ポスト

#統計 P値関数と事後分布のグラフの例を追加。 以下のリンク先のグラフは、線形回帰モデルy=β₀+β₁x+u, u~Normal(0,σ)におけるβ₁に関するP値関数と事後分布のグラフです。 (β₀, β₁, log σ²)に関する平坦事前分布によるベイズ版線形回帰の結果は通常の線形回帰にぴったり誤差無しに一致します。 pic.twitter.com/JFZTSqsaBS

メニューを開く
黒木玄 Gen Kuroki@genkuroki

#統計 #Julia言語 線形回帰のβ₁に関するP値関数 と βとlog σ²について平坦な事前分布での ベイズ版線形回帰のβ₁に関する事後分布 は数学的に「同等」なので、 線形回帰に関するP値を使う方法とベイズ法の違い は 事前分布の平坦分布との違い にちょうど対応。 github.com/genkuroki/publ…

黒木玄 Gen Kuroki@genkuroki

みんなのコメント

メニューを開く

#統計 P値も事後分布の密度関数の値も、モデル(ベイズの場合は事前分布もモデルの要素)とパラメータの値の設定とデータの数値から計算される。データの数値は確定した定数であり、確率変数ではないし、確率変数の実現値である必要もない。「相性の良さの程度」という解釈はそういう場合にも機能する。

黒木玄 Gen Kuroki@genkuroki

#統計 以上を理解した人は、P値関数とベイズ統計の事後分布がほぼ同じように使えることを、数秒で学べます! 添付画像は、「20回中6回」というデータの数値から得られる平坦事前分布に関する事後分布のグラフです。使い方はP値関数とほぼ同じです。 nbviewer.org/github/genkuro…

黒木玄 Gen Kuroki@genkuroki

人気ポスト

もっと見る
Yahoo!リアルタイム検索アプリ