Main result
- 1. P„”
- LD| U`µÄt`
äµ
RD t© ôtY µÄ„ : èÀÉ,
äÀÉ„
2ü( : Table2 main result
@Ä-
¸YP ôtYÐ )XYPä „X, ´íYPä ¬ü
March 11, 2014
@Ä- RD t© ôtY µÄ„ : èÀÉ, äÀÉ„
- 2. P„”
- LD| U`µÄt`
äµ
©(
1 P„”
2 - LD| U`µÄt`
Frequentist VS Bayesian
Likelihood
ŒÀ„X PÀ ”•
„°üÐ ì¨ ü X
3 äµ
@Ä- RD t© ôtY µÄ„ : èÀÉ, äÀÉ„
- 3. P„”
- LD| U`µÄt`
äµ
ÝX èT
Y ð?
1 ÄÜ ð VS Üð(Count data)
2 ð: Ü„ì!!!!!! ! | ŒÀ„
3 Count: Ý , @ etc.. : ìD¡, È, Ltm
ñ..(ݵ)
Y ӟ?
1 2”ü VS 3”ütÁ
2 2”ü : À¤ñ
3 3”ütÁ : W ñ..(ݵ)
@Ä- RD t© ôtY µÄ„ : èÀÉ, äÀÉ„
- 4. P„”
- LD| U`µÄt`
äµ
èÀÉ VS äÀÉ
èÀÉ(univariate) VS äÀÉ(multivariate)
1 Association ¼È˜ ˆÐ
1 äx ƒX ¨ü| ô ÄÐÄ Associationt ˆ”?
@Ä- RD t© ôtY µÄ„ : èÀÉ, äÀÉ„
- 5. P„”
- LD| U`µÄt`
äµ
Frequentist VS Bayesian
Likelihood
ŒÀ„X PÀ ”•
„°üÐ ì¨ ü X
VS ü U`
ü¬| X8 1t ˜, U`
1 : U`@ U + t¬Xà øƒD ”ä.
2 ü: L Æä, ÿLD Ä Åpt¸` Ð..
ü¬| X8 1t ˜, U`Ð ü•
1 : Ä X8 ”tôÈ U`@ 1/6x ï Xä.
2 ü: 1/6| ƒ @p, Ä X8ôÈ 1/6t Þ” ƒ
$..
@Ä- RD t© ôtY µÄ„ : èÀÉ, äÀÉ„
- 6. P„”
- LD| U`µÄt`
äµ
Frequentist VS Bayesian
Likelihood
ŒÀ„X PÀ ”•
„°üÐ ì¨ ü X
Homo bayesianis
Figure : Fun example of bayesian
@Ä- RD t© ôtY µÄ„ : èÀÉ, äÀÉ„
- 7. P„”
- LD| U`µÄt`
äµ
Frequentist VS Bayesian
Likelihood
ŒÀ„X PÀ ”•
„°üÐ ì¨ ü X
FrequentistX |Á•
Á): à}t‘ 0t }t‘ UX¨ü (t Æ” ƒ
@p..
˜: P? à}t‘ 0t }t‘ (t 0t|à?? (t 0
t|à X. øìt ´LlLl.. t pt0X Áit ˜,
¥1t pX Æ”p(5%øÌxp)? øÈL
- 8. À8´.
1 (t 0t|à Ð ¬Œ@ Æä. ÁXD œÀ.
2 Á)X ü¥D Œ tXì .
3 ½Xä.
@Ä- RD t© ôtY µÄ„ : èÀÉ, äÀÉ„
- 9. P„”
- LD| U`µÄt`
äµ
Frequentist VS Bayesian
Likelihood
ŒÀ„X PÀ ”•
„°üÐ ì¨ ü X
BayesianX |Á•
Á): à}t‘ 0t }t‘ UX¨ü (t Æ” ƒ
@p.. N(0; 1)„ì| 0tÀ JDL?
˜: (t N(0; 1)D 0xäà X. Ð 0tt t
pt0X Áit ü´LD L, (tX pt€U`D
Ä°tôÈ N(5; 1:2)| 0t”p?
1 ¬ÿLÐ „ì| : Prior
2 pt0 ü” ô: Likelihood
3 ÿLü pt0X ô| …i : Posterior- tx t.
