Suche senden
Hochladen
Dbda03
•
Als PPTX, PDF herunterladen
•
1 gefällt mir
•
3,062 views
Yoshifumi Seki
Folgen
Melden
Teilen
Melden
Teilen
1 von 17
Jetzt herunterladen
Empfohlen
Dbda勉強会
Dbda勉強会
Mao Takizawa
Dbda勉強会~概要説明ochi20130803
Dbda勉強会~概要説明ochi20130803
Masanao Ochi
Dbda chap7
Dbda chap7
Kobayashi Naoki
【DBDA 勉強会 2013 夏】Doing Bayesian Data Analysis Chapter 4: Bayes’ Rule
【DBDA 勉強会 2013 夏】Doing Bayesian Data Analysis Chapter 4: Bayes’ Rule
Shuhei Iitsuka
Dbda勉強会chapter18
Dbda勉強会chapter18
Koichiro Kondo
Doing Bayesian Data Analysis; Chapter 14
Doing Bayesian Data Analysis; Chapter 14
春 根上
Dbda chapter17
Dbda chapter17
Amarsanaa Agchbayar
Doing Bayesian Data Analysis Chapter 11. Null Hypothesis Significance Testing
Doing Bayesian Data Analysis Chapter 11. Null Hypothesis Significance Testing
Hiroki Takanashi
Empfohlen
Dbda勉強会
Dbda勉強会
Mao Takizawa
Dbda勉強会~概要説明ochi20130803
Dbda勉強会~概要説明ochi20130803
Masanao Ochi
Dbda chap7
Dbda chap7
Kobayashi Naoki
【DBDA 勉強会 2013 夏】Doing Bayesian Data Analysis Chapter 4: Bayes’ Rule
【DBDA 勉強会 2013 夏】Doing Bayesian Data Analysis Chapter 4: Bayes’ Rule
Shuhei Iitsuka
Dbda勉強会chapter18
Dbda勉強会chapter18
Koichiro Kondo
Doing Bayesian Data Analysis; Chapter 14
Doing Bayesian Data Analysis; Chapter 14
春 根上
Dbda chapter17
Dbda chapter17
Amarsanaa Agchbayar
Doing Bayesian Data Analysis Chapter 11. Null Hypothesis Significance Testing
Doing Bayesian Data Analysis Chapter 11. Null Hypothesis Significance Testing
Hiroki Takanashi
クラシックな機械学習の入門 9. モデル推定
クラシックな機械学習の入門 9. モデル推定
Hiroshi Nakagawa
Chapter.13: Goals, Power and Sample Size "Doing Bayesian Data Analysis: A Tu...
Chapter.13: Goals, Power and Sample Size "Doing Bayesian Data Analysis: A Tu...
Hajime Sasaki
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 9: Bernoulli Likelihood wit...
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 9: Bernoulli Likelihood wit...
Koji Yoshida
Dbda chapter15
Dbda chapter15
Amarsanaa Agchbayar
【DBDA 勉強会 2013 夏】Chapter 12: Bayesian Approaches to Testing a Point (‘‘Null’’...
【DBDA 勉強会 2013 夏】Chapter 12: Bayesian Approaches to Testing a Point (‘‘Null’’...
Shuhei Iitsuka
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 16: Metric Predicted Variab...
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 16: Metric Predicted Variab...
Junki Marui
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 8: Inferring Two Binomial P...
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 8: Inferring Two Binomial P...
Junki Marui
Doing Bayesian Data Analysis, Chapter 5
Doing Bayesian Data Analysis, Chapter 5
春 根上
全脳アーキテクチャ勉強会 第1回(松尾)
全脳アーキテクチャ勉強会 第1回(松尾)
Yutaka Matsuo
統計分析
統計分析
大貴 末廣
統計学
統計学
Hiroyuki Taira
第5回Zansa勉強会
第5回Zansa勉強会
Zansa
ノンパラベイズ入門の入門
ノンパラベイズ入門の入門
Shuyo Nakatani
確率の基礎
確率の基礎
諒 片山
ベイズ統計入門
ベイズ統計入門
Miyoshi Yuya
K020 appstat201202
K020 appstat201202
t2tarumi
Weitere ähnliche Inhalte
Andere mochten auch
クラシックな機械学習の入門 9. モデル推定
クラシックな機械学習の入門 9. モデル推定
Hiroshi Nakagawa
Chapter.13: Goals, Power and Sample Size "Doing Bayesian Data Analysis: A Tu...
