Suche senden
Hochladen
分布から見た線形モデル・GLM・GLMM
•
38 gefällt mir
•
33,213 views
. .
Folgen
Daten & Analysen
Melden
Teilen
Melden
Teilen
1 von 15
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
2 5 3.一般化線形モデル色々_Gamma回帰と対数線形モデル
2 5 3.一般化線形モデル色々_Gamma回帰と対数線形モデル
logics-of-blue
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
馬に蹴られるモデリング
馬に蹴られるモデリング
Shushi Namba
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル
logics-of-blue
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
Shushi Namba
Empfohlen
2 5 3.一般化線形モデル色々_Gamma回帰と対数線形モデル
2 5 3.一般化線形モデル色々_Gamma回帰と対数線形モデル
logics-of-blue
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
馬に蹴られるモデリング
馬に蹴られるモデリング
Shushi Namba
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル
logics-of-blue
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
Shushi Namba
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
shima o
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
Masakazu Shinoda
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
MCMC法
MCMC法
MatsuiRyo
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
Hiroshi Shimizu
PRML8章
PRML8章
弘毅 露崎
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
Masaru Tokuoka
ベルヌーイ分布における超パラメータ推定のための経験ベイズ法
ベルヌーイ分布における超パラメータ推定のための経験ベイズ法
智文 中野
Stanでガウス過程
Stanでガウス過程
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
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
Naoki Hayashi
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
MICの解説
MICの解説
logics-of-blue
科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性
科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性
Ichigaku Takigawa
連続変量を含む条件付相互情報量の推定
連続変量を含む条件付相互情報量の推定
Joe Suzuki
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
Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)
Takashi J OZAKI
2 5 2.一般化線形モデル色々_ロジスティック回帰
2 5 2.一般化線形モデル色々_ロジスティック回帰
logics-of-blue
Chapter9 一歩進んだ文法(前半)
Chapter9 一歩進んだ文法(前半)
itoyan110
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
Nagayoshi Yamashita
TensorFlowで統計モデリング
TensorFlowで統計モデリング
. .
統計モデリングで癌の5年生存率データから良い病院を探す
統計モデリングで癌の5年生存率データから良い病院を探す
. .
Weitere ähnliche Inhalte
Was ist angesagt?
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
shima o
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
Masakazu Shinoda
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
MCMC法
MCMC法
MatsuiRyo
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
Hiroshi Shimizu
PRML8章
PRML8章
弘毅 露崎
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
Masaru Tokuoka
ベルヌーイ分布における超パラメータ推定のための経験ベイズ法
ベルヌーイ分布における超パラメータ推定のための経験ベイズ法
智文 中野
Stanでガウス過程
Stanでガウス過程
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
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
Naoki Hayashi
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
MICの解説
MICの解説
logics-of-blue
科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性
科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性
Ichigaku Takigawa
連続変量を含む条件付相互情報量の推定
連続変量を含む条件付相互情報量の推定
Joe Suzuki
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
Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)
Takashi J OZAKI
2 5 2.一般化線形モデル色々_ロジスティック回帰
2 5 2.一般化線形モデル色々_ロジスティック回帰
logics-of-blue
Chapter9 一歩進んだ文法(前半)
Chapter9 一歩進んだ文法(前半)
itoyan110
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
Nagayoshi Yamashita
Was ist angesagt?
(20)
階層ベイズによるワンToワンマーケティング入門
階層ベイズによるワンToワンマーケティング入門
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
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)
MCMC法
MCMC法
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
PRML8章
PRML8章
DARM勉強会第3回 (missing data analysis)
DARM勉強会第3回 (missing data analysis)
ベルヌーイ分布における超パラメータ推定のための経験ベイズ法
ベルヌーイ分布における超パラメータ推定のための経験ベイズ法
Stanでガウス過程
Stanでガウス過程
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
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
MICの解説
MICの解説
科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性
科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性
連続変量を含む条件付相互情報量の推定
連続変量を含む条件付相互情報量の推定
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
Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)
2 5 2.一般化線形モデル色々_ロジスティック回帰
2 5 2.一般化線形モデル色々_ロジスティック回帰
Chapter9 一歩進んだ文法(前半)
Chapter9 一歩進んだ文法(前半)
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
Mehr von . .
