今日は講座『統計検定1級応用（社会科学）対策』の初回授業でした！裾が重い分布として知られるPareto分布と対数正規分布について、その定義や期待値・分散の計算、パラメータの推定について解説しました o(^ ^)o 次回はPoisson分布のさまざまな拡張を紹介していきます！#すうがくぶんか pic.twitter.com/q8N2el86T5

今日は講座『マーケティングサイエンス 理論と実践』の第13回でした！BTYDモデルの代表例であるPareto/NBDモデルについて、Python言語によるデモを行いながら、どのような統計モデルを用いているのかを解説しました o(^ ^)o 次回も引き続きデモや計算の裏側について解説していきます！#すうがくぶんか pic.twitter.com/NS7sSWWcLu

今日は講座『数理統計学【統計検定1級「統計数理」対策】』の第13回でした！主にLehmann-Scheffeの定理の復習とFisher-Neymanの因子分解定理の証明をしました o(^ ^)o 次回からついに統計的仮説検定です！#すうがくぶんか pic.twitter.com/qhvygCq9jM

今日は講座『マーケティングサイエンス 理論と実践』の第12回でした！解説したのは、 - 特異値分解 - コレスポンデンス分析の特異値分解による計算方法 についてです！具体的に計算することで、式がどんな意味なのかを一つずつ学んでいきました o(^ ^)o #すうがくぶんか pic.twitter.com/gkzPqhJOol

今日は講座『数理統計学【統計検定1級「統計数理」対策】』の第12回でした！解説したのは、 - タワー公式・全分散の公式 - 十分統計量・Rao-Blackwellの定理・Lehmann-Scheffeの定理 です！UMVUEに関する重要なトピックを学びました o(^ ^)o #すうがくぶんか pic.twitter.com/g63peyuE9y

今日は講座『マーケティングサイエンス 理論と実践』の第11回でした！コレスポンデンス分析の仕組みを2回に分けて説明しています。前半の今回は、 - 行プロフィール行列 - カイ二乗距離 について詳しく説明しました o(^ ^)o 後半の次回は特異値分解で主成分座標を作っていきます！#すうがくぶんか pic.twitter.com/DzcFupIa3w

今日は講座『数理統計学【統計検定1級「統計数理」対策】』の第11回でした！条件付き分布とそれに関連する話題、特に - 条件付き分布やその期待値・分散の定義 - 期待値のタワー公式 について解説しました o(^ ^)o どれもイメージができるように工夫して説明してみました！#すうがくぶんか pic.twitter.com/rSumzEO3rk

今日は講座『マーケティングサイエンス 理論と実践』の第10回でした！コレスポンデンス分析を紹介し、 - Python言語を用いた計算 - 分析例 - その結果の解釈 - なぜそのような解釈をして良いかのヒントになる知識 を解説しました o(^ ^)o #すうがくぶんか pic.twitter.com/bAO5onNF8A

今日は講座『数理統計学【統計検定1級「統計数理」対策】』の第10回でした！UMVUEを証明する方法としてCramer-Raoの下限を紹介し、関連するスコア関数やFisher情報量を導入しました！また、UMVUEの証明の方法を一緒に練習しました o(^ ^)o #すうがくぶんか pic.twitter.com/b9eIzLoe0X

実は、昨日のお話は講座『統計・機械学習のための線形代数と微分積分』でも紹介しています o(^ ^)o 少しでも受講生の皆さんの参考になっていればいいなと思っています！#すうがくぶんか pic.twitter.com/LwT0o5Sjxs

今日は講座『最適輸送と機械学習』の初回授業でした！ ・最適輸送問題とは何か？ について基礎になるところから説明し、Python言語を用いて実際に最適輸送問題を解いたりしました o(^ ^)o 次回はWasserstein距離なども説明していきます！#すうがくぶんか pic.twitter.com/zwtywr321R