Suche senden
Hochladen
R stan導入公開版
•
68 gefällt mir
•
39,228 views
考司 小杉
Folgen
Rstanのインストール,簡単な使い方を紹介しています
Weniger lesen
Mehr lesen
Bildung
Melden
Teilen
Melden
Teilen
1 von 73
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
Hiroshi Shimizu
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
ベイズ統計モデリングと心理学
ベイズ統計モデリングと心理学
Shushi Namba
これからの仮説検証・モデル評価
これからの仮説検証・モデル評価
daiki hojo
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
nocchi_airport
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
Empfohlen
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
Hiroshi Shimizu
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
ベイズ統計モデリングと心理学
ベイズ統計モデリングと心理学
Shushi Namba
これからの仮説検証・モデル評価
これからの仮説検証・モデル評価
daiki hojo
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
StanとRでベイズ統計モデリングに関する読書会(Osaka.stan) 第四章
nocchi_airport
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
RStanとShinyStanによるベイズ統計モデリング入門
RStanとShinyStanによるベイズ統計モデリング入門
Masaki Tsuda
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
nocchi_airport
ベイズモデリングと仲良くするために
ベイズモデリングと仲良くするために
Shushi Namba
社会心理学とGlmm
社会心理学とGlmm
Hiroshi Shimizu
ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析
Shushi Namba
rstanで簡単にGLMMができるglmmstan()を作ってみた
rstanで簡単にGLMMができるglmmstan()を作ってみた
Hiroshi Shimizu
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
Stan勉強会資料(前編)
Stan勉強会資料(前編)
daiki hojo
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
Rで階層ベイズモデル
Rで階層ベイズモデル
Yohei Sato
StanとRでベイズ統計モデリング 11章 離散値をとるパラメータ
StanとRでベイズ統計モデリング 11章 離散値をとるパラメータ
Miki Katsuragi
StanとRでベイズ統計モデリング読書会Ch.9
StanとRでベイズ統計モデリング読書会Ch.9
考司 小杉
MCMCと正規分布の推測
MCMCと正規分布の推測
Gen Fujita
Rで潜在ランク分析
Rで潜在ランク分析
Hiroshi Shimizu
Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説
Hiroshi Shimizu
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
Masashi Komori
MCMCサンプルの使い方 ~見る・決める・探す・発生させる~
MCMCサンプルの使い方 ~見る・決める・探す・発生させる~
. .
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
Deep Learning Lab(ディープラーニング・ラボ)
SapporoR#6 初心者セッションスライド
SapporoR#6 初心者セッションスライド
Hiroshi Shimizu
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Hiroshi Shimizu
Rで学ぶ逆変換(逆関数)法
Rで学ぶ逆変換(逆関数)法
Nagi Teramo
Weitere ähnliche Inhalte
Was ist angesagt?
RStanとShinyStanによるベイズ統計モデリング入門
RStanとShinyStanによるベイズ統計モデリング入門
Masaki Tsuda
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
nocchi_airport
ベイズモデリングと仲良くするために
ベイズモデリングと仲良くするために
Shushi Namba
社会心理学とGlmm
社会心理学とGlmm
Hiroshi Shimizu
ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析
Shushi Namba
rstanで簡単にGLMMができるglmmstan()を作ってみた
rstanで簡単にGLMMができるglmmstan()を作ってみた
Hiroshi Shimizu
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
Stan勉強会資料(前編)
Stan勉強会資料(前編)
daiki hojo
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Hiroshi Shimizu
Rで階層ベイズモデル
Rで階層ベイズモデル
Yohei Sato
StanとRでベイズ統計モデリング 11章 離散値をとるパラメータ
StanとRでベイズ統計モデリング 11章 離散値をとるパラメータ
Miki Katsuragi
StanとRでベイズ統計モデリング読書会Ch.9
StanとRでベイズ統計モデリング読書会Ch.9
考司 小杉
MCMCと正規分布の推測
MCMCと正規分布の推測
Gen Fujita
Rで潜在ランク分析
Rで潜在ランク分析
Hiroshi Shimizu
Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説
Hiroshi Shimizu
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
Masashi Komori
MCMCサンプルの使い方 ~見る・決める・探す・発生させる~
MCMCサンプルの使い方 ~見る・決める・探す・発生させる~
. .
