Suche senden
Hochladen
カップルが一緒にお風呂に入る割合をベイズ推定してみた
•
145 gefällt mir
•
76,471 views
hoxo_m
Folgen
Daten & Analysen
Melden
Teilen
Melden
Teilen
1 von 39
Empfohlen
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Yoshitake Takebayashi
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
Rでisomap(多様体学習のはなし)
Rでisomap(多様体学習のはなし)
Kohta Ishikawa
機械学習におけるオンライン確率的最適化の理論
機械学習におけるオンライン確率的最適化の理論
Taiji Suzuki
負の二項分布について
負の二項分布について
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
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
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-
Shiga University, RIKEN
Empfohlen
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Yoshitake Takebayashi
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
Rでisomap(多様体学習のはなし)
Rでisomap(多様体学習のはなし)
Kohta Ishikawa
機械学習におけるオンライン確率的最適化の理論
機械学習におけるオンライン確率的最適化の理論
Taiji Suzuki
負の二項分布について
負の二項分布について
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
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
統計的因果推論への招待 -因果構造探索を中心に-
統計的因果推論への招待 -因果構造探索を中心に-
Shiga University, RIKEN
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
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
takehikoihayashi
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
Shiga University, RIKEN
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
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
Koichiro Gibo
あなたの心にBridgeSampling
あなたの心にBridgeSampling
daiki hojo
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
Ken'ichi Matsui
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
頻度論とベイズ論と誤差最小化について
頻度論とベイズ論と誤差最小化について
Shohei Miyashita
パターン認識と機械学習入門
パターン認識と機械学習入門
Momoko Hayamizu
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
RyuichiKanoh
最適輸送の解き方
最適輸送の解き方
joisino
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学
Ken'ichi Matsui
ベイズ統計モデリングと心理学
ベイズ統計モデリングと心理学
Shushi Namba
[DL輪読会]Understanding deep learning requires rethinking generalization
[DL輪読会]Understanding deep learning requires rethinking generalization
Deep Learning JP
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
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
Ken'ichi Matsui
多項式あてはめで眺めるベイズ推定~今日からきみもベイジアン~
多項式あてはめで眺めるベイズ推定~今日からきみもベイジアン~
tanutarou
密度比推定による時系列データの異常検知
密度比推定による時系列データの異常検知
- Core Concept Technologies
探索と活用の戦略 ベイズ最適化と多腕バンディット
探索と活用の戦略 ベイズ最適化と多腕バンディット
H Okazaki
H231126 統計および確率を利用した予測と判断rev1
H231126 統計および確率を利用した予測と判断rev1
Kenichi Takara
Windows10の展開手法
Windows10の展開手法
NAOKI ABE
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
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
takehikoihayashi
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
Shiga University, RIKEN
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
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
Koichiro Gibo
あなたの心にBridgeSampling
あなたの心にBridgeSampling
daiki hojo
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
Ken'ichi Matsui
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
頻度論とベイズ論と誤差最小化について
頻度論とベイズ論と誤差最小化について
Shohei Miyashita
パターン認識と機械学習入門
パターン認識と機械学習入門
Momoko Hayamizu
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
RyuichiKanoh
最適輸送の解き方
最適輸送の解き方
joisino
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学
