SlideShare ist ein Scribd-Unternehmen logo
1 von 11
ガンマ分布
gamma distribution
魁!!広島ベイズ塾 掴め!分布感 編 (2015.07.26)
山根 嵩史(飯炊き兵)
ガンマ分布とは
レポート問題 (豊田先生ベイズ本 p.60)
単位時間あたりに提出されるレポートの数
⇒ ポアソン分布
始めてレポートが提出されるまでの時間
⇒ 指数分布
50人分のレポートが提出されるまでの時間
⇒ ガンマ分布
W大学の統計学の授業では,毎週,授業内レポートが課されます。 (中略)
提出時における10秒間あたりの平均提出者数は0.8人でした。学生は50人いま
す。長すぎず短すぎない執筆時間を用意したいのですが,それは何分間と見
積もればよいのでしょうか。
ガンマ分布とは
早く一号生になりたい
早く一号生になりたい
早く一号生になりt
単位時間あたりに流れる流れ星の数
⇒ ポアソン分布
流れ星が初めて観測されるまでの時間
⇒ 指数分布
流れ星がα個観測される
までの時間
⇒ ガンマ分布
ガンマ分布 = 母数λの指数
分布に従う事象がα回生じる
までの時間の分布 他にも交通事故数,スペルミス回数など
ガンマ分布の確率密度関数
母数λの指数分布に従うα個の独立な確立変数の和X
𝛼:形状母数
𝜆:尺度母数 β などの場合には = 1/ 𝜆
αが大きくなる,あるいはβが小さくなるにつれて,期待値と分散が増加
λを変動させた場合 αを変動させた場合
どんな時に使える?
先ほどのレポート問題を解いてみる
単位時間(10秒)あたりの平均提出者数0.8人 λ = 0.8
学生の人数50人 α = 50
平均62.5,中央値62.1
※1単位 = 10秒
50人全員が提出するまでに
約10分25秒!!
62.5
どんな時に使える?
コワイ本の事例
The seven scientists
7人の科学者の能力に関するデータ
分散(λi)の無情報事前分布として(0.001,0.001)のガンマ
分布設定
出典:『Bayesian Cognitive Modeling』
どんな時に使える?
Change detection in time series data
あるタイミング(ti)で認知課題の成績が変動する(μ1→μ2)
ようなデータ
分散(λ)の無情報事前分布として(0.001,0.001)のガンマ
分布設定
アーラン分布
形状母数αが整数値であるガンマ分布は,特にアーラン分
布と呼ばれる
数学者Agner K. Erlangが待ち行列理論において顧客の待ち
時間を計算するために用いた分布
※待ち行列理論
顧客の窓口への到着,提供されるサービス
サービスを待つ顧客の行列などから,
平均待ち時間などの混雑の程度を評価する
物売るってレベル
じゃねーぞ!
他の分布との関係
分析例:流れ星問題2
流れ星問題2 (豊田先生ベイズ本 p.148)
50分間流れ星を観測したH君は,あと3つお願い事があることを思い出しま
した。今から流れ星を3つ観測するためにはどれくらい待てばよいでしょう
か。
運が良ければ20分未満
運が悪ければ1時間以上
参考文献・サイト
・Michael D. Lee , Eric-JanWagenmakers (2014) 『Bayesian Cognitive Modeling:
A Practical Course』 Cambridge University Press
・R Financial & Marketing Library F.2.11. ガンマ分布
http://itbc-world.com/home/rfm/
・豊田 秀樹(2015) 『基礎からのベイズ統計学 ハミルトニアンモンテカルロ
法による実践的入門』 朝倉書店
・Univariate Distribution Rerationship http://www.math.wm.edu/~leemis/chart/
UDR/UDR.html
・wikipedia ガンマ分布 https://ja.wikipedia.org/wiki/ガンマ分布
・wikipedia アーラン分布 https://ja.wikipedia.org/wiki/アーラン分布
・weblio 待ち行列モデル http://www.weblio.jp/content/待ち行列モデル

Weitere ähnliche Inhalte

Was ist angesagt?

