Stack Exchange Network Stack Exchange network consists of 183 Q&A communities including Stack Overflow, the largest, most trusted online community for developers to learn, share their knowledge, and build their careers. Visit Stack Exchange
Animated global statistics that everyone can understand
2 2003 12 5 ' & $ % ( ) ( ) 2 I 3 1 3 2 2 ? 6 3 11 4 ? 12 II 14 5 15 6 16 7 17 8 19 9 21 10 22 11 F 25 12 : 1 26 3 I 1 ' & $ % 17 1.1 x1, x2, . . . , xn x̄( ) x̄ = 1 n n X i=1 xi 1.2 (SD ) x1, x2, . . . , xn s2 s2 = 1 n n X i=1 (xi − x̄)2 s s = √ s2 2.1 2.2 2.3 ( ) 2 : 4 1 : : 3.1 3.2 0, 1 n 4.1 µ ( ) x̄ 4.2 σ2 ( ) s2 u2 = 1 n − 1 n X i=1 (xi − x̄)2 5.1 4 1. (H0) 2. 3. 4. 5.2 5% 1% 6.1 6.2 3 “ - ”
When $x$ is discrete, KL divergence is $D_{KL}(P||Q)=\sum\limits_{x}P(x)\log \frac{P(x)}{Q(x)}$, when $x$ is continuous, $D_{KL}(P||Q)=\int\limits_{x}p(x)\log \frac{p(x)}{q(x)}dx$. However, when the space of the random variable $x$ is defined on mixed continuous and discrete space, what would be the KL divergence? For example, $x=(r,a)$, where $r$ is a continuous variable that follows Gaussian dis
1. はじめに ブートストラップ信頼区間について調べていたんですが、理論的な求め方は教科書などに載っているのですが、実践的な情報が少ないように思います。 今回、少し調査してみて、実際に適用する際に注意が必要だなと感じたことについて書いておきます。 2. ブートストラップ信頼区間 ブートストラップ法は、理論的に求めるのが難しい統計量を、経験分布からのシンプルなリサンプリングによって推定できるという手法です。 ブートストラップ法では、推定された統計量に対して、その信頼区間を求めることもできます。 このような信頼区間をブートストラップ信頼区間といいます。 ブートストラップ信頼区間を求める方法については色々議論があるようですが、主な手法は次の5つです。 正規分布近似法 ベーシック法 パーセンタイル法 BCa法(bias-corrected and accelerated percentile me
The Kolmogorov-Smirnov test (Chakravart, Laha, and Roy, 1967) is used to decide if a sample comes from a population with a specific distribution. The Kolmogorov-Smirnov (K-S) test is based on the empirical distribution function (ECDF). Given N ordered data points Y1, Y2, ..., YN, the ECDF is defined as \[ E_{N} = n(i)/N \] where n(i) is the number of points less than Yi and the Yi are ordered from
集合知プログラミング を読んでいたら、K-means 法（K平均法）の説明が出てきました。 K-means 法はクラスタリングを行うための定番のアルゴリズムらしいです。存在は知っていたんだけどいまいちピンときていなかったので、動作を理解するためにサンプルを作ってみました。 クリックすると１ステップずつ動かすことができます。クラスタの数や点の数を変更して、Restart を押すと好きなパラメータで試すことができます。 こうやって１ステップずつ確認しながら動かしてみると、意外に単純な仕組みなのが実感できました。 (追記) HTML5 版の K-means 法を D3.js でビジュアライズしてみた も作成しました。Flash を表示できない環境ではそちらをご覧ください。 K-means 法とは K平均法 - Wikipedia に詳しく書いてあるけど、もうすこしザックリと書くとこんなイメージに
最近の輸出入動向について年分別に、「輸出入額及び差引額の推移」「地域別輸出入額の推移」「貿易相手先国上位１０カ国の推移」「対世界主要輸出入品の推移」「主要輸出入品の推移」をまとめております。 各リンク先をクリックするとPDFファイルが開きます。
