Suche senden
Hochladen
心理統計の課題をRmdで作る
•
Als PPTX, PDF herunterladen
•
4 gefällt mir
•
3,792 views
考司 小杉
Folgen
Rmarkdownをつかって心理統計の課題を作ります。 データの乱数発生の仕組み,とその後の話です。
Weniger lesen
Mehr lesen
Bildung
Melden
Teilen
Melden
Teilen
1 von 50
Jetzt herunterladen
Empfohlen
ひたすら楽してスライド作成
ひたすら楽してスライド作成
Masanori Morise
ビジネスパーソンのためのDX入門講座エッセンス版
ビジネスパーソンのためのDX入門講座エッセンス版
Tokoroten Nakayama
数式を綺麗にプログラミングするコツ #spro2013
数式を綺麗にプログラミングするコツ #spro2013
Shuyo Nakatani
ITと数学で社会に役立つ数理最適化
ITと数学で社会に役立つ数理最適化
京都大学大学院情報学研究科数理工学専攻
統計的因果推論勉強会 第1回
統計的因果推論勉強会 第1回
Hikaru GOTO
cvpaper.challenge 研究効率化 Tips
cvpaper.challenge 研究効率化 Tips
cvpaper. challenge
見やすいプレゼン資料の作り方 - リニューアル増量版
見やすいプレゼン資料の作り方 - リニューアル増量版
MOCKS | Yuta Morishige
POMDP下での強化学習の基礎と応用
POMDP下での強化学習の基礎と応用
Yasunori Ozaki
Empfohlen
ひたすら楽してスライド作成
ひたすら楽してスライド作成
Masanori Morise
ビジネスパーソンのためのDX入門講座エッセンス版
ビジネスパーソンのためのDX入門講座エッセンス版
Tokoroten Nakayama
数式を綺麗にプログラミングするコツ #spro2013
数式を綺麗にプログラミングするコツ #spro2013
Shuyo Nakatani
ITと数学で社会に役立つ数理最適化
ITと数学で社会に役立つ数理最適化
京都大学大学院情報学研究科数理工学専攻
統計的因果推論勉強会 第1回
統計的因果推論勉強会 第1回
Hikaru GOTO
cvpaper.challenge 研究効率化 Tips
cvpaper.challenge 研究効率化 Tips
cvpaper. challenge
見やすいプレゼン資料の作り方 - リニューアル増量版
見やすいプレゼン資料の作り方 - リニューアル増量版
MOCKS | Yuta Morishige
POMDP下での強化学習の基礎と応用
POMDP下での強化学習の基礎と応用
Yasunori Ozaki
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
Toshihiko Yamasaki
[読会]Long tail learning via logit adjustment
[読会]Long tail learning via logit adjustment
shima o
多目的強凸最適化のパレート集合のトポロジー
多目的強凸最適化のパレート集合のトポロジー
KLab Inc. / Tech
Reinforcement Learning: An Introduction 輪読会第1回資料
Reinforcement Learning: An Introduction 輪読会第1回資料
Yasunori Ozaki
Recent Advances on Transfer Learning and Related Topics Ver.2
Recent Advances on Transfer Learning and Related Topics Ver.2
Kota Matsui
Rでのtry関数によるエラー処理
Rでのtry関数によるエラー処理
wada, kazumi
強化学習その5
強化学習その5
nishio
社会心理学者のための時系列分析入門_小森
社会心理学者のための時系列分析入門_小森
Masashi Komori
組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで
Shunji Umetani
ドロネー三角形分割
ドロネー三角形分割
Yusuke Matsushita
ドワンゴの新卒エンジニアが新規サービスを立ち上げるまで
ドワンゴの新卒エンジニアが新規サービスを立ち上げるまで
Kazunari Kida
Rはいいぞ!むしろなぜ使わないのか!!
Rはいいぞ!むしろなぜ使わないのか!!