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
Deep Learning Lab(ディープラーニング・ラボ)
SapporoR#6 初心者セッションスライド
SapporoR#6 初心者セッションスライド
Hiroshi Shimizu
Was ist angesagt?
(20)
RStanとShinyStanによるベイズ統計モデリング入門
RStanとShinyStanによるベイズ統計モデリング入門
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
ベイズモデリングと仲良くするために
ベイズモデリングと仲良くするために
社会心理学とGlmm
社会心理学とGlmm
ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析
rstanで簡単にGLMMができるglmmstan()を作ってみた
rstanで簡単にGLMMができるglmmstan()を作ってみた
ベイズファクターとモデル選択
ベイズファクターとモデル選択
Stan勉強会資料(前編)
Stan勉強会資料(前編)
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
心理学者のためのGlmm・階層ベイズ
心理学者のためのGlmm・階層ベイズ
Rで階層ベイズモデル
Rで階層ベイズモデル
StanとRでベイズ統計モデリング 11章 離散値をとるパラメータ
StanとRでベイズ統計モデリング 11章 離散値をとるパラメータ
StanとRでベイズ統計モデリング読書会Ch.9
StanとRでベイズ統計モデリング読書会Ch.9
MCMCと正規分布の推測
MCMCと正規分布の推測
Rで潜在ランク分析
Rで潜在ランク分析
Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
MCMCサンプルの使い方 ~見る・決める・探す・発生させる~
MCMCサンプルの使い方 ~見る・決める・探す・発生させる~
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
SapporoR#6 初心者セッションスライド
SapporoR#6 初心者セッションスライド
Andere mochten auch
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Hiroshi Shimizu
Rで学ぶ逆変換(逆関数)法
Rで学ぶ逆変換(逆関数)法
Nagi Teramo
rstanで個人のパラメーターを推定した話
rstanで個人のパラメーターを推定した話
Yuya Matsumura
とある病んだ院生の体内時計(サーカディアンリズム)
とある病んだ院生の体内時計(サーカディアンリズム)
. .
階層ベイズモデルで割安mobile PCを探す
階層ベイズモデルで割安mobile PCを探す
. .
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする
Masaru Tokuoka
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
Takashi Yamane
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
Yu Tamura
不均衡データのクラス分類
不均衡データのクラス分類
Shintaro Fukushima
状態空間モデルの実行方法と実行環境の比較
状態空間モデルの実行方法と実行環境の比較
Hiroki Itô
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
智之 村上
Andere mochten auch
(11)
エクセルで統計分析 統計プログラムHADについて
エクセルで統計分析 統計プログラムHADについて
Rで学ぶ逆変換(逆関数)法
Rで学ぶ逆変換(逆関数)法
rstanで個人のパラメーターを推定した話
rstanで個人のパラメーターを推定した話
とある病んだ院生の体内時計(サーカディアンリズム)
とある病んだ院生の体内時計(サーカディアンリズム)
階層ベイズモデルで割安mobile PCを探す
階層ベイズモデルで割安mobile PCを探す
混合モデルを使って反復測定分散分析をする
混合モデルを使って反復測定分散分析をする
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
不均衡データのクラス分類
不均衡データのクラス分類
状態空間モデルの実行方法と実行環境の比較
状態空間モデルの実行方法と実行環境の比較
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
Mehr von 考司 小杉
Mds20190303
Mds20190303
考司 小杉
HCGシンポジウム2018;心理学における新しい統計学との付き合い方
HCGシンポジウム2018;心理学における新しい統計学との付き合い方
考司 小杉
HCG20181212
HCG20181212
考司 小杉
20180602kosugi
20180602kosugi
考司 小杉
Jap2017 ss65 優しいベイズ統計への導入法
Jap2017 ss65 優しいベイズ統計への導入法
考司 小杉
心理統計の課題をRmdで作る
