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
770
尤度/likelihood
florets1
October 06, 2023
Tweet
Share
More Decks by florets1
See All by florets1
請求と支払を照合する技術/using_full_join_in_r
florets1
1
80
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
880
お名前から性別を推測する/Guessing_gender_from_name
florets1
0
110
バタフライ効果/butterfly_effect
florets1
0
160
同じデータでもP値が変わる話/key_considerations_in_NHST
florets1
1
1.1k
待ち行列のシミュレーション/queue_simulation
florets1
0
180
%hogehoge%で二項演算子/create_binary_operators_in_r_language
florets1
0
190
データフレームを操作/how_to_manipulate_dataframes
florets1
0
280
テーブルデータ大好き/Bidirectional and Composable Data Structure
florets1
1
710
Other Decks in Education
See All in Education
2024年度春学期 統計学 第1回 イントロダクションー統計的なものの見方・考え方について (2024. 4. 11)
akiraasano
PRO
1
120
情報Iの「縦糸」と「横糸」を意識したプログラム教育の実践
asial_edu
0
220
Copilotとして理解する生成AI利用の基本
gmoriki
1
200
Data Presentation - Lecture 5 - Information Visualisation (4019538FNR)
signer
PRO
0
1.8k
OpenStreetMap概要説明 / Introducing OpenStreetMap
barsaka2
0
200
Digijulkaisut
matleenalaakso
1
8.6k
Часто задаваемые вопросы
pnuslide
0
32k
Tangible, Embedded and Embodied Interaction - Lecture 7 - Next Generation User Interfaces (4018166FNR)
signer
PRO
0
1.2k
Родина моя Беларусь в лицах
programmer_sch2np
0
200
AI教育の未来『おもしろい』を作れる人材の育て方 #東京AI祭
o_ob
1
1.8k
SDGsをアシスト! 現地調査データをアーカイブする技術2024|麻布大学デジタルマッピングワークショップ
fullfull
1
190
Servizo de correo
irocho
0
360
Featured
See All Featured
Fashionably flexible responsive web design (full day workshop)
malarkey
398
65k
Building an army of robots
kneath
300
41k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
1
130
Fantastic passwords and where to find them - at NoRuKo
philnash
39
2.5k
ParisWeb 2013: Learning to Love: Crash Course in Emotional UX Design
dotmariusz
104
6.7k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
352
28k
Teambox: Starting and Learning
jrom
128
8.4k
Building Your Own Lightsaber
phodgson
100
5.7k
Principles of Awesome APIs and How to Build Them.
keavy
121
16k
Learning to Love Humans: Emotional Interface Design
aarron
267
39k
A Modern Web Designer's Workflow
chriscoyier
689
190k
What's in a price? How to price your products and services
michaelherold
238
11k
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