Shushi Namba
TensorFlowをもう少し詳しく入門
TensorFlowをもう少し詳しく入門
tak9029
【DL輪読会】Can Neural Network Memorization Be Localized?
【DL輪読会】Can Neural Network Memorization Be Localized?
Deep Learning JP
なぜコンピュータを学ばなければならないのか 21世紀の君主論
なぜコンピュータを学ばなければならないのか 21世紀の君主論
Tokoroten Nakayama
Introduction to YOLO detection model
Introduction to YOLO detection model
WEBFARMER. ltd.
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
Hiroshi Shimizu
べき乗則・パレート分布・ジップの法則
べき乗則・パレート分布・ジップの法則
Hiroyuki Kuromiya
強化学習その2
強化学習その2
nishio
最適化超入門
最適化超入門
Takami Sato
Stan超初心者入門
Stan超初心者入門
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
Weitere ähnliche Inhalte
Was ist angesagt?
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
Toshihiko Yamasaki
[読会]Long tail learning via logit adjustment
[読会]Long tail learning via logit adjustment
shima o
多目的強凸最適化のパレート集合のトポロジー
多目的強凸最適化のパレート集合のトポロジー
KLab Inc. / Tech
Reinforcement Learning: An Introduction 輪読会第1回資料
Reinforcement Learning: An Introduction 輪読会第1回資料
Yasunori Ozaki
Recent Advances on Transfer Learning and Related Topics Ver.2
Recent Advances on Transfer Learning and Related Topics Ver.2
Kota Matsui
Rでのtry関数によるエラー処理
Rでのtry関数によるエラー処理
wada, kazumi
強化学習その5
強化学習その5
nishio
社会心理学者のための時系列分析入門_小森
社会心理学者のための時系列分析入門_小森
Masashi Komori
組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで
Shunji Umetani
ドロネー三角形分割
ドロネー三角形分割
Yusuke Matsushita
ドワンゴの新卒エンジニアが新規サービスを立ち上げるまで
ドワンゴの新卒エンジニアが新規サービスを立ち上げるまで
Kazunari Kida
Rはいいぞ!むしろなぜ使わないのか!!
Rはいいぞ!むしろなぜ使わないのか!!
Shushi Namba
TensorFlowをもう少し詳しく入門
TensorFlowをもう少し詳しく入門
tak9029
【DL輪読会】Can Neural Network Memorization Be Localized?
【DL輪読会】Can Neural Network Memorization Be Localized?
Deep Learning JP
なぜコンピュータを学ばなければならないのか 21世紀の君主論
なぜコンピュータを学ばなければならないのか 21世紀の君主論
Tokoroten Nakayama
Introduction to YOLO detection model
Introduction to YOLO detection model
WEBFARMER. ltd.
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
Hiroshi Shimizu
べき乗則・パレート分布・ジップの法則
べき乗則・パレート分布・ジップの法則
Hiroyuki Kuromiya
強化学習その2
強化学習その2
nishio
最適化超入門
最適化超入門
Takami Sato
Was ist angesagt?
(20)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
[読会]Long tail learning via logit adjustment
[読会]Long tail learning via logit adjustment
多目的強凸最適化のパレート集合のトポロジー
多目的強凸最適化のパレート集合のトポロジー
Reinforcement Learning: An Introduction 輪読会第1回資料
Reinforcement Learning: An Introduction 輪読会第1回資料
Recent Advances on Transfer Learning and Related Topics Ver.2
Recent Advances on Transfer Learning and Related Topics Ver.2
Rでのtry関数によるエラー処理
Rでのtry関数によるエラー処理
強化学習その5
強化学習その5
社会心理学者のための時系列分析入門_小森
社会心理学者のための時系列分析入門_小森
組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで
ドロネー三角形分割
ドロネー三角形分割
ドワンゴの新卒エンジニアが新規サービスを立ち上げるまで
ドワンゴの新卒エンジニアが新規サービスを立ち上げるまで
Rはいいぞ!むしろなぜ使わないのか!!
