Nospare
統計学・機械学習の解説記事
Qiita上で公開している解説記事リンク(毎週金曜日更新)
配信用のTwitterアカウントはこちら
線形回帰モデル
線形回帰Tips
決定係数について
正射影と多変量解析の諸手法
多重共線性について
ガウス・マルコフの定理について
線形混合モデルとその応用例
線形混合モデルを用いた小地域推定
一般化線形モデル(GLM)と一般化線形混合モデル(GLMM)
quantregパッケージで分位点回帰をしてみる
線形モデルと線形混合モデルにおけるAIC
BICとは何か
Deviance Information Criterion(DIC)について
情報量規準の分類
ベイズ分析のワークフローにおける視覚化について ⇦ ベイズ分析の一般的な手順の解説
MCMCが上手くいく時といかない時
Integrated Nested Laplace Approximationを用いた近似ベイズ解析
ブートストラップと一般化ベイズ
ブートストラップによる近似ベイズ推測
一般化ベイズ法 (前編)
一般化ベイズ法 (後編)
Rで使えるベイズ分析のパッケージの比較
【ベイズ統計学】ロジットモデルに対するギブスサンプリングを簡単に行う!(理論編)
【ベイズ統計学】ロジットモデルに対するギブスサンプリングを簡単に行う!(R編)
縮小事前分布によるベイズ的変数選択について1: Bayesian Lasso (理論編)
縮小事前分布によるベイズ的変数選択について2: Bayesian Lasso (R編)
縮小事前分布によるベイズ的変数選択3: Horseshoe prior (馬蹄事前分布)とは
縮小事前分布によるベイズ的変数選択4: 馬蹄事前分布のMCMC
分位点回帰をベイズ推定してみる
打ち切りのある分位点回帰モデルをベイズ推定する
Google colaboratory上でのStanの使い方
ポアソン推定量について
インポータンス・サンプリングについて
Python particlesパッケージで逐次モンテカルロ法を適用してみた(前編)
Python particlesパッケージで逐次モンテカルロ法を適用してみた(中編)
単位根について
関数時系列データの主成分分析(1)
関数時系列データの主成分分析(2)
関数時系列データの主成分分析(3)
操作変数法について(1)
計量経済学における識別問題について
識別できないモデルの分析方法について
パネルデータ分析・超入門1
パネルデータ分析・超入門2
ノンパラメトリック関数回帰(1)
ノンパラメトリック関数回帰(2)
ノンパラメトリック回帰モデルの適応的推定(1)
ノンパラメトリック回帰モデルの適応的推定(2)
標本平均のrandomnessとは?
ブートストラップを用いたバイアス補正(1)
ブートストラップを用いたバイアス補正(2)
EMアルゴリズム
有限混合モデル・モデルベースクラスタリングでのクラスター数について
正規分布の位置尺度混合表現
正規分布の尺度混合表現3選
所得分布と一般化ベータ分布のファミリー
Visual Studio Code(Mac)でRのワーキングディレクトリ
survey weightの役割
外れ値とロバスト推定(1)
外れ値とロバスト推定(2)
外れ値とロバスト推定(3)
外れ値とロバスト推定(4)
非正規化モデルのパラメーター推定について