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
870
尤度/likelihood
florets1
October 06, 2023
Tweet
Share
More Decks by florets1
See All by florets1
直積は便利/direct_product_is_useful
florets1
3
160
butterfly_effect/butterfly_effect_in-house
florets1
1
83
データハンドリング/data_handling
florets1
2
130
カイ二乗検定との遭遇/The_path_to_encountering_the_chi-square_test
florets1
1
180
率の平均を求めてはいけない/Do_Not_Average_Rates
florets1
10
15k
請求と支払を照合する技術/using_full_join_in_r
florets1
2
200
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
1.1k
お名前から性別を推測する/Guessing_gender_from_name
florets1
1
390
バタフライ効果/butterfly_effect
florets1
0
220
Other Decks in Education
See All in Education
White Snake: Qing's Mission
movingcastal
0
250
本の虫になろう
kenjiro56
0
130
脳卒中になってしまった さあ、どうする
japanstrokeassociation
0
160
#英語力ランキング批判:EF-EPI,TOEFLスコア,英語教育実施状況調査
terasawat
0
520
電子計算機のイロハ
kosugitti
1
1.5k
Amazon Connectを利用したCloudWatch Alarm電話通知
junghyeonjae
0
210
A question of time
ange
0
920
Adobe Analytics入門講座【株式会社ニジボックス】
nbkouhou
0
16k
小・中・高等学校における情報教育の体系的な学習を目指したカリキュラムモデル案/curriculum model
codeforeveryone
1
2k
Web Application Frameworks - Lecture 4 - Web Technologies (1019888BNR)
signer
PRO
0
2.5k
不登校予防・再登校支援プログラムを提供するToCo (トーコ) の会社紹介資料 toco.mom
toco3week
0
280
Blogit opetuksessa
matleenalaakso
0
1.6k
Featured
See All Featured
Being A Developer After 40
akosma
85
590k
How to Ace a Technical Interview
jacobian
275
23k
Evolution of real-time – Irina Nazarova, EuRuKo, 2024
irinanazarova
4
250
VelocityConf: Rendering Performance Case Studies
addyosmani
325
23k
What's new in Ruby 2.0
geeforr
342
31k
Designing Dashboards & Data Visualisations in Web Apps
destraynor
228
52k
Adopting Sorbet at Scale
ufuk
73
9k
Why You Should Never Use an ORM
jnunemaker
PRO
53
9k
What's in a price? How to price your products and services
michaelherold
243
11k
Building Better People: How to give real-time feedback that sticks.
wjessup
363
19k
The World Runs on Bad Software
bkeepers
PRO
65
11k
Visualization
eitanlees
143
15k
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