Ken'ichi Matsui
ベイズ統計モデリングと心理学
ベイズ統計モデリングと心理学
Shushi Namba
[DL輪読会]Understanding deep learning requires rethinking generalization
[DL輪読会]Understanding deep learning requires rethinking generalization
Deep Learning JP
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
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
Ken'ichi Matsui
多項式あてはめで眺めるベイズ推定~今日からきみもベイジアン~
多項式あてはめで眺めるベイズ推定~今日からきみもベイジアン~
tanutarou
密度比推定による時系列データの異常検知
密度比推定による時系列データの異常検知
- Core Concept Technologies
探索と活用の戦略 ベイズ最適化と多腕バンディット
探索と活用の戦略 ベイズ最適化と多腕バンディット
H Okazaki
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
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
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
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
あなたの心にBridgeSampling
あなたの心にBridgeSampling
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
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
頻度論とベイズ論と誤差最小化について
頻度論とベイズ論と誤差最小化について
パターン認識と機械学習入門
パターン認識と機械学習入門
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
最適輸送の解き方
最適輸送の解き方
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学
ベイズ統計モデリングと心理学
ベイズ統計モデリングと心理学
[DL輪読会]Understanding deep learning requires rethinking generalization
[DL輪読会]Understanding deep learning requires rethinking generalization
1 4.回帰分析と分散分析
1 4.回帰分析と分散分析
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
「内積が見えると統計学も見える」第5回 プログラマのための数学勉強会 発表資料
多項式あてはめで眺めるベイズ推定~今日からきみもベイジアン~
多項式あてはめで眺めるベイズ推定~今日からきみもベイジアン~
密度比推定による時系列データの異常検知
密度比推定による時系列データの異常検知
探索と活用の戦略 ベイズ最適化と多腕バンディット
探索と活用の戦略 ベイズ最適化と多腕バンディット
Andere mochten auch
H231126 統計および確率を利用した予測と判断rev1
H231126 統計および確率を利用した予測と判断rev1
Kenichi Takara
Windows10の展開手法
Windows10の展開手法
NAOKI ABE
MLaPP 2章 「確率」(前編)
MLaPP 2章 「確率」(前編)
Shinichi Tamura
「数学の世界」発表資料
「数学の世界」発表資料
spdbear
経験過程
経験過程
hoxo_m
EthernetやCPUなどの話
EthernetやCPUなどの話
Takanori Sejima
ベイズ基本0425
ベイズ基本0425
asato kuno
仕事の流儀 Vol1 基本編_ver1.1_外部公開ver
仕事の流儀 Vol1 基本編_ver1.1_外部公開ver
Hirotaka Nishimiya
Cpu pipeline basics
Cpu pipeline basics
Shinichiro Niiyama
2015年度先端GPGPUシミュレーション工学特論 第15回 CPUとGPUの協調
2015年度先端GPGPUシミュレーション工学特論 第15回 CPUとGPUの協調
智啓 出川
便利な数を100億個の乱数から算出
便利な数を100億個の乱数から算出
Toshiyuki Shimono
Life with jupyter
Life with jupyter
Etsuji Nakai
AtCoder Regular Contest 016 解説
AtCoder Regular Contest 016 解説
AtCoder Inc.
Cpu cache arch
Cpu cache arch
Shinichiro Niiyama
確率論基礎
確率論基礎
hoxo_m
統計勉強会 LT ベイジアンって?
統計勉強会 LT ベイジアンって?
Yuto Suzuki
TensorFlowで学ぶDQN
TensorFlowで学ぶDQN
Etsuji Nakai
ベイズ統計入門
ベイズ統計入門
Miyoshi Yuya
ゼロから始める自作 CPU 入門
ゼロから始める自作 CPU 入門
Hirotaka Kawata
10年効く分散ファイルシステム技術 GlusterFS & Red Hat Storage
10年効く分散ファイルシステム技術 GlusterFS & Red Hat Storage
Etsuji Nakai
Andere mochten auch
(20)
H231126 統計および確率を利用した予測と判断rev1
H231126 統計および確率を利用した予測と判断rev1
Windows10の展開手法
Windows10の展開手法
MLaPP 2章 「確率」(前編)
MLaPP 2章 「確率」(前編)
「数学の世界」発表資料
「数学の世界」発表資料
経験過程
経験過程
EthernetやCPUなどの話
EthernetやCPUなどの話
ベイズ基本0425
ベイズ基本0425
仕事の流儀 Vol1 基本編_ver1.1_外部公開ver
仕事の流儀 Vol1 基本編_ver1.1_外部公開ver
Cpu pipeline basics
Cpu pipeline basics
2015年度先端GPGPUシミュレーション工学特論 第15回 CPUとGPUの協調
2015年度先端GPGPUシミュレーション工学特論 第15回 CPUとGPUの協調
便利な数を100億個の乱数から算出
便利な数を100億個の乱数から算出
Life with jupyter
Life with jupyter
AtCoder Regular Contest 016 解説
AtCoder Regular Contest 016 解説
Cpu cache arch
Cpu cache arch
確率論基礎
確率論基礎
統計勉強会 LT ベイジアンって?
