コンテンツにスキップ

ベイズ統計・機械学習オンライン勉強会

黒木ノートなどの一部のまとめ

PDFが読み込まれない場合はリロードしてください.

2020-12-23 統計学の基礎

メモ

注意

  • 録画はじめた?

忘れる前に説明

  • 今日: 「統計学の基礎」と称して基礎の部分と用語を整理する
  • 今後: あとで説明する「純粋統計学」の部分を議論する
    • 特にプログラムによるいろいろな検証に興味がある

統計学の基礎

コメントまとめ+TODO

  • 【「確率で記述できるのか」問題】のところはもっと議論 (説明) が必要
    • 何を意図しているか具体例もつける
    • 議論している動画を見直して質問+応答の形で説明を追加する
  • 【理論統計学】の定義
    • 【純粋統計学】との区別はいいとして【応用統計学】との区別がそれほど明らかではない
    • よい分類・よい言葉は引き続き考える

はじめに

ここでは統計学の細々とした話の前に統計学の設定に関してまとめます. 私の観測範囲ではあまり見かけないものの, 統計学をきちんと理解し応用する上で大事だと思ったことを書いています.

基本文献

次の文献を基本に据えています.

まずは「渡辺澄夫, 統計学入門 「主義」 を心配するみなさまに」を読むといいでしょう. 短かさもあるので次に赤池の 2 論文を読んでみてください. 最後の教科書はそれほど簡単ではありません. この講座はこの本を読みこなすための私の基礎体力作りも兼ねて内容を整備しています.

上記文献に書いていないことからはじめる

私がこの講座を作ろうと思ったきっかけの 1 つでもあります. 私にとっての統計学の出発点で, それは統計学の前提と確率論との関係です. 実質的に確率論・統計学という言葉にはいくつかの使い分けがあり, それがおざなりなせいで余計な混乱を生んでいるように思います. これを私の視点で整理することからはじめます. まずは確率論と統計学の整理をしましょう.

確率論と統計学を無理やり分類する

期待値・平均・分散・エントロピーなど確率論と統計学に共通する概念があり, 少なくとも統計学では確率論の諸概念を使うため厳密にわけても大した意味はありません. しかし尤度のように確率論ではあまり出てこない一方で統計学で基本的な概念もありますし, 言葉を用意しておくと便利なように思います. この講座では次のような大まかな分類をした上で呼び方を決めます.

  • 確率論: 数学の 1 分野の確率論を指す. 現代的な公理的確率論と言ってもいい.
  • 純粋統計学: 尤度の数学的性質のように, 統計学の中で純粋に数学の問題として決着がつく・つけられる・つけるべきテーマを扱う分野を指す. 確率論と重なる部分もある.
    • 極限の議論は数学的な山場の 1 つ
    • プログラムを駆使した有限部分の議論がもう 1 つの山場
    • TODO 理論統計学ときちんと区別できるような特徴づけを探し, 対応する議論・説明をつけていく
  • 理論統計学: 応用に使うことを意識した統計学の理論研究を指す. 上述の赤池論文のような内容をイメージしている. 応用統計学に関わる理論といってもいいかもしれない.
    • TODO 必要に応じて細分する
  • 応用統計学: 実データの分析を指す. 「統計が使えるようになりたい」というときの統計.

この中で確率論と純粋統計学は純粋に数学なので「数学」という以上の説明・意味はありません. 純粋統計学は数理統計学と呼ぶ方がいいかもしれませんが, これは定義・守備範囲のはっきりしない既存の「数理統計学」とまぎらわしいので別の言葉をあてました. 応用統計学もそれほど守備範囲のイメージに問題はないでしょう. 問題は理論統計学です.

理論統計学は応用統計学に関わる議論と書いた以上, 応用統計学と重なる部分があります. 理論統計学でイメージしたのは理論物理です. 理論物理ではメインタスクとして, 例えば未知の現象を探るための理論を作ることや, 既存の実験事実を説明するための理論整備があります. 特に前者は実際の実験データを離れて理論物理学者同士が物理の理論を検討します. 「数学」ではなく統計学の議論をするという意味で, 純粋統計学とわけたかったのがここでの分類の意図です. そして「哲学」を含めてよく議論が紛糾しているのがこの理論統計学であろう, という気分を込めています.

確率論を大まかに

確率論は完全に数学です. 適当に確率と呼ばれる概念を設定したうえで, それが「正しい前提」で議論を進めます.

例えば「サイコロを振ったとき, 各目の出る確率は等しいとする」と仮定して批判的に吟味せずに進めます. 確率とは何か, といった問題も一切気にしません.

統計学を大まかに

統計学についてはいろいろな混乱があるようです. それを見ている限り, まずは次のような分類に注意するといいように思います.

  • 応用的な統計学: 実データの分析
    • 記述統計
    • 推測統計
  • 理論的な統計学
    • 思考実験を含む統計学の「理論」の議論, 理論統計学
    • 数学としての統計学, 純粋統計学

あくまでここでの分類で一般的な分類ではありません.

