コンテンツへスキップ ナビゲーションに移動

青の統計学

  • 統計学
    • 統計学基礎
    • ベイズ
  • 機械学習
  • 統計検定対策
  • 大学の試験対策
  • マーケティング
  • DS Playground
  • 資料

最尤法

  1. HOME
  2. 最尤法
負の二項分布を実験に活かした具体例
01/04/2025 / 最終更新日時 : 01/28/2025 bluest Python

負の二項分布をわかりやすく解説

はじめに! 負の二項分布は、ポアソン分布や二項分布よりも過分散を扱いやすい柔軟なモデルとして知られています。 実験・観測データにしばしば見られる「期待値以上の分散」をうまく捉えることができ、免疫学や微生物学などの生物学的 […]

12/21/2023 / 最終更新日時 : 11/17/2024 bluest Python

【AICで使う】KL divergence(カルバック-ライブラー情報量)をわかりやすく解説|python

こんにちは、今回はKL divergenceを解説します。 KL divergenceは、2つの確率分布間の相違を測定するために使用され、NLPにおける文書や単語の分布を比較する際に役立ちます。 レベル感としては、統計検 […]

尤度と尤度関数を正しく理解するための記事
06/06/2022 / 最終更新日時 : 01/04/2025 bluest ベイズ

【尤度って?】尤度関数と最尤推定量の解説と例題

確率分布のパラメータ\(θ\)を推定する方法の一つとして、最尤推定というものがあります。 最尤推定には、尤度関数を使うことが必須です。まずは尤度関数については見てみましょう。 尤度(likelihood)について 抑えて […]

AICとBICの比較をしつつ、評価指標について解説する
06/03/2022 / 最終更新日時 : 01/26/2025 bluest 医薬生物学

【モデル選択】AIC(赤池情報量基準)についてわかりやすく解説

1:AICとは何か AICは「複数の統計モデルのうち、どれがより予測に適しているか」を評価するために考案された指標です。 もし「当てはまりの良さ」だけを追求すると、パラメータを増やせば増やすほどモデルはデータにぴったり合 […]

ARモデルについてわかりやすく解説する記事
05/03/2022 / 最終更新日時 : 11/30/2024 bluest Python

【時系列】ARモデルをわかりやすく解説|Yule-Walker法や最尤法も

こんにちは、青の統計学です。 今回解説するのは、時系列モデルの基礎であるARモデルです。 まずは数式を見てみましょう。 ARモデル(autoregression model) $$y_{n} = \sum_{j=1}^{ […]

不偏性について正しく理解する記事
05/01/2022 / 最終更新日時 : 01/13/2025 bluest 大学数学

不偏性と不偏分散についてわかりやすく解説

不偏性(unbiasedness) 不偏分散とは、分散の中でも不偏性を持つ分散のことです。 まずは、不偏性から理解していきましょう。 「不偏性がある」とは、標本平均の期待値が母平均に一致することを指します。 数式で書くと […]

人気記事

統計検定2級の完全ガイド
統計検定3級の徹底攻略

Udemy

バナー広告

新サービス

青の統計学|X

Update Contents

統計検定2級の完全ガイド
統計検定2級の難易度と範囲を徹底解説【2025年最新版】
05/03/2025
自己組織化マップとは?データの視覚的探索と次元削減の手法
自己組織化マップとは?データの視覚的探索と次元削減の手法
03/18/2025
階層型クラスタリング徹底比較|ウォード法・最短距離法などの使い分け
階層型クラスタリング徹底比較|ウォード法・最短距離法などの使い分け
03/18/2025
k-medoidsとは?k-meansとの違いをわかりやすく解説
k-medoidsとは?k-meansとの違いをわかりやすく解説
03/18/2025
スペクトラルクラスタリングとは?非線形データの分類
スペクトラルクラスタリングとは?非線形データの分類
03/18/2025
DBSCANとは?密度ベースのクラスタリング
DBSCANとは?密度ベースのクラスタリングを解説
03/16/2025
【完全ガイド】k-means法とは?周辺のクラスタリング手法と比較
【完全ガイド】k-means法とは?周辺のクラスタリング手法と比較
03/15/2025
確率密度関数とは?確率質量関数との違いも解説
確率密度関数とは?確率質量関数との違いも解説
03/15/2025
多重共線性を正しく理解する
【完全攻略】多重共線性をわかりやすく解説
02/20/2025
パレートの法則についてわかりやすく解説
パレートの法則についてわかりやすく解説
02/12/2025