東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
Nagi Teramo
 

Was ist angesagt? (20)

階層ベイズと自由エネルギー
階層ベイズと自由エネルギー階層ベイズと自由エネルギー
階層ベイズと自由エネルギー
 
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
 
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
臨床疫学研究における傾向スコア分析の使い⽅ 〜観察研究における治療効果研究〜
 
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
 
機械学習による生存予測
機械学習による生存予測機械学習による生存予測
機械学習による生存予測
 
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
 
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
東京R非公式おじさんが教える本当に気持ちいいパッケージ作成法
 
患者報告式尺度の開発方法
患者報告式尺度の開発方法患者報告式尺度の開発方法
患者報告式尺度の開発方法
 
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
 
2 3.GLMの基礎
2 3.GLMの基礎2 3.GLMの基礎
2 3.GLMの基礎
 
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
 
Stan超初心者入門
Stan超初心者入門Stan超初心者入門
Stan超初心者入門
 
傾向スコアの概念とその実践
傾向スコアの概念とその実践傾向スコアの概念とその実践
傾向スコアの概念とその実践
 
統計的検定と例数設計の基礎
統計的検定と例数設計の基礎統計的検定と例数設計の基礎
統計的検定と例数設計の基礎
 
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
 
関数データ解析の概要とその方法
関数データ解析の概要とその方法関数データ解析の概要とその方法
関数データ解析の概要とその方法
 
海馬と記憶モデル 松岡佑磨
海馬と記憶モデル 松岡佑磨海馬と記憶モデル 松岡佑磨
海馬と記憶モデル 松岡佑磨
 
質的変数の相関・因子分析
質的変数の相関・因子分析質的変数の相関・因子分析
質的変数の相関・因子分析
 
Stanコードの書き方 中級編
Stanコードの書き方 中級編Stanコードの書き方 中級編
Stanコードの書き方 中級編
 
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
 

Andere mochten auch

MCMCによる回帰分析@ベイズセミナー
MCMCによる回帰分析@ベイズセミナーMCMCによる回帰分析@ベイズセミナー
MCMCによる回帰分析@ベイズセミナー
Takashi Yamane
 
データ解析のための統計モデリング入門 6.5章 後半
データ解析のための統計モデリング入門 6.5章 後半データ解析のための統計モデリング入門 6.5章 後半
データ解析のための統計モデリング入門 6.5章 後半
Yurie Oka
 
ggplot2できれいなグラフ
ggplot2できれいなグラフggplot2できれいなグラフ
ggplot2できれいなグラフ
Daisuke Ichikawa
 
スペクトラルグラフ理論入門
スペクトラルグラフ理論入門スペクトラルグラフ理論入門
スペクトラルグラフ理論入門
irrrrr
 

Andere mochten auch (20)

指数分布とポアソン分布のいけない関係
指数分布とポアソン分布のいけない関係指数分布とポアソン分布のいけない関係
指数分布とポアソン分布のいけない関係
 
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で計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~ Rで計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~
 
Gamma分布と仲間たち
Gamma分布と仲間たちGamma分布と仲間たち
Gamma分布と仲間たち
 
Synchronization of coupled oscillators is a game
Synchronization of coupled oscillators is a gameSynchronization of coupled oscillators is a game
Synchronization of coupled oscillators is a game
 
巨人の勝率を上げたい (スクレイピングとデータ集計)
巨人の勝率を上げたい (スクレイピングとデータ集計)巨人の勝率を上げたい (スクレイピングとデータ集計)
巨人の勝率を上げたい (スクレイピングとデータ集計)
 
3次元のデータをグラフにする(Tokyo.R#17)
3次元のデータをグラフにする(Tokyo.R#17)3次元のデータをグラフにする(Tokyo.R#17)
3次元のデータをグラフにする(Tokyo.R#17)
 
Rでセイバーメトリクス (イチローと松井 どっちが凄い?)
Rでセイバーメトリクス (イチローと松井 どっちが凄い?)Rでセイバーメトリクス (イチローと松井 どっちが凄い?)
Rでセイバーメトリクス (イチローと松井 どっちが凄い?)
 