TensorFlowで統計モデリング
TensorFlowで統計モデリング
. .
統計モデリングで癌の5年生存率データから良い病院を探す
統計モデリングで癌の5年生存率データから良い病院を探す
. .
Stanの紹介と応用事例(age heapingの統計モデル)
Stanの紹介と応用事例(age heapingの統計モデル)
. .
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~
. .
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
. .
Replica exchange MCMC
Replica exchange MCMC
. .
順序データでもベイズモデリング
順序データでもベイズモデリング
. .
データ解析で割安賃貸物件を探せ!(山手線沿線編) LT
データ解析で割安賃貸物件を探せ!(山手線沿線編) LT
. .
100人のための統計解析 和食レストラン編
100人のための統計解析 和食レストラン編
. .
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)
. .
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
. .
BUGSを使うメリット
BUGSを使うメリット
. .
Mehr von . .
(12)
TensorFlowで統計モデリング
TensorFlowで統計モデリング
統計モデリングで癌の5年生存率データから良い病院を探す
統計モデリングで癌の5年生存率データから良い病院を探す
Stanの紹介と応用事例(age heapingの統計モデル)
Stanの紹介と応用事例(age heapingの統計モデル)
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~
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
Replica exchange MCMC
Replica exchange MCMC
順序データでもベイズモデリング
順序データでもベイズモデリング
データ解析で割安賃貸物件を探せ!(山手線沿線編) LT
データ解析で割安賃貸物件を探せ!(山手線沿線編) LT
100人のための統計解析 和食レストラン編
100人のための統計解析 和食レストラン編
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)
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
BUGSを使うメリット
BUGSを使うメリット
分布から見た線形モデル・GLM・GLMM
1.
分布から見た 線形モデル・GLM・GLMM 2014.7.12 @berobero11 第3回BUGS/Stan勉強会(#TokyoBUGS)
2.
線形モデル (分散分析) LLLLinear MMMModel 一般化線形モデル Generalized
LLLLinear MMMModel 一般化線形混合モデル Generalized Linear Mixed Model
3.
4.
RRRR StanStanStanStan または
5.
6.
RRRR StanStanStanStan
7.
RRRR StanStanStanStan
8.
RRRR StanStanStanStan
9.
10.
RRRR StanStanStanStan sr=0.1 sr=1 sr=3
11.
RRRR StanStanStanStan sr=0.1 sr=1 sr=3
12.
RRRR StanStanStanStan sr=0.1 sr=1 sr=1.5 (なし)
13.
ここまでの分布で実現できそうになかったら… BUGS/Stanでもっと自由な統計モデリングへ!
14.
時系列 トピックモデル 空間相関 勝敗 etc.etc.etc.etc. Zero-Inflated Poisson
15.
参考情報 (予定含む) • 久保
拓弥 著 『データ解析のための統計モデリング入門』 – http://hosho.ees.hokudai.ac.jp/~kubo/ce/IwanamiBook.html – http://hosho.ees.hokudai.ac.jp/~kubo/ce/IwanamiBookErrata.html • 線形モデル, GLM, GLMMについては同じく久保先生のサイト – http://hosho.ees.hokudai.ac.jp/~kubo/ce/FaqAnova.html – http://hosho.ees.hokudai.ac.jp/~kubo/ce/LinksGlm.html – http://hosho.ees.hokudai.ac.jp/~kubo/ce/FaqGlm.html – http://hosho.ees.hokudai.ac.jp/~kubo/ce/LinksGlmm.html – GLMは今回とりあげなかったlink関数もいくつか使えます. もう少しだけ色々な分布ができます. • 図を描くのに使ったRコード・パラメータの値など本資料の記事 – http://heartruptcy.blog.fc2.com/blog-entry-154.html
Jetzt herunterladen