金利（預金・貸出関連） 基準貸付利率[日次] [月次] 預金種類別店頭表示金利の平均年利率等[月次] 貸出約定平均金利[月次] マーケット関連 コールレート[日次] [月次] 為替相場（東京インターバンク相場）[日次] [月次] 実効為替レート[月次] 預金・マネー マネタリーベース平均残高[月次] マネーストック[月次] 貸出 預金・現金・貸出金[月次] 貸出・預金動向[月次] 金融機関バランスシート 主要勘定 前年比（国内銀行）[月次] 資金循環 家計金融資産（資金循環統計）[四半期] 短観 全国短観・判断項目（業況）[四半期] 全国短観・判断項目（国内需給）[四半期] 全国短観・判断項目（販売価格）[四半期] 全国短観・判断項目（仕入価格）[四半期] 全国短観・判断項目（生産設備）[四半期] 全国短観・判断項目（雇用人員）[四半期] 全国短観・判断項目（資金繰り）[四半期] 全国短観
このページの本文へ メニュー 貿易統計検索ページ 統計表一覧 報道発表資料 よくある質問 税関ホームページ English English 現在位置： トップページ > 年別輸出入総額の推移表（1950年以降） 財務省貿易統計 年別輸出入総額（確定値） 輸出入総額の推移 （単位：千円） 暦年 輸出 輸入 1950 298,021,052 348,195,583 1951 488,776,775 737,241,298 1952 458,243,197 730,351,682 1953 458,943,408 867,469,443 1954 586,525,032 863,785,437 1955 723,815,976 889,714,970 1956 900,229,011 1,162,704,360 1957 1,028,886,636 1,542,090,900 1958 1,03
12月24日 農業経営統計調査（営農類型別経営統計） 令和5年農業経営体の経営収支 12月24日 農業経営統計調査 令和5年牛乳生産費 12月24日 農業経営統計調査 令和5年肉用牛生産費［子牛・去勢若齢肥育牛・乳用雄育成牛・乳用雄肥育牛・交雑種育成牛・交雑種肥育牛］ 12月24日 農業経営統計調査 令和5年肥育豚生産費 12月24日 令和5年農業総産出額及び生産農業所得（全国） 12月24日 令和5年農業産出額及び生産農業所得（都道府県別） 12月24日 作物統計調査 令和6年産なたね（子実用）の作付面積及び収穫量 12月20日 2023年漁業センサス結果の概要（確定値） 12月13日 令和5年林業経営統計調査結果 12月10日 作物統計調査 令和6年産水陸稲の収穫量
スピアマンの順位相関係数 相関係数は２変量に直線的な相関関係があれば適用されるが、そうでない場合やデータの順位しか分かっていない場合もあります。そんなときに有効なのがスピアマンの順位相関係数です。求め方は、以下のようになります。下に示すような２変量に関して順位がついています。
某所の(1)ポアソン回帰モデルの説明が、(2)対数変換OLSと同じになっている気がします。違うものだと思うのですが、シミュレーションをして(1)と(2)の推定をして確認してみました。 1. モデル ポアソン分布はパラメーターで決定されるわけですが、を説明変数で説明するモデルになります。個のパラメータがあり、を説明変数、を係数として、以下のような式ですね。 被説明変数の値が0以上の整数のときの確率を、は間接的に決定するわけですね。教科書的には最尤法を用いて求めることになるみたいですが、実用的にはリンク関数を用いて一般化線形回帰モデルで推定できるようです。 2. データ作成 まずはポアソン回帰モデル用のデータxとyを作成します。 set.seed(20130919) x <- round(runif(100, max=3)) lambda <- exp(1.1 + 1*x) y <- nume
統計特論 統計特論１ 導入 離散確率分布 連続確率分布 確率変数の関数の分布 分布パラメータ推定 仮説検定 統計特論２ Part 1（分割表の解析，適合度検定） Part 2（分散分析，回帰分析） 最終更新日：2013年 4月10日
This HTML version of Think Bayes is provided for convenience, but it is not the best format for the book. In particular, some of the math symbols are not rendered correctly. You might prefer to read the PDF version, or you can buy a hard copy from Amazon. Think Bayes: Bayesian Statistics Made Simple Allen B. Downey Version 1.0.9 Copyright 2012 Allen B. Downey Permission is granted to copy, distrib
ITエンジニアのためのデータサイエンティスト養成講座（10）： 時系列分析II―ARMAモデル（自己回帰移動平均モデル）の評価と将来予測 過去の時系列データを基に、将来予測につながるモデルを検討、実際に将来予測を行って検証してみましょう。（2014/9/1） ITエンジニアのためのデータサイエンティスト養成講座（9）： 時系列分析Ｉ ――ARMAモデルと時系列分析 システムログも金融取引データも時系列で分析できる。ビジネスシーンで求められるデータ分析の多くを占める「時系列データ」分析の基礎を解説。（2014/6/24） ITエンジニアのためのデータサイエンティスト養成講座（8）： 富山県民を分類してみたら……？――クラスタリング分析の手法 あるグループを属性ごとに分類する「クラスタリング分析」の基本を学ぼう。今回も自治体が公開しているオープンデータを題材にします。（2014/3/19） I
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く