心理統計の課題をRmdで作る
考司 小杉
日本教育心理学会2016WSスライド
日本教育心理学会2016WSスライド
考司 小杉
Kandai R 入門者講習
Kandai R 入門者講習
考司 小杉
学部生向けベイズ統計イントロ(公開版)
学部生向けベイズ統計イントロ(公開版)
考司 小杉
距離と分類の話
距離と分類の話
考司 小杉
続・心理学のためのpsychパッケージ
続・心理学のためのpsychパッケージ
考司 小杉
Hijiyama.R Entry session
Hijiyama.R Entry session
考司 小杉
MCMCによるベイズ因子分析法について
MCMCによるベイズ因子分析法について
考司 小杉
Mplus tutorial
Mplus tutorial
考司 小杉
家族データに対する非対称MDSの応用(2)
家族データに対する非対称MDSの応用(2)
考司 小杉
SappoRo.R #2 初心者向けWS資料
SappoRo.R #2 初心者向けWS資料
考司 小杉
Yamadai.R#3 Function
Yamadai.R#3 Function
考司 小杉
Yamadai.R #1 Introduction to R
Yamadai.R #1 Introduction to R
考司 小杉
Kenshu
Kenshu
考司 小杉
Yamadai.Rデモンストレーションセッション
Yamadai.Rデモンストレーションセッション
考司 小杉
Mehr von 考司 小杉
(20)
Mds20190303
Mds20190303
HCGシンポジウム2018;心理学における新しい統計学との付き合い方
HCGシンポジウム2018;心理学における新しい統計学との付き合い方
HCG20181212
HCG20181212
20180602kosugi
20180602kosugi
Jap2017 ss65 優しいベイズ統計への導入法
Jap2017 ss65 優しいベイズ統計への導入法
心理統計の課題をRmdで作る
心理統計の課題をRmdで作る
日本教育心理学会2016WSスライド
日本教育心理学会2016WSスライド
Kandai R 入門者講習
Kandai R 入門者講習
学部生向けベイズ統計イントロ(公開版)
学部生向けベイズ統計イントロ(公開版)
距離と分類の話
距離と分類の話
続・心理学のためのpsychパッケージ
続・心理学のためのpsychパッケージ
Hijiyama.R Entry session
Hijiyama.R Entry session
MCMCによるベイズ因子分析法について
MCMCによるベイズ因子分析法について
Mplus tutorial
Mplus tutorial
家族データに対する非対称MDSの応用(2)
家族データに対する非対称MDSの応用(2)
SappoRo.R #2 初心者向けWS資料
SappoRo.R #2 初心者向けWS資料
Yamadai.R#3 Function
Yamadai.R#3 Function
Yamadai.R #1 Introduction to R
Yamadai.R #1 Introduction to R
Kenshu
Kenshu
Yamadai.Rデモンストレーションセッション
Yamadai.Rデモンストレーションセッション
Kürzlich hochgeladen
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ssusere0a682
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
Tokyo Institute of Technology
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
YukiTerazawa
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ssusere0a682
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
Takayuki Itoh
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
koheioishi1
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScript
yuitoakatsukijp
Kürzlich hochgeladen
(7)
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習106 -価格の交渉ゲーム-#ゲーム理論 #gametheory #数学
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
東京工業大学 環境・社会理工学院 建築学系 大学院入学入試・進学説明会2024_v2
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
生成AIの回答内容の修正を課題としたレポートについて:お茶の水女子大学「授業・研究における生成系AIの活用事例」での講演資料
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScript
R stan導入公開版
1.
RStanの導入 & 基本的な使い方 小杉考司(山口大学教育学部)
2.