まず大雑把な話からはじめます. 前者の応用面が「本来の統計学」だろうと思います. 英語の statistics は国 state の状態を考えるところから来ていて, 特に記述統計が応用統計の原点でしょう. 推測統計, そして理論研究のモチベーションもあくまでここから来るはずです. 極端に言えば記述統計は全数調査がもとにあり, 統計学の適用対象の広がりに合わせて記述統計だけでは議論しきれない部分が出てきます. その部分を埋める適切な推論法が必要で, それが推測統計の理論と実践にあたります. 純粋に数学的な理論とそれを統計学としてどう解釈するかが重要で, この解釈に関わる理論整備が先の理論統計学の仕事の 1 つです.

統計学の暗黙の前提

図も入っていて明確なので渡辺さんの次のスライドを参考にしましょう.

このP.13やP.16を問題にします. 特にP.16では具体的に「統計数理とモデリング」というタイトルがついていて, 「統計学」は数理モデリングの 1 分野であるとされています. 特に次の図式に着目しましょう. \begin{align} \begin{tikzpicture}[auto] \node (a) at (0, 1.2) {未知の分布}; \node (x) at (2.5, 1.2) {データ}; \node (b) at (0, 0) {推測された分布}; \node (y) at (2.5, 0) {統計的諸量}; \draw[->] (a) to (x); \draw[->] (x) to node{モデルと事前分布} (y); \draw[<->] (a) to node[swap] {誤差の推定} (b); \draw[<-] (b) to (y); \end{tikzpicture} \end{align}

「統計学」はこの未知の分布をどう推測するかが課題とされています. そして次のような記述があります.

  • P.14: データを発生している真の分布は不明である
  • P.21: 正しい主義は存在しない
  • P.21: 正しい方法も存在しない
  • P.21: 好きな方法を使ってよいが結果は常に間違っている
  • P.21: どのくらい間違っているかを数学的に知ることができる

私がここで問題にしたいのはそもそも「統計学」は数理モデリングであること, そして未知の分布の仮定です. つまり「統計学」はあくまで\coloredtextbf{真の分布があると仮定}した上で, その真の分布を推測する理論なのです. そもそも真の分布があるかどうか, \coloredtextbf{調査対象を確率分布で記述するのが正しいか・適切かどうか}を問題にしていません. 確率論が確率とは何かを問わない数学であるように, 「統計学」は問題を確率で記述できることを疑わない数学の側面があるのです.

「確率で記述できるのか」問題

例えば天気予報を考えてみましょう.

  • 「明日の東京での降水確率は80\%です.」

自然現象を考える上では物理が基本なので物理から考えてみます. 降水確率の正確な定義はともかく, 物理としては明日の東京の天気は物理法則から完全に決まっているとみなすべき現象で, 確率的に決まる現象ではありません. 一方で現実的な問題として物理法則, 特に数学としての微分方程式の初期条件を厳密に・正確に特定しきれない問題があり, その不確定さを補うために確率論を援用しています. ここで確率論を援用していいかどうかは完全に非自明です. 天気予報の精度がいいか悪いかという以前の話です.

先程紹介した基礎文献によれば「統計学」はあくまで数理モデリングです. 「統計学」による推測結果が正しいかどうかという以前に, 「統計学」または確率論を使った記述が適切かどうかという問題があります. 自明な人には自明なのでしょう. しかしあまりにも言及がなさすぎるように思います. 「哲学」的な統計学の正しさの議論の前に, 数理モデリングとしての統計学の立ち位置を明確にすべきであり, 私は先程の図式は次のように書くべきだと考えています. \begin{align} \begin{tikzpicture}[auto] \node (z) at (-4.0, 1.2) {解析対象}; \node (a) at (0, 1.2) {未知の分布}; \node (x) at (2.5, 1.2) {データ}; \node (b) at (0, 0) {推測された分布}; \node (y) at (2.5, 0) {統計的諸量}; \draw[->] (z) to node{存在を仮定} (a); \draw[->] (a) to (x); \draw[->] (x) to node{モデルと事前分布} (y); \draw[<->] (a) to node[swap] {誤差の推定} (b); \draw[<-] (b) to (y); \end{tikzpicture} \end{align}

アンケート

毎回アンケートを取っています. 質問や要望がある場合もこちらにどうぞ.

アンケートは匿名なので気楽にコメントしてください. 直接返事してほしいことがあれば, メールなど適当な手段で連絡してください. 返事は確約できませんが, 適当な手段でコンテンツに反映させていきます.