MCMCによる回帰分析@ベイズセミナー
MCMCによる回帰分析@ベイズセミナーMCMCによる回帰分析@ベイズセミナー
MCMCによる回帰分析@ベイズセミナー
 
データ解析のための統計モデリング入門 6.5章 後半
データ解析のための統計モデリング入門 6.5章 後半データ解析のための統計モデリング入門 6.5章 後半
データ解析のための統計モデリング入門 6.5章 後半
 
要因計画データに対するベイズ推定アプローチ
要因計画データに対するベイズ推定アプローチ要因計画データに対するベイズ推定アプローチ
要因計画データに対するベイズ推定アプローチ
 
Pylm public
Pylm publicPylm public
Pylm public
 
階層ディリクレ過程事前分布モデルによる画像領域分割
階層ディリクレ過程事前分布モデルによる画像領域分割階層ディリクレ過程事前分布モデルによる画像領域分割
階層ディリクレ過程事前分布モデルによる画像領域分割
 
(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(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
 
ggplot2できれいなグラフ
ggplot2できれいなグラフggplot2できれいなグラフ
ggplot2できれいなグラフ
 
Rstudio事始め
Rstudio事始めRstudio事始め
Rstudio事始め
 
Reproducebility 100倍 Dockerマン
Reproducebility 100倍 DockerマンReproducebility 100倍 Dockerマン
Reproducebility 100倍 Dockerマン
 
Nl220 Pitman-Yor Hidden Semi Markov Model
Nl220 Pitman-Yor Hidden Semi Markov ModelNl220 Pitman-Yor Hidden Semi Markov Model
Nl220 Pitman-Yor Hidden Semi Markov Model
 
野球Hack!~Pythonを用いたデータ分析と可視化 #pyconjp
野球Hack!~Pythonを用いたデータ分析と可視化 #pyconjp野球Hack!~Pythonを用いたデータ分析と可視化 #pyconjp
野球Hack!~Pythonを用いたデータ分析と可視化 #pyconjp
 
スペクトラルグラフ理論入門
スペクトラルグラフ理論入門スペクトラルグラフ理論入門
スペクトラルグラフ理論入門
 

Mehr von Takashi Yamane

第一回広島ベイズ塾・最小二乗法
第一回広島ベイズ塾・最小二乗法第一回広島ベイズ塾・最小二乗法
第一回広島ベイズ塾・最小二乗法
Takashi Yamane
 
Anova君を使った分散分析
Anova君を使った分散分析Anova君を使った分散分析
Anova君を使った分散分析
Takashi Yamane
 
Mendeleyで簡単! 論文管理
Mendeleyで簡単! 論文管理Mendeleyで簡単! 論文管理
Mendeleyで簡単! 論文管理
Takashi Yamane
 

Mehr von Takashi Yamane (10)

ベイズモデリングによる第2種信号検出モデルの表現
ベイズモデリングによる第2種信号検出モデルの表現ベイズモデリングによる第2種信号検出モデルの表現
ベイズモデリングによる第2種信号検出モデルの表現
 
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ーDiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
DiagrammeRと仲良くなった話ーグラフィカルモデルのためのDiagrammeR速習ー
 
信号検出理論 (『実践ベイズモデリング』15章)
信号検出理論 (『実践ベイズモデリング』15章)信号検出理論 (『実践ベイズモデリング』15章)
信号検出理論 (『実践ベイズモデリング』15章)
 
Osaka.stan#4 chap8
Osaka.stan#4 chap8Osaka.stan#4 chap8
Osaka.stan#4 chap8
 
PypeRで実験と分析を一本化する
PypeRで実験と分析を一本化するPypeRで実験と分析を一本化する
PypeRで実験と分析を一本化する
 
Rの導入とRStudio事始め(改訂版)
Rの導入とRStudio事始め(改訂版)Rの導入とRStudio事始め(改訂版)
Rの導入とRStudio事始め(改訂版)
 
ANOVA君とanovatan
ANOVA君とanovatanANOVA君とanovatan
ANOVA君とanovatan
 
第一回広島ベイズ塾・最小二乗法
第一回広島ベイズ塾・最小二乗法第一回広島ベイズ塾・最小二乗法
第一回広島ベイズ塾・最小二乗法
 
Anova君を使った分散分析
Anova君を使った分散分析Anova君を使った分散分析
Anova君を使った分散分析
 
Mendeleyで簡単! 論文管理
Mendeleyで簡単! 論文管理Mendeleyで簡単! 論文管理
Mendeleyで簡単! 論文管理
 

ガンマ分布 @魁!!広島ベイズ塾