論文候補1 メモ

こちらを読もうとして…知らないことが多すぎて、パニックを起こしそう… とりあえず、分からないことを列挙。・べイズ線形回帰(こちらとか) shrinkage ・ベイジアンネットワーク ・連続と、離散/打ち切りデータとで、用いるモデルが変わる!? ・FDR(false di…

SOSパッケージを使ったR検索

install.packages('sos') library(sos) PL<- findFn('fractal') summary(PL)

標準化

こちらにて、標準化の話が出たので勉強する。■まず標準偏差について。 ・こちらが分かりやすい。 ・英語では、standard deviation ・Rで計算してみる。(こちらから) 身長 <- c(151, 164, 146, 158) 体重 <- c(48, 53, 45, 61) data <- data.frame(身長, 体重…

共分散

こちらにて、共分散の話が出たので勉強する。■共分散とは ・ふたつの事柄に関係があるかどうかを知るために求める値 ・つまり、独立なら0となる。 ・例はこちらがわかりやすい■相関係数 ・似た概念で、相関係数がある。 ・これは-1〜1の値を取る。 ・共分散…

scale free と フラクタル

こちらの記事の続きこちら参照 ■ランダム・ネットワーク ・ノードがもつリンクの数には典型的な値が存在 ・その分布は「正規分布」または「ポアソン分布」 ■スケールフリーネットワーク(Scale-Free Network) ・インターネットのリンク ・「ベキ(冪)乗分…

Weighted gene co-expression network analysis(WGCNA)

統計遺伝学解析手法勉強会にてSGC(b):20.20121105■Weighted gene co-expression network analysis(WGCNA)が紹介された。 ・R packageはこちら ・Weighted network(wiki) ■scale freeとは、どこをみても(拡大しても縮小しても)同じであること。by RY 紹介され…

標準偏差

p.4 1.2 標準偏差とは… 「偏差」=「平均からの差」を2乗したものを平均し,その平方根を取ったもの。 偏差は+と-があり,単純に平均してしまうと0になるので,2乗してプラスする。 1.3 oddcount <- function(x){ # 奇数の数をカウントする k <- 0 for(n in …

統計遺伝学解析手法勉強会にて

power analysis

Rでのpower analysis参照power= 1 - P(Type II error) = probability of finding an effect that is therepower↑ w/ sample size↑

SDとSEMの使い分け

SD: standard deviation SEM: standard error of means SEM=SD/√nが成立。こちらから抜粋Although the SD and the SEM are related (SEM=SD/√n), they give two very different types of information. Whereas the SD estimates the variability in the stud…

安定マッチング

医師臨床研修マッチングについて考える。採用されているのは、Gale-Shapleyの安定マッチングシステム。・安定なマッチングとは 今ペアになっていない 2 人で「今のペアを維持するよりもその 2 人が結婚した方が互いに幸せである」という組合せか…

how to write papers

YN先生より科学技術論文の書き方(文章の構成要素)科学技術論文の書き方科学技術論文の書き方(言葉の表記上の問題)

家系データシュミレーション

YN先生のサイトアレル頻度とは ハプロタイプは、アレルの数珠つなぎ(tandem: 縦につないだもの)詳しくはこちら N############### ### 1 ############### # あるマーカー # アレルの数 Na<-4 # アレル頻度 Pa<-c(0.3,0.2,0.1,0.4) # Pa<-c(3,2,1,4)のようにし…

数学いらずの医科統計学

数学いらずの医科統計学 より PART4 連続変数p.61 ■散らばりや分布を示すためのデータのグラフ化 散布図 Tm<- mean(c(37, 36, 37.1, 36.2, 37.3, 36.8, 37.0, 36.3, 36.9, 36.7, 36.8)) #観測したデータの平均をTmとする t1<- rnorm(130, Tm, 0.8) #t1はTmの…

χ二乗検定

chisq.test(c(315,108,101,32),p=c(9,3,3,1)/16) #c(315,108,101,32)は観測値、p=c(9,3,3,1)/16は生起確率 Chi-squared test for given probabilities data: c(315, 108, 101, 32) X-squared = 0.47, df = 3, p-value = 0.9254