New Contents

スペクトラルクラスタリングとは?非線形データの分類
スペクトラルクラスタリングとは?非線形データの分類
03/18/2025
DBSCANとは?密度ベースのクラスタリング
DBSCANとは?密度ベースのクラスタリングを解説
03/16/2025
確率密度関数とは?確率質量関数との違いも解説
確率密度関数とは?確率質量関数との違いも解説
02/25/2025
効果量とは?サンプルサイズ設計を実務で使うには
効果量とは?サンプルサイズ設計を実務で使うには
02/03/2025
統計的なサンプルサイズ設計の手引き
サンプルサイズ設計のガイド:基礎理論と実践をわかりやすく
01/10/2025
グラフニューラルネットワークの基礎と応用事例
グラフニューラルネットワークの基礎と応用事例
01/08/2025
パレートの法則についてわかりやすく解説
パレートの法則についてわかりやすく解説
01/07/2025
負の二項分布を実験に活かした具体例
負の二項分布をわかりやすく解説
01/04/2025
ベイズ因子をABテストに使ってみる
ベイズ因子とは?──定義と直感的解釈
01/01/2025
マーケティングミックスモデリング(MMM)について理解
【完全版】MMMを課題設定から考える|Google Meridian
12/26/2024

Tag Cloud

AIC F統計量 GBDT GLM K-means法 KL divergence MCMC法 MSE PCA p値 ridge回帰 t検定 カイ2乗分布 ガンマ分布 ブートストラップ法 ポアソン分布 マルコフ連鎖 ラグランジュの未定乗数法 ランダムウォーク ランダムフォレスト ロジスティック回帰 一様分布 不偏性 中心極限定理 二項分布 信頼区間 共分散 再生性 分散分析 回帰分析 固定効果 多重共線性 尤度比検定 尤度関数 層化抽出法 幾何分布 指数分布 最小二乗法 最尤法 標準偏差 標準誤差 正規分布 決定木 深層学習 相関係数

Recent

統計検定2級の完全ガイド
統計検定2級の難易度と範囲を徹底解説【2025年最新版】
05/03/2025
自己組織化マップとは?データの視覚的探索と次元削減の手法
自己組織化マップとは?データの視覚的探索と次元削減の手法
03/18/2025
階層型クラスタリング徹底比較|ウォード法・最短距離法などの使い分け
階層型クラスタリング徹底比較|ウォード法・最短距離法などの使い分け
03/18/2025
k-medoidsとは?k-meansとの違いをわかりやすく解説
k-medoidsとは?k-meansとの違いをわかりやすく解説
03/18/2025
スペクトラルクラスタリングとは?非線形データの分類
スペクトラルクラスタリングとは?非線形データの分類
03/18/2025
DBSCANとは?密度ベースのクラスタリング
DBSCANとは?密度ベースのクラスタリングを解説
03/16/2025
【完全ガイド】k-means法とは?周辺のクラスタリング手法と比較
【完全ガイド】k-means法とは?周辺のクラスタリング手法と比較
03/15/2025
確率密度関数とは?確率質量関数との違いも解説
確率密度関数とは?確率質量関数との違いも解説
03/15/2025
多重共線性を正しく理解する
【完全攻略】多重共線性をわかりやすく解説
02/20/2025
パレートの法則についてわかりやすく解説
パレートの法則についてわかりやすく解説
02/12/2025

サイトマップはこちら

青の統計学|Follow Me!

チートシート

バナー広告


バナー広告

バナー広告
バナー広告
バナー広告
バナー広告

シミュレーション

サンプルサイズ設計ツールのサムネイル

問題演習

統計検定2級問題演習へのリンク
  • 統計学
  • 機械学習
  • 統計検定対策
  • 大学の試験対策
  • マーケティング
  • DS Playground
  • 資料

Copyright © 青の統計学 All Rights Reserved.

Powered by WordPress with Lightning Theme & VK All in One Expansion Unit

MENU

  • 統計学
    • 統計学基礎
    • ベイズ
  • 機械学習
  • 統計検定対策
  • 大学の試験対策
  • マーケティング
  • DS Playground
  • 資料
PAGE TOP