ガウス分布

大阪の新規感染者数の動向をデータで分析した結果を用いて、「第４波」の予想曲線を引いてみる事にした。ポイントは、このところの新規感染者の伸び率が低下である。この情報が予想曲線を構成する上で非常に重要なデータとなりうることに先ほど気がついたのだ。他の地域でもうまくいくか、後でやってみたい。 が、まずは大阪の場合である。このやり方の一番の問題点は、「第４波」で感染する人の合計数である。こればかりはどうにもあてずっぽでやるほかはない。今回は、これまでのデータに予想曲線が（見た感じで）よくあうこと、および大阪のピーク値が1000人／日程度であること、などを勘案して決めた。その結果、だいたい４万人の感染者…

はじめに 『ベイズ推論による機械学習入門』の学習時のノートです。基本的な内容は「数式の行間を読んでみた」とそれを「RとPythonで組んでみた」になります。「数式」と「プログラム」から理解するのが目標です。 この記事は、3.4.2項の内容です。「尤度関数を精度が未知の多次元ガウス分布(多変量正規分布)」、「事前分布をウィシャート分布」とした場合の「パラメータの事後分布」と「未観測値の予測分布」の計算をPythonで実装します。 省略してある内容等ありますので、本とあわせて読んでください。初学者な自分が理解できるレベルまで落として書き下していますので、分かる人にはかなりくどくなっています。同じよ…

はじめに 『ベイズ推論による機械学習入門』の学習時のノートです。基本的な内容は「数式の行間を読んでみた」とそれを「RとPythonで組んでみた」になります。「数式」と「プログラム」から理解するのが目標です。 この記事は、項の内容です。「尤度関数を精度が未知の多次元ガウス分布(多変量正規分布)」、「事前分布をウィシャート分布」とした場合の「パラメータの事後分布」と「未観測値の予測分布」の計算をR言語で実装します。 省略してある内容等ありますので、本とあわせて読んでください。初学者な自分が理解できるレベルまで落として書き下していますので、分かる人にはかなりくどくなっています。同じような立場の人のお…

はじめに 『ベイズ推論による機械学習入門』の学習時のノートです。基本的な内容は「数式の行間を読んでみた」とそれを「RとPythonで組んでみた」になります。「数式」と「プログラム」から理解するのが目標です。 この記事は、3.4.1項の内容です。「尤度関数を平均が未知の多次元ガウス分布(多変量正規分布)」、「事前分布を多次元ガウス分布」とした場合の「パラメータの事後分布」と「未観測値の予測分布」の計算をPythonで実装します。 省略してある内容等ありますので、本とあわせて読んでください。初学者な自分が理解できるレベルまで落として書き下していますので、分かる人にはかなりくどくなっています。同じよ…

東京の第３波を予想した時、2つのガウス分布を重ねるような形にした。1つ目のガウス分布は、１２月から始まり、幅が広く、ピークが1000人／日程度の山であり、2つ目のガウス分布は、お正月のちょっと後に2000人／日のピークを持つ細く高い山であった。東北大の押谷教授は、細く高いピークを「感染学的に異常」と指摘し、データの信ぴょう性を疑ったほどである。 NHKが数値データを(csvの形式で）公開してくれるようになってから、非常に分析がやりやすくなり、感謝している。今日も新しいスクリプトを書いて、データを加工してみたのだが、1週間の新規感染者の統計を県別にグラフにすることができるようになった。 作ったデ…

今日は、喋った。とにかく朝から晩まで喋った。去年の6月に喋った量の合計を優に超えたと思われる(仕事で喋った分はノーカンとしよう)。学科の知り合いと会って、偶然にも学科外の人にも出会って、ただ人と喋りまくった。 ※知能システムに興味ない人は後編いきましょう。 前編 午前は知能システムの復習をしてみた。知識は抜けまくっていて、機械学習が前提みたいな世界に飛び込むんだからやらなきゃダメじゃないかという気持ちになり、ひたすら同期と議論しながら復習した。 成果をノート的にまとめておこう。学習とは未知関数を既知の点群から推定することである。最初に教わる方法として、いくつかのパラメータを持つ関数(モデル)を…

大阪の場合 宮城の場合 東京は大阪や宮城のようになるだろうか？ かたや、緊急事態宣言の解除を3週間ほど前倒しにしただけである。こなた、gotoイートを２、3週間やってしまっただけである。それからわずかひと月足らずで、これほどの感染急拡大が発生するとは、まさに驚嘆である。 大阪の場合 本日の大阪府の新規感染者は599人（もう600人と言ってもいいだろう）であった。グラフを見ると、その拡大の速さがすごいことがわかる。 大阪市の新規感染者の推移（日毎） さきほど、東京の感染者の推移でガウス分布を利用した推測をおこなったが、ゆっくり長く続くシナリオと、急激に高くなるシナリオと、２つの可能性を考えたが、…

１２月上旬に、第３波がいつ、どのくらいの規模で来るのか、ガウス分布を利用して予想を立てた。ピークの高さに関しては２倍の誤差があった（1000人／日と予想した）が、いつ来るのかという点と、どのくらいの幅の波になるのかという点に関しては、おおよそ合っていた。これを自信に、再び予想に挑戦してみたい。 これまで様々な専門家（統計数学、数理生物、理論物理、Google AIを含むAI計算科学などなど）が、この「予想」に挑戦してきたが、なかなかうまくいったものはないのは承知している。総理大臣ではないが、未来の予測は本当に難しいのだ。しかし、だからと言って諦めたら、「知的生命体」という看板が泣く。困難に立ち…

宇宙正午の標準サイレンによる宇宙論 宇宙ひもループからの中間質量ブラックホールシード ライマンαの森の3D分布からのBAOを超えた宇宙論 SDSS青い銀河を使用したz_eff = 0.11でのBAO角度スケール ダークエネルギーサーベイ1年目のデータからの調和空間における銀河団：実空間の結果との互換性 低い多重極温度と偏光プランクデータからの再イオン化までの光学的厚さの推定 機械学習技術を使用して21cmのデータから再電離$ \ tau $までの光学的厚さを抽出する 非ケプラー運動学を伴う渦巻腕と巨大なダストディスク：エリアスのディスクにおける重力不安定性の可能な証拠2-27 無酸素大気を伴う…

リバースエンジニアリングから判明したシグマの仕様です。 すべてが正しいとは限らない(リバースエンジニアリングしたコードは正確だが、本当に使われているのかわからない: 実際の生成コードはサーバーサイド)ので、検証で違う傾向が出た、反証がある場合などは優しく教えてください。スペシャルサンクス(敬称略) landaire: リバースエンジニアリング 901234 : 仮説構築と校正 前章 kawaii-14.hatenablog.com 関連するパラメータと説明 散布界の単位は何でも構いません。 sigmaCount: 所謂シグマ値。T8までの巡洋艦と駆逐艦は殆ど2.00、T9以上の巡洋艦は2.05…

Probabiistic Machine Learning: An Introduction (Murphy) のドラフト(2021 Mar 8)をちろちろ読んだ感想を書き溜めてく。 1章 Introduction - 確率的アプローチを取る理由 1. 不確実性の元での決定にたいする効率的なアプローチ - 意思決定するのは人間である前提? (機械がするなら確率じゃない、Energy based modelのほうが良さそう) 2. 確率的モデリングは色んな分野で使われた統一的なフレームワーク - 帰納バイアス Foundation 2章 Probability: univariate model…