  |
はてなキーワード: ベイズとは
http://www.google.co.jp/search?num=30&hl=ja&&q=%91%CC%89%B7&btnG=%8C%9F%8D%F5&lr=lang_ja
体温でググったら37度って言われた。
ネットは便利だ。もう体温計いらないな。
しかし、どうやって俺の体温はかったんだろ。
さすがにグーグル衛星が上空から遠赤外線で温度測定するようになるのは後2年ぐらい後だろうから
現時点では、体温と相関する何かを測定しているはず……。
検索履歴をデータマイニングして体調の変動を測定しておいて、
直近のキーワードからベイズ的統計学の手法で体温の信頼区間でも求めているんだろうか。
(ちなみに、体重ではダメだった。「サイリウムハスク」とか「麻黄 ダイエット」とかヒントになりそうな内容で検索した事があるので、ある程度の情報は蓄積されていそうだが、やっぱり体重はセンシティブな問題だから「間違ったときのリスク」を考えて、そういう機能は搭載しない事にしているんだろうか。体重が正規分布じゃない事が推測の障害になっている可能性も考えたが、正規分布になると知られている「身長」で検索しても身長は表示されなかった……)
その辺。
の意味が俺はちょっとよく理解できないけど、普通「母数」と言ったときの意味は
「母集団の任意の確率変数が従う分布関数を特徴づけるパラメータ」のこと。
正規分布ならexp(-(x-μ)^2/2σ^2)のμとσのことだし、他の分布なら何か別の量になる。
通常母数は未知だから、母集団から適当な標本を観測して推定することになる。
そのためのテクニックが、最尤推定だったり母数自身に事前確率分布を指定したベイズ推定だったりする。
（ちなみに母数自身の確率分布の母数をハイパーパラメータと言う）
標本の数は多ければ多いほどよくて、分布関数が普通の分布なら、中心極限定理などによって
標本数が多いほど母数の推定精度が向上したりする。
というわけで、母数と標本数は全く別の概念なんだよね…。
Eカップを例にとる。
B:AV女優
とすると
P(E|A) = 0.1
P(E|B) = 0.19
となる。
全女性に対するAV女優の割合は、適当にググったところ0.4%とからしい。めんどくさいんで0.5%とすると
P(A) = 0.995
P(B) = 0.005
だ。これらをベイズの定理に代入すると
p(B|E) = P(E|B)P(B)/(P(E|A)P(A) + P(E|B)P(B)) = 0.0095 = 0.95%
となって、若干確率が上昇することがわかる。
ちなみに、より極端な場合でGカップを例にとると
p(B|G) = 5.6%
となって、10倍くらいになるね！
ベイズのいい練習になった
【追記】
実際は、観測データのヒストグラムから分布関数を推定する問題をまず初めに解く必要があると思う。
結構裾が長い分布だから、正規分布じゃなくてポアソン分布あたりでパラメトリック推定すればいいか？
自然科学系か…。一応ビジネスマン向けっていう指定があったから避けたんだけども…。
ボロが出まくってるんでもうやめますすみませんでした。
こんな感じ？
あ、あと個人的には確率論（ベイズとかにかなり含まれるけど）も必須とした方がいい気がする。
http://anond.hatelabo.jp/20080416232422
出産後に旦那がゴミに見えるのは、おそらくPMSとは別の症状だろうと俺は考えてるんです。
PMSは関係ない。あくまである種のホルモンに対する脳の反応度合を測る指標の候補として話に出しただけ。
http://anond.hatelabo.jp/20080416235241
俺はホルモンが一種類なんて一言も言ってないし、どっちでもいいと思ってるよ。
あくまで、症状が同質（他人に対してイライラするなど）であることから見て、ホルモンの種類は違うかもしれないが脳には似通った影響を及ぼしているだろうと推論しただけ。ベイズ推定ってやつ。
