稿が送られてきた．Webのサンプルを見てくださいと言って
二つの箱があって、一方にはもう片方の箱の倍の金額が入っている。 あなたは一つの箱を開けて中に入っている金額を確認した後にどちらの箱を選ぶのかを決めることができる。 あなたが一つの箱を開けた時に1万円入っていたとした時に果たして箱を変更した方が良いか否か？ 額が少ない方を選んだとすると、多い方(もう片方の箱)には2万円入っていて、逆の場合は5000円入っているので2つの状態が半々だとすると箱を移動したときの期待値は 20000 * 0.5 + 5000 * 0.5 = 12500(円) でもう片方の箱を選んだほうが得になりそう。しかしはじめに1万円の箱を開かずに、もう片方の箱を選んでいて2万円を観測したときには箱移動時の期待値は 40000 * 0.5 + 20000 * 0.5 = 30000(円) でやはり箱を移動した方が期待値的にはいい。 以上の議論から最初に選んだ箱がどちらであっても
疲労や破壊現象とワイブル分布 当社の場合、電線の疲労や破壊データの解析や表示には、 「ワイブル分布」(Weibull Distribution)を使うことが多く、 よくご質問をいただきますので、その要点をご説明します。 1. 破壊のメカニズム 電線の導体や絶縁体の破壊データの統計的性格は、 正規分布になりません。 つまり、正規分布を前提にした、平均と標準偏差の関係が役にたたないのです。 何故かというと、破壊現象は、 材料の最も弱いところにできた損傷が一気に拡大するというメカニズムですから、 材料の平均的な性格とは関係なく、最弱点だけで決まるためです。 具体的なイメージとしては、鎖の破断を考えていただくと納得できると思います。 鎖の強度は、個々の環の強度の平均値で決まるわけではなくて、 最も弱い環だけで決まります。 つまり、正規分布をもつ母集団から、その一部を抜きだしたとき、 最小強度の分布
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
講習会の目的 本講習会は， R についての自習の基盤をつくることを目指します。 たとえ初心者向けの数時間の入門講習でなく１年間の毎週の演習授業であっても，R に関してすべてを説明するのは不可能だと思われます。 R の世界は，縦にはそこそこ深く，横には果てが見えないほど広いです。 CRAN に登録されている R のパッケージは 1000 を超えました。 よって，受講者の幅も広いことですし，受講者各自にとってぴったりな統計解析の実用的な解説をするのはあきらめて， 各自が必要に応じて情報を探し，見つけたものを難なく活用できるようになること，を目標にしました。 ここに自分の求めている分析手法や作図法などの答えがあるとは期待しないで下さい。それは帰ってからのあなたの楽しい仕事です。 R の利用と R 言語 R の根幹は R 言語のインタプリタであり，ユーザはR言語を駆使することでRを操作します。 S
確率論と統計学は俺がまとめるから、他の分野はお前らの仕事な。 確率論 Index of /HOME/higuchi/h18kogi 確率空間 生成されたσ-加法族 確率の基本的性質 確率変数とその分布 分布の例 分布関数 期待値、分散、モーメント 期待値の性質 独立確率変数列の極限定理 大数の弱法則(Weak Law of Large Numbers) 確率1でおこること 大数の強法則 中心極限定理 特性関数 Higuchi's Page Brown運動 Brown運動のモーメントの計算 連続性 Brown運動の構成:Gauss系として Brown運動に関する確率積分 空間L^2の元の確率積分 伊藤の公式(Ito formula) 日本女子大学理学部数物科学科の今野良彦先生のところにあった資料 最尤法とその計算アルゴリズム 収束のモード 大数の法則と中心極限定理 指数分布族モデルにおける最
統計学自習ノート索引 Last modified: Aug 25, 2004 直前のページへ戻る 全文検索 関連リンク： 統計学用語辞典 統計学関連…何でも掲示板 検索したい用語の１番目の文字を以下からクリックして下さい。 その後，目的の用語をクリックします。 あ・か・さ・た・な・は・ま・や・ら・わ 英字など 先頭へ戻る Cox−Mantel 検定 Cox の比例ハザードモデル Cutler−Ederer 法 F 分布 F 分布表 Kaplan−Meier 法 Log−rank 検定 meta−analysis t 検定 T 得点 t 分布 Σ記号 あ 先頭へ戻る イエーツの補正 因子得点の求め方 異常値 一元配置分散分析 一変量データの分布の数値表現 一様分布 一致推定量 一致性 一致率 一般化 Wilcoxon 検定 因子軸の斜交回転 因子軸の直交回転 因子得
朱鷺の杜Wiki（ときのもり うぃき）† 朱鷺の杜Wikiは，機械学習に関連した，データマイニング，情報理論，計算論的学習理論，統計，統計物理についての情報交換の場です．これら機械学習関係の話題，リンク，関連事項，書籍・論文紹介などの情報を扱います． 更新されたページを確認するにはRSSリーダを使って右下のRSSリンクをチェックするか，最終更新のページを参照してください． ページの中でどこが更新されたかを見るには，上の「差分」をクリックして下さい． 数式の表示に MathJax を利用しています．数式の上でコンテキストメニューを使うと各種の設定が可能です．特に設定をしなくても数式は閲覧できますが，フォントをインストールすれば数式の表示がきれいで高速になります．詳しくは 数式の表示 のページを参照して下さい． ごく簡単なWikiの使い方がこのページの最後にあります．トップページやメニューなど
