目次 1. 『コンプガチャの数理 -コンプに必要な期待回数の計算方法について-』 2. 『「数学的ゲームデザイン」というアプローチ』 3. 『コンプガチャの数理 -ガイドラインに基づいたゲームデザイン その1-』 4. 『コンプガチャの数理 -ガイドラインに基づいたゲームデザイン その2-』 目的 コンプガチャのコンプに必要な回数を求める問題は「The Coupon Collector's Problem」と呼ばれる数学モデルの枠組みに沿った美しい問題である事を述べ，いくつかの有用な結果を示す。 ※ あくまで個人研究のつもりで書いたので，色々不備があるかもしれません。その際は一言頂けると助かります。 定義 コンプガチャ問題を Coupon Collector's Problem に準じた形で書くと以下の様になる： 「全部で n 種類のアイテムがあって，1つのガチャの中にアイテムが1つ入って
『Rで楽しむ統計』が出ました。サポートページ 『Rで楽しむベイズ統計入門』が出ました。サポートページ，第7章のRコードをStanで書き直したRで楽しむStan 全国学力・学習状況調査の個票の疑似データがこちらで公開されています。データ分析の練習に使えそうです。SSDSE（教育用標準データセット）も。 R 4.x では stringsAsFactors=FALSE がデフォルトになりましたが，本サイトの古い記事ではそうなっていないところがあるかもしれません（read.csv() などで as.is=TRUE は不要になります（あってもかまいませんが））。 R 4.2 ではWindowsでもMac同様UTF-8がデフォルトになりました。もう fileEncoding オプションに "UTF-8"，"UTF-8-BOM" を指定する必要はなくなりそうです。一方で、SJIS（CP932）データの場
/* dist.c */ #include <stdio.h> #include "sslib.h" double qnorm(double u) { static double a[9] = { 1.24818987e-4, -1.075204047e-3, 5.198775019e-3, -0.019198292004, 0.059054035642,-0.151968751364, 0.319152932694,-0.5319230073, 0.797884560593}; static double b[15] = { -4.5255659e-5, 1.5252929e-4, -1.9538132e-5, -6.76904986e-4, 1.390604284e-3,-7.9462082e-4, -2.034254874e-3, 6.549791214e-3,-0.01055762
*********** お知らせ *********** YukiWikiによるベイズ統計ファンサイト を開設しました。 このページ「Bayesianってどういう考え方なんだろう」は、 以上のファンサイトへ発展的解消いたします。 どうぞご贔屓に！ ********************************* ベイズ理論は、 普通の確率論とは一風異なる確率理論です。 この小文では、ベイズ理論の意味・意義について 私がこれまでに学び、考えたことについて整理を試みます。 とかく、＜宗教的信念＞のごとくに扱われがちのベイジアン思想ですが そのおかしいところ、よいところなど、基準を明確にして検証していけたら いいな、というのが目標です。 私自身勉強中の身なので定説と異なることを述べていたり、 明らかな間違いもあるかもしれません。 そのつもりでだまされ
ベイズ推定（ベイズすいてい、英: Bayesian inference）とは、ベイズ確率の考え方に基づき、観測事象（観測された事実）から、推定したい事柄（それの起因である原因事象）を、確率的な意味で推論することを指す[1]。 ベイズの定理が基本的な方法論として用いられ、名前の由来となっている。統計学に応用されてベイズ統計学[2]の代表的な方法となっている。 ベイズ推定においては、パラメータの点推定を求めることは、ベイズ確率（分布関数）を求めた後に、決められた汎関数：の値（平均値もしくは中央値など）を派生的に計算することと見なされる。 標語的には、「真値は分布する」、「点推定にはこだわらない」などの考え方に依拠している。 いま、AおよびXを離散確率変数とする。ここで A を原因、X をそれに対する証拠（つまり原因によって起きたと想定される事象）とするとき、 P(A) = 事象 A が発生する
1年に1回、TEDという会議が開かれて科学・技術・社会学・社会活動・政治・音楽・エンターテーンメントなどさまざまな分野の最先端の人が講演をおこなっている。ビデオ・ポッドキャストでその年の会議の講演や以前の講演が配信されている。 2005年のTEDで統計学者ピーター・ドネリーがおこなった講演を見る機会があった。確率について間違えやすいから注意しよう、という警告をいくつかの実例をもって示したものだった。 示された実例の1つをこのエントリーの表題に使っている。講演の中で「99%確かな検査で病気との結果が出たとすると、本当に病気である確率はいくらか」という問いが発せられている。単純に考えれば99%なのだが、もしそうなら統計学者が講演で問いかけたりしないだろうから、99%ではないことは察しが付く。その問いが発せられたところで再生を止めて、考えてみた。 まず、以下のように定義する。 その病気にかかって
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
