黒木玄 Gen Kuroki (@genkuroki)

#統計 添付画像は <a target="_blank" href="https://diamond.jp/articles/-/364046" color="blue">diamond.jp/articles/-/364…</a> 【p値とは？】 西内 啓 2025.5.3 より。「意味のある偏り」(悪名高い「有意差」と同じ意味)という言い方や「偶然」か否かを強調してP値について説明する伝統的なスタイルは、一般的な場合でのP値の理解にとって非常に有害です。続く ...

#統計 その2つのt分布の導出は区別ができない程度に同じ話になります。 U~χ²(ν), Z~N(0,1²) (独立)のとき、条件U/ν=1/σ²の下でのZ/√(U/ν)が従う条件付き確率分布はN(0, σ²)なり(自明)、条件付けない場合には「分散σ²の逆数が1/σ²~χ²(ν)/ν=Γ(ν/2,2/ν)を満たすときの正規分布」のように解釈できます。 <a target="_blank" href="https://twitter.com/respctsogachin/status/1918181543186710596" color="blue">x.com/respctsogachin...

#統計 うわっ！ 何が真に嫌われているかという肝腎な点についてミスリーディングなプレゼン。これは酷い。 P値の使用自体ではなく、「統計的有意性」(多くの場合に「P値&lt;5%」を意味する)で決定を下すことが有害であることを多くの人達が指摘しているのです。P値は無罪。 <a target="_blank" href="https://speakerdeck.com/taka88/pzhi-falsetorisetu" color="blue">speakerdeck.com/taka88/pzhi-fa…</a> <a target="_blank" href="https://twi...

#統計 尤度(ゆうど)とP値の微妙な違いに注意が必要。 特定の統計モデルの確率分布の下でデータの数値__と同じ値__が生成される確率__またはその密度__→尤度(ゆうど) 特定の統計モデルの確率分布の下でデータの数値__以上に極端な値__が生成される確率__またはその近似値__→P値 <a target="_blank" href="https://twitter.com/genkuroki/status/1916620216135766196" color="blue">x.com/genkuroki/stat…</a>...

#統計 特定の統計モデルの下での【帰無仮説が仮に正しいとした時に、その結果が起こる確率】(もしくは確率密度)はP値ではなく尤度(ゆうど)です。 P値は、特定の統計モデルの下での帰無仮説が仮に正しいとしたときにデータの数値以上に極端な値が生じる確率です。続く <a target="_blank" href="https://twitter.com/futurelinkizumi/status/1916520002620194962" color="blue">x.com/futurelinkizum…</a>...

#統計 ガンマ関数に被積分関数のプロットだけで非常に教育的。 ガンマ関数を近似するガウス積分は相対誤差的に1/√nのオーダーで左半分で過大評価で右半分で過小評価になっているが、キャンセルして相対誤差が1/nオーダーの近似になっている。 #Julia言語 のノートブック ↓ <a target="_blank" href="https://colab.research.google.com/drive/125pn1x0U0y6YJnm5S-9c5bgDa6n2YrYU?usp=sharing" color="blue">colab.research.google.com/drive/125p...

#統計 統計学は大学では文系の学部学科でも必要になり、そのためには高校数学Ⅲを既習じゃないとつらい。 筋的には、統計学が必要な学部学科の入学試験では高校数学Ⅲの理解度も問う必要があると思います。 確率分布について理解していなくてもt検定を使えて解釈できるという考え方は誤り。...

#統計 【p値は「帰無仮説が正しい確率」ではなくて「帰無仮説を誤って棄却する確率」って某氏が言ってたな】の某氏が本当にそう言っていたならばまるっきり間違っているので、その某氏の統計学の基本的な部分への理解度はゼロだとみなされます。 <a target="_blank" href="https://twitter.com/muimi_no_kokoro/status/1914830865789804703" color="blue">x.com/muimi_no_kokor…</a>...

#統計 因果効果を一般化された回帰分析の枠組みで推定するときに調整する変数の選択は本質的に変数間の複雑な因果関係に依存している。この点を機械学習による因果推論は軽視しており、単なる回帰分析の一般化に陥るリスクが大きいように見える。 <a target="_blank" href="https://arxiv.org/abs/1801.04016" color="blue">arxiv.org/abs/1801.04016</a> Judea Pearl 2018 ...