Rはいいぞ!むしろなぜ使わないのか!!
TensorFlowをもう少し詳しく入門
TensorFlowをもう少し詳しく入門
【DL輪読会】Can Neural Network Memorization Be Localized?
【DL輪読会】Can Neural Network Memorization Be Localized?
なぜコンピュータを学ばなければならないのか 21世紀の君主論
なぜコンピュータを学ばなければならないのか 21世紀の君主論
Introduction to YOLO detection model
Introduction to YOLO detection model
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
べき乗則・パレート分布・ジップの法則
べき乗則・パレート分布・ジップの法則
強化学習その2
強化学習その2
最適化超入門
最適化超入門
Andere mochten auch
Stan超初心者入門
Stan超初心者入門
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 stan導入公開版
R stan導入公開版
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
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
Mplus tutorial
Mplus tutorial
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
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
Kandai R 入門者講習
Kandai R 入門者講習
考司 小杉
Mplusの使い方 初級編
Mplusの使い方 初級編
Hiroshi Shimizu
マルチレベルモデル講習会 実践編
マルチレベルモデル講習会 実践編
Hiroshi Shimizu
心理学のためのPsychパッケージ
心理学のためのPsychパッケージ
考司 小杉
glmmstanパッケージを作ってみた
glmmstanパッケージを作ってみた
Hiroshi Shimizu
社会心理学とGlmm
社会心理学とGlmm
Hiroshi Shimizu
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
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
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
傾向スコア:その概念とRによる実装
傾向スコア:その概念とRによる実装
takehikoihayashi
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
hoxo_m
Andere mochten auch
(20)
Stan超初心者入門
Stan超初心者入門
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 stan導入公開版
R stan導入公開版
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)
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
Mplus tutorial
Mplus tutorial
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
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)
Kandai R 入門者講習
Kandai R 入門者講習
Mplusの使い方 初級編
Mplusの使い方 初級編
マルチレベルモデル講習会 実践編
マルチレベルモデル講習会 実践編
心理学のためのPsychパッケージ
心理学のためのPsychパッケージ
glmmstanパッケージを作ってみた
glmmstanパッケージを作ってみた
社会心理学とGlmm
社会心理学とGlmm
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
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
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
傾向スコア:その概念とRによる実装
傾向スコア:その概念とRによる実装
階層ベイズとWAIC
階層ベイズとWAIC
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
Ähnlich wie 心理統計の課題をRmdで作る
2016-03-01 研究の進め方を改善しよう
2016-03-01 研究の進め方を改善しよう
Yoshiki Sato
20130901_survey_nagoya
20130901_survey_nagoya
Takanori Hiroe
Pythonで始めた数値計算の授業@わんくま勉強会2018-04
Pythonで始めた数値計算の授業@わんくま勉強会2018-04
Katsuhiro Morishita
人生100年時代における学び方 定年後の学生生活
人生100年時代における学び方 定年後の学生生活
Hiro Yoshioka
続・人生100年時代の学び方
続・人生100年時代の学び方
Hiro Yoshioka
企業における統計学入門
企業における統計学入門
antibayesian 俺がS式だ
Infra study 2nd #1 人生100年時代の学び方,定年後の大学院生活
Infra study 2nd #1 人生100年時代の学び方,定年後の大学院生活
Hiro Yoshioka
Tokyo r53
Tokyo r53
Hiroshi Shimizu
実践的! 人工知能X機械学習 〜iettyの場合〜
実践的! 人工知能X機械学習 〜iettyの場合〜
takemi.ohama
Ähnlich wie 心理統計の課題をRmdで作る
(9)
2016-03-01 研究の進め方を改善しよう
2016-03-01 研究の進め方を改善しよう
20130901_survey_nagoya
20130901_survey_nagoya
Pythonで始めた数値計算の授業@わんくま勉強会2018-04
Pythonで始めた数値計算の授業@わんくま勉強会2018-04
人生100年時代における学び方 定年後の学生生活
