アカウント名:
パスワード:
より多くのコメントがこの議論にあるかもしれませんが、JavaScriptが有効ではない環境を使用している場合、クラシックなコメントシステム(D1)に設定を変更する必要があります。
身近な人の偉大さは半減する -- あるアレゲ人
やっぱりSAS (スコア:1)
Re:やっぱりSAS (スコア:2, 参考になる)
SASはオープンソースではないので、計算の妥当性は闇雲に信用する
しかないです。そういう意味ではRのほうが信頼性が高いと思えます。
また、「SASでないとできない手法がある」というのも良く言われますが、
医学領域のペーパーで使われている統計手法のうち、
SASでないとできないような高度なものは、その選択の理由は
ほとんどが「他の論文でも使ってた方法だから」「査読者が
それでやれって言ったから」という理由で決められているのではないか
と疑われます。なぜなら、一般の臨床家、医学研究者の統計知識って、
生存曲線とANOVAは知ってるけどt検定もχ2乗も知らない、っていうのが
普通ですから...
というわけで、SASをいれる理由はそのブランドイメージのみなのであって、
(ブランドイメージも重要な要素ではありますが...)
学術的なものではないと言ってよいと考えています。
# あまりにやばいのでAC
Re:やっぱりSAS (スコア:1)
-- 哀れな日本人専用(sorry Japanese only) --
Re:やっぱりSAS (スコア:1)
AR(Auto-Regressive: 自己回帰)モデルの事でしょうか?
AR モデル:
x[k] = \sum_{i=1}^{n}a[i]x[k-i] + e[k]
# x 出力, a モデル係数, e 白色雑音, n モデル次数
ARモデルは ARMA(Auto-Regressive Moving Average: 自己回帰移動平均)モデルの入力を
ホワイトノイズとした場合に相当します。
ARMA モデル:
x[k] = \sum_{i=1}^{n}a[i]x[k-i] + \sum_{i=0}^{m}b[i]y[k-i]
# x 出力, y 入力, a,b モデル係数, n,m モデル次数
これらのモデルは、
信号が過去の信号から線形予測できると仮定したモデルです。
因みにスペクトルの推定法として有名な MEM (Maximum Entropy Method: 最大エントロピー法)は
まさにARモデルの一種(と言うかそのもの)なんだそうです。
GNU R の場合 ar とか spec.ar を参照。
?ar
?spec.ar
でヘルプが引けます。
# 微妙にオフトピ気味、、、(- -;;;)
uxi
Re:やっぱりSAS (スコア:1)
# 参考文献はアルベルト湯川「『超』勉強法『超』批判 Version 2」データハウス(1997) だ。
-- 哀れな日本人専用(sorry Japanese only) --