- すべて
- 画像・動画
並べ替え:新着順
N!=a!+b²で3通り以上で表されるってのを #Julia言語 で実装してみたのですが、実装が悪くてすっごく遅いです どなたか、改良して頂けませんか? pic.twitter.com/eeBnmidhCX
#統計 1標本t検定のシミュレーションの視覚化の例 #Julia言語 のソースコード github.com/genkuroki/publ… 並列化での注意 ↓ docs.julialang.org/en/v1/manual/m…
#統計 その場合に、n=10, 20の結果は以下のようになります。 名目有意水準5%での第一種の過誤の確率がそれぞれ18%、20%もあります。 n=10, 20程度では、5%分だけ含まれている例外的に大きな値をうまく扱えないので、これは当然の結果でしょう。続く
コードを参考に,「大数の法則」の可視化をしてみました。 (10^8は大変なので,10^3くらいで描いてみました。) #Julia言語 pic.twitter.com/Lpkt9m9Oey
これでいいのか。 function triple_dice(N::Int) count = 0 for _ in 1:N k = rand(1:6) + rand(1:6) + rand(1:6) if k % 2 == 1 count += 1 end end return count / N end
#場合の数 授業です。 ケーキ7種 🎂,🍰,🧁,🥧,🍮,🥞,🧇 飲み物5種 🧉,🍷,☕,🍵,🧋 ケーキと飲み物を組みを作る方法は何通り? #Julia言語 だと絵文字が使えるので楽しいです。 pic.twitter.com/kT2EaavcNX
#Julia言語 if cond c += 1 end は c += cond に置き換え可能です。trueは1扱いされます。 mixed-type arithmeticがきちんと実現されていることはJuliaの特長の1つです。 pic.twitter.com/t2o0tBDV4t
これでいいのか。 function triple_dice(N::Int) count = 0 for _ in 1:N k = rand(1:6) + rand(1:6) + rand(1:6) if k % 2 == 1 count += 1 end end return count / N end
#Julia言語 同じ数値の繰り返しでメモリを埋めるmeshgridの実装は、やはり普通に考えてJulia的に酷いので、適当に型を定義してgetindexの部分で無駄なメモリを消費しないmeshgridを実装して使うべき。 すでにそういうパッケージがあっても不思議ではない。
#Julia言語 meshgridの使用は可能な限り避けるべきなのですが、それでも必要な場合には xx, yy = [x for y in y, x in x], [y for y in y, x in x] でmeshgridを作れば良いというのが以前の私の結論。 今だともっと良い方法があったりするのかな?
#Julia言語 meshgridの使用は可能な限り避けるべきなのですが、それでも必要な場合には xx, yy = [x for y in y, x in x], [y for y in y, x in x] でmeshgridを作れば良いというのが以前の私の結論。 今だともっと良い方法があったりするのかな?
#Julia言語 色を付けてプロットする方法の例 上の改良版。meshgridをよりシンプルな方法で作っている。(meshgridは可能な限り使わない方が良いが避けられないこともある。) ソースコード→ github.com/genkuroki/publ…
#Julia言語 色を付けてプロットする方法の例 上の改良版。meshgridをよりシンプルな方法で作っている。(meshgridは可能な限り使わない方が良いが避けられないこともある。) ソースコード→ github.com/genkuroki/publ… pic.twitter.com/MZPpesAwer
#Julia言語 正規分布近似ではk-1にする必要はないです。 連続性補正ではk-0.5を使う(添付画像②③を参照)。 しかし、連続性補正するとせっかくの正規分布近似の良い点 math.unm.edu/~james/Agresti… が失われ、正確版の単なる劣化版になってしまいます。 github.com/genkuroki/publ… pic.twitter.com/xRVp17Oeg5
@HirokazuOHSAWA 二項分布B(100,1/5)のP(X≧30)を求める問題です。 1-P(X≦29)を利用しています。 (1)正則不完全ベータ関数(←計算の高速化に重要!) (2)二項分布の定義(自作) (3)二項分布のccdf (4)F分布のcdf (5)近似した正規分布のccdf (1)~(4)は同じ値1.12%。(5)は1.22%でした。#julia言語
#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
@HirokazuOHSAWA 二項分布B(100,1/5)のP(X≧30)を求める問題です。 1-P(X≦29)を利用しています。 (1)正則不完全ベータ関数(←計算の高速化に重要!) (2)二項分布の定義(自作) (3)二項分布のccdf (4)F分布のcdf (5)近似した正規分布のccdf (1)~(4)は同じ値1.12%。(5)は1.22%でした。#julia言語 pic.twitter.com/Ol9jpH5vM8