人生100年時代における学び方 定年後の学生生活
続・人生100年時代の学び方
続・人生100年時代の学び方
企業における統計学入門
企業における統計学入門
Infra study 2nd #1 人生100年時代の学び方,定年後の大学院生活
Infra study 2nd #1 人生100年時代の学び方,定年後の大学院生活
Tokyo r53
Tokyo r53
実践的! 人工知能X機械学習 〜iettyの場合〜
実践的! 人工知能X機械学習 〜iettyの場合〜
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
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
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
距離と分類の話
距離と分類の話
考司 小杉
Hijiyama.R Entry session
Hijiyama.R Entry session
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
Yamadai.R チュートリアルセッション
Yamadai.R チュートリアルセッション
考司 小杉
Amosを使ったベイズ推定
Amosを使ったベイズ推定
考司 小杉
複合システムネットワーク論を読む(公開版)
複合システムネットワーク論を読む(公開版)
考司 小杉
YamadaiR(Categorical Factor Analysis)
YamadaiR(Categorical Factor Analysis)
考司 小杉
Mehr von 考司 小杉
(19)
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
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
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
距離と分類の話
距離と分類の話
Hijiyama.R Entry session
Hijiyama.R Entry session
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
Yamadai.R チュートリアルセッション
Yamadai.R チュートリアルセッション
Amosを使ったベイズ推定
Amosを使ったベイズ推定
複合システムネットワーク論を読む(公開版)
複合システムネットワーク論を読む(公開版)
YamadaiR(Categorical Factor Analysis)
YamadaiR(Categorical Factor Analysis)
Kürzlich hochgeladen
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
YukiTerazawa
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
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScript
yuitoakatsukijp
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
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
koheioishi1
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
Kürzlich hochgeladen
(7)
TokyoTechGraduateExaminationPresentation
TokyoTechGraduateExaminationPresentation
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
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScript
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
The_Five_Books_Overview_Presentation_2024
The_Five_Books_Overview_Presentation_2024
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
心理統計の課題をRmdで作る
1.
心理統計の課題をRmd で作ったる @kosugitti
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.
統計法の授業やってます
4.
評価どうしてます? • 記述統計量の計算ができるようになってほしい • t検定,分散分析ができるようになってほしい •
できれば回帰分析や因子分析も • テストでは難しいのでレポート課題を
5.
レポートを作ろう • 毎年同じ技術ではある=数字が変わるだけ • 乱数をむやみやたらと発生させるだけでは,思った 通りの答えが出ない •
かつてはエクセルでrand関数+整数表示のコピペ で作ったりしていた • あからさま過ぎず,有意差がうまくでるようなデ ータセットが出てくるまでなんども作り直したり
6.
レポートを作ろう • 作ったデータセットから,改めて自分で課題を解い て模範解答を作っておく必要がある • 丸め誤差やNで割った場合,などいくつかの可能 な分岐を考えたりして •
Excelでデータセット作る→Wordでレポート課題 を作る→Rで模範解答作る,という毎年の作業
7.
そこでRmarkdown
8.
Rmdで課題を作る • 乱数をしっかり発生させてレポートを作る • 結果を出すコードをコメントアウトしておく=コメ ントアウトを外すと模範解答例が作られる •
乱数のタネ(seed)を変えるだけで数値例が変わる
9.
TeXも入れてます • 私はどちらかというとTeXの方がスキなので・・・ • TeXは「TeX
Live 2016」で検索してください。で かいファイルですがこれをインストールしておけば 全部上手く入ります。 • Macの場合はMacTeX2016です。
10.
ここみてね
11.
もしくはここ
12.
Rmdの準備
13.
Rmdの準備
14.
ヘッダー部分 これでオモテに出てこない タネを毎年変えるだけで 数値が変わる 表番号,図番号の相互参照用 (ありがとう@kazutan) TeXコードも普通に使っちゃう
15.
vspaceはTeXのコード 空白行を1cm TeXコードも使える
16.
