総説（日本語）（三村先生） MRIの圧縮センシング（一般次元的な話） 疎行列の扱いパッケージ（SparseM):疎行列としてオブジェクトを扱い、通常の線形代数扱い・回帰をしてくれる関数群 Matrix Market(疎行列のサイト) Compressed Sensing(Wiki)

シミュレーションでは、大きく２つの手法を採用している コレスキー分解 地点ごとの値の似ている具合が共分散行列になるので、それから多変量正規分布を使うなどするに際してコレスキー分解 発生地点数ｘ変数の数が増えるとどんどん大変になるのは、想像がつ…

事前知識はこちら イントロ 何を扱うパッケージか、と言うと 時空間Tはd次元 そこに実数変数がm項目 実数変数が作るm次元ベクトルがd次元空間に広がっていて、変数同士がd次元空間における位置関係(時空間での位置関係なので時刻的な遠近も含む)で相互関連を…

場にランダム過程があるときにそれを解析したり、そんなデータをシミュレーションしたりするパッケージとしてRandomFieldsがある 使ってみる まずはシミュレーション。RMsimulate()のExamplesを実行してみる 何やら、地面の模様のようなものができる このま…

http://d.hatena.ne.jp/ryamada22/20141115:この日の記事でジェノタイプ推定のためのベイジアンネットワークについて書いた そこで、ジョイント確率を計算するときには、併せて計算したノードを「propagate=TRUE」で指定すると計算が速くなることを利用した…

Wiki記事 要素は確率変数であって、ノードとして扱う ノードは無向グラフを作っている エッジで結ばれたノード同士には「関連」がある エッジで結ばれていないノード同士は「直接の関連」はない 直接の関連がないとき、「間接の関連を生じさせる要素」を条件…

PDF 昨日の記事はベイジアンネットワーク ベイジアンネットワークはグラフィカルモデルの一つ 条件付き確率を扱う Directed acyclic graph もう一つのグラフィカルモデルにマルコフランダムフィールドがある 要素間の相互関係を扱う Undirected graphでサイ…

ベイジアンネットワークは確率事象の関係をグラフにして、情報が与えられたときの事後確率を計算してくれる 家系図があるとき、一部個人のジェノタイプがわかっているとき、ほかの個人のジェノタイプを推定する作業をベイジアンネットワーク化することができ…

カラー映画というデータがある そのデータ構成について考える 空間(0次元、1次元、2次元、3次元)。普通の映画は2次元。今、考えているのは3次元。ある１点を凝視しているのは0次元、ある直線の観察は1次元。 時間(0次元、1次元)。写真は0次元。映画は1次元。…

htmlファイル kindle形式はここに現れる予定 状態推移シミュレーション?臨床的例を用いて?作者: ryamada発売日: 2014/11/09メディア: Kindle版この商品を含むブログ (1件) を見る Rmdファイル # 状態推移 Status-transition ## 基本 Basics - 確率的に何かが…

メモ１ メモ２ メモ３ メモ４ メモ５ メモ６

Shape information from glucose curves: Functional data analysis compared with traditional summary measures OGTT(oral glucose tolerance test)は耐糖能異常の検査。妊娠糖尿病の発病予測にOGTTを使うとして、いわゆるOGTTの指標(Fasting値,2-hour値,A…

2015年度の修士向け講義は、「基礎の基礎」に戻ります(こちら) 日本人類遺伝学会の教育講演も、それに沿った話にします そのためのメモ こちらに図などがうまくいっていないかもしれないepub(文書の散逸防止のためにkindleにも置いています。以下のRmdファイ…

ネット上のテキストや文書などを文字列解析して、そこにある単語の個数を数え、多い単語を目立つように、少ない単語を目立たないようにカンバスに配置して全体として雲のような形にしたり、ちょっと面白い形にしたりするのがワードクラウド 文字列解析しなく…

忘れられる権利の尊重と言うことでグーグルが削除したとのニュースがありました（こちらたぶん、じきにリンク切れ） 忘れるという機構は、生物の仕組みの中では逆積極的な機構という印象がありますが、本当にそうなのでしょうか うまく忘れることが必要なメ…

全部で3103ポスターが登録されていましたが、そのうち、 バイオインフォマティクスに分類されたものが360、統計解析に分類されたものが447、あり、併せて、807題、全体の26%に上りました。 昨年までの集計をしていないので、正確なことは言えませんが、数年…

こちらの記事で、関数解析について勉強した ２次元に時刻パラメタで記録された曲線の解析をしてみよう テキストブックのサンプルコードはこちら データはこんな感じ library(fda) # handwrit は"fda"の筆記文字の情報 # 全1401点、20個のfda筆記サンプル、2…

こちらの記事で、関数解析について勉強した 基本、データから基底関数集合の線形和として曲線を平滑化・推定する。複数の曲線について、その曲線を従属変数(従属関数でもよい)の説明情報と見立てるのだが、そのとき、説明情報というのは、位置ごとに値を持っ…

Functional Data Analysis with R and MATLAB (Use R!)作者: James Ramsay,Giles Hooker,Spencer Graves出版社/メーカー: Springer New York発売日: 2009/07/02メディア: ペーパーバック購入: 1人 クリック: 1回この商品を含むブログを見る MATLABで作ってR…

以下のRmdに書いていないこと トレンド検定は、いわゆる「トレンドカイ二乗検定」と「Cockran-Armitage検定」とが使えて、それは(nは総サンプル数)で相互の統計量を換算し合う関係の、自由度１のカイ二乗分布に基づく検定であること Rmdファイルの処理の仕方…

曲線解析をスポーツに応用(こちら) 動画撮影して個人のプレーの動きを集計、特徴を関数として抽出して改善につなげるらしい(ミラノ工科大のMOXからのスピンアウト企業、MOXOFFがバレーボールに。すでにボートはやっていた→PDF) Functional Data Analysis wit…

一次線形回帰はからの正規乱雑項で観測データを説明しようとしたときにa,bの最尤推定をすることであり、そのモデルの当てはまりのよさを、a=0という帰無仮説条件に照らして、検定することがよくあるし、aの推定値の信頼区間を考えるときも、a=0が信頼区間に…

じゃあ、「ウィーナー過程」であることがわかっているけれど、その時刻t-sの差が分散を１を作るというそのt-sの差の大きさがわからないときにはどうしたらよいか 尤度を計算して最尤推定をすればよい # 適当に時刻を作る t <- sort(runif(100)) # 時刻の差 d…

１次元空間をウィーナー過程で進んでいるとする。任意の２時刻s tをとると、位置座標の差は平均0、分散t-sの正規分布に従うのがウィーナー過程 今、２時刻s,tでXs,Xtに観測されたとすれば、ある時刻u (s正規分布が、Xu-Xsとなる確率である)であって、かつ、(…