自己紹介 • 小杉考司(こすぎこうじ) • 山口大学教育学部 •
専門;数理社会心理学 • kosugi@yamaguchi-u.ac.jp • Twitter; @kosugitti
3.
お品書き • RStanのインストール • RStanをつかってみましょう •
実践!世界一,二番目に簡単なRStanコード
4.
対象 • ベイズ推定/MCMCを使ってみたいなぁと最近思い 始めた人 • コンピュータプログラミングは敷居が高いと思うん だけど,R言語ぐらい(の難易度)なら頑張って書い てみようと思っている人
5.
MCMC使ってみたい! • 商用ソフトの一機能として;Amos, Mplus •
BUGS(WinBUGS,OpenBUGS,JAGS) • Bayesian inference Using Gibbs Sampling • ギブスサンプリングを使ったベイズ推定 • 残念ながら開発が終わっちゃったみたい
6.
Stan登場 • ハミルトニアン・モンテカルロ法, Not-U-Turnテクニックなど新しい手法 を取り入れたMCMCエンジン • 高速で収束しやすいのが売り スタニスワフ・マルチン・ウラム (Stanistaw
Marcin Ulam,1909-1984) モンテカルロ法を考案(命名はノイマン)
7.
Stanの特徴 • コンパイル後の計算が速い • NUTSなので収束が速い •
手続き型でわかりやすい • 公式マニュアルが結構丁寧 • 様々な環境に対応 • RStan,PyStan,CmdStan,MatlabStan,Stan.jl…いずれstataにも
8.
Stanの特徴 • コンパイル後の計算が速い,とは ! 人間がわかる 言葉 機械がわかる言葉に 翻訳=コンパイル ネイティブなので 理解が早いです ∼
9.
Stanの特徴 ∼
10.
RStanの導入 • パッケージとしてCRANからダウンロード・・・と 行けるようになったらいいんだけど,まだ(́Д` ) •
でもたった3行のコードを走らせるだけで入る。 • ただし,C++環境も同時に用意しなければならない
11.
Rstanのインストール
12.
必要なルートを見ててね C++導入部Rは導入済み RStanへ
13.
RStan導入 ∼Windows編∼ • RtoolsをRと合わせてインストールしておく必要が あります。 • http://cran.r-project.org/bin/windows/Rtools/ •
Rのバージョンに合わせたものをダウンロードして おくこと!
14.
RStan導入 ∼Windows編∼ • Rtoolsをインストールするとき,「パス」の編集の ステップに注意。 C++コンパイラがRtoolsに含 まれていますが,「パスの編集」 の時にチェックが入ってないと 動かなくなっちゃいます。
15.
RStan導入 ∼Windows編∼ • Rtoolsがちゃんと入ったかどうかのチェックをして おくと万全! >Sys.getenv(‘PATH’) >system(‘g++ -v’)
>system(‘where make’)
16.
RStan導入 ∼Mac編∼ • Rは入っているものとして • C++環境はXcodeと呼ばれるツールにあります •
OS X 10.9 Marvericks ,10.8 Mountain Lion • App Storeで「Xcode」を検索してダウンロード&イ ンストール • OS X 10.7 Lion , 10.6 Snow Leopard • Apple Developerに登録(無料)して,Xcodeと Command-Line Toolsをダウンロード&インストール
17.
RStan導入 ∼Luinux編∼ • sudo apt-get
install build-essential
18.
ここからコードは3行 • Sys.setenv(MAKEFLAGS =
"-j4") • source('http://mc-stan.org/rstan/install.R', echo = TRUE, max.deparse.length = 2000) • install_rstan() のサイトからコピペしたほうが早い https://github.com/stan-dev/rstan/wiki/RStan-Getting-Started
19.
ここからコードは3行 • インストールには少し時間(5∼30分ぐらい?)が かかります。 • これは各環境でRStanをコンパイルしながら進むか らです。 •
Macで警告が出ることがありますが,「この機能は 使ってないから問題ないよ」by作者とのこと。
20.
