Enviar búsqueda
Cargar
1 1.はじめに
•
16 recomendaciones
•
24,803 vistas
L
logics-of-blue
Seguir
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
Leer menos
Leer más
Tecnología
Denunciar
Compartir
Denunciar
Compartir
1 de 14
Recomendados
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
1 2.t検定
1 2.t検定
logics-of-blue
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
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
2 1.予測と確率分布
2 1.予測と確率分布
logics-of-blue
1 3.分散分析 anova
1 3.分散分析 anova
logics-of-blue
1 6.変数選択とAIC
1 6.変数選択とAIC
logics-of-blue
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
Recomendados
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
1 2.t検定
1 2.t検定
logics-of-blue
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
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
2 1.予測と確率分布
2 1.予測と確率分布
logics-of-blue
1 3.分散分析 anova
1 3.分散分析 anova
logics-of-blue
1 6.変数選択とAIC
1 6.変数選択とAIC
logics-of-blue
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
項目反応理論による尺度運用
項目反応理論による尺度運用
Yoshitake Takebayashi
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
Masakazu Shinoda
1 7.Type II ANOVA
1 7.Type II 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
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
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
2 2.尤度と最尤法
2 2.尤度と最尤法
logics-of-blue
マルコフ連鎖モンテカルロ法
マルコフ連鎖モンテカルロ法
Masafumi Enomoto
負の二項分布について
負の二項分布について
Hiroshi Shimizu
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Nagi Teramo
クラシックな機械学習入門:付録:よく使う線形代数の公式
クラシックな機械学習入門:付録:よく使う線形代数の公式
Hiroshi Nakagawa
2 5 1.一般化線形モデル色々_CPUE標準化
2 5 1.一般化線形モデル色々_CPUE標準化
logics-of-blue
第五回統計学勉強会@東大駒場
第五回統計学勉強会@東大駒場
Daisuke Yoneoka
EMアルゴリズム
EMアルゴリズム
Sotetsu KOYAMADA(小山田創哲)
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
SEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデル
Masaru Tokuoka
PRML輪読#1
PRML輪読#1
matsuolab
1 8.交互作用
1 8.交互作用
logics-of-blue
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)
Más contenido relacionado
La actualidad más candente
項目反応理論による尺度運用
項目反応理論による尺度運用
Yoshitake Takebayashi
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
Masakazu Shinoda
1 7.Type II ANOVA
1 7.Type II 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
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
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
2 2.尤度と最尤法
2 2.尤度と最尤法
logics-of-blue
マルコフ連鎖モンテカルロ法
マルコフ連鎖モンテカルロ法
Masafumi Enomoto
負の二項分布について
負の二項分布について
Hiroshi Shimizu
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Nagi Teramo
クラシックな機械学習入門:付録:よく使う線形代数の公式
クラシックな機械学習入門:付録:よく使う線形代数の公式
Hiroshi Nakagawa
2 5 1.一般化線形モデル色々_CPUE標準化
2 5 1.一般化線形モデル色々_CPUE標準化
logics-of-blue
第五回統計学勉強会@東大駒場
第五回統計学勉強会@東大駒場
Daisuke Yoneoka
EMアルゴリズム
EMアルゴリズム
Sotetsu KOYAMADA(小山田創哲)
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
SEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデル
Masaru Tokuoka
PRML輪読#1
PRML輪読#1
matsuolab
1 8.交互作用
1 8.交互作用
logics-of-blue
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)
La actualidad más candente
(20)
項目反応理論による尺度運用
項目反応理論による尺度運用
20180118 一般化線形モデル(glm)
20180118 一般化線形モデル(glm)
1 7.Type II ANOVA
1 7.Type II ANOVA
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
2 3.GLMの基礎
2 3.GLMの基礎
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
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル
2 2.尤度と最尤法
2 2.尤度と最尤法
マルコフ連鎖モンテカルロ法
マルコフ連鎖モンテカルロ法
負の二項分布について
負の二項分布について
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
クラシックな機械学習入門:付録:よく使う線形代数の公式
クラシックな機械学習入門:付録:よく使う線形代数の公式
2 5 1.一般化線形モデル色々_CPUE標準化
2 5 1.一般化線形モデル色々_CPUE標準化
第五回統計学勉強会@東大駒場
第五回統計学勉強会@東大駒場
EMアルゴリズム
EMアルゴリズム
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
SEMを用いた縦断データの解析 潜在曲線モデル
SEMを用いた縦断データの解析 潜在曲線モデル
PRML輪読#1
PRML輪読#1
1 8.交互作用
1 8.交互作用
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)
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