統計学を真剣に学ぶためのノートです。 今回は具体的な状況(母比率など)においてどのような仮説検定(検定統計量など)を扱うべきかを議論します(その4)。

統計学に特有な線形代数を学びます。 行列ノルムの収束性を議論します。

Juliaを使ってみる。今回はハミルトニアン・モンテカルロ法でロジスティック回帰を扱います。

大学レベルの微分積分を復習していきます。 Stokesの定理を示します。

統計学を真剣に学ぶためのノートです。 今回は具体的な状況(母分散など)においてどのような仮説検定(検定統計量など)を扱うべきかを議論します(その3)。

統計学に特有な線形代数を学びます。 スペクトル半径と行列ノルムの関係を議論します。

Juliaを使ってみる。今回はハミルトニアン・モンテカルロ法を扱います。

大学レベルの微分積分を復習していきます。 勾配、発散、回転を定義し、Greenの定理を導入します。

統計学を真剣に学ぶためのノートです。 今回は具体的な状況(母平均に関する検定)においてどのような仮説検定(検定統計量など)を扱うべきかを議論します（その2）。

統計学に特有な線形代数を学びます。 行列ノルムを定義します。

大学レベルの微分積分を復習していきます。 ベクトル値関数の線積分・面積分を導入します。

統計学を真剣に学ぶためのノートです。 今回は具体的な状況においてどのような仮説検定(検定統計量など)を扱うべきかを議論します。

統計学に特有な線形代数を学びます。 引き続き2つの対称行列の同時対角化を議論します。

Juliaを使ってみる。今回はLaplace近似でロジスティック回帰の推定を行ないます。

大学レベルの微分積分を復習していきます。 ベクトルの外積および曲線の長さや面積を導入します。

統計学を真剣に学ぶためのノートです。今回は検定論における“良さ”を議論すべく尤度比検定を導入し、更に検定の精度と標本サイズの関係を議論します。

統計学に特有な線形代数を学びます。 2つの対称行列の同時対角化を議論します。

大学レベルの微分積分を復習していきます。 ベクトル解析で接線および接平面を議論します。

統計学を真剣に学ぶためのノートです。今回は検定論における“良さ”を議論すべく不偏検定・一様最強力不偏検定を導入します。

統計学に特有な線形代数を学びます。 行列のSchur分解の具体例を議論します。

Juliaを使ってみる。今回はLaplace近似を計算してみます(今回は完全版です)。

大学レベルの微分積分を復習していきます。 今回からベクトル解析を導入します。

統計学を真剣に学ぶためのノートです。今回は検定論における“良さ”を議論すべく一様最強力検定を導入します。

統計学に特有な線形代数を学びます。 行列のJordan分解およびSchur分解を議論します。

大学レベルの微分積分を復習していきます。 縮小写像を定義した上で、Banachの不動点定理を導入します。

統計学を真剣に学ぶためのノートです。今回は、検定論を説明します。

統計学に特有な線形代数を学びます。 正方行列の対角化を議論します。

Juliaを使ってみる。今回はLaplace近似を計算してみるのに少し脱線して、ラッパー関数を挟むメリットを検証します。

大学レベルの微分積分を復習していきます。 ノルム空間を導入し、関数の集合に対して完備性を導入します。

統計学を真剣に学ぶためのノートです。今回は、区間推定論における各種概念を説明します。