インストールが終わったら • 一旦Rを終了→再起動して使います。 • あとは
21.
RStanを つかってみましょう
22.
サンプルを見てみる • まずはStan公式サイトにある公式サンプルコード, eight schoolsをやってみましょう。 •
中身の説明はあとまわしで,まずRStanの挙動をみ てみたいとおもいます。
23.
八学校 このコードをメモ帳に Copy&Pasteし, 8schools.stan という ファイル名で保存 このコードを で実行
24.
八学校 何かじーっとしてると思ったら・・・
25.
八学校 なんかいっぱい出た
26.
で,何が起こったの? • 結果を確認してみる。 • 平均値,パーセンタイル,Rhatなどが出る。
27.
で,何が起こったの? • >traceplot(fit,ask=T)
28.
で,何が起こったの? • >plot(fit)
29.
の使い方
30.
おちついて見てみよう • 上の部分は,リスト型のデータを作っているだけ • 下の部分がstanという関数でstanを呼んでいる
31.
おちついて見てみよう • さらによくみると,stan関数には • stanファイル •
データ • iter • chains • を渡している ←おそらくstanのひみつ ←1000サンプリング(反復回数) ←さっき見たN=8のデータセット ←4セットやる
32.
おちついて見てみよう ←1000回サンプリング ←4セット目 Warmup=Burnin デフォルトでは サンプリング回数の 半分を当てる
33.
stanファイルの構成 四つのセクションに分かれている
34.
stanファイルの構成 データセクション 外部から受け取るデータに対応 int(整数型)や real(実数型)などを指定 <lower=0>は非負の数,という指定(メモリ節約) 大かっこ[]はベクトルであることとそのサイズを意味する。
35.
stanファイルの構成 パラメタセクション 今から組みたいモデルで使うパラメタを宣言 実数型とか,非負であるとかの指定ができる。 ベクトルで宣言したほうが効率的(後述)。 ここではmuとtauとetaを使う,としている。
36.
stanファイルの構成 モデルセクション パラメタとその変換セクションで宣言したもので モデルを書く。 etaは平均0分散1の正規分布に従う,とある。 データyは平均thetaと分散sigmaに従う。 theta?
37.
stanファイルの構成 パラメタ変換セクション データとパラメタの橋渡し。 今回はthetaというパラメタを新しく作っている。 それは(mu+tau*eta[j])の別名。 これを直接モデルに書いてもいいけど,わかりやすくするた めに書き直している。 for文は反復を意味するC言語的表現。
38.
stanファイルの構成
39.
モデルと分布 ここで 残差が正規分布する,ということに注目すると 左側のところは平均に関するモデルなんだから
40.
モデルと分布 ほぼそのまま書いている 丁寧に全部書いたらこうなる
41.
モデルと分布 j回同じ式を繰り返すのは 無駄なので省略(ベクトル化) ここがなんか長いのでtheta にまとめちゃった
42.
Stanの文法 • ブロックを中かっこ{}でくくる • ブロックは6つ。全部なくてもいいけど,順番を変 えちゃダメ。 •
data/transformed data • parameters/transformed parameters • model • generated quantities • コードの終わりはセミコロン;で
43.
Stanの文法 • data{} /
transformed data{}セクション • 外部から読み込むデータの型やサイズを宣言 • 以後の分析でデータを書き換えるのがtransdormed dataセクション • 例えばローデータを読み込んで中でCov行列に変え てから使ったりできる。
44.
Stanの文法 • parameters/transformed parametersセクション •
推定するパラメタの宣言 • モデルでパラメタを書き換えるのがtransdormed parameterセクション
45.
Stanの文法 • modelセクション • これがないと始まらない •
generated quantities • 推定値を変換して使いたい数字にして出力 • 例)項目反応理論の項目母数の形に変えるなど
46.
