Suche senden
Hochladen
1 1.はじめに
•
16 gefällt mir
•
24,803 views
L
logics-of-blue
Folgen
8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 1-1はじめに 勉強会の進め方やRの紹介など
Weniger lesen
Mehr lesen
Technologie
Melden
Teilen
Melden
Teilen
1 von 14
Empfohlen
2 1.予測と確率分布
2 1.予測と確率分布
logics-of-blue
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
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
1 4.回帰分析と分散分析
1 4.回帰分析と分散分析
logics-of-blue
1 6.変数選択とAIC
1 6.変数選択とAIC
logics-of-blue
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
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
1 5.パラメトリックブートストラップ検定と確率分布
1 5.パラメトリックブートストラップ検定と確率分布
logics-of-blue
Empfohlen
2 1.予測と確率分布
2 1.予測と確率分布
logics-of-blue
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
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
1 4.回帰分析と分散分析
1 4.回帰分析と分散分析
logics-of-blue
1 6.変数選択とAIC
1 6.変数選択とAIC
logics-of-blue
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
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
1 5.パラメトリックブートストラップ検定と確率分布
1 5.パラメトリックブートストラップ検定と確率分布
logics-of-blue
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
Rで学ぶ離散選択モデル
Rで学ぶ離散選択モデル
宏喜 佐野
1 3.分散分析 anova
1 3.分散分析 anova
logics-of-blue
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
logics-of-blue
分布から見た線形モデル・GLM・GLMM
分布から見た線形モデル・GLM・GLMM
. .
1 7.Type II ANOVA
1 7.Type II ANOVA
logics-of-blue
統計的学習の基礎 5章前半(~5.6)
統計的学習の基礎 5章前半(~5.6)
Kota Mori
1 8.交互作用
1 8.交互作用
logics-of-blue
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
社会心理学とGlmm
社会心理学とGlmm
Hiroshi Shimizu
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
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)
Yoshitake Takebayashi
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
1 2.t検定
1 2.t検定
logics-of-blue
統計的学習の基礎_3章
統計的学習の基礎_3章
Shoichi Taguchi
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
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
Shinohara Masahiro
データサイエンス概論第一=2-1 データ間の距離と類似度
データサイエンス概論第一=2-1 データ間の距離と類似度
Seiichi Uchida
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)
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
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
Weitere ähnliche Inhalte
Was ist angesagt?
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
Rで学ぶ離散選択モデル
Rで学ぶ離散選択モデル
宏喜 佐野
1 3.分散分析 anova
1 3.分散分析 anova
logics-of-blue
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
logics-of-blue
分布から見た線形モデル・GLM・GLMM
分布から見た線形モデル・GLM・GLMM
. .
1 7.Type II ANOVA
1 7.Type II ANOVA
logics-of-blue
統計的学習の基礎 5章前半(~5.6)
統計的学習の基礎 5章前半(~5.6)
Kota Mori
1 8.交互作用
1 8.交互作用
logics-of-blue
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
社会心理学とGlmm
社会心理学とGlmm
Hiroshi Shimizu
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
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)
Yoshitake Takebayashi
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
1 2.t検定
1 2.t検定
logics-of-blue
統計的学習の基礎_3章
統計的学習の基礎_3章
Shoichi Taguchi
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
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
Shinohara Masahiro
データサイエンス概論第一=2-1 データ間の距離と類似度
データサイエンス概論第一=2-1 データ間の距離と類似度
Seiichi Uchida
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)
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
Was ist angesagt?
(20)
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
Rで学ぶ離散選択モデル
Rで学ぶ離散選択モデル
1 3.分散分析 anova
1 3.分散分析 anova
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
分布から見た線形モデル・GLM・GLMM
分布から見た線形モデル・GLM・GLMM
1 7.Type II ANOVA
1 7.Type II ANOVA
統計的学習の基礎 5章前半(~5.6)
統計的学習の基礎 5章前半(~5.6)
1 8.交互作用
1 8.交互作用
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)
社会心理学とGlmm
社会心理学とGlmm
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
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)
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
1 2.t検定
1 2.t検定
統計的学習の基礎_3章
統計的学習の基礎_3章
不均衡データのクラス分類
不均衡データのクラス分類
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
データサイエンス概論第一=2-1 データ間の距離と類似度
データサイエンス概論第一=2-1 データ間の距離と類似度
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)
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
Kürzlich hochgeladen
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
CRI Japan, Inc.
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
CRI Japan, Inc.
Kürzlich hochgeladen
(7)
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
1 1.はじめに
1.
統計モデリングを 初めから足早に 1日目 1 1日目-第1講 名前:馬場真哉 所属:北大水産 修士課程2年 Webサイト: logics
of blue で検索
2.
2 自己紹介 名前:馬場真哉 所属:北大水産 M2 専門:水産資源解析
3.
3 サイト作ってます Logics of
Blue で検索!
4.
4 ゼミと同じタイトルで 電子書籍書きます 皆買ってね!! タイトルは 「鯖の読み方数え方」 に変わるかも! 追記
5.
5 統計学って? ① 研究や仕事によく使う ② 最近流行……らしい
6.
6 統計学って? 道具です
7.
7 統計学を使うとできること ① 見える化 ② 予測
8.
8 見える化 • 売り上げに寄与する要因 • 魚が増減する理由 予測 •
販促した時の売り上げシミュレーション • 漁獲量の予測~最適努力量の設定
9.
9 大事なことだから2回言いますが 道具です 統計学は 何に使いたい?
10.
10 この勉強会の目標 ① データ解析ができる ② プレゼンができる
11.
11 本日の予定 ① Rを使って統計モデリング ② 正規線形モデルの理解
12.
12 ① R を使って統計モデリング •
タダで使える統計ソフト • 比較的簡単 • オープンソースなので開発が早い
13.
13 午前中の目標 Rを使って統計モデルが組めるようになる 一切の統計学の解説は後回しにして 統計モデルのプログラムだけやっつけます
14.
14 実演