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
830
尤度/likelihood
florets1
October 06, 2023
Tweet
Share
More Decks by florets1
See All by florets1
データハンドリング/data_handling
florets1
2
95
カイ二乗検定との遭遇/The_path_to_encountering_the_chi-square_test
florets1
1
140
率の平均を求めてはいけない/Do_Not_Average_Rates
florets1
10
14k
請求と支払を照合する技術/using_full_join_in_r
florets1
2
180
応用セッション_同じデータでもP値が変わる話/key_considerations_in_NHST_2
florets1
1
1k
お名前から性別を推測する/Guessing_gender_from_name
florets1
1
270
バタフライ効果/butterfly_effect
florets1
0
200
同じデータでもP値が変わる話/key_considerations_in_NHST
florets1
1
1.2k
待ち行列のシミュレーション/queue_simulation
florets1
0
220
Other Decks in Education
See All in Education
自己紹介 / who-am-i
yasulab
2
3.6k
Updated Medicare 101 Presentation
robinlee
PRO
0
160
White Snake: Qing's Mission
movingcastal
0
220
2023年度「生成AI100校プロジェクト」 実践報告書/The 2023 "Generative AI 100 Schools Project" Practical Report
codeforeveryone
0
1.1k
Interaction - Lecture 10 - Information Visualisation (4019538FNR)
signer
PRO
0
1.4k
Introduction - Lecture 1 - Next Generation User Interfaces (4018166FNR)
signer
PRO
1
3.3k
制限ボルツマンマシンの話 / Introduction of RBM
kaityo256
PRO
3
600
【基本】Oracle Database データベース・ユーザー・セキュリティ入門
oracle4engineer
PRO
1
300
2024年度春学期 統計学 第5回 分布をまとめる (2024. 5. 9)
akiraasano
PRO
1
160
CULTURA I VALORS
cumclavis
PRO
1
170
具体と抽象の行き来を意識する
blendthink
0
280
week13@tcue2024
nonxxxizm
0
400
Featured
See All Featured
Making the Leap to Tech Lead
cromwellryan
127
8.7k
No one is an island. Learnings from fostering a developers community.
thoeni
17
2.8k
How to Think Like a Performance Engineer
csswizardry
4
590
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
78
15k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
13
430
How to name files
jennybc
67
96k
A designer walks into a library…
pauljervisheath
201
24k
Fontdeck: Realign not Redesign
paulrobertlloyd
79
5.1k
How GitHub Uses GitHub to Build GitHub
holman
471
290k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
277
13k
Infographics Made Easy
chrislema
238
18k
Building Flexible Design Systems
yeseniaperezcruz
323
37k
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