統計分析や統計的予測・意思決定理論など

Rな予測

ここでは予測という観点から書かれた記事を載せています。
また、フリーのデータ解析環境「R」を使った例も多く載せています。
※統計基礎の内容を別の記事に移動しました。こちらから閲覧できます。

新規作成:2013年07月07日
最終更新:2017年04月15日



スポンサードリンク

 予測理論の基礎

予測の話
予測に便利な統計の基本や、本ページの趣旨などについて書かれています。

予測理論とpredictability
予測って何? という素朴な疑問から始める予測理論の入門スライド的なものです。

 

回帰分析系

単回帰分析
単回帰分析による予測の簡単な説明と、プログラムです

モデル選択 理論編
モデル選択の簡単な方法論の説明

モデル選択 実践編
実際にモデル選択をして見る

重回帰分析
重回帰分析による予測

平滑化スプラインと加法モデル
非線形な状況をモデル化できる平滑化スプラインと加法モデルの紹介と予測

一日目 統計基礎~正規線形モデル
二日目 一般化線形モデル
北大で行った統計勉強会の資料です。
統計基礎~GLM(一般化線形モデル)までざっくり俯瞰したい人におすすめ。
主に回帰分析系の話です。
書籍「平均・分散から始める一般化線形モデル入門」のもとになった資料です。

 

時系列分析系

時系列解析 理論編
時系列解析の簡単な解説とパッケージforecastの紹介

時系列解析_ホワイトノイズとランダムウォーク
予測不能な、純粋なノイズからなるデータの紹介

時系列解析 実践編
実際に時系列解析と予測を行う

VARモデル
VARモデルによる予測

時系列解析の文献
時系列解析のおすすめ本の紹介です。

 

状態空間モデル関連のページ

なぜ状態空間モデルを使うのか
状態空間モデルの良さについて簡単に説明しました

状態空間モデル
状態空間モデルのことはじめ

dlmの使い方
Rで正規線形状態空間モデルを当てはめる

ローカルレベルモデル
dlmパッケージを使ってローカルレベルモデルを当てはめる

カルマンフィルタの考え方
カルマンフィルタと最尤法
ライブラリを使わないカルマンフィルタの計算方法を説明しています

季節とトレンド
dlmパッケージを使って季節成分とトレンド成分の入った正規線形状態空間モデル(動的線形モデル)を当てはめて、予測を行う

dlmによる時変形数モデル
dlmパッケージを使って、「時間によって係数が変化する回帰モデル」を作ります。

ベイズ+MCMCを使って状態空間モデルを推定する連作記事です。
ベイズの定理から始めて、ローカルレベルモデルの推定までをやっつけます。
ベイズ統計学基礎
ベイズと統計モデルの関係
ベイズとMCMCと統計モデルの関係
Stanによるベイズ推定の基礎
Stanで推定するローカルレベルモデル
”慣れ”の統計モデリング:Stanで推定する時変係数モデル

 
状態空間モデルにはいろいろな推定方法があるので、その違いをまとめた記事がこちらです。
状態空間モデルの推定方法の分類

 

機械学習系

機械学習とは何か
機械学習の基礎について簡単に説明しました

Rによる機械学習:caretパッケージの使い方
R言語を使って効率よく機械学習法を実装する方法として「caret」パッケージを使うやり方を解説しています。
caretパッケージの使い方を覚えるだけで、多くの機械学習法を実装することができます。

カオス時系列の基礎とニューラルネットワーク
カオス時系列の特徴とカオスの見分け方、そしてニューラルネットワークを使った予測の方法を記載しています。

初めてのPython機械学習
Rではありませんが、Pythonという別のプログラミング言語を使って機械学習を実装する方法について書いています。

Pythonの簡単な使い方:環境構築~データの読み込み~図示・モデル化
Pythonの使い方について説明しています。これを読めば、環境構築から一般化線形モデルの推定まで一通り流すことができます。

 

その他

非線形でもOKな相関係数MIC
MICと呼ばれる新しい相関係数の解説

 

 ※記載内容の使用は自己責任でお願いします。無断転載は禁止です。
   バグやご意見等ございましたら、メール(logics.of.blue★gmail.com)にてお知らせください。

  • このエントリーをはてなブックマークに追加
  • LINEで送る

管理人の書いた本

検索

広告

Copyright © Shinya Baba All Rights Reserved.
Powered by WordPress & BizVektor Theme by Vektor,Inc. technology.