進捗・対応メモ

2020-12-23

2021-01-06

2021-01-13

2021-01-20

2021-01-27

2021-02-03

2021-02-10

2021-02-17

  • 004_KL_information_and_descriptive_statistics.ipynb
  • 「カルバック-ライブラ情報量と記述統計」
  • 「0.23.3.12 最尤法で予測精度が下がる数値実験の案内」で引用されているLASSOの計算ノートブックのコードを一通り眺めた
  • グラフ・アニメーションもいくつか見た
  • 次回は同じく「カルバック-ライブラ情報量と記述統計」の「0.23.3.13 平均と分散の特徴づけ」の予定

2021-02-24

  • お休み

2021-03-03

2021-03-10

  • お休み

2021-03-17

  • 「0.23.4.13 平均と分散の特徴づけ」から
  • 「0.23.4.20 中央値の特徴づけ」まで

2021-03-24

  • お休み

2021-03-31

  • 録画を忘れずに
  • 予定: 0.23.4.21「中央値と中央値との差の絶対値の平均とラプラス分布モデルによる推定」から
  • 0.23.4.28 「ガンマ分布モデルの汎化誤差」
  • 次回: 0.23.4.29 「ガンマ分布モデルの最尤推定」から
  • メモ
    • 0.23.4.22 ラプラス分布モデルによる最尤推定 正規分布モデル?
    • log p(x|α, θ) 全体にマイナスがいる
    • ディガンマをお絵描きする

2021-04-07

  • お休み

2021-04-14

  • 録画を忘れずに
  • 0.23.4.29 「ガンマ分布モデルの最尤推定」から
  • 0.23.6.7「両側検定に対する注意」まで
  • 次回予定: 「0.23.6.6 正規分布モデルによる母集団平均に関する両側検定の作成」の復習から

2021-04-21

  • 予定: 「0.23.6.6 正規分布モデルによる母集団平均に関する両側検定の作成」の復習から
  • 「0.23.7.5 例」まで
  • 次回予定: 「0.23.7 最小二乗法の信頼区間と予測区間」の設定復習から
  • 限定公開の動画タイトル『2021-04-21 ベイズ統計勉強会 黒木ノートの勉強その11 正規分布モデルとt分布による母平均の仮説検定と区間推定, 最小二乗法の信頼区間と予測区間』

2021-04-28

  • 「0.23.7 最小二乗法の信頼区間と予測区間」終了
  • ipynb置き場
  • 限定公開の動画タイトル『2021-04-28 ベイズ統計勉強会 黒木ノートの勉強その12 最小二乗法の信頼区間と予測区間』
  • 次回予定: 「0.23.8 TODO 分割表でのピアソンの $\chi^2$ 統計量」
  • GW中に富谷昭夫・著『これならわかる機械学習入門』の準備する?

2021-05-05

  • GW でお休み

2021-05-12

  • 都合によりお休み

2021-05-19

  • 「0.23.8.7 周辺度数がすべて固定されている分割表の独立性を満たす確率分布の漸近挙動」まで
  • ipynb置き場
  • 限定公開の動画タイトル『2021-05-19 ベイズ統計勉強会 黒木ノートの勉強その13 分割表でのピアソンの $\chi^2$ 統計量 その 1』
  • 次回予定: 「0.23.8.8 ピアソンの $\chi^2$ 統計量と $G$ 統計量の定義」から
  • MISC 株×データサイエンスについて
    • 実データ分析事例として面白そう
    • けっこうなボリュームの資料がある
    • データは適当な定型データが得られるだろうから, 一度プログラムを整備しておけば, プログラムの使い回しで記述統計・機械学習がずっと回せる
    • プログラムを書くのも計算するのもいいが, 実際に自分達でデータ分析をするのもとても大事でこの題材に良さそう.

2021-05-19

  • 「0.23.8.7 周辺度数がすべて固定されている分割表の独立性を満たす確率分布の漸近挙動」まで
  • ipynb置き場
  • 限定公開の動画タイトル『2021-05-19 ベイズ統計勉強会 黒木ノートの勉強その13 分割表でのピアソンの $\chi^2$ 統計量 その 1』
  • 次回予定: 「0.23.8.8 ピアソンの $\chi^2$ 統計量と $G$ 統計量の定義」から
  • MISC 株×データサイエンスについて
    • 実データ分析事例として面白そう
    • けっこうなボリュームの資料がある
    • データは適当な定型データが得られるだろうから, 一度プログラムを整備しておけば, プログラムの使い回しで記述統計・機械学習がずっと回せる
    • プログラムを書くのも計算するのもいいが, 実際に自分達でデータ分析をするのもとても大事でこの題材に良さそう.

