Statistics: 有意水準5%とは?, R ver. 1

I.ギャンブラーの誤謬推理   「フェアなコインで5回続けて表が出たので、次は裏が出る確率が高い」が論理的な誤りであることは「論理的」に考えればわかります。 フェアなコインは、表と裏のでる割合が50:50であるというだけではありません。例えば、次のような出かたをするコインを何回も投げれば、表と裏の出る割合はほぼ50:50に近づきますが、インチキなコインです。だって、次回の結果を予測できるのですから。   表、表、表、表、表、裏、裏、裏、裏、裏、表、表、表、表、表、、、   「フェア」なコインは、次の結果を予測できないコインです。つまり、No successful …

Continue reading

Statistics: ケインズ『確率論』を読む ver. 1

I.ケインズ『確率論』を読む   読むといっても長いのですべては読めないと思いますが、ケインズの確率論の基本的な立場を彼自身の著作で確認したいと思います。   確率の解釈の分類については次に書きました。   確率の解釈を分類   『確率論』原文は次にリンクしました。   確率の解釈リンク集   II.A Treatise on Probability   John Maynard Keynes (1883-1946)は1906年10月に公務員としてロンドンのthe Indian Officeで働きはじめましたが、そこで、フェ…

Continue reading

Statistics: 確率の解釈リンク集 ver. 1

何年か前にはやりの「ベイズ統計」を理解したくて、確率の解釈についてまとめようとしましたが途中で投げ出しました。 少し調べようと思い、まず、リンク集を作成します。   I.リンク集   1.古典   Thomas Bayes, “An essay towards solving a Problem in the Doctrine of Chances“   John Maynard Keynes, A Treatise on Probability   マクロ経済学で知らない人はいななKeynesですが、統計の世界ではlo…

Continue reading

Statistics: データの正規化と標準化とリスケールの区別, Python ver. 1

Normalisingとstandardizingとrescalingの区別を学びます。 解説は次にありますが、理解のために適当にグラフを加えました。   How, When and Why Should You Normalize / Standardize / Rescale Your Data?   I.データのロード   データは次にあります。1GBほどのデータです。   Lending Club Loan Data   データが大きいので30000行、3列のみ読み込みます。     II.データを視覚化 &nbsp…

Continue reading

Python&R: 確率分布をグラフに, R, vistributions, Python, numpy ver. 5

I.vistributionsについて   vistributionsは確率分布をグラフにするライブラリです。   Visually explore Probability Distributions with vistributions   以前に正規分布を説明するグラフの描き方を紹介しました。   Statistics:正規分布のグラフ, R   vistributionsを使うと次のように簡単にグラフを描くことができます。これまでの苦労はなんだったんだと思ってしまうほど簡単に美しく描けます。 学生に教えるのに便利です。   II…

Continue reading