Chapter.13: Goals, Power and Sample Size "Doing Bayesian Data Analysis: A Tu...
Hajime Sasaki
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 9: Bernoulli Likelihood wit...
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 9: Bernoulli Likelihood wit...
Koji Yoshida
Dbda chapter15
Dbda chapter15
Amarsanaa Agchbayar
【DBDA 勉強会 2013 夏】Chapter 12: Bayesian Approaches to Testing a Point (‘‘Null’’...
【DBDA 勉強会 2013 夏】Chapter 12: Bayesian Approaches to Testing a Point (‘‘Null’’...
Shuhei Iitsuka
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 16: Metric Predicted Variab...
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 16: Metric Predicted Variab...
Junki Marui
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 8: Inferring Two Binomial P...
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 8: Inferring Two Binomial P...
Junki Marui
Doing Bayesian Data Analysis, Chapter 5
Doing Bayesian Data Analysis, Chapter 5
春 根上
全脳アーキテクチャ勉強会 第1回(松尾)
全脳アーキテクチャ勉強会 第1回(松尾)
Yutaka Matsuo
Andere mochten auch
(9)
クラシックな機械学習の入門 9. モデル推定
クラシックな機械学習の入門 9. モデル推定
Chapter.13: Goals, Power and Sample Size "Doing Bayesian Data Analysis: A Tu...
Chapter.13: Goals, Power and Sample Size "Doing Bayesian Data Analysis: A Tu...
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 9: Bernoulli Likelihood wit...
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 9: Bernoulli Likelihood wit...
Dbda chapter15
Dbda chapter15
【DBDA 勉強会 2013 夏】Chapter 12: Bayesian Approaches to Testing a Point (‘‘Null’’...
【DBDA 勉強会 2013 夏】Chapter 12: Bayesian Approaches to Testing a Point (‘‘Null’’...
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 16: Metric Predicted Variab...
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 16: Metric Predicted Variab...
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 8: Inferring Two Binomial P...
【DBDA勉強会2013】Doing Bayesian Data Analysis Chapter 8: Inferring Two Binomial P...
Doing Bayesian Data Analysis, Chapter 5
Doing Bayesian Data Analysis, Chapter 5
全脳アーキテクチャ勉強会 第1回(松尾)
全脳アーキテクチャ勉強会 第1回(松尾)
Ähnlich wie Dbda03
統計分析
統計分析
大貴 末廣
統計学
統計学
Hiroyuki Taira
第5回Zansa勉強会
第5回Zansa勉強会
Zansa
ノンパラベイズ入門の入門
ノンパラベイズ入門の入門
Shuyo Nakatani
確率の基礎
確率の基礎
諒 片山
ベイズ統計入門
ベイズ統計入門
Miyoshi Yuya
K020 appstat201202
K020 appstat201202
t2tarumi
Ähnlich wie Dbda03
(7)
統計分析
統計分析
統計学
統計学
第5回Zansa勉強会
第5回Zansa勉強会
ノンパラベイズ入門の入門
ノンパラベイズ入門の入門
確率の基礎
確率の基礎
ベイズ統計入門
ベイズ統計入門
K020 appstat201202
K020 appstat201202
Dbda03
1.
Doing Baysian Data
Analysis Chap 3. What Is This Stuff Called Probability? Yoshifumi Seki 2013/08/03 @Matsuo Lab. Summer Seminar
2.
3.1 The set
of all possible events • 確率を考えるために起こりうるすべての結果を考えよう • コインを投げるとき – 表がでるのか – 裏がでるのか – 横になるのか • 事象は2つ – コインが均一に作られていれば表がでる確率: θ=0.5 • p(θ)を考える – コインが均一に作られている確率はいくらか – p(θ=0.5) = 0.99 – p(θ=0.1) = 0.0001 • 「どのような結果がでるか」も「その結果がどれぐらい信頼 できるか」も両方確率である.
3.
3.1.1 Coin Flips:
Why You Should Care? • なんでそんなにコインを投げることにこだわる の???? • コインの表裏なんて人生に関係無いじゃん? – でも薬が効くか効かないかとかだったら重要だよね? – コインの表裏も薬の効果も本質的にはいっしょなんだよ! – だからみんながんばろうね!
4.
3.2 Probability: outside
or inside the head • 確率の事象には outsideなものとinside the headなもの がある – outside • この世で起こっている誰もが観察できる事象 • コインの投げるとか、サイコロを振るとか • 一定数の試行によって一律に収束する – inside the head • 主観的な確率 ( subjective belief ) • ギャンブルの話 – 1月1日の大雪で道路が通行止めになると$100,コインが表 だと$100もらえるのいずれか » コインのほうを選ぶよね – 明日雨が振ると$100もらえる,サイコロが1をでると$100もら える » これだとどうだろうー » 雨を降る確率が50%はないだろうけど,10% ~ 20%ぐらい あるかもなーって思ってる感じ • こういった結果にたいする信頼性の度合いも確率で表現できる
5.
3.3 Probability Distributions •
コインを投げるとか,サイコロを振るとかっていう話 – 離散的な数値 – 1が1/6で出るとか • 1日に成人男性が消費するカロリー – 連続値 – ex: 平均2000カロリー – あるときは2345.223かもしれない,あるときは1734.2かもしれ ない • 確率的な話だけど離散値みたいには表現できない – 区間に区切ってみよう • 1500未満, 1500以上2000未満, 2000以上2500未満, 2500以上 • これなら確率として表現できるね!
6.
probability density • ボードゲームなどで使われる”spin”で針がど こを指すかを考える •
SpinがFairであれば – 均等に2分割した時それぞれの領域が選ばれる確 率は0.5 – 均等にN分割したときそれぞれの領域が選ばれる 確率は1/N – Nを大きくしていくと確率はどんどん小さくなっ ていく • 人間にとってわかりにくい・計算しにくい • Spinの針が指す確率を考える代わりに幅を考 えることにしよう – これを確率密度という – 1/Nのsectorに止まる確率は1/N => (1/N)/(1/N) = 1 – そのsectorにおけるprobabilitu massを表す – FairなSpinにおいては確率密度はすべて1
7.
probability density • scaleを0から0.5にする –
0から0.1を考える • probability : 0.2 • width : 0.1 • density : 0.2/0.1 = 2 – 一般化 • width: w • probabilty : 2w • density : 2 • scaleを1.0から100に,進 み方を対数にする – 図のような形になる
8.
3.3 Probability Distributions p([x,y]):
xからyの確率 p(x) : 確率密度
9.
3.3.3 Mean and
Variance of a Distribution • Mean – 期待値 – サイコロ • 1/6 * 1 + 1/6 * 2 + … + 1/6 * 6 = 3.5 – 連続値でどのように扱うか?
10.
• Variance – 分散 –
期待値からどれだけ分布が離れているか? • Mean Squared Deviation (MSD) 3.3.3 Mean and Variance of a Distribution
11.
3.3.2.2 The Normal
Probability Density Function • 一番有名な分布 – ガウス分布・正規分布 – E[p(x)] = μ – Var[p(x)] = σ^2
12.
Variance as Uncertainty
in Beliefs • p(θ) : θの信頼出来る程度を示 す • Variance – どれだけ分布が広がっているか • Varが大きいと正規分布だとよ こにでかくなる • Varが小さい=> certainである – ある領域に定まる • Highest Density Interval(HDI) – 分布のW%がどの範囲に収まる か?
13.
3.4 Two-Way Distribution •
同時確率分布 – コインを3こ同時になげたときにどうやって確率を表現する か? • 表が何回でるか? • 何回結果が変わるか?
14.
同時分布と周辺確率 • 同時確率 – P(
S, H ) • S回入れ替わった時にH回表がでる確率 – S = 0, H = 0 : P(S, H) = 0.0 ( 裏裏裏 ) – S = 1. H = 1 : P(S, H) = 0.25 (裏裏表, 表裏裏) • 周辺確率 ( marginal ) – P(S), P(H) • P(S=0) = 2/8
15.
3.4.1 Marginal Probability •
離散値 • 連続値
16.
3.4.2 Conditional Probability •
条件付き確率 • コインを3回投げるとき – 表が2回でる時に,何回表裏が入れ替わるのか? • 表が2回でる事象 – 表表裏: S=1 , 表裏表 : S=2, 裏表表: S=1 » P(S=1| H=2) = 2/3 » P(S=2| H=2) = 1/3 – P(H=2,S=1) = 2/8 , P(H=2) = 3/8 – P(S=1|H=2) = 2/3
17.
3.4.3 Independence of
Attributes • 事象が独立であるときに,条件付き確率はどのようにな るか? – サイコロを2こふったとき、1こ目が1だった時に2個めいく つがでるか • まぁ関係ないよね! – なので以下のようになる
Jetzt herunterladen