統計勉強会 LT ベイジアンって?
TensorFlowで学ぶDQN
TensorFlowで学ぶDQN
ベイズ統計入門
ベイズ統計入門
ゼロから始める自作 CPU 入門
ゼロから始める自作 CPU 入門
10年効く分散ファイルシステム技術 GlusterFS & Red Hat Storage
10年効く分散ファイルシステム技術 GlusterFS & Red Hat Storage
Mehr von hoxo_m
Shinyユーザのための非同期プログラミング入門
Shinyユーザのための非同期プログラミング入門
hoxo_m
Prophet入門【理論編】Facebookの時系列予測ツール
Prophet入門【理論編】Facebookの時系列予測ツール
hoxo_m
Prophet入門【R編】Facebookの時系列予測ツール
Prophet入門【R編】Facebookの時系列予測ツール
hoxo_m
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
hoxo_m
学習係数
学習係数
hoxo_m
Prophet入門【Python編】Facebookの時系列予測ツール
Prophet入門【Python編】Facebookの時系列予測ツール
hoxo_m
AJAXサイトの情報をWebスクレイピング
AJAXサイトの情報をWebスクレイピング
hoxo_m
高速なガンマ分布の最尤推定法について
高速なガンマ分布の最尤推定法について
hoxo_m
シンギュラリティを知らずに機械学習を語るな
シンギュラリティを知らずに機械学習を語るな
hoxo_m
非制約最小二乗密度比推定法 uLSIF を用いた外れ値検出
非制約最小二乗密度比推定法 uLSIF を用いた外れ値検出
hoxo_m
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
hoxo_m
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
hoxo_m
トピックモデルの評価指標 Coherence 研究まとめ #トピ本
トピックモデルの評価指標 Coherence 研究まとめ #トピ本
hoxo_m
トピックモデルによる統計的潜在意味解析読書会 3.7 評価方法 - 3.9 モデル選択 #トピ本
トピックモデルによる統計的潜在意味解析読書会 3.7 評価方法 - 3.9 モデル選択 #トピ本
hoxo_m
協調フィルタリング入門
協調フィルタリング入門
hoxo_m
データの不備を統計的に見抜く (Gelman’s secret weapon)
データの不備を統計的に見抜く (Gelman’s secret weapon)
hoxo_m
Stan で欠測データの相関係数を推定してみた
Stan で欠測データの相関係数を推定してみた
hoxo_m
チェビシェフの不等式
チェビシェフの不等式
hoxo_m
swirl パッケージでインタラクティブ学習
swirl パッケージでインタラクティブ学習
hoxo_m
RPubs とその Bot たち
RPubs とその Bot たち
hoxo_m
Mehr von hoxo_m
(20)
Shinyユーザのための非同期プログラミング入門
Shinyユーザのための非同期プログラミング入門
Prophet入門【理論編】Facebookの時系列予測ツール
Prophet入門【理論編】Facebookの時系列予測ツール
Prophet入門【R編】Facebookの時系列予測ツール
Prophet入門【R編】Facebookの時系列予測ツール
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
学習係数
学習係数
Prophet入門【Python編】Facebookの時系列予測ツール
Prophet入門【Python編】Facebookの時系列予測ツール
AJAXサイトの情報をWebスクレイピング
AJAXサイトの情報をWebスクレイピング
高速なガンマ分布の最尤推定法について
高速なガンマ分布の最尤推定法について
シンギュラリティを知らずに機械学習を語るな
シンギュラリティを知らずに機械学習を語るな
非制約最小二乗密度比推定法 uLSIF を用いた外れ値検出
非制約最小二乗密度比推定法 uLSIF を用いた外れ値検出
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
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
トピックモデルの評価指標 Coherence 研究まとめ #トピ本
トピックモデルの評価指標 Coherence 研究まとめ #トピ本
トピックモデルによる統計的潜在意味解析読書会 3.7 評価方法 - 3.9 モデル選択 #トピ本
トピックモデルによる統計的潜在意味解析読書会 3.7 評価方法 - 3.9 モデル選択 #トピ本
協調フィルタリング入門
協調フィルタリング入門
データの不備を統計的に見抜く (Gelman’s secret weapon)
データの不備を統計的に見抜く (Gelman’s secret weapon)
Stan で欠測データの相関係数を推定してみた
Stan で欠測データの相関係数を推定してみた
チェビシェフの不等式
チェビシェフの不等式
swirl パッケージでインタラクティブ学習
swirl パッケージでインタラクティブ学習
RPubs とその Bot たち
RPubs とその Bot たち
カップルが一緒にお風呂に入る割合をベイズ推定してみた
1.