2021-05-26

  • 「0.23.8.8 ピアソンの $\chi^2$ 統計量と $G$ 統計量の定義」から「0.23.8.12 分割表での対数尤度比の計算: 分割表$A = \rbk{a_{ij}}$に制限がない場合」まで
    • ipynb も確認
  • ipynb置き場
  • 限定公開の動画タイトル『2021-05-26 ベイズ統計勉強会 黒木ノートの勉強その14 分割表でのピアソンの $\chi^2$ 統計量 その 2』
  • 次回予定: 「0.23.8.13 分割表での対数尤度比の計算: 分割表$A = \rbk{a_{ij}}$の総和$\sum_{i,j} a_{ij} = n$が一定の場合」

2021-06-02

  • 「0.23.8.13 分割表での対数尤度比の計算: 分割表$A = \rbk{a_{ij}}$の総和$\sum_{i,j} a_{ij} = n$が一定の場合」から0.23.8の終わりまで
  • ipynb置き場
  • 限定公開の動画タイトル『2021-06-02 ベイズ統計勉強会 黒木ノートの勉強その15 分割表でのピアソンの $\chi^2$ 統計量 その 3』
  • 次回予定: 「最尤法とカイ二乗検定の基礎」(ウィルクスの定理)

2021-06-09

  • 「「最尤法とカイ二乗検定の基礎」(ウィルクスの定理)」から「0.23.13.10.1最尤法の基礎」まで
  • 限定公開の動画タイトル『2021-06-09 ベイズ統計勉強会 黒木ノートの勉強その16 最尤法とカイ二乗検定の基礎 その 1』
  • 次回予定

2021-06-16

2021-06-23

2021-06-30

2021-07-07

2021-07-14

2021-07-21

2021-07-28

2021-08-04

2021-08-11

2021-08-18

2021-08-25

2021-09-01

2021-09-08

2021-09-15

  • 都合により中止

2021-09-22

2021-09-29

  • お休み

2021-10-06

2021-10-13

2021-10-20

諸事情によりお休み.

2021-10-27

2021-11-03

2021-11-10

2021-11-10, 2021-11-17, 2021-11-24,

  • お休み

2021-12-01

2021-12-08

  • お休み

2021-12-15

2021-12-22

2022-01-12

2022-01-19

2022-01-26

2022-02-02

2022-02-09

2022-02-16

  • お休み

2022-02-23

2022-03-02

2022-03-09

  • 都合によりお休み

2022-03-16

  • 都合によりお休み

2022-03-23

  • YouTube動画のタイトル(予定)「2022-03-23 ベイズ統計勉強会 JuliaのStatistics読解 第1回」
  • 今回: Juliaのソースコード読解, StatsBase
    • JuliaStats.orgの上の方から
    • JuliaStatsのStatsBase.jlを読みはじめた.
    • 実際のプログラムとしてのstc/StatsBase.jlを眺め, これのimport順に読む.
    • common.jl終了
    • weights.jl: Base.setindex!まで終わり.
  • 次回: StatsBase.jl, weights.jl のvarcorrectionから

2022-03-30

  • YouTube動画のタイトル「2022-03-30 ベイズ統計勉強会 JuliaのStatistics読解 第2回」
  • 今回: Juliaのソースコード読解, StatsBase
    • JuliaStats.orgの上の方から
    • StatsBase.jl, weights.jl のvarcorrectionから
    • StatsBase.jl, weights.jl のL.332, Base.getindexまで
  • 次回: StatsBase.jl, weights.jlのL.334から

2022-04-06

  • YouTube動画のタイトル(予定)「2022-04-06 ベイズ統計勉強会 JuliaのStatistics読解 第3回」
    • 録画忘れたので動画なし.
  • 今回: Juliaのソースコード読解, StatsBase
    • JuliaStats.orgの上の方から
    • StatsBase.jl, weights.jl のvarcorrectionから
    • StatsBase.jl, weights.jl のquantile, L.769まで
  • 次回:
    • StatsBase.jl, weights.jl のquantile, L.771, quantileから

2022-04-13

  • YouTube動画のタイトル(予定)「2022-04-13 ベイズ統計勉強会 JuliaのStatistics読解 第4回」
  • 今回: Juliaのソースコード読解, StatsBase
    • StatsBase.jl, weights.jl のquantile, L.771, quantileから
    • StatsBase.jl, weights.jl終了, scalarstats.jlのmodeまで
  • 次回:
    • StatsBase.jl, scalarstats.jlのL81, modesから

2022-04-20

  • 都合によりお休み

2022-04-27

  • 動画: 撮影忘れ
  • 今回: Juliaのソースコード読解, StatsBase
    • StatsBase.jl, scalarstats.jlのL81, modesから
    • 同ファイル, L625, genvarまで
  • 次回: StatsBase.jl, scalarstats.jlのL627, totalvarから

2022-05-04

  • GWでお休み

2022-05-11

  • YouTube動画のタイトル(予定)「2022-05-11 ベイズ統計勉強会 JuliaのStatistics読解 第5回」
  • 今回: StatsBase.jl, scalarstats.jlのL627, totalvarから robust.jlの最後まで
  • 次回: StatsBase.jl, deviation.jlの最初から

2022-05-18

  • YouTube動画のタイトル(予定)「2022-05-18 ベイズ統計勉強会 JuliaのStatistics読解 第6回」
  • ちょっとアナウンス
  • 今回: StatsBase.jl, deviation.jlの最初からcounts.jlのL.212, proportions()関数まで
  • 次回: counts.jlのL.215, _normalize_countmap()関数から

