Soumettre la recherche
Mettre en ligne
ベータ分布
•
2 j'aime
•
9,893 vues
M
Makoto Hirakawa
Suivre
魁!!広島ベイズ塾の分布お勉強会の資料です。ベータ分布についてです。
Lire moins
Lire la suite
Données & analyses
Signaler
Partager
Signaler
Partager
1 sur 12
Télécharger maintenant
Télécharger pour lire hors ligne
Recommandé
ベイズ統計入門
ベイズ統計入門
Miyoshi Yuya
いいからベイズ推定してみる
いいからベイズ推定してみる
Makoto Hirakawa
MLaPP 5章 「ベイズ統計学」
MLaPP 5章 「ベイズ統計学」
moterech
クラシックな機械学習の入門 2.ベイズ統計に基づく推論
クラシックな機械学習の入門 2.ベイズ統計に基づく推論
Hiroshi Nakagawa
PRML2.1 2.2
PRML2.1 2.2
Takuto Kimura
Prml2.1 2.2,2.4-2.5
Prml2.1 2.2,2.4-2.5
Takuto Kimura
Prml 2.3
Prml 2.3
Yuuki Saitoh
Rによるベイジアンネットワーク入門
Rによるベイジアンネットワーク入門
Okamoto Laboratory, The University of Electro-Communications
Recommandé
ベイズ統計入門
ベイズ統計入門
Miyoshi Yuya
いいからベイズ推定してみる
いいからベイズ推定してみる
Makoto Hirakawa
MLaPP 5章 「ベイズ統計学」
MLaPP 5章 「ベイズ統計学」
moterech
クラシックな機械学習の入門 2.ベイズ統計に基づく推論
クラシックな機械学習の入門 2.ベイズ統計に基づく推論
Hiroshi Nakagawa
PRML2.1 2.2
PRML2.1 2.2
Takuto Kimura
Prml2.1 2.2,2.4-2.5
Prml2.1 2.2,2.4-2.5
Takuto Kimura
Prml 2.3
Prml 2.3
Yuuki Saitoh
Rによるベイジアンネットワーク入門
Rによるベイジアンネットワーク入門
Okamoto Laboratory, The University of Electro-Communications
PRML2.3.8~2.5 Slides in charge
PRML2.3.8~2.5 Slides in charge
Junpei Matsuda
PRML2.3.1-2.3.3
PRML2.3.1-2.3.3
とっきー Ishikawa
Chapter2.3.6
Chapter2.3.6
Takuya Minagawa
PRML_titech 2.3.1 - 2.3.7
PRML_titech 2.3.1 - 2.3.7
Takafumi Sakakibara
PRML 2.3節
PRML 2.3節
Rei Takami
[PRML] パターン認識と機械学習(第2章:確率分布)
[PRML] パターン認識と機械学習(第2章:確率分布)
Ryosuke Sasaki
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Yoshitake Takebayashi
Chapter9 2
Chapter9 2
Takuya Minagawa
Prml 1.2,4 5,1.3|輪講資料1120
Prml 1.2,4 5,1.3|輪講資料1120
Hayato K
基礎からのベイズ統計学 3章(3.1~3.3)
基礎からのベイズ統計学 3章(3.1~3.3)
TeranishiKeisuke
PRML復々習レーン#3 前回までのあらすじ
PRML復々習レーン#3 前回までのあらすじ
sleepy_yoshi
混合モデルとEMアルゴリズム(PRML第9章)
混合モデルとEMアルゴリズム(PRML第9章)
Takao Yamanaka
異常検知と変化検知の1~3章をまとめてみた
異常検知と変化検知の1~3章をまとめてみた
Takahiro Yoshizawa
単純ベイズ法による異常検知 #ml-professional
単純ベイズ法による異常検知 #ml-professional
Ai Makabi
0705
0705
RIKEN Center for Integrative Medical Science Center (IMS-RCAI)
0621
0621
RIKEN Center for Integrative Medical Science Center (IMS-RCAI)
【Zansa】第12回勉強会 -PRMLからベイズの世界へ
【Zansa】第12回勉強会 -PRMLからベイズの世界へ
Zansa
0712-1
0712-1
RIKEN Center for Integrative Medical Science Center (IMS-RCAI)
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章
Shuyo Nakatani
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
Ken'ichi Matsui
Contenu connexe
Tendances
PRML2.3.8~2.5 Slides in charge
PRML2.3.8~2.5 Slides in charge
Junpei Matsuda
PRML2.3.1-2.3.3
PRML2.3.1-2.3.3
とっきー Ishikawa
Chapter2.3.6
Chapter2.3.6
Takuya Minagawa
PRML_titech 2.3.1 - 2.3.7
PRML_titech 2.3.1 - 2.3.7
Takafumi Sakakibara
PRML 2.3節
PRML 2.3節
Rei Takami
[PRML] パターン認識と機械学習(第2章:確率分布)
[PRML] パターン認識と機械学習(第2章:確率分布)
Ryosuke Sasaki
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Yoshitake Takebayashi