第2回統計勉強会MIKU

PART4 P値と有意性

第2回微分勉強会miku

初等解法について

第1回微分勉強会miku

常微分方程式論より。参考リンク先 Cauchy-Lipschitzの定理 - KameWiki コーシーの平均値定理 - Wikipedia

第1回統計勉強会MIKU

数学いらずの医科統計学 より PART1 統計学入門 p.13 平均への回帰 p.22 n of 1 試験 PART2 信頼区間 CHAPTER 4 比率の信頼区間 信頼区間 confidence interval(CI) 目的 ある特定のデータから一般的な結論を導くこと 前提 ランダムなサンプル,独立した観察,…

第11回MIKU勉強会

ベッドルームで群論を第11章アイデンティティーの危機 p.243〜263 1.数がequalかどうかペアノ式で評価する ①ゼロであること ②1引くこと ができることを前提とする。(ア)x,yの両方がゼロの時はequal (イ)x,yの片方のみがゼロの時はnot equal (ウ)x,yの両方…

MIKU勉強会

第10章第三の基数 p.215〜p.241◆用語「ゴルディロックス」

第4回MIKU勉強会

ベッドルームで群論を第4章遺伝暗号をひねり出すp.77〜104他の人の記事 1.アミノ酸20コだけじゃない!!!!amino acids Wikiアミノ酸にはStandard amino acidsとNon-standard amino acidsがある。Standard amino acidsとは、私達が一般的に知っている…

2011MIKU勉強会第3回

ベッドルームで群論を第3章金を追ってp.29〜75他の参加者の記事 1.熱力学古典熱力学…巨視的現象として捉える統計力学… 個々の分子の現象として捉える 2.グラフ理論有向グラフ無向グラフ ex)拡散など 点自体に濃度が存在して、その勾配に従ってものが移…

2011MIKU勉強会第2回

ベッドルームで群論を第2章資源としての「無作為(ランダムさ)」p.29〜48他の参加者の記事1.ランダムとはランダム - WikipediaRandomness - Wikipedia簡単にいうと予測不可能であること。2.ランダムの使い道①暗号など、予測されない必要があるとき②シュ…

2011MIKU勉強会第1回

今後は毎週 「ベッドルームで群論を〜数学的思考の楽しみ方〜」http://www.amazon.co.jp/%E3%83%99%E3%83%83%E3%83%89%E3%83%AB%E3%83%BC%E3%83%A0%E3%81%A7%E7%BE%A4%E8%AB%96%E3%82%92%E2%80%95%E2%80%95%E6%95%B0%E5%AD%A6%E7%9A%84%E6%80%9D%E8%80%83%E3…

tex記法

http://f29.aaa.livedoor.jp/~morg/wiki/index.php?tex%B5%AD%CB%A1%A1%A2mimeTex%A4%CE%BD%F1%A4%AD%CA%FD%A1%A2%B5%AD%CB%A1(%BF%F4%BC%B0%C9%BD%BC%A8)

感度・特異度・陽性的中率・陰性的中率

感度・特異度と陽性的中率・陰性的中率 - おしゃスタ統計 〜統計学・機械学習・AI〜

関節リウマチの診断基準

関節リウマチの診断基準(2010/08/22) 2010-08-18CBTの勉強で学んだ知識 「両側性関節炎ならリウマチである可能性が高い」 という定説について。真偽を確認。全て× 両側 片側 0 0 2 1 1 2 … 3 … 5 …使ったデータ 2010-08-18 このデータには関節の腫脹が左右ど…

①二項分布…離散的(連続でない)②P値について pは確率(probability)のp。 詳しくはGの授業のレジュメ参照。

第5回MIKU勉強会その2

第5回MIKU勉強会 - MIKU勉強会の続き①について x<- c(165,170,172,175,170,172,183,187,180,185) y<- c(50,60,65,65,70,75,80,85,90,95) X<- sum(x) Y<- sum(y) S<- rep(0,100) a<- 1:10 b<- 1:10 A<- as.matrix(expand.grid(a,b)) #(a,b)は1~10までの整数…