Stanの文法;宣言 • 整数型は int,実数型はreal •
<lower=0>や<upper=1>などで制限をかけられる • real<lower=0,upper=1> eta; • ベクトルや行列で宣言することもできる • vector<lower=0>[3] y; • matrix[M,A] L; • vector[A] F[N]; 詳しくはstan-reference2.6.0.pdfをみてね
47.
Stanの文法;文 • 使える確率分布の一例 • 正規分布;y~normal(mu,sigma); •
コーシー分布;y~cauchy(mu,sigma); • 二項分布;y~binominal(N,theta); • 逆ガンマ分布;y~inv_gamma(alpha,beta); 詳しくはstan-reference2.6.0.pdfをみてね
48.
RでStanを使うとき • Rの文中にstanコードを書き入れてもいい。 ∼ 中略 ∼ クォーテーションで括る stan関数にコードを引き渡す時の書き方
49.
RでStanを使うとき • parallelパッケージで並列化も(高速化するかな?) 8コア使った4鎖の例(Mac/Linux) 詳しくは公式サイトに https://github.com/stan-dev/rstan/wiki/RStan-Getting-Started ※Windowsでは書き方が少し異なります
50.
実践! 世界一,二番目に簡単なRStanコード
51.
分布で考える • 従来型の統計をやってきた人にとって違和感を覚え る最初のポイント • パラメータが分布する? •
モデルがどんな分布を仮定するか誰も教えてく れなかった(どうせ正規分布なんでしょ?)
52.
頻度論vsベイズ (c)岡田先生 頻度論 ベイズ 母数θ 定数
確率変数 データy 確率変数 定数
53.
分布で遊んでみたら わかりやすいかも
54.
世界一簡単なrstanコード • には様々な分布に基づいて乱数を発生させる関 数が用意されている。 • 分布に基づいて発生させた乱数データで,stanが分 布を推定するかどうか確かめるという遊び。
55.
http://kosugitti.net/archives/4823 世界一簡単なrstanコード rstanを読み込みます 平均mu,分散sigの正規乱数に従う データをn個つくります。
56.
http://kosugitti.net/archives/4823 世界一簡単なrstanコード T個のデータを読み込み, Nとします。 推定したいパラメタは 平均と分散です。 分散は非負です。 データは正規分布, 分散はコーシーに従います
57.
http://kosugitti.net/archives/4823 世界一簡単なrstanコード データをリストで渡します 1000回サンプリングを 4セットやります。
58.
59.
世界一簡単なrstanコード データ通りにでてます。
60.
二番目に簡単なrstanコード http://qiita.com/hoxo_m/items/ad4ffb091aec535f3125
61.
二番目に簡単なrstanコード http://qiita.com/hoxo_m/items/ad4ffb091aec535f3125
62.
二番目に簡単なrstanコード http://qiita.com/hoxo_m/items/ad4ffb091aec535f3125
63.
64.
最尤推定との比較
65.
Tips • alpha,betaに事前分布を置いてやるとなお良い • stanは明示的に事前分布を指定しないと,一様 分布を当てはめる
66.
慣れてきたでしょうか?
67.
世界一簡単な 収束しないrstanコード • 逆にどういうことをしたら収束しないのか?という のを知るのもいい勉強になる。 http://goo.gl/ZafBgX 例1
68.
世界一簡単な 収束しないrstanコード http://goo.gl/ZafBgX 例2
69.
70.
stanの恩恵 • 分布を考える,初期値をうまく置くなど,確かにコ ツがいることは否定できない。 • しかし,考えることがかなり少なくて済むようになっ たこと喜ぼう。 •
stanは対数尤度関数を書かなくても良い!
71.
ex)回帰分析の最尤法 http://goo.gl/5LY9N9 NY i=1 1 p 2⇡ 2 exp( ei 2 2 ) N 2 log(2⇡
2 ) 1 2 2 NX i=1 e2 i 尤度 対数尤度 そのまま 書ける
72.
書きたくない • これで許してくれる これはすごいことです。
73.
Enjoy ! and ねえちゃん,明日って,今さ!
Jetzt herunterladen