: Bradley-Terry Burczyk

Similar documents
2301/1     目次・広告

12/1 ( ) GLM, R MCMC, WinBUGS 12/2 ( ) WinBUGS WinBUGS 12/2 ( ) : 12/3 ( ) :? ( :51 ) 2/ 71

60 (W30)? 1. ( ) 2. ( ) web site URL ( :41 ) 1/ 77


kubostat2017j p.2 CSV CSV (!) d2.csv d2.csv,, 286,0,A 85,0,B 378,1,A 148,1,B ( :27 ) 10/ 51 kubostat2017j (

/ *1 *1 c Mike Gonzalez, October 14, Wikimedia Commons.

dプログラム_1

/22 R MCMC R R MCMC? 3. Gibbs sampler : kubo/

aisatu.pdf

Sigma

Sigma

スポーツ科学 20年度/01 目次



[PDF] ザルトバインド総合カタログ


kubo2015ngt6 p.2 ( ( (MLE 8 y i L(q q log L(q q 0 ˆq log L(q / q = 0 q ˆq = = = * ˆq = 0.46 ( 8 y 0.46 y y y i kubo (ht

一般化線形 (混合) モデル (2) - ロジスティック回帰と GLMM

36

kubostat7f p GLM! logistic regression as usual? N? GLM GLM doesn t work! GLM!! probabilit distribution binomial distribution : : β + β x i link functi

kubostat1g p. MCMC binomial distribution q MCMC : i N i y i p(y i q = ( Ni y i q y i (1 q N i y i, q {y i } q likelihood q L(q {y i } = i=1 p(y i q 1

EPSON エプソンプリンタ共通 取扱説明書 ネットワーク編

untitled

ありがとうございました

EPSON エプソンプリンタ共通 取扱説明書 ネットワーク編

公務員人件費のシミュレーション分析


橡hashik-f.PDF

198

ネットショップ・オーナー2 ユーザーマニュアル


1

新婚世帯家賃あらまし

05[ ]戸田(責)村.indd

/9/ ) 1) 1 2 2) 4) ) ) 2x + y 42x + y + 1) 4) : 6 = x 5) : x 2) x ) x 2 8x + 10 = 0

: (GLMM) (pseudo replication) ( ) ( ) & Markov Chain Monte Carlo (MCMC)? /30

kubo2017sep16a p.1 ( 1 ) : : :55 kubo ( ( 1 ) / 10

kubostat2015e p.2 how to specify Poisson regression model, a GLM GLM how to specify model, a GLM GLM logistic probability distribution Poisson distrib

untitled

untitled

untitled



tnbp59-20_Web:P1/ky108679509610002943

平成19年度


untitled

第101回 日本美容外科学会誌/nbgkp‐01(大扉)

27巻3号/FUJSYU03‐107(プログラム)

パーキンソン病治療ガイドライン2002


jigp60-★WEB用★/ky494773452500058730

プログラム

kubostat2017e p.1 I 2017 (e) GLM logistic regression : : :02 1 N y count data or


本文27/A(CD-ROM

講義のーと : データ解析のための統計モデリング. 第3回

今回 次回の要点 あぶない 時系列データ解析は やめましょう! 統計モデル のあてはめ Danger!! (危 1) 時系列データの GLM あてはめ (危 2) 時系列Yt 時系列 Xt 各時刻の個体数 気温 とか これは次回)

,, Poisson 3 3. t t y,, y n Nµ, σ 2 y i µ + ɛ i ɛ i N0, σ 2 E[y i ] µ * i y i x i y i α + βx i + ɛ i ɛ i N0, σ 2, α, β *3 y i E[y i ] α + βx i

日本糖尿病学会誌第58巻第1号

橡Taro11-報告書0.PDF


Microsoft Word - プログラム3校.doc


untitled

kubostat2017c p (c) Poisson regression, a generalized linear model (GLM) : :

自由集会時系列part2web.key

untitled

合併後の交付税について

Ł\”ƒ-2005


本文/020:デジタルデータ P78‐97

講義のーと : データ解析のための統計モデリング. 第5回


HTML

2014ESJ.key

2 74

2



福岡大学人文論叢47-3

高齢化の経済分析.pdf

放射線専門医認定試験(2009・20回)/HOHS‐01(基礎一次)

B's Recorderマニュアル_B's Recorderマニュアル

B's Recorderマニュアル

t14.dvi


untitled

今日の要点 あぶない 時系列データ解析は やめましょう! 統計モデル のあてはめ (危 1) 時系列データの GLM あてはめ (危 2) 時系列Yt 時系列 Xt 各時刻の個体数 気温 とか


報告書

一般演題(ポスター)

ha 0 2,000 4,000 6,000 8,000 10,

kubostat2017b p.1 agenda I 2017 (b) probability distribution and maximum likelihood estimation :

Super perfect numbers and Mersenne perefect numbers /2/22 1 m, , 31 8 P = , P =

第52回日本生殖医学会総会・学術講演会

雇用不安時代における女性の高学歴化と結婚タイミング-JGSSデータによる検証-

80 X 1, X 2,, X n ( λ ) λ P(X = x) = f (x; λ) = λx e λ, x = 0, 1, 2, x! l(λ) = n f (x i ; λ) = i=1 i=1 n λ x i e λ i=1 x i! = λ n i=1 x i e nλ n i=1 x

A B ( +A+B) H g H27 H28 H29 H30 189, , , , , , , , ,

A B C D E F G H J K L M 1A : 45 1A : 00 1A : 15 1A : 30 1A : 45 1A : 00 1B1030 1B1045 1C1030

Transcription:

58 (W15) 2011 03 09 kubo@ees.hokudai.ac.jp http://goo.gl/edzle 2011 03 09 (2011 03 09 19 :32 )

: Bradley-Terry Burczyk

? ( )

1999 2010 9 R : 7 (1) 8 7??! 15 http://www.atmarkit.co.jp/fcoding/articles/stat/07/stat07a.html

? 2011 03 09 (2011 03 09 19 :32 )

0.5

fixed effects:? random effects:!

