小野敬済
@takazumi.bsky.social
Ph.D.| 東京大学大学院情報理工学系研究科 | 主観的well-beingと包摂性(Inclusion)の研究をしております
診療報酬の投稿を読んでももう全然分からんし、なんか大変なんだねーくらいしか思えないな。
"臨床家養成機関としての"理学療法学科への復帰はもう難しいかなー
"臨床家養成機関としての"理学療法学科への復帰はもう難しいかなー
February 13, 2026 at 2:52 PM
診療報酬の投稿を読んでももう全然分からんし、なんか大変なんだねーくらいしか思えないな。
"臨床家養成機関としての"理学療法学科への復帰はもう難しいかなー
"臨床家養成機関としての"理学療法学科への復帰はもう難しいかなー
今の自分の研究テーマで使うことはあまり想定できないけど、企業実務では凄い使いそう。
February 13, 2026 at 9:18 AM
今の自分の研究テーマで使うことはあまり想定できないけど、企業実務では凄い使いそう。
マクローリン展開の気持ちを知れたときには、とても感動した。
February 12, 2026 at 3:20 PM
マクローリン展開の気持ちを知れたときには、とても感動した。
数学の人たちがちょいちょい使う「気持ち」大事だよね。
それが分からないと、なんでこんなことを長々と説明されているんだ？とイヤになってしまうので笑
それが分からないと、なんでこんなことを長々と説明されているんだ？とイヤになってしまうので笑
February 12, 2026 at 3:11 PM
数学の人たちがちょいちょい使う「気持ち」大事だよね。
それが分からないと、なんでこんなことを長々と説明されているんだ？とイヤになってしまうので笑
それが分からないと、なんでこんなことを長々と説明されているんだ？とイヤになってしまうので笑
はるか昔統計学を始めて学んだ時に「何がしたいの？」という感じだった積率母関数の気持ちが分かった。
でも、実務でいつ使うのかは、よく分からない。
でも、実務でいつ使うのかは、よく分からない。
February 12, 2026 at 3:10 PM
はるか昔統計学を始めて学んだ時に「何がしたいの？」という感じだった積率母関数の気持ちが分かった。
でも、実務でいつ使うのかは、よく分からない。
でも、実務でいつ使うのかは、よく分からない。
そのような文脈で混合研究を採用する際には、量的研究と質的研究で同じ種類のバイアスがかからないようなデザインにするということが重要なわけですが、質的研究でもサンプリングバイアスや選択バイアス(のようなバイアス)を軽減するのは、相当難しいのよね〜
February 11, 2026 at 9:16 AM
そのような文脈で混合研究を採用する際には、量的研究と質的研究で同じ種類のバイアスがかからないようなデザインにするということが重要なわけですが、質的研究でもサンプリングバイアスや選択バイアス(のようなバイアス)を軽減するのは、相当難しいのよね〜
希少疾患なり、そもそもの母集団が少ないマイノリティのアンケートは難しいよな〜
サンプリングバイアス、選択バイアスがされられないけど、調整できるほどのサンプルサイズを集めるのが難しいし、過酷な生活状況に置かれているケースが多いから、多くの変数を測定するような負荷の強い調査も難しい。
量的研究だけではそういう限界があるからこそ混合研究を採用しているけど、何か方法論的なブレイクスルーがあると良いな〜
サンプリングバイアス、選択バイアスがされられないけど、調整できるほどのサンプルサイズを集めるのが難しいし、過酷な生活状況に置かれているケースが多いから、多くの変数を測定するような負荷の強い調査も難しい。
量的研究だけではそういう限界があるからこそ混合研究を採用しているけど、何か方法論的なブレイクスルーがあると良いな〜
February 11, 2026 at 9:13 AM
希少疾患なり、そもそもの母集団が少ないマイノリティのアンケートは難しいよな〜
サンプリングバイアス、選択バイアスがされられないけど、調整できるほどのサンプルサイズを集めるのが難しいし、過酷な生活状況に置かれているケースが多いから、多くの変数を測定するような負荷の強い調査も難しい。
量的研究だけではそういう限界があるからこそ混合研究を採用しているけど、何か方法論的なブレイクスルーがあると良いな〜
サンプリングバイアス、選択バイアスがされられないけど、調整できるほどのサンプルサイズを集めるのが難しいし、過酷な生活状況に置かれているケースが多いから、多くの変数を測定するような負荷の強い調査も難しい。
量的研究だけではそういう限界があるからこそ混合研究を採用しているけど、何か方法論的なブレイクスルーがあると良いな〜
飛行機に乗るたびに、この技術の開発ってやっぱりすごいよなーと思う。
発想的には「凄い勢いでオナラ出せば、飛べるべ」と同じわけで、それを様々な実験、数値計算、最適化で実現しているわけだから。
発想的には「凄い勢いでオナラ出せば、飛べるべ」と同じわけで、それを様々な実験、数値計算、最適化で実現しているわけだから。
