- 「与えられたデータの特徴を探る」研究から「データを作り出すメカニズムを考える」研究へ変わること。
- 求めるものが確率変数になること。
- サンプルから作られた事後分布の近似データを解釈することにより間違いが生じにくくなること。
- MCMCサンプルの読み方
- 仮想データの組み立て方
- 添字の使い方（階層性への自然な拡張）
準備にあたっては，別に用意しました準備用のページにアクセスしてください。 R，RStudio，rstanパッケージのインストールの方法が書いてあります。
本セミナーで使うRのパッケージは次の通りです。
- rstanパッケージ
- tidyrパッケージ
- ggplot2パッケージ
- MASSパッケージ
- looパッケージ
発展的な利用のために，次のパッケージがあると便利です
- psychパッケージ
- dplyrパッケージ
投影資料はこちらからダウンロードできます。
- Rの基本的な操作法(前半)
- 外部ファイルのサンプルデータはbaseball.csvです。
- 練習問題1の解答例はExercise1.Rです。
- Rの基本的な操作法(インターミッション)
- Rの基本的な操作法(後半)
- 練習問題2の解答例はExercise2.Rです。
- 公式サンプル(8schools)のファイルは8shcool.stanです。
- 公式サンプルを呼び出して使うRコードはLesson3.Rです。
-
第四講 RのソースコードはLesson4.Rです。
-
モデルコード 一つの正規分布model1.stan
-
モデルコード 事前分布を置いたmodel2.stan
-
モデルコード 事後予測分布を描くmodel3.stan
-
モデルコード 対数尤度を算出model3b.stan
-
モデルコード 二群の平均値を推定model4.stan
-
モデルコード アンバランスで等分散な二群model4b.stan
-
モデルコード アンバランスで等分散でない二群model4c.stan
-
モデルコード さまざまな生成量model4d.stan
-
参考論文；岡田謙介(2014)ベイズ統計による情報仮説の評価は分散分析にとって代わるのか?,基礎心理学研究，32(2),223-231
-
参考文献；お菓子の力を推定してみました
- 第五講 RのソースコードはLesson5.Rです。
- モデルコード 対応のある2群の場合model5.stan
- モデルコード 分散分析モデルmodel6.stan
- モデルコード 分散分析モデルの別解model6b.stan
- 参考文献；球面性仮定の出力
- 参考文献；分散分析ノート
- モデルコード パイの実分析model7.stan
- モデルコード パイの実回帰分析部分model7b.stan
- 第六講 Rのソースコード（前半）Lesson6.Rです。
- モデルコード 階層線形モデル1；切片が異なるモデルmodel8.stan
- モデルコード 階層線形モデル2；切片を分布で表すモデルmodel8b.stan
- モデルコード 階層線形モデル3；切片と傾きが異なるモデルmodel8c.stan
- モデルコード 階層線形モデル4；弱情報事前分布をもたせたモデルmodel8d.stan
- モデルコード 階層線形モデル5；パイの実階層モデルmodel9.stan
- 参考文献；広島ベイズ塾資料；コーシー分布について
- 第六講 Rのソースコード（後半）Lesson7.Rです。
- モデルコード 一般的な回帰分析；正規分布を仮定model10.stan
- モデルコード ロバストな回帰分析；t分布を仮定model10a.stan
- モデルコード ロバストな回帰分析2；コーシー分布を仮定model10b.stan
- モデルコード 欠損値の推定；相関係数のモデルmodel11.stan
- モデルコード 欠損値の推定；回帰分析のモデルmodel12.stan
- モデルコード 状態空間モデル；model13.stan
- モデルコード 状態空間モデル2；model13b.stan
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent