記述統計に立ち返る
記述統計にはいつもsummaryを使っていたが、
summary(data)
を利用していたが、psych パッケージの
describe(data)
mean, sd, median, range, se, (歪度: skewness)https://en.wikipedia.org/wiki/Skewness, (尖度: Kurtosis)https://en.wikipedia.org/wiki/Kurtosisまで一度に表示できて便利。
施設に関するCase studyを記す
ベイズ統計を学ぶ
ネット上にも、いろいろと教材が有るので、備忘録として載せておく。
Prior distributions for variance parameters in hierarchical models. Andrew Gelman 2006
StanとRでベイズ統計モデリング
StanとRでベイズ統計モデリング (Wonderful R)
読んでいる。これは名著である。前半部分は、ベイズ統計関わらず、役立つ内容。とくに6章、モデリングの視点から確率分布に迫る箇所は、なかなかまとまったものがないので一見の価値あり。
1章 統計モデリングとStanの概要
2章 ベイズ推定
maximum likelihood estimation
log likelihood
3章 統計モデリングを始める前に
統計モデリングの手順:
解析の目的
データ分布の確認
メカニズムの想像
モデル式の記述
Rでシュミレーション
Stanで実装
推定結果の解釈
4章 StanとRStanをはじめよう
chains: Stan開発チームは4を推奨
iter: 試行錯誤中は500-1000程度。最後は1000-5000程度
warmup: traceplotを見て決める。100-500で十分なことが多い
this: 通常1で施行
並列化なしでうまくいくことを確認してから並列化する。
5章 基本的な回帰
重回帰
二項ロジスティック回帰
ロジスティック回帰
ポアソン回帰
6章 統計モデリングの視点から確率分布の紹介
一様分布
ベルヌーイ分布
二項分布
ベータ分布
カテゴリカル分布
多項分布
ディリクレ分布
指数分布
ポアソン分布
ガンマ分布
正規分布
対数正規分布
多変量正規分布
コーシー分布
Studentのt分布
ラプラス分布
7章以降は、すこし発展的な内容。
insetのある地図を作りたい
ArcGISでinsetのある地図を作る方法に関しては、ここで解説されている。
insetを入れるたびに探しているので、ここにリンクを貼り付けておく。
プレビュー画面と行き来しながら見ると良い。