February 11, 2026 at 5:49 AM
飛行機に乗るたびに、この技術の開発ってやっぱりすごいよなーと思う。
発想的には「凄い勢いでオナラ出せば、飛べるべ」と同じわけで、それを様々な実験、数値計算、最適化で実現しているわけだから。
発想的には「凄い勢いでオナラ出せば、飛べるべ」と同じわけで、それを様々な実験、数値計算、最適化で実現しているわけだから。
例えば、ソーシャルキャピタル研究とかって結構高度な解析手法が使われているけど、尺度が杜撰だからじゃね？と思っている笑
February 8, 2026 at 12:58 PM
例えば、ソーシャルキャピタル研究とかって結構高度な解析手法が使われているけど、尺度が杜撰だからじゃね？と思っている笑
RCTとかもそうだと思うけど、軽量心理学的にちゃんとデザインされた尺度を使っているから、分布が歪む、関連性の異質性、色々なバイアスが混入することが事前に防がれているので、結果としてシンプルな解析で良いのよね〜。
February 8, 2026 at 12:53 PM
RCTとかもそうだと思うけど、軽量心理学的にちゃんとデザインされた尺度を使っているから、分布が歪む、関連性の異質性、色々なバイアスが混入することが事前に防がれているので、結果としてシンプルな解析で良いのよね〜。
階層モデル、面白いけど、自分の研究で使うかな〜？
確かに各自治体からサンプルされたデータを扱うことはあるけど、関連性のバラツキを知りたいケースって今のところ、あんまりないのよね〜。nesしていることにロバストであれば良いくらいで。
確かに各自治体からサンプルされたデータを扱うことはあるけど、関連性のバラツキを知りたいケースって今のところ、あんまりないのよね〜。nesしていることにロバストであれば良いくらいで。
February 8, 2026 at 12:50 PM
階層モデル、面白いけど、自分の研究で使うかな〜？
確かに各自治体からサンプルされたデータを扱うことはあるけど、関連性のバラツキを知りたいケースって今のところ、あんまりないのよね〜。nesしていることにロバストであれば良いくらいで。
確かに各自治体からサンプルされたデータを扱うことはあるけど、関連性のバラツキを知りたいケースって今のところ、あんまりないのよね〜。nesしていることにロバストであれば良いくらいで。
アカデミア、収入低いと言われるけど、額面としては別に600万円くらいいけば良いなーと思っている(今のところ)
それよりもクソ仕事を押し付けないでくれ。
それよりもクソ仕事を押し付けないでくれ。
February 7, 2026 at 4:40 AM
アカデミア、収入低いと言われるけど、額面としては別に600万円くらいいけば良いなーと思っている(今のところ)
それよりもクソ仕事を押し付けないでくれ。
それよりもクソ仕事を押し付けないでくれ。
統計学、実装優先で学んできたけど、やっぱり基礎をちゃんと勉強したいな〜
書籍とやる気はあるけど、あと時間……
書籍とやる気はあるけど、あと時間……
February 7, 2026 at 3:26 AM
統計学、実装優先で学んできたけど、やっぱり基礎をちゃんと勉強したいな〜
書籍とやる気はあるけど、あと時間……
書籍とやる気はあるけど、あと時間……
ベイズ推論×多重代入、とんでもない時間がかかるぞ笑
代入回数を100として、一つの関連性尺度を推定するのに、単純計算で2時間くらいかかる(MacBook M4 Pro、メモリ24GBです)。
色々計算を最適化すればもう少し時間短縮になるのかもだけど、これはラップトップでやるのは現実的ではないかな😅
代入回数を100として、一つの関連性尺度を推定するのに、単純計算で2時間くらいかかる(MacBook M4 Pro、メモリ24GBです)。
色々計算を最適化すればもう少し時間短縮になるのかもだけど、これはラップトップでやるのは現実的ではないかな😅
February 5, 2026 at 2:25 PM
ベイズ推論×多重代入、とんでもない時間がかかるぞ笑
代入回数を100として、一つの関連性尺度を推定するのに、単純計算で2時間くらいかかる(MacBook M4 Pro、メモリ24GBです)。
色々計算を最適化すればもう少し時間短縮になるのかもだけど、これはラップトップでやるのは現実的ではないかな😅
代入回数を100として、一つの関連性尺度を推定するのに、単純計算で2時間くらいかかる(MacBook M4 Pro、メモリ24GBです)。
色々計算を最適化すればもう少し時間短縮になるのかもだけど、これはラップトップでやるのは現実的ではないかな😅
Table 2 fallacyの絶滅とはーきんぐの絶滅はどちらの方が先なのだろう？
February 5, 2026 at 9:24 AM
Table 2 fallacyの絶滅とはーきんぐの絶滅はどちらの方が先なのだろう？
開発するなら、GitHubからは逃れられないか……そのうち、ラテフからも逃れなれなくなるのだろうか。
勉強しなきゃいけないことが多すぎるな
勉強しなきゃいけないことが多すぎるな