カップルが一緒にお風呂に入る 割合をベイズ推定してみた @hoxo_m 2015/03/03
2.
自己紹介 • hoxo_m • 某
EC サイトでデータ分析をやっています • シリアルパッケージクリエイター – pforeach (R の並列処理を超簡単に書く) – easyRFM (RFM 分析を簡単に実行する) – lambdaR (R にラムダ式を導入する)
3.
• Q&A サイト
4.
http://q.hatena.ne.jp/1343266362
5.
本日のお題 「一体世の中の何割くらいのカップルが 一緒にお風呂に入っているのだろう?」 ⇒ ベイズで解決!
6.
ベイズ推定 • 得られた回答から 「一緒にお風呂に入るカップルの割合」 を推定する
7.
回答 • 一つの回答を独立なベルヌーイ試行とみなす • 入る=1、入らない=0
8.
ベルヌーイ試行 • 「A か
B のどちらかしか起こらない」 • 「yes か no のどちらかしかない」 • 「表と裏のどちらかしか起こらない」 といった事象のことを小難しく言っただけ 怖がらなくていいよ!
9.
ベルヌーイ分布 • ベルヌーイ試行が従う確率分布 • x=1(一緒にお風呂に入る) •
x=0(一緒に入らない) • よく見ると… x=1 ⇒ f(x) = p x=0 ⇒ f(x) = 1-p xx ppxf 1 )1()( こわくない!
10.
ベイズの定理 • 事後分布は尤度と事前分布をかけたもの に比例する )()|()|(
PXPXP 事後分布 尤度 事前分布
11.
尤度関数 • 確率関数を「パラメータを変数」として 見たもの • 確率関数(p
は定数) • 尤度関数(x は定数) xx ppxf 1 )1()( xx pppL 1 )1()( 同じ!
12.
事前分布 一緒にお風呂に入るカップルの割合は半々と仮定 ベータ分布 Be(2,2) を事前分布として設定
13.
ベータ分布 • なぜ事前分布をベータ分布とするのか? ⇒ ベルヌーイ分布の尤度関数とかけると、 再びベータ分布になるという良い性質 ※自然な共役分布という 11 )1(),(
ppKBe 111 )1('),()( xx ppKBepL
14.
ベイズ更新 • 新しい回答が得られたら、現在の事後分布 を事前分布として、確率分布を更新する
15.
では、いってみましょう!
16.
回答1 • 「入らない」に一票
17.
「入らない」に一票 事前分布 事後分布
18.
回答2 • 「入る」に一票
19.
「入る」に一票
20.
回答3 • 「入る」に一票
21.
「入る」に一票
22.
回答4 • 「入る」に一票
23.
「入る」に一票
24.
回答5 • 「入る」に一票
25.
「入る」に一票
26.
回答6 • 「入る」に一票
27.
「入る」に一票
28.
回答7 • 「入らない」に一票
29.
「入らない」に一票
30.
回答8 • 「入る」に一票
31.
「入る」に一票
32.
回答9 • 「入る」に一票
33.
「入る」に一票
34.
回答10 • 「入らない」に一票
35.
「入らない」に一票
36.
結果 事前分布 事後分布
37.
結果 推定値 推定範囲
38.
結果 • 推定値: 66.7 % •
推定範囲(90%信用区間) : 42.7% ~ 83.4 % • カップルの 4割~8割 が一緒にお風呂に 入っている
39.
Enjoy! http://ja.wikipedia.org/wiki/入浴