第2回「データ解析のための統計モデリング入門」読書会に参加してきた

以下メモ

データを確率分布に対応付けるという基本を学ぶ
データを統計もデルとして表現するためにデータの特徴を見る
- 標本の大きさ、最小値、最大値などなど
カウントデータをプロットするだけであればplot(table(data), frame.plot=FALSE, ylab="Frequency")の方が綺麗
ポアソン分布の性質
- 0〜∞
- 平均=分散=λ
尤度 = パラメータのあてはまりの良さを表す推定量
ポアソン分布の最尤推定量 = 平均
確率分布の選び方
- 離散 or 連続
- とりうる値の範囲
- 標本の分散と平均の関係
  - 分散と平均が大きく異なるようなデータに対してはポアソン分布をあてはめるのは不適切
測定データの平均と分散が僅かに異なる場合はλは平均と分散の間にすべき？
- 平均にフィッティングすべき
ポアソン分布を当てはめると決めたらλは最尤推定で求めなくても平均値でよい？
- 良い
ポアソン分布を当てはめる実務的な例はある？
- カタログを送付してレスポンスがあるまでの日数
- 放射線量
- 人生における交通事故にあう確率
- サッカーでゴールが入る確率

普通に読み流しただけだと定着しにくいポアソン分布の特徴などを丁寧に数式で説明して頂いたので非常に理解しやすかった。 λを変えて色々見たくなったのでShinyで試してみる。
データ解析のための統計モデリング入門第2章
(VPSなので重たい。。。ご了承ください）

確かに平均の3.56でlogLが最大になるっぽい

『アジャイルデータサイエンス』２章データ from Hisao Soyama

Awkでeffective前処理 from Shinya Akiba

@piroyoung

IT系エンジニアのための統計学入門 ver1 from Hiroki Mizukami

@y__uti

INPUTしたらOUTPUT!