2022-05-25

  • YouTube動画のタイトル(予定)「2022-05-25 ベイズ統計勉強会 JuliaのStatistics読解 第7回」
  • 今回: counts.jlのL.215, _normalize_countmap()関数からtoeplitzsolvers.jlまで
  • 次回: rankcorr.jlから

2022-06-01

  • 都合により休止

2022-06-08

  • YouTube動画のタイトル(予定)「2022-06-08 ベイズ統計勉強会 JuliaのStatistics読解 第8回」
  • 今回: rankcorr.jl対応
  • 次回: signalcorr.jlから

2022-06-15

  • YouTube動画のタイトル(予定)「2022-06-15 ベイズ統計勉強会 JuliaのStatistics読解 第9回」
  • 今回: signalcorr.jl全体終了
  • 次回: partialcor.jlから
  • メモ
    • 勉強会で見つけた問題を直してもらえた模様: issue

2022-06-22

  • YouTube動画のタイトル(予定)「2022-06-22 ベイズ統計勉強会 JuliaのStatistics読解 第10回」
  • 今回: partialcor.jlから, hist.jlのL115, abstract type AbstractHistgramまで
  • 次回: hist.jlのL.118, Histgram <: AbstractHistgramの型のコメントから

2022-06-29

  • YouTube動画のタイトル(予定)「2022-06-29 ベイズ統計勉強会 JuliaのStatistics読解 第11回」
  • 今回: hist.jl, Histgram <: AbstractHistgramの型のコメントからL427 float関数まで
  • 次回: hist.jl, L430 normalize!関数から

2022-07-06

  • YouTube動画のタイトル(予定)「2022-07-06 ベイズ統計勉強会 JuliaのStatistics読解 第12回」
    • 録画忘れたので動画なし
  • 今回: hist.jl, L430 normalize!関数から
  • 次回: hist.jl終了, pairwise.jl L.153の_pairwise関数まで

2022-07-13

  • YouTube動画のタイトル(予定)「2022-07-13 ベイズ統計勉強会 JuliaのStatistics読解 第13回」
  • 今回: pairwise.jl, L.189のpairwise!関数からreliability.jl, misc.jl, sampling.jlのL.117、samplepair関数まで
  • 次回: L.122のknuths_sample!から

2022-07-20

  • YouTube動画のタイトル(予定)「2022-07-20 ベイズ統計勉強会 JuliaのStatistics読解 第14回」
  • 今回: sampling.jl, L.122のknuths_sample!からsampling.jl, L716のnaive_wsample_norep!まで
  • 次回: sampling.jl, L.721のefraimidis_a_wsample_norep!から

2022-07-27

  • YouTube動画のタイトル(予定)「2022-07-27 ベイズ統計勉強会 JuliaのStatistics読解 第15回」
  • 今回: sampling.jl, L.721のefraimidis_a_wsample_norep!からsampling.jl終了, statmodels.jlのL.148 showまで
  • 次回: statmodels.jlのL.150 showからか, SymPy

2022-08-03

  • YouTube動画のタイトル(予定)「2022-08-03 ベイズ統計勉強会 JuliaのStatistics読解 第16回」
  • 今回: statmodels.jlのL.150 showから StatsBase.jl終了
  • 次回: 永井佑紀, 『1週間で学べる！Julia数値計算プログラミング』5日目 具体例2：統計力学――乱数を使いこなす
    • 6日目 具体例3：固体物理学――自己無撞着計算と固有値問題もやる予定

2022-08-10

  • YouTube動画のタイトル(予定)「2022-08-10 ベイズ統計勉強会 JuliaのStatistics読解 第17回」
    • 録画忘れで動画なし
  • 今回: StatsModels.jl, traits.jl, contrasts.jlのL.600, HypothesisCoding()まで
    • 準備の時間取れず, 次回以降: 永井佑紀, 『1週間で学べる！Julia数値計算プログラミング』5日目 具体例2：統計力学――乱数を使いこなす
  • 次回: 準備が終われば永井本, 終わらなければStatsModels.jlの続きから

2022-08-17

  • (録画はじめた?)
  • YouTube動画のタイトル(予定)「2022-08-17 ベイズ統計勉強会 JuliaのStatistics読解 第18回」
  • 今回: StatsModels.jl, contrasts.jlのL.594から終了まで, terms.jlのL.382まで
  • 次回: 準備が終われば永井本, 終わらなければStatsModels.jlの続き(terms.jlのL.383)から

2022-08-24

  • YouTube動画のタイトル(予定)「2022-08-24 ベイズ統計勉強会 JuliaのStatistics読解 第19回」
  • 今回: StatsModels.jlの続き(terms.jlのL.383)からschema.jlのL.129まで
  • 次回: 準備が終われば永井本, 終わらなければStatsModels.jlの続き(schema.jlのL.131)から