: 1000 5 as.numeric(table(factor(w, levels = 0:size))) 0 50 100 150 200 0 5 10 15 15

0.5? 15 y? 0.0 0.2 0.4 0.6 0.8 1.0 as.numeric(table(factor(w, levels = 0:size))) 0 50 100 150 200 0 5 10 15 15

(GLMM) 2011 03 09 (2011 03 09 19 :32 ) 0.0 0.2 0.4 0.6 0.8 1.0 as.numeric(table(factor(w, levels = 0:size))) 0 50 100 150 200 0 5 10 15 15

4. σ 2011 03 09 (2011 03 09 19 :32 ) BUGS code for (i in 1:N) { Win[i] ~ dbinom(q[i], 15) # 15 logit(q[i]) <- re[i] re[i] ~ dnorm(0, tau) # } tau <- 1 / (sigma * sigma) sigma ~ dunif(0, 1000) # 1. (q i, 15 ) 2. q i 1 1+exp( r i ) 3. r i (, σ)

BUGS code for (i in 1:N) { Win[i] ~ dbinom(q[i], 15) # 15 logit(q[i]) <- beta1 + beta2 * Size[i] + re[i] re[i] ~ dnorm(0, tau) # } # beta1, beta2: beta1 ~ dnorm(0, 1.0E-4) # beta2 ~ dnorm(0, 1.0E-4) # ( ) logit(q i ) ( ) + ( ) ( ) + r i 2011 03 09 (2011 03 09 19 :32 )

Bradley-Terry

??

: -3-2 -1 0 1 2 3??

Bradley-Terry model: fixed effects random effects -3-2 -1 0 1 2 3 (A ) = exp( A ) exp( A ) + exp( B )

Bradley-Terry A 0.0 0.2 0.4 0.6 0.8 1.0-3 -2-1 0 1 2 3-4 -2 0 2 4 A B ( ) = ( ) + ( fixed effects ) + ( random effects ) 2011 03 09 (2011 03 09 19 :32 )

Random effects? Bradley-Terry (factor ) ( ) : : (or GLMM)? ( )? 2011 03 09 (2011 03 09 19 :32 )

?

-3-2 -1 0 1 2 3 2011 03 09 (2011 03 09 19 :32 )

( ) ( ) -3-2 -1 0 1 2 3

-3-2 -1 0 1 2 3 0.0 0.2 0.4 0.6 0.8 1.0???

? ( )?

??

-2.0-1.5-1.0-0.5 0.0 0 1 2 3 4 5 6 2011 03 09 (2011 03 09 19 :32 )

? -2.0-1.5-1.0-0.5 0.0 0 1 2 3 4 5 6

0.0 0.1 0.2 0.3 0.4 0.5 0.6 N = 50 0 1 2 3 4 5 6

! 0.0 0.1 0.2 0.3 0.4 0.5 0.6 N = 50 0 1 2 3 4 5 6?

2

BUGS code for (j in 1:N.loser) { B1 ~ dbern(win1[j]) # 1 ( ) B2[j] ~ dbern(win2[j]) # 2 ( ) # B-T model logit(win1[j]) <- x[t.b1, Loser[j]] - x[t.b1, Winner1[j]] logit(win2[j]) <- x[t.b2[j], Loser[j]] - x[t.b2[j], Winner2[j]] for (t in 1:T.max) { x[t, Loser[j]] ~ dnorm(meanl[t], 20) # x[t, Winner1[j]] ~ dnorm(0.0, 20) } } ( ) logit( ) ( ) 2011 03 09 (2011 03 09 19 :32 )

BUGS code # meanl[t.b1] <- 0.0 meanl[t.b1 + 1] <- ab for (t in 3:T.max) { meanl[t] <- meanl[t - 1] * a # } ( ) 2011 03 09 (2011 03 09 19 :32 )

2011 03 09 (2011 03 09 19 :32 ) 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0 1 2 3 4 5 6

0.0 0.1 0.2 0.3 0.4 0.5 0.6 0 1 2 3 4 5 6?

feeder 2011 03 09 (2011 03 09 19 :32 ) Kawamori, A. and Matsushima, T. (2010) feeder

B-T : Burczyk

N B-T 3 (A ) = exp( A ) exp( A ) + exp( B ) + exp( C ) N exp( A ) (A ) = N i exp( i ) : : : random effects 花 2011 03 09 (2011 03 09 19 :32 ) 花

(1) Bradley-Terry Burczyk ( ) 2011 03 09 (2011 03 09 19 :32 )

(2) random effects ( )? + 2011 03 09 (2011 03 09 19 :32 )

http://goo.gl/edzle ( )

http://goo.gl/edzle ( )?!