- すべて
- 画像・動画
並べ替え:新着順
#統計 #Julia言語 正規母集団の平均をcenterとして与えて計算した√n倍された標本歪度の分布は予想通りに平均0分散15の正規分布で近似されます。 centerを与えずに計算した√n倍された標本歪度の分布は平均0分散6の正規分布で近似される。 ALTにソースコードがある。 pic.twitter.com/EcWLro6QxT x.com/kakira9618/sta…
X_1, ..., X_n 〜i.i.d. N(μ, σ^2) として、Xの標本歪度(=((1/n)Σ(X_i-\bar{X})^3))/S^3の√n倍の値をプロット。確かに、N(0, 6) に分布収束してるな🤔 pic.twitter.com/YTTo6kkG3N
#統計 wikipediaの en.wikipedia.org/wiki/Skewness によれば(添付画像)、確かに15ではなく、6が正しいようです。(私も #Julia言語 で数値的に確認しました。) 文献も引用してあるのですが、見てないし、証明は計算するだけだと思うのですが、計算も始めていません。何か分かったら教えて下さい。 pic.twitter.com/2nimRyuiJr x.com/kakira9618/sta…
X_1, ..., X_n 〜i.i.d. N(μ, σ^2) として、Xの標本歪度(=((1/n)Σ(X_i-\bar{X})^3))/S^3の√n倍の値をプロット。確かに、N(0, 6) に分布収束してるな🤔 pic.twitter.com/YTTo6kkG3N
#Julia言語 そういう炎上は不毛で得ることがない。早めに潰すに限ります。 その代わりに、各種の○○言語のファン達に、 〇〇限度なら~とするだけでこんなに速くなります! という情報をどんどん出してもらって、みんなで おお〜! と感心して楽しむようにした方が良いと思います。 pic.twitter.com/hTzHX3rK7h x.com/genkuroki/stat…
#Julia言語 再度繰り返しておきますが、マイクロベンチマークネタでみんなで遊びながら、 〇〇言語では~とするだけでこんなに速くなります 的なみんなにとって有益な情報を拡散するようにすれば、非常に建設的だと思います。 あと、各言語特有の書き方も色々見てみたい。 そういうのは楽しい!
#統計 以上の話を理解し易くするための計算例のグラフも作りました。 青線は片側P値のグラフ。 橙横線は片側95%信頼区間。 帰無仮説μ₁-μ₂≤0のP値p₀は緑横破線の高さで、緑横破線は片側の信頼水準1-p₀の信頼区間です。自明な理由で0以上の実数全体になる。 #Julia言語 github.com/genkuroki/publ… pic.twitter.com/b8wxxNKyh6
Julia アップデート Ver 1.10.3 -> 1.10.4 #julia #julialang #julia言語 #update #programming pic.twitter.com/GUcMUV29ph
#Julia言語 のNemo.jlによる有限体上の1変数多項式環などの取り扱いの例。 nemocas.github.io/Nemo.jl/stable… pic.twitter.com/LSqT6Un0f2
#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… pic.twitter.com/Ev5GqQqCja
#統計 #Julia言語 P値に関する誤解のある一部分は、単独のP値ではなく、P値関数の概念を理解すればかなり消えると思う。 添付画像②は①に対応するP値関数です。横軸は仮説としてのβ₁の値で縦軸がP値です。β₁=0の縦線も追加してあり、P値関数との交点が仮説β₁=0のP値。 github.com/genkuroki/publ… pic.twitter.com/OR51mmKikK
#統計 指数分布のサイズn=1000の標本を10万個生成してその標本平均の分布のヒストグラムを描いてみた。 上段のグラフは大数の法則のデモになっている。 大数の法則の誤差の分布の様子を見るために横に√n倍拡大すると下段のグラフになり、中心極限定理のデモが得られる。 #Julia言語 pic.twitter.com/g1HWoVs0iP
#python で書かれた #code を #julia言語 に書き直した。 #julia には#meshgrid 関数がないみたいなので、色々調べて自作した😢 #プログラミング勉強中 #programming #多次元正規分布 (#2次元 ) の実装 #multivariate #normaldistribution #ゼロから作るdeeplearning ⑤ #生成モデル 編 pic.twitter.com/oWBFnbQhbY