Chapter9 2
Chapter9 2
Takuya Minagawa
Prml 1.2,4 5,1.3|輪講資料1120
Prml 1.2,4 5,1.3|輪講資料1120
Hayato K
基礎からのベイズ統計学 3章(3.1~3.3)
基礎からのベイズ統計学 3章(3.1~3.3)
TeranishiKeisuke
PRML復々習レーン#3 前回までのあらすじ
PRML復々習レーン#3 前回までのあらすじ
sleepy_yoshi
混合モデルとEMアルゴリズム(PRML第9章)
混合モデルとEMアルゴリズム(PRML第9章)
Takao Yamanaka
異常検知と変化検知の1~3章をまとめてみた
異常検知と変化検知の1~3章をまとめてみた
Takahiro Yoshizawa
単純ベイズ法による異常検知 #ml-professional
単純ベイズ法による異常検知 #ml-professional
Ai Makabi
0705
0705
RIKEN Center for Integrative Medical Science Center (IMS-RCAI)
0621
0621
RIKEN Center for Integrative Medical Science Center (IMS-RCAI)
【Zansa】第12回勉強会 -PRMLからベイズの世界へ
【Zansa】第12回勉強会 -PRMLからベイズの世界へ
Zansa
0712-1
0712-1
RIKEN Center for Integrative Medical Science Center (IMS-RCAI)
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章
Shuyo Nakatani
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
Ken'ichi Matsui
Tendances
(20)
PRML2.3.8~2.5 Slides in charge
PRML2.3.8~2.5 Slides in charge
PRML2.3.1-2.3.3
PRML2.3.1-2.3.3
Chapter2.3.6
Chapter2.3.6
PRML_titech 2.3.1 - 2.3.7
PRML_titech 2.3.1 - 2.3.7
PRML 2.3節
PRML 2.3節
[PRML] パターン認識と機械学習(第2章:確率分布)
[PRML] パターン認識と機械学習(第2章:確率分布)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Chapter9 2
Chapter9 2
Prml 1.2,4 5,1.3|輪講資料1120
Prml 1.2,4 5,1.3|輪講資料1120
基礎からのベイズ統計学 3章(3.1~3.3)
基礎からのベイズ統計学 3章(3.1~3.3)
PRML復々習レーン#3 前回までのあらすじ
PRML復々習レーン#3 前回までのあらすじ
混合モデルとEMアルゴリズム(PRML第9章)
混合モデルとEMアルゴリズム(PRML第9章)
異常検知と変化検知の1~3章をまとめてみた
異常検知と変化検知の1~3章をまとめてみた
単純ベイズ法による異常検知 #ml-professional
単純ベイズ法による異常検知 #ml-professional
0705
0705
0621
0621
【Zansa】第12回勉強会 -PRMLからベイズの世界へ
【Zansa】第12回勉強会 -PRMLからベイズの世界へ
0712-1
0712-1
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
ベータ分布
1.
ベータ分布 #とは 平川 真
2.
ベータ分布の特徴 > 連続型確率分布 > 2つの形状パラメタ
(> 0) をもつ beta(p, q) > 範囲は0から1 > 尤度がベルヌーイ分布や2項分布である場合の 自然共役事前分布 2
3.
どんな分布か “この分布の意味は,余り適当な例がありませんが(比較的 用いられない),次のように考えて下さい。独立に一様分布 U(0,1) に従う p+q-1
個の確率変数を大きさの順に並べ替 えたとき,小さい方から p 番め(大きい方からは q 番目)の 確率変数 X の分布がベータ分布 B(p,q) となります。” http://www.kwansei.ac.jp/hs/z90010/sugakuc/toukei/beta/beta.htm 3
4.
ベータ分布の形 とりあえず、パラメタを変えてかたちをみてみる 4
5.
ベータ分布の形 0から1の範囲で、 いろんなかたちになる 5http://www.math.wm.edu/~leemis/chart/UDR/PDFs/Beta.pdf
6.
ベータ分布の確率密度関数 𝑓 𝑥 𝑝,
𝑞 = 𝐵(𝑝, 𝑞)−1 𝑥 𝑝−1 (1 − 𝑥) 𝑞−1 ベータ関数 𝐵(𝑝, 𝑞) = 0 1 𝑥 𝑝−1 (1 − 𝑥) 𝑞−1 𝑑𝑥 6 カーネル正規化定数
7.
ベータ分布の平均と分散 𝐸[𝑋] = 𝑝 𝑝 +
𝑞 𝑉[𝑋] = 𝑝𝑞 (𝑝 + 𝑞)2 (𝑝 + 𝑞 + 1) パラメタを平均と分散であらわすと… 𝑝 = 𝑟𝐸 𝑋 𝑞 = 𝑟(1 − 𝐸 𝑋 ) ∗ 𝑟 = 𝐸[𝑋](1−𝐸 𝑋 ) 𝑉[𝑋] − 1 7
8.
平均を0.5として、分散を変えてみる 平均 = 0.5,
分散 = 0.05 の場合 (r = 4) ⇒ p = 2, q = 2 平均 = 0.5, 分散 = 0.005 の場合 (r = 49) ⇒ p = 24.5, q=24.5 8
9.
他の分布との関係 p=qで∞にすると正規分布になる 9
10.
他の分布との関係 p=q=1で、標準一様分布 p=q=0.5で、アークサイン分布 10
11.
いつ使うの? > 成功確率θの事前分布としてよくつかう とくに無情報事前分布であるBeta(1,1) 11
12.
おまけ)自然共役事前分布 尤度に2項分布のカーネル、事前分布にベータ分布のカーネルをいれる ⇒ したがって事後分布はパラメタ(p’,q’) のベータ分布になる 12 p’ =
x + p q‘ = n – x + q
Télécharger maintenant