統計学
今回は母分散が未知の場合の母平均の検定におけるサンプルサイズについて考えます。
今回は検定を適切に実施するために必要となるサンプルサイズについて考えます。
今回は経験損失を最小化する学習アルゴリズムとその評価について議論します。
前回、学習アルゴリズムの評価方法として期待予測損失を用いる方法を紹介しましたが、この方法は統計的決定理論*1の枠組みで書き表すことが出来ます。 *1:統計的決定理論については「数理統計学 7 統計的決定理論 (1)」をご参照下さい。
今回から数回に亘って統計的機械学習について取り上げたいと思います。
今回は非確率化検定における仮説の採否と有意水準の関係、いわゆるp値について考えます。
仮説の採否を観測値に照らして判断する手法である統計的仮説検定(または単に検定)について、統計的決定理論の枠組みの中で定式化していきます。
今回はラオ・ブラックウェルの定理について説明します。 ※本記事は2021/2/1に加筆修正を行いました。
今回は決定関数の優劣について説明します。
今回から統計的決定理論について取り上げます。
今回は十分統計量について説明します。 ※本記事は2021/2/1に全面的に加筆修正を行いました。
今回は条件付期待値とその基本的な性質について説明します。
今回はこれまでに定義した測度空間・可測関数・可測写像が統計学の文脈でどのように使われるのかを見ていきたいと思います。
今回は可測関数と積分について説明します。確率論や統計学の文脈では、可測関数は確率変数、積分は期待値と呼ばれています。
今回は数理統計学の基礎技術である測度論、特に可測集合と測度について説明します。
今回からしばらくは数理統計学について書いていこうと思っています。 現在、ネットや書店で入手できる統計学の文献にはいくつかのパターンが見られます。具体的には、