Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
尤度/likelihood
Search
florets1
October 06, 2023
Education
3
940
尤度/likelihood
florets1
October 06, 2023
Tweet
Share
More Decks by florets1
See All by florets1
仮説の取扱説明書/User_Guide_to_a_Hypothesis
florets1
4
320
複式簿記から純資産を排除する/eliminate_net_assets_from_double-entry_bookkeeping
florets1
1
390
カイ二乗検定は何をやっているのか/What_Does_the_Chi-Square_Test_Do
florets1
7
2.3k
直積は便利/direct_product_is_useful
florets1
3
390
butterfly_effect/butterfly_effect_in-house
florets1
1
200
データハンドリング/data_handling
florets1
2
220
カイ二乗検定との遭遇/The_path_to_encountering_the_chi-square_test
florets1
1
280
率の平均を求めてはいけない/Do_Not_Average_Rates
florets1
11
15k
請求と支払を照合する技術/using_full_join_in_r
florets1
2
260
Other Decks in Education
See All in Education
SkimaTalk Teacher Guidelines Summary
skimatalk
0
800k
2025年度春学期 統計学 第4回 データを「分布」で見る (2025. 5. 1)
akiraasano
PRO
0
110
アウトプット0のエンジニアが半年でアウトプットしまくった話 With JAWS-UG
masakiokuda
2
320
推しのコミュニティはなんぼあってもいい / Let's join a lot of communities.
kaga
2
1.8k
技術文章を書くための執筆技術と実践法(パラグラフライティング)
hisashiishihara
18
6.5k
小さなチャレンジが生んだチームの大きな変化 -私のふりかえり探求の原点
callas1900
0
550
JPCERTから始まる草の根活動~セキュリティ文化醸成のためのアクション~
masakiokuda
0
190
2025年度春学期 統計学 第2回 統計資料の収集と読み方(講義前配付用) (2025. 4. 17)
akiraasano
PRO
0
150
Course Review - Lecture 12 - Next Generation User Interfaces (4018166FNR)
signer
PRO
0
1.7k
プレゼンテーション実践
takenawa
0
6.5k
Constructing a Custom TeX Ecosystem for Educational Institutions—Beyond Academic Typesetting
doratex
1
10k
『会社を知ってもらう』から『安心して活躍してもらう』までの プロセスとフロー
sasakendayo
0
230
Featured
See All Featured
Statistics for Hackers
jakevdp
799
220k
Designing Experiences People Love
moore
142
24k
Principles of Awesome APIs and How to Build Them.
keavy
126
17k
[RailsConf 2023] Rails as a piece of cake
palkan
55
5.7k
A Modern Web Designer's Workflow
chriscoyier
695
190k
Dealing with People You Can't Stand - Big Design 2015
cassininazir
367
26k
Intergalactic Javascript Robots from Outer Space
tanoku
271
27k
Typedesign – Prime Four
hannesfritz
42
2.7k
Responsive Adventures: Dirty Tricks From The Dark Corners of Front-End
smashingmag
251
21k
Measuring & Analyzing Core Web Vitals
bluesmoon
7
510
ReactJS: Keep Simple. Everything can be a component!
pedronauck
667
120k
What’s in a name? Adding method to the madness
productmarketing
PRO
23
3.5k
Transcript
1 2023.10.07 Tokyo.R #109 尤度(ゆうど)
2 尤度(ゆうど) ある前提条件に従って結果が出現する場合に、逆に観 察結果からみて前提条件が「何々であった」と推測す る尤もらしさ(もっともらしさ)を表す数値を、 「何々」を変数とする関数として捉えたものである。
3 尤度(ゆうど) ある結果から、どのような前提条件があったと推測す るのが妥当なのかを教えてくれる指標
4 尤度(ゆうど) 尤度とは、観測値が与えられたとき、それを説明する モデルや分布などの母数(パラメーター)の値の尤も らしさのことである。
5 尤度(ゆうど) 想定するパラメーターがある値をとる場合に観測して いる事柄や事象が起こりうる確率のこと。
6 尤度(ゆうど) 確率密度関数において確率変数に観測値を代入したも のをいう。つまり,確率密度を観測値で評価した値で ある。また,これを未知母数の関数とみるとき,とく に尤度関数という。
7 条件付き分布 𝑝(𝑟|𝜃) θ:成功率 r = 1:成功 r = 0:失敗
このような分布をベルヌーイ分布といいます
8 ベルヌーイ分布 𝑝(𝑟|𝜃)を立体化
9 𝑝 𝑟 𝜃 の 𝑟 を固定
10
11 𝑝(𝑟|𝜃)を 𝜃が変数だと考えよう これが尤度(ゆうど)です
12 ベルヌーイ分布 𝑝(𝑟|𝜃) 𝑟を変数として考えると 条件付き分布 𝜃を変数として考えると 尤度(ゆうど)
13 尤度(ゆうど)とは ある結果𝑟から、どのような前提条件𝜃があったと推測 するのが妥当なのかを教えてくれる指標
14 最尤推定 失敗と成功が一回ずつ得られたなら尤度は (1 − 𝜃)𝜃 この尤度が最大となる𝜃は0.5 1 − 𝜃
𝜃 (1 − 𝜃)𝜃
15 参考書 東京大学教養学部統計学教室 編. 統計学入門. 東京大学 出版会, 2014 飯塚修平. ウェブ最適化ではじめる機械学習.
オライ リー・ジャパン, 2020
16 おまけ