しかしこんな俺でも彼女は方々で俺のこと自慢しまくってるらしく、周りの女性陣も皆うらやましがってるのだとか。本当かどうかは知らないけどね。
それだけわかってるなら変分ベイズ法なんて難しいことは少しもないように思うけれど。
元々物理系だったので、この辺の勉強を始めたのが最近なんです。基本的な考え方に慣れるまではどうしても難しいです。仕事もあるので時間は限られてるし。
そんなのは管理職になって技術上の第一線を離れてからでいいと思うけれど。
財務の知識は転職活動のときにかなり役に立ちました(笑)。現職の収入が心もとなく、副業しようかなとも思ってるので、ビジネス感覚も必要だと思います。証券アナリストの資格は持ってますが(とらされた)、実際上はアレじゃ何の役にも立たないですね。
金融工学的な投資スタンスは機関投資家でない個人投資家にはほぼ実行不可能ですよ。資金量が小さい場合は金融工学的にはノイズと見なされる成分の方がよっぽど重要だと思います。ああいったシステマティックな方法よりはもっと曖昧な手法をとる必要があります。どっちにしても、一つの会社に勤め続ける気も無いですし、将来的な収入の伸びに保障は無いので自己防衛する必要があるのです。
器用貧乏にならない方がいいと思いますよ
それは耳が痛い話ですが…。俺は研究者じゃないので、専門一本槍で行くのはどうしてもリスクが高すぎるのです。いつかは一本槍で行けるようになりたいとは思ってるんですけどね…。
どうもあなたのバックグラウンドがよくわからない。
まぁ基本的な線形(偏)微分方程式をフーリエ級数等の直交系で展開して解析するくらいなら余裕だけど、それだけじゃどうにもならないんですよ。統計的予測だってパラメトリック分布で最尤推定するくらいならいいけど、隠れマルコフモデルを変分ベイズ法で扱うなんて話まで半年でできるほど頭良くないんです。
それだけわかってるなら変分ベイズ法なんて難しいことは少しもないように思うけれど。所詮、統計的モデルを推定してるだけの話だし、変分法ってのはパラメータが無限次元になっただけだと思えばいい（実際そうだが）んだから。
そんなのは管理職になって技術上の第一線を離れてからでいいと思うけれど。
資金の流れがわからなければ投資はできないし、
投資なんてする必要ないでしょう。せいぜい国債でも買っておけばいい。金融工学の入門書を読んでみた感想としていうのだけれど、理論にぶち込むべきデータを収集するだけでも大変だし、あの理論はだいぶ仮定が乱暴なので現実に合わせようと思えばその都度の手修正が必要だし、いずれにしても素人が下手に手出しをすると火傷するだけだと思った。あんまりそんなに何でもかんでも手を出して器用貧乏にならない方がいいと思いますよ。
敢えてマジレスするなら、最適化とか微分方程式とか統計的予測とかプログラミングとかアルゴリズムなんてのは大学学部半期分ぐらいの内容だからすぐマスターできるはずだし
いやあ、それをすぐマスターできるほど俺頭良くないんですよ。まぁ基本的な線形(偏)微分方程式をフーリエ級数等の直交系で展開して解析するくらいなら余裕だけど、それだけじゃどうにもならないんですよ。統計的予測だってパラメトリック分布で最尤推定するくらいならいいけど、隠れマルコフモデルを変分ベイズ法で扱うなんて話まで半年でできるほど頭良くないんです。プログラムやアルゴリズムはごく最近始めたばかりなんでやってるんですが。
経済と金融は勉強すべきだと思いますがね。財務諸表を読めないようじゃビジネスする上で話にならないし、仮に証券会社がまともになったとしても、学生に毛が生えた程度のイケイケドンドンの営業マンのコンサルティング(笑)に手数料払うなんて馬鹿げてますよ。資金の流れがわからなければ投資はできないし、産業の動向が読めなければ自分の仕事をどういう方向に進めていくかを決める際に支障がでます(例えば、現状で半導体産業に手を出してしまったりしかねない)。まぁそれらを全てフォローした上で、数理経済学の専門的な部分までは勉強する必要は無い、と言うのであればその通りだと思います。
