BUGS/Stan勉強会 #3へいってきました [統計]
BUGS/Stan勉強会 #3へいってきました。今回もいろいろ勉強になりました。
@gg_hatanoさんは、野球データで、シーズン始めのみの打撃成績から年間打率を推定。階層ベイズモデルを使用して推定値を改善。Stanで計算。
豊田秀樹さんは、平均・分散・歪度を明示的かつ独立に指定した分布を使用した構造方程式モデリング(SEM)。貯蓄額とか、ブランド価値は非常にゆがんだ分布をしているので、歪度を明示的に指定するとのこと。
@kos59125さんは、Stanのdataとparametersの解説。パラメーターとデータを入れ替えると、パラメーターを固定して、データを生成できるというのは、なるほど。
@xianze750さんはpyMCの紹介。いろいろできるみたい。pyMC3ではGPUを使用するようにできるとか。
@hoxo_mさんは、切断ではなく欠測ありデータの相関係数の推定。モデリングにより、非常にうまく推定できる。Stanでは、increment_log_prog()とmodel中での"~"による尤度計算とは等価であるなど。
@TeitoNakagawaさんの発表は残念ながら時間切れでした。
# BUGS/Stan勉強会なのですが、発表はStanとpyMCを使用したもので、BUGSの発表はありませんでした。
@gg_hatanoさんは、野球データで、シーズン始めのみの打撃成績から年間打率を推定。階層ベイズモデルを使用して推定値を改善。Stanで計算。
豊田秀樹さんは、平均・分散・歪度を明示的かつ独立に指定した分布を使用した構造方程式モデリング(SEM)。貯蓄額とか、ブランド価値は非常にゆがんだ分布をしているので、歪度を明示的に指定するとのこと。
@kos59125さんは、Stanのdataとparametersの解説。パラメーターとデータを入れ替えると、パラメーターを固定して、データを生成できるというのは、なるほど。
@xianze750さんはpyMCの紹介。いろいろできるみたい。pyMC3ではGPUを使用するようにできるとか。
@hoxo_mさんは、切断ではなく欠測ありデータの相関係数の推定。モデリングにより、非常にうまく推定できる。Stanでは、increment_log_prog()とmodel中での"~"による尤度計算とは等価であるなど。
@TeitoNakagawaさんの発表は残念ながら時間切れでした。
# BUGS/Stan勉強会なのですが、発表はStanとpyMCを使用したもので、BUGSの発表はありませんでした。
タグ:STAn
2014-07-12 17:44
nice!(0)
コメント(0)
トラックバック(0)
コメント 0