平均150,SD20の身長データ 5人分作成 knitr::kableは表を作る関数 課題の答えはコメントアウトしておく でもこれを外すと・・・ thanks! @kazutan bookdownによる相互参照
17.
模範解答すぐできる!
18.
chisq.testとか
19.
対応のないt検定 • 二つの変数を作って比較するだけ。 • 平均の差を大きく,標準偏差を小さくすると有意差 が出るようなデータセットになる。
20.
対応のあるt検定 • 二つの変数を作るんだけど,対応があるので二変数 間に共分散がある->MASSパッケージの出番
21.
対応のあるt検定
22.
一要因ANOVA(間) • 三つ以上の変数を作って比較するだけ。
23.
一要因ANOVA(間)
24.
一要因ANOVA(内) • 共分散に注意してネ
25.
一要因ANOVA(内)
26.
混合計画 一度に書くとかえって分かりにくいので,効果や要素 に分けて書き直してみた 今回は交互作用だけ出るモデル
27.
目標
28.
目標 間要因の効果
29.
目標 内要因の効果
30.
目標 交互作用の 効果 これらを順に加えて行きます
31.
内要因の効果を入れる mu[1] mu[2]
32.
間要因の効果を入れる mu[1] mu[2] dat1 dat2 mu[1] mu[2]
33.
最後に交互作用 ここに加える
34.
最後に交互作用 ここを相殺 しておく
35.
最後に整える
36.
交互作用だけ出る データセット出来上がり
37.
回帰分析 回帰係数 誤差 乱数で発生させた独立変数と線形関係+誤差で従属変数
38.
これをknit • ヘッダにあったように,latex_engineをxelatexとし て,フォントを指定しておけば日本語でPDFが得ら れるようなknitの編み編みOK • xelatexはTeX
Liveでインストールしていればちゃ んと入ってます(きっと) • set.seedしてあるので検算の時も同じ数字で。検算 はコメントアウトを消すだけで!
39.
隠れたモチベーション • データを生み出す方法を知っている=分析用のダミ ーデータを作り出せる • 第二回HijiyamaR
@hirakawamakoto さんの資料参照 • http://www.slideshare.net/makotohirakawa3/r- 48527444 • それに加えて「ベイジアンモデリング」に近づく
40.
ベイズ統計学がクルー • 入門書が出そろい始めました • 発想の転換が必要,だけど •
検定の面倒な手続きがなくなる?!
41.
と • Rでベイズ推定をするにはいくつかのパッケージが • でもオススメは「計算速い」「マニュアル丁寧」「 いまホットでクール」なStanですね! •
RからStanを使うにはrstanパッケージを経由すれば 一発 • StanコードはC言語ライクなので頑張って・・・
42.
t検定のstanコード 同じことね!
43.
対応あるt検定のstanコード 同じことね!
44.
一要因(間)のコード 同じことね!
45.
一要因(内)のコード ね!
46.
混合計画のコード ね!
47.
回帰分析のコード ね!
48.
ベイジアンは データ生成のモデラー • ベイジアンモデリングをするときは,簡単な仮想デ ータを作ってからやるとよい(by 国里,清水) •
ベイジアンは事後予測分布でモデルチェックする= データ生成がちゃんとできてるかを今のデータでチ ェックする • やっていることは統計の先生がレポート課題を印 刷する前に検算しているようなもの!
49.
まとめ • Rmd=R+ドキュメントで,計算と出力を同時にや ってしまおう! • 統計の例題を作るときは,その背後にある計算アル ゴリズムでも遊んでしまおう! •
実はそれがベイジアンへのトレーニングになる
50.
資料リンク先 • RmarkdownやStanコードはkosugittiのGistへ! • https://gist.github.com/kosugitti •
出来上がるPDFファイルはこちらにあります。 • http://kosugitti.net/wp/wp- content/uploads/2016/10/ReportExample.pdf
Jetzt herunterladen