February 3, 2026 at 1:39 PM
開発するなら、GitHubからは逃れられないか……そのうち、ラテフからも逃れなれなくなるのだろうか。
勉強しなきゃいけないことが多すぎるな
勉強しなきゃいけないことが多すぎるな
Xと違って有識者が飛んでこないのは良くも悪くもだな笑
有識者()はいらないのだから、有識者(真)は欲しいな。
やっぱりXもすごい限定的な用途で再開しようかな？
有識者()はいらないのだから、有識者(真)は欲しいな。
やっぱりXもすごい限定的な用途で再開しようかな？
February 3, 2026 at 10:25 AM
Xと違って有識者が飛んでこないのは良くも悪くもだな笑
有識者()はいらないのだから、有識者(真)は欲しいな。
やっぱりXもすごい限定的な用途で再開しようかな？
有識者()はいらないのだから、有識者(真)は欲しいな。
やっぱりXもすごい限定的な用途で再開しようかな？
GPTとGemini曰く、f個のサンプルのデータセットがm個あったとしたら、f*m個のサンプルを事後分布の近侍として解釈していいらしい。
直感的には良さそうだけど、ほんとか？
直感的には良さそうだけど、ほんとか？
多重代入したデータセットにも対応できるベイズ回帰のコードを書いたんだけど、多重代入したm個のデータセットで事後分布を統合する方法がわからん。
February 3, 2026 at 10:24 AM
GPTとGemini曰く、f個のサンプルのデータセットがm個あったとしたら、f*m個のサンプルを事後分布の近侍として解釈していいらしい。
直感的には良さそうだけど、ほんとか？
直感的には良さそうだけど、ほんとか？
多重代入したデータセットにも対応できるベイズ回帰のコードを書いたんだけど、多重代入したm個のデータセットで事後分布を統合する方法がわからん。
February 3, 2026 at 7:44 AM
多重代入したデータセットにも対応できるベイズ回帰のコードを書いたんだけど、多重代入したm個のデータセットで事後分布を統合する方法がわからん。
「客観的」な計測手法もそろそろ採用して研究した方が良いのかなとは思いつつ、研究者として興味があるのは主観なんだよねー
主観という曖昧なものの成り立ちを知りたいという動機であり、そんな曖昧なものに当てはまる統計モデルを見つけた時の快感が好きなわけで
主観という曖昧なものの成り立ちを知りたいという動機であり、そんな曖昧なものに当てはまる統計モデルを見つけた時の快感が好きなわけで
January 31, 2026 at 11:36 AM
「客観的」な計測手法もそろそろ採用して研究した方が良いのかなとは思いつつ、研究者として興味があるのは主観なんだよねー
主観という曖昧なものの成り立ちを知りたいという動機であり、そんな曖昧なものに当てはまる統計モデルを見つけた時の快感が好きなわけで
主観という曖昧なものの成り立ちを知りたいという動機であり、そんな曖昧なものに当てはまる統計モデルを見つけた時の快感が好きなわけで
t検定とか分散分析ではなく、ベイズから統計学に入門した方が良いんじゃね？と思う。
直感的ではなく、難しいロジックだから、「ユーイ」の(ご都合な)使い方だけ覚えてしまう、みたいな。ベイズの方が理解が簡単というわけではないと思うけど、分かってないと使えない&使えるようになったら直感的だから、ちゃんと数式に向き合って理解して使うことへのインセンティブがある気がする。
知らんけど。
直感的ではなく、難しいロジックだから、「ユーイ」の(ご都合な)使い方だけ覚えてしまう、みたいな。ベイズの方が理解が簡単というわけではないと思うけど、分かってないと使えない&使えるようになったら直感的だから、ちゃんと数式に向き合って理解して使うことへのインセンティブがある気がする。
知らんけど。
January 28, 2026 at 3:07 PM
t検定とか分散分析ではなく、ベイズから統計学に入門した方が良いんじゃね？と思う。
直感的ではなく、難しいロジックだから、「ユーイ」の(ご都合な)使い方だけ覚えてしまう、みたいな。ベイズの方が理解が簡単というわけではないと思うけど、分かってないと使えない&使えるようになったら直感的だから、ちゃんと数式に向き合って理解して使うことへのインセンティブがある気がする。
知らんけど。
直感的ではなく、難しいロジックだから、「ユーイ」の(ご都合な)使い方だけ覚えてしまう、みたいな。ベイズの方が理解が簡単というわけではないと思うけど、分かってないと使えない&使えるようになったら直感的だから、ちゃんと数式に向き合って理解して使うことへのインセンティブがある気がする。
知らんけど。
解析計画とまでは言わないけれど、解析のイメージなしにデータを取り始めちゃう人の思考過程ってどうなっているんだろう？
全く理解できん。
全く理解できん。
January 28, 2026 at 1:55 PM
解析計画とまでは言わないけれど、解析のイメージなしにデータを取り始めちゃう人の思考過程ってどうなっているんだろう？
全く理解できん。
全く理解できん。