#Julia言語 Distributions.jl でのccdfの定義は、1変量分布distに従う確率変数Xについて ccdf(dist, x) = (X > x となる確率) です。だから、X ≥ x となる確率を二項分布で得たければ、 ccdf(Binomial(n, p), x - 1) のように書く必要があります。x - 1 を x - 0.5 にしても結果は同じ。 pic.twitter.com/PzyDwiTn4Y
B(100,0.2)のP(X≧30)を #julia言語 で ・二項分布の定義で求めて1.1% ・正規分布で近似してcdfで求めて0.6% ・二項分布のcdfで求めて0.6% ・半整数補正+正規分布+cdf 0.9% ・半整数補正+二項分布+cdf 1.1% 近似よりも半整数補正の影響が大きい。
返信先:@HirokazuOHSAWA#julia言語 の二項分布のcdfは不完全ベータ関数で計算されているようです。 twitter.com/genkuroki/stat…
#Julia言語 問題: ccdf(Binomial(n, p), k)はどのように計算されているか。 答え: SpecialFunctions.beta_inc(k+1, n-k, p)[1]で計算されている。すなわち不完全ベータ関数で計算されている。 不完全ベータ関数の実装は素朴な和による二項分布での確率計算よりも速い! nbviewer.org/github/genkuro…
B(100,0.2)のP(X≧30)を #julia言語 で ・二項分布の定義で求めて1.1% ・正規分布で近似してcdfで求めて0.6% ・二項分布のcdfで求めて0.6% ・半整数補正+正規分布+cdf 0.9% ・半整数補正+二項分布+cdf 1.1% 近似よりも半整数補正の影響が大きい。 pic.twitter.com/HWqkQGrbgQ
nが大きいとき二項分布B(n,p)を正規分布N(np,npq)に近似する話、n=100くらいでもまあまあ誤差を生じる。X~B(100,1/5)に対するP(X≧30)とかなら、今の時代、普通のPCでも一瞬で計算してくれる。また、不完全β関数の積分やF分布に帰着する方法などもある。扱い方をブラッシュアップしても良いのでは?
高校の数学IIの「整式」の分野です。 #julia言語 でうまく表現できないかな?と思って探していいたところ, SimplePolynomials.jl というパッケージを見つけました。 とてもいい感じなので,紹介します。 pic.twitter.com/4fdQtXZ4Xh
#統計 私がコンピュータに描かせた尤度函数のグラフは twitter.com/search?src=typ… 経由で閲覧できます。ほとんどの場合に #Julia言語 のソースコードも公開しており、参考になると思います。 尤度函数も多彩な風景を眺めるだけでも結構楽しいです。 pic.twitter.com/8edZ9tvuQl
#Julia言語 #Wolfram言語 ちなみに、Wolfram言語(Mathematica)も、上の意味で、確率分布教育に適したプログラミング環境になっています。 reference.wolfram.com/language/tutor… pic.twitter.com/UWnVGCxprL
#Julia言語 任意の仮想的母集団分布についての数値実験を教育のために見せるときに、できれば仮想的母集団分布 dist を引数に持つ関数を書いて実行する様子を見せたい。 JuliaのDistributions.jlでは何も考えずに普通にできるのですが、RやPythonではどうすればよいかを聞きたいと思いました。
#Julia言語 教えて! 質問:Juliaによる添付画像(ALT)と同等の関数をPythonやRで書くにはどうすればよいのですか? 最重要ポイントは関数が確率分布 dist を引数を持っていることです。 統計学の学習では、繰り返し任意に確率分布を与えて計算をする必要がある場合が多いです。
#Julia言語 以下のリンク先では、 仮想的な母集団分布 dist と標本サイズ n についての標本の不偏分散の期待値が母分散に一致することの数値的確認 を扱っていますが、他にも 中心極限定理の数値的確認 のように仮想的な母集団分布を任意に与えた場合の結果を計算したいことはよくあります。続く
#Julia言語 教えて! 質問:Juliaによる添付画像(ALT)と同等の関数をPythonやRで書くにはどうすればよいのですか? 最重要ポイントは関数が確率分布 dist を引数を持っていることです。 統計学の学習では、繰り返し任意に確率分布を与えて計算をする必要がある場合が多いです。
#Julia言語 教えて! 質問:Juliaによる添付画像(ALT)と同等の関数をPythonやRで書くにはどうすればよいのですか? 最重要ポイントは関数が確率分布 dist を引数を持っていることです。 統計学の学習では、繰り返し任意に確率分布を与えて計算をする必要がある場合が多いです。 pic.twitter.com/VYzegt4YtK
返信先:@dannchu他1人#Julia言語 添付画像は、iPadからパソコンのJupyterLab serverにアクセスして、Julia 1.10.2を使っている様子です。Zero-Tierを使えば家庭内LANの外からも同じことをできます。 A\overbar tab-key, etc. でユニコード文字を入力できます。 深夜に寝っ転がった状態でJuliaで遊べる。 pic.twitter.com/w6bITIl2NX
数学Aの教科書の問題(数研出版) 数学では包除原理 n(A∪B)=n(A)+n(B)-n(A∩B)を使い問題を解く。 コードではAとBのリストができれば,和集合は容易い。 解く流れが違いますね。面白い。#julia言語 pic.twitter.com/SHGMYxbwxa