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 Introduction for Students
skimatalk
0
390
Education-JAWS #3 ~教育現場に、AWSのチカラを~
masakiokuda
0
170
万博非公式マップとFOSS4G
barsaka2
0
330
SkimaTalk Tutorial for Corporate Customers
skimatalk
0
290
Gamified Interventions for Composting Behavior: A Case Study Using the Gamiflow Framework in a Workplace Setting
ezefranca
1
140
生成AIとの上手な付き合い方【公開版】/ How to Get Along Well with Generative AI (Public Version)
handlename
0
490
著作権と授業に関する出前講習会/dme-2025-05-01
gnutar
0
200
Data Management and Analytics Specialisation
signer
PRO
0
1.4k
子どものためのプログラミング道場『CoderDojo』〜法人提携例〜 / Partnership with CoderDojo Japan
coderdojojapan
4
16k
今も熱いもの!魂を揺さぶる戦士の儀式:マオリ族のハカ
shubox
0
210
Are puppies a ranking factor?
jonoalderson
0
860
より良い学振申請書(DC)を作ろう 2025
luiyoshida
1
3.3k
Featured
See All Featured
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
35
2.4k
Optimizing for Happiness
mojombo
379
70k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
34
5.9k
How to Think Like a Performance Engineer
csswizardry
25
1.7k
Testing 201, or: Great Expectations
jmmastey
43
7.6k
Thoughts on Productivity
jonyablonski
69
4.7k
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
32
2.4k
4 Signs Your Business is Dying
shpigford
184
22k
Become a Pro
speakerdeck
PRO
29
5.4k
Designing for humans not robots
tammielis
253
25k
Understanding Cognitive Biases in Performance Measurement
bluesmoon
29
1.8k
The Cost Of JavaScript in 2023
addyosmani
51
8.5k
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