2022-08-31

  • YouTube動画のタイトル(予定)(録画を忘れた)
  • 今回: StatsModels.jlの続き(schema.jlのL.131)からtemporal_terms.jlまで
  • 次回: 準備が終われば永井本, そうでなければformula.jlから

2022-09-07

  • YouTube動画のタイトル(予定)「2022-09-07 ベイズ統計勉強会 JuliaのStatistics読解 第20回」
  • 今回: 準備が終われば永井本, 終わらなければStatsModels.jlの続き(formula.jl)からmodelframe.jlのL.70まで
  • 次回: 準備が終われば永井本, 終わらなければStatsModels.jlの続きmodelframe.jlのL.71から

2022-09-14

  • YouTube動画のタイトル(予定)「2022-09-14 ベイズ統計勉強会 JuliaのStatistics読解 第20回」
    • 録画忘れ
  • 今回: 準備が終われば永井本, 終わらなければStatsModels.jlの続きmodelframe.jlのL.71から
    • 5.1の理論的背景, 5.2のイジングの計算本体の理論の話, 特に5.2.2まで
  • 次回: 永井本5.1のプログラムとお絵描き, 5.2.2の理論の続き

2022-09-21

  • YouTube動画のタイトル(予定)「2022-09-21 ベイズ統計勉強会 JuliaのStatistics読解 第21回」
  • 今回: 準備が終われば永井本5.1のプログラムとお絵描き, 5.2.2の理論の続き
    • GitHub
    • 終わらなければStatsModels.jlの続きmodelframe.jlのL.71から
    • 写経した5.1の結果を眺めつつコード確認, 5.2の物理の解説追加, P.168のcalc_Si関数あたりまでをフォロー
  • 次回: 永井本の残り, 次回は

2022-09-28

  • YouTube動画のタイトル(予定)「2022-09-28 ベイズ統計勉強会 JuliaのStatistics読解 第22回」
  • 今回: 永井本, calc_ΔEからと、MCMC解説・復習
    • GitHub
    • 終わらなければStatsModels.jlの続きmodelframe.jlのL.71から
    • モンテカルロの理論から一通りの計算プログラムの解説まで
  • 次回: 永井本の残り, 高速化の解説から, 終わったらJuliaの統計に戻る
    • SymPyをちょっとやってみたい

2022-10-05

  • (録画はじめた?)
  • YouTube動画のタイトル(予定)「2022-10-05 ベイズ統計勉強会 JuliaのStatistics読解, sympy 第23回」
  • 今回: 永井本, 残り, 高速化の解説から, 永井本の残り, sympy
    • GitHub
    • sympy/abc.pyのあと, algebras/quartenion.pyをfrom_axis_angleまで
  • 次回: sympy, from_rotation_matrixから

2022-10-12

  • YouTube動画のタイトル(予定)「2022-10-12 ベイズ統計勉強会 sympy 第2回」
  • 今回: sympy, quarternion.pyのfrom_rotation_matrixから
  • 次回: sympy, quarternion.pyのarc_coplanarまで

2022-10-19

  • (録画はじめた?)
  • YouTube動画のタイトル(予定)「2022-10-19 ベイズ統計勉強会 sympy 第3回」
  • 今回: sympy, quarternion.pyのvector_coplanarからcore/add.pyのflatten()まで
  • 次回: sympy, core/add.pyのclass_key()から

2022-10-26

  • 都合によりお休み

2022-11-02

  • 録画忘れ
  • 今回: sympy, core/add.pyのclass_key()から_eval_is_meromorphic()まで
  • 次回: sympy, core/add.pyの_eval_is_algebraic_expr()から

2022-11-09

  • 録画忘れ
  • 今回: sympy, core/add.pyの_eval_is_algebraic_expr()から
  • 次回: sympy, core/add.pyのas_real_imag()まで

2022-11-16

  • 都合により休み

2022-11-23

  • 祝日でお休み

2022-11-30

  • YouTube動画のタイトル(予定)「2022-11-30 ベイズ統計勉強会 sympy 第6回」
  • 今回: sympy, core/add.pyの_eval_as_leading_termからcore/add.py最後まで
  • 次回: F#/C#の何か, 探索中

2022-12-07

  • 都合によりお休み

2022-12-14

  • YouTube動画のタイトル(予定)「2022-12-14 ベイズ統計勉強会」
  • 今回: DiffSharp, Utils.fsのflatArrayAndShape6Dまで
  • 次回: DiffSharp, Utils.fsのflatArrayAndShape6Dから

2022-12-21

  • 都合により休み

2022-12-28

  • (録画はじめた?)
  • YouTube動画のタイトル(予定)「2022-12-28 ベイズ統計勉強会 DiffSharp 第2回」
  • 今回: DiffSharp, Utils.fsのflatArrayAndShape6DからUtils.fsのL.457, indentNewLinesまで
  • 次回: DiffSharp, Utils.fsのL.458, stringPadから

