Hatena Blog Tags
はてなブログ トップ
ベイズ
このタグでブログを書く

ベイズ

(サイエンス)
【べいず】

トーマス・ベイズ(Reverend Thomas Bayes, 1702-1761)
イギリスの牧師兼確率論研究家。
死後に発表されたベイズの定理が近年統計学の新たな地平を開くものとして注目を浴びる。
リスト::学者::自然科学

このタグの解説についてこの解説文は、すでに終了したサービス「はてなキーワード」内で有志のユーザーが作成・編集した内容に基づいています。その正確性や網羅性をはてなが保証するものではありません。問題のある記述を発見した場合には、お問い合わせフォームよりご連絡ください。
ジョンとヨーコのイマジン日記•2年前

ベイズ統計でよく出てくる「正規化定数を一旦無視して計算」について

この記事はベイズ統計の本を読んでるとたまに出会うであろう「正規化定数を一旦無視して計算」するやつについて, 「なんで無視できるんだろう」と思った人（いるのか？）向けの投稿です. 最初の例：分割表 ベイズの定理の説明でよく出てくる2×2の分割表を, 私の好みに基づき次のように書いた. 曝露（X） 疾病（Y） 数（Z） 0 0 0 1 1 0 1 1 この表では曝露や疾病がない場合を0, ある場合を1とコード化している. また, ここでの「曝露」と「疾病」は例としてイメージしやすそうな言葉を入れただけで以降で特に疫学的な話題を扱うわけではない. 全体の数を と置く. 疾病あり（）の集団から無作為に…

#ベイズ

関連ブログ

まさおのデータサイエンティストへの道•2年前

混合モデルによる潜在変数の特定(PyMC3)

1.背景 2.混合モデル（Mixture Model） 3.PyMC3によるポアソン混合モデルの実装 3.1.データの生成 3.2.混合ポアソンモデルの実装 1.背景 観測データの背後にある構造を把握することで有用な示唆を得られることがある。今回は簡単のために以下のような時系列データを考えてみる。下記はある人の心拍数の時間変位を想定して生成したデータである。今回、心拍数を決定づけるモードに平時、軽運動時、重運動時を想定し、観測されるデータから測定者が特定のタイミングでどのようなモードにあったのかを特定したい。混合モデルを使用することでモードの特定が可能になる。 2.混合モデル（Mixture …

#混合モデル#潜在変数#ベイズ#機械学習
エビデンスで教育を考えた•2年前

加筆予定〜MCMCとpystan〜

最近更新が遅れてPVがダダ下がりしてまして。どうせ下がるならMCMCみたいなややマニアックなもの書いていこうということでメモがてら書いていきます。 MCMCの歴史 MCMC (Markov chain Monte Carlo) は、確率分布からサンプリングするための計算手法で、広く使用されているベイズ統計学やコンピューターシミュレーションの分野で利用されています。マルコフとモンテカルロで分けて説明します。 モンテカルロ法 推定するためにランダムサンプリングを用いるアルゴリズム面積とかの推定だと、ランダムに点打って、領域に入るか入らないかランダムなので値の収束が遅いという欠点がある。 マルコフ連…

#MCMC#ベイズ
英語の顔表情.airabuwo.blog•2年前

BATHE

Bathe. ベイズ

#bathe#ベイズ#入浴する#水浴する#洗う#入浴#水泳#水浴#入浴させる#水浴び
AIうぉ－－！(ai-wo-katsuyo-shitai !)•2年前

（内容ないです。）ベイズチャレンジ。26年ぶりにナイーブベイズを発明してみる！！！

ナイーブベイズは、1997年かな。。 スパムメールのフィルタを前提に考えてみる。 考えた手順 STEP1. まず全体を考えてみる。 STEP1結論 STEP2. 一つの単語で考えてみる STEP2結論 STEP3 STEP2の課題を考える。 STEP3結論 次回のチャレンジに向けて この記事の解説がすばらしい？ 最低、ベイズの定理は覚えとこう。。。 ナイーブベイズは、1997年かな。。 スパムメールのフィルタを前提に考えてみる。 考えた手順 STEP1. まず全体を考えてみる。 メールが届く。 その文章の単語を評価し、スパムかどうか判断する。 誤検出に対する修正を実施する。 AAAという単語が…

#ベイズ
AIうぉ－－！(ai-wo-katsuyo-shitai !)•2年前

茂木さんは、ベイズは嫌いらしい。。。。（ワタシも嫌い）

このYoutubeを見て下さい。 このYoutubeを見て下さい。 www.youtube.com

#ベイズ#茂木
ジョンとヨーコのイマジン日記•2年前

ポリア・ガンマ分布と負の二項分布を用いたポアソン回帰の近似的なギブスサンプラー

準備 多項ロジスティック回帰について ポリア・ガンマ分布を用いた多項ロジスティック回帰のギブスサンプラー - ジョンとヨーコのイマジン日記 に書いた. たぶんこちらを先に読んだほうがいい. ここではポアソン回帰, つまり次のモデルを考える. ところで, ポアソン分布は平均と分散が同じなので, ポアソン分布より分散の大きいカウントデータのモデリングには負の二項分布が使われることがある. 負の二項分布は次の確率関数を持つ. （パラメータの置き方は統計ソフトによって微妙に違うことがある.） 負の二項分布は の極限でポアソン分布になる. たとえば, mathematical statistics - …

#ベイズ
バイオとインフォと•2年前

Numpyroを使った常微分方程式のパラメータ推定 - Lotka-Volterra方程式

概要 Numpyroで微分方程式のパラメータ推定をやってみました。コードは前回のNumPuroデビュー記事のコードと同じrepositoryにあります。 github.com

#bioinformatics#data science#numpyro#ベイズ#機械学習
バイオとインフォと•2年前

NumPyroでMCMC - ロジスティックモデルを使った個体数増加のモデリング

概要 前から気になっていたNumpyroを試してみたので覚書。コードは以下のrepositoryにあります。 github.com

#bioinformatics#data science#numpyro#ベイズ#機械学習
AIうぉ－－！(ai-wo-katsuyo-shitai !)•2年前

ベイズの定理を300年ぶりに再発明しようと1時間弱努力したが、できなかった！！（2回目の挑戦）

ベイズの定理を300年ぶりに再発明しようと1時間弱努力したが、できなかった！！（2回目の挑戦） やってみた。結果。 ただし、今回は時間がなかったので、15分の挑戦。 しかも、ベイズの定理という言葉が浮かんでなくて、ベイズ確率として、考えた。。。。 上記の図のような思考になった。 スタートできなかった。 正解に向けて 別途加筆します。 補足 ベイズに関しては、以下も参考になる！！ www.youtube.com

#ベイズ