@Ä- RD t© ôtY µÄ„ : èÀÉ, äÀÉ„
- 10. P„”
- LD| U`µÄt`
äµ
Frequentist VS Bayesian
Likelihood
ŒÀ„X PÀ ”•
„°üÐ ì¨ ü X
Probability‘ (t.
¥Ä
Figure : Likelihood
@Ä- RD t© ôtY µÄ„ : èÀÉ, äÀÉ„
- 11. P„”
- LD| U`µÄt`
äµ
Frequentist VS Bayesian
Likelihood
ŒÀ„X PÀ ”•
„°üÐ ì¨ ü X
Maximum likelihood estimator(MLE)
¥Ä”É: 1; ; nt Žt|X.
1 X ¥Ä h| lä.
2 ¥Ä| € ñXt ´ ¬tX ¥Ä (ŽtÈL)
3 ¥Ä| X”
- 13. P„”
- LD| U`µÄt`
äµ
Frequentist VS Bayesian
Likelihood
ŒÀ„X PÀ ”•
„°üÐ ì¨ ü X
@ µÄ„ä
1ÄÐ 0x U(t
1 T-test@ ANOVA, simple regression@ @ µÄ„tä.
Uü ˜t@X Ä
1 correlationü simple regression@ @ „.
@Ä- RD t© ôtY µÄ„ : èÀÉ, äÀÉ„
- 14. P„”
- LD| U`µÄt`
äµ
Frequentist VS Bayesian
Likelihood
ŒÀ„X PÀ ”•
„°üÐ ì¨ ü X
Least Square(Œñ•)
ñiD Œ: y Ü1Ð D”Æä.
Figure : Least square method
@Ä- RD t© ôtY µÄ„ : èÀÉ, äÀÉ„
- 15. P„”
- LD| U`µÄt`
äµ
Frequentist VS Bayesian
Likelihood
ŒÀ„X PÀ ”•
„°üÐ ì¨ ü X
MLE: ¥Ä”É
pt0 |´ ¥1D : y” „ìD”.
@Ä- RD t© ôtY µÄ„ : èÀÉ, äÀÉ„
- 16. P„”
- LD| U`µÄt`
äµ
Frequentist VS Bayesian
Likelihood
ŒÀ„X PÀ ”•
„°üÐ ì¨ ü X
Why know?
1 Multilevel „X tt| t.
2 OLS ! GLS ! GEE : semi-parametric
3 MLE ! LMM ! GLMM : parametric
@Ä- RD t© ôtY µÄ„ : èÀÉ, äÀÉ„
- 17. P„”
- LD| U`µÄt`
äµ
Frequentist VS Bayesian
Likelihood
ŒÀ„X PÀ ”•
„°üÐ ì¨ ü X
LRT? Ward? score?
Likelihood Ratio Test VS Ward test VS score test
1 µÄ X1 èX” )•ä.
2 ¥ÄDP VS ÀDP VS 0¸0DP/
@Ä- RD t© ôtY µÄ„ : èÀÉ, äÀÉ„
- 18. P„”
- LD| U`µÄt`
äµ
Frequentist VS Bayesian
Likelihood
ŒÀ„X PÀ ”•
„°üÐ ì¨ ü X
DP
Figure : Comparion
@Ä- RD t© ôtY µÄ„ : èÀÉ, äÀÉ„
- 19. P„”
- LD| U`µÄt`
äµ
Frequentist VS Bayesian
Likelihood
ŒÀ„X PÀ ”•
„°üÐ ì¨ ü X
AIC
°¬ l ¨X ¥Ä| Lt| Xt.
1 AIC = 2 log (L) + 2 k
2 k: $…ÀX /(1Ä, ˜t, ð ...)
3 ‘D] ‹@ ¨!!!
¥Ä p ¨D àt ÀÌ.. $…À 4 Ît
˜ð!!!
@Ä- RD t© ôtY µÄ„ : èÀÉ, äÀÉ„
- 20. P„”
- LD| U`µÄt`
äµ
1 Main tableÐ èÀÉ„°ü t ü ˆÄ]..
2 epicalc (¤À tƒD ¥XŒ tä.
3 Week2.R 11.
@Ä- RD t© ôtY µÄ„ : èÀÉ, äÀÉ„
- 21. P„”
- LD| U`µÄt`
äµ
END
Email : secondmath85@gmail.com
Oce: (02)880-2473
H.P: 010-9192-5385
@Ä- RD t© ôtY µÄ„ : èÀÉ, äÀÉ„