2023-01-04

  • 年始でお休み

2023-01-11

  • 今回: DiffSharp, Utils.fsのL.458, stringPadから最後, Extension.fsのL.159, Array6Dまで
  • 次回: DiffSharp.Core, Extension.fsのL.162のスライシングに関するコメントから

2023-01-18

  • 今回: DiffSharp.Core, Extension.fsのL.162のスライシングに関するコメントからBackend.fsまで
  • 次回: Device.fsから

2023-01-25

  • 今回: DiffSharp.Core, Device.fsからShape.fsのL.438まで
  • 次回: Shape.fsのL.439以降, canExpandから

2023-02-01

  • お休み

2023-02-08

  • 今回: DiffSharp.Core, Shape.fsのL.439以降, canExpandからRawTensor.fsのL.536, SolveTTまで
  • 次回: DiffSharp.Core, RawTensor.fsのL.539, SqueezeTまで

2023-02-08

2023-02-15

  • 今回: DiffSharp.Core, Diffsharp.fsのメインの部分
  • 次回: SymPy

2023-02-22

  • SymPy documetation
  • 今回: SymPy, matrices/common.pyのはじめから, L.817, _eval_jordan_blockまで.
  • 次回: SymPy, matrices/common.pyのL.818, _eval_ones()から

2023-03-01

  • SymPy documetation
  • 今回: SymPy, matrices/common.pyのL.818, _eval_ones()からL.1920のvalues()まで
  • 次回: SymPy, matrices/common.pyのL.1925, class MatrixOperations(MatrixRequired)から

2023-03-08

  • SymPy documetation
  • 今回: SymPy, matrices/common.pyのL.1925, class MatrixOperations(MatrixRequired)からL.2945, class MatriCommonまで
  • 次回: SymPy, matrices/common.pyのL.2948, class _MinimalMatrixから

2023-03-15

  • お休み

2023-03-22

  • SymPy documetation
  • 今回: SymPy, matrices/common.pyのL.2948, class _MinimalMatrixからmatrices/decomposition.pyのL.400, _cholesky_sparse()まで
  • 次回: matrices/decomposition.pyのL.403, _LDLdecomposition()から

2023-03-29

  • SymPy documetation
  • 今回: matrices/decomposition.pyのL.403, _LDLdecomposition()からmatrices/decomposition.pyのL.1127, _singular_value_decomposition()まで
  • 次回: matrices/decomposition.pyのL.1127, _singular_value_decomposition()から

2023-04-05

  • 今回: matrices/decomposition.pyのL.1127, _singular_value_decomposition()からmatrices/decomposition.pyは終了, dense.pyのL.698まで.
  • 次回: matrices/dense.pyのL.699, casoratian()から

2023-04-12

  • SymPy documetation
  • Online LaTeX editor
  • 今回: matrices/dense.pyのL.699, casoratian()からmatrices/determinant.pyのL.118, _find_reasonable_pivot()まで
  • 次回: matrices/determinant.pyのL.121, _find_reasonable_pivot_naive()から

2023-04-19

  • SymPy documetation
  • Online LaTeX editor
  • 今回: matrices/determinant.pyのL.121, _find_reasonable_pivot_naive()から_detまで
  • 次回: matrices/determinant.pyのL.676, _det_bareissから

2023-04-26

  • お休み

2023-05-03

  • お休み

2023-05-10

  • SymPy documetation
  • Online LaTeX editor
  • 今回: matrices/determinant.pyのL.676, _det_bareissからmatrices/eigen.pyのL.437, _eigenvectsまで
  • 次回: matrices/eigen.pyのL.439, _is_diagonalizable_with_eigenから

2023-05-17

  • SymPy documetation
  • Online LaTeX editor
  • 今回: matrices/eigen.pyのL.439, _is_diagonalizable_with_eigenからmatrices/eigen.pyのL.1025, ドキュメント文字列設定まで
  • 次回: matrices/eigen.pyのL.1027, _jordan_form()から

2023-05-17

  • SymPy documetation
  • Online LaTeX editor
  • 今回: matrices/eigen.pyのL.439, _is_diagonalizable_with_eigenからmatrices/eigen.pyのL.1025, ドキュメント文字列設定まで
  • 次回: matrices/eigen.pyのL.1027, _jordan_form()から

2023-05-24

2023-05-31

  • 今回: optuna
  • 次回: sympy, matrices/graph.pyの先頭から

2023-06-07

  • 今回: sympyはmatrices/graph.pyの先頭から
    • matrices/inverse.pyの_pinvまで
  • 次回: optuna, Samplerのコード周り
    • 次々回: 量子情報科学入門を読む

2023-06-14

  • 今回: optuna, Samplerのコード周り
  • 次回: 量子情報科学入門を読む

2023-06-21

  • お休み

2023-06-28

  • 今回: 量子情報科学
    • PDF 2.3.6, さらに本のP.3(PDFの6.6.1.2)まで
  • 次回: optuna
    • 次々回: 量子情報科学, P.3周辺, PDF 6.6.1.3から

2023-07-05

  • 今回: 量子情報科学, P.3周辺, PDF1.15.3.4から, 第四章, P.87, PDF1.15.6.12の注意まで.
  • 次回: optuna

2023-07-12

  • お休み

2023-07-19

  • 今回: optuna
  • 次回: 量子情報科学, 第四章, P.87, PDF1.15.6.13から.