Excelにおける回帰分析（最小二乗法）の手順と出力：このHTMLの印刷板に当たる18ページのPDF（約480KB）です。 Excelにおける回帰分析（最小二乗法）用乱数データ：乱数を用いて、推定値の挙動を見ることのできるExcel（約100KB）です。 分散の不偏推定量：偏差平方和を（n-1）で割ると分散の不偏推定量になることが視覚的に確認できるExcel（約80KB）です。 中心極限定理と擬似正規乱数：一様分布の標本平均が正規分布に近づくことや統計における検定のアイディアが視覚的に確認できるExcel（約60KB）です。 学校は人的資本を形成するのか? (1)教育の経済学：分布やシミュレーションを使って、学歴と平均賃金の関係を説明するHTMLです。 学校は人的資本を形成するのか? (2)賃金格差の実証分析：日本の学歴間賃金格差の実証分析を説明するHTMLです。
今回は、前回の日記の補足。 前回の統計学の面白さはどこにあるか - hiroyukikojimaの日記で松原望先生の本 入門ベイズ統計―意思決定の理論と発展 作者: 松原望出版社/メーカー: 東京図書発売日: 2008/06メディア: 単行本購入: 107人 クリック: 2,061回この商品を含むブログ (46件) を見るを紹介した。そのときは、この本を手にしていなかったので、早速注文した。そして今、手に入って、ぱらぱらと眺めてみた。そう、予想通り、これは名著『統計的決定』放送大学に大幅加筆をしたものだった。というわけで、紹介してしまった手前、責任をもってもうちょっとフォローしなければ、と思ってこれを書いている。 この本は確かに名著である。その理由をいくつか挙げてみよう。まず挙げるべきは、 ベイズ推定の哲学的背景について包み隠さず正面から書いている という点である。前回も書いたが、ベイズ推
第4章 マルコフ連鎖 4.1 確率行列 4.1.1 確率行列 4.1.2 同時確率 4.1.3 同時確率行列 4.1.3.1 例1 4.1.3.2 例2 4.1.4 条件付確率行列 4.1.5 確率行列の式 4.1.6 行列演算 4.1.6.1 例 4.2 マルコフ連鎖 4.2.1 マルコフ連鎖の定義 4.2.2 マルコフ連鎖における同時確率 4.2.2.1 例1 4.2.2.2 例2 4.3 定常性 4.3.1 定常性 4.3.2 非定常的ランダムウォーク 例1 4.3.3 非定常的ランダムウォーク 例2 4.3.3.1 余談(エントロピー増大) 4.3.3.2 余談(ブラウン運動) 4.4 状態遷移図とエルコード性 4.4.1 状態遷移図 4.4.2 エルコード性 4.4.2.1 例 〇 章末テスト
現在の状態が１回前の状態で決まるような確率の過程を単純マルコフ過程といい、現在の状態が１回前の状態と２回前の状態の両方によって決まるような確率の過程は２重マルコフ過程といい、３重マルコフ過程も、４重マルコフ過程も考えることができるようです。 上のコインの例では、見ているだけの場合は、１回前の状態によって現在の状態が決まりますから単純マルコフ過程かもしれませんが、放り投げた場合は、前の状態とは無関係に現在の状態が決まりますから、マルコフ過程とは呼ばないかもしれません。この辺は不勉強なため、よく分かりません。 では、マルコフ過程を繰り返したら…。「繰り返す」という表現が正しいかどうか分かりませんが、同じ推移確率で次々に状態が移り変わる場合を考えます。例えば、コインを放り投げて次の状態になり、その状態のコインを再び放り投げて次の状態になり…、をたくさん繰り返したら、表や裏の出る確率はどう
離散分布と連続分布 Last modified: Sep 17, 2002 離散分布 二項分布 負の二項分布 ポリア・エッゲンベルガー分布 多項分布 ポアソン分布 幾何分布 超幾何分布 負の超幾何分布 連続分布 一様分布 三角分布 正規分布 対数正規分布 指数分布 コーシー分布 ガンマ分布 ベータ分布 $\chi^2$ 分布 $t$ 分布 $F$ 分布 ワイブル分布 二次元正規分布 演習問題： 応用問題： 直前のページへ戻る E-mail to Shigenobu AOKI
次へ: 序 論 有限混合分布モデルの学習に関する研究 (Web 版) 赤穂 昭太郎 2001 年 3 月 15 日学位授与(博士(工学)) 序 論 研究の背景と位置づけ 論文の構成 有限混合分布とその基本的性質 定義 モジュール性 階層ベイズモデルとの関係 パラメトリック性とノンパラメトリック性 RBF ネットワークとの関係 学習における汎化と EM アルゴリズム 最尤推定 汎化と竹内の情報量規準 (TIC) 汎化バイアス 竹内の情報量規準 (TIC) 冗長性と特異性 EM アルゴリズム 一般的な特徴 一般的な定式化 独立なサンプルが与えられた時の混合分布の学習 独立な要素分布の場合 サンプルに重みがある場合 EM アルゴリズムの一般化 EM アルゴリズムの幾何学的解釈 正規混合分布の汎化バイアスの非単調性について はじめに Radial Basis Boltzmann Machine (
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