2023-07-26

  • 今回: 量子情報科学, 第四章, P.87, PDF1.15.6.13から, PDF1.15.6.28, 量子ビットの例まで
  • 次回: optuna
  • 次々回: PDF1.15.6.29, 三準位量子系

2023-08-02

  • お休み

2023-08-09

  • 今回: PDF1.15.6.29, 三準位量子系から1.15.6.43「補題：可換なエルミート作用素の表示」まで.
  • 次回: optuna
  • 次々回: 量子情報

2023-08-16

  • 今回: 量子情報, 1.15.6.47 命題: 可換な物理量は同時測定可能から1.15.6.60の定義: エンタングル量子状態とその例まで.
  • 次回: optuna
  • 次々回: 量子情報

2023-08-23

  • お休み

2023-08-30

  • 今回: 量子情報, 「1.15.6.62 補題: 積空間での個別の物理量の同時測定」から「1.15.6.81 補題: 純粋状態に対応する密度作用素は射影」まで
  • 次回: optuna
  • 次々回: 量子情報

2023-09-06

  • 今回: optuna
  • 次回: 量子情報

2023-09-13

  • 今回: 量子情報, 「1.15.6.84, 定義: 混合状態も含めたボルンの確率規則」から「1.15.6.99 命題: 純粋状態の特徴づけ」とその証明まで
    • 次: 「1.15.6.101 定義: 非自明な確率混合」から
  • 次回: optuna

2023-09-20

  • 今回: optuna
  • 次回: 量子情報, 「1.15.6.101 定義: 非自明な確率混合」から

2023-09-27

  • お休み

2023-10-04

  • 今回: 量子情報, 「1.15.6.101 定義: 非自明な確率混合」から, 「1.15.6.122 命題: 部分トレースの性質」の言明の紹介まで
  • 次回: optuna

2023-10-11

  • 今回optuna
  • 次回: 量子情報「1.15.6.122 命題: 部分トレースの性質」の言明の紹介から

2023-10-18

  • お休み

2023-10-25

  • お休み

2023-11-01 wed

  • 今回: 量子情報「1.15.6.122 命題: 部分トレースの性質」の言明の紹介から
    • 量子情報「1.15.6.140 定義: 密度作用素の時間発展」まで
    • 次回: 「1.15.6.141 補題: 密度作用素の時間発展の実現可能性」から
  • 次回: optuna
    • 以後は勉強会を隔週に変更, 次回は11/15

2023-11-15 wed

  • お休み

2023-11-29 wed

  • 今回: optuna

2023-12-13 wed

  • 今回: 「1.15.6.141 補題: 密度作用素の時間発展の実現可能性」から
    • 「1.15.6.158 補題: PVM の基本的な性質」まで
    • 次回: 「1.15.6.158 補題: PVM の基本的な性質」から

2023-12-27 wed

  • optuna

2024-01-10 wed

  • 今回: 「1.15.6.158 補題: PVM の基本的な性質」から「1.15.6.168次の定理に向けて」まで
  • 量子情報の次回: 「1.15.6.169定理: POVM測定は間接測定実現可能」

2024-01-24 wed

  • お休み

2024-02-21 wed

  • 今回: 「1.15.6.169定理: POVM測定は間接測定実現可能」から「1.15.6.179 (定理: 物理量の可換性と同時測定可能性の)証明」まで
  • 量子情報の次回: 「1.15.6.180 補題: 正値作用素の積のトレースが消える条件」から

2024-03-05 wed

  • 今回: 「1.15.6.180 補題: 正値作用素の積のトレースが消える条件」から「1.15.6.187 命題: 時間発展写像の線型拡張はトレース保存正 写像」の証明まで
  • 量子情報の次回: 「1.15.6.190 定義: 正写像・完全正写像・トレース保存完全正写 像と量子通信路」から

2024-03-20 wed

  • お休み

2024-04-17 wed

  • 今回: 「1.15.6.190 定義: 正写像・完全正写像・トレース保存完全正写 像と量子通信路」から
  • 量子情報の次回: 1.15.6.197「命題: トレース保存完全正写像の例」から.

2024-05-29 wed

  • 今回: 1.15.6.197「命題: トレース保存完全正写像の例」から「1.15.6.208 選択測定・非選択測定の注意」まで
  • 量子情報の次回: 1.15.6.209「定義: 継続測定」から.

今後の予定: Juliaを勉強する