WindowsのStickyNotesの付箋をAndroidスマホで確認する
StickyNotes ver3からはクラウド同期が可能になり， 別のWindowsデバイスでも同じMicrosoftアカウントを使うことで同じ付箋を見れるようになり共有が容易になった．
今回はWindowsのStickyNotesの付箋をAndroidスマホで確認する方法のメモ．
今のところ2種類のやり方があるもよう．
- ブラウザでアクセスする場合
- OneNoteアプリを使う場合（今回はこっちメイン）
Android GmailアプリでiCloudのメール受信設定をする
Android GmailアプリでiCloudのメール受信設定をする
iCloudのメール(xx@me.com)をAndroidスマホでも受け取りたい！というための設定メモである．
大まか手順として
が必要になる．
Android端末ではブラウザからでもメールは確認できない
Androidスマホのブラウザ（例えばChrom）からiCloud(https://www.icloud.com/)へ ログインしても以下のように表示されるだけでメールの確認はできない．
なお，PCからアクセスした場合はメールアイコンが表示され確認できる．
T種類中のものをn回引いてx種類当てる確率
T種類中のものをn回引いてx種類当てる確率
今回は，T種類中のものを
- n回引いてx種類当てる確率
を求める． (試行回数nは固定値，x種類が確率変数になる)
例えば，3種類の玩具付きお菓子あったときに，
- 4回引いて1,2,3種類当てる確率
に該当する．
- T種類中のものをn回引いてx種類当てる確率
- 幾何分布（おさらい）
- T種類中のものをn回引いてx種類当てる確率
- 例：3種類中からn回引いて1,2,3種類当てる確率を考える
- 例：n=1回
- 例：n=2回
- 例：n=3回
- 例：n=4回
- T種類中のものをn回引いてx種類当てる確率の一般化
- 例：3種類中からn回引いて1,2,3種類当てる確率を考える
- 実装コード
- 厳密値
- モンテカルロで解く
- 参考・資料リンク
- 関連リンク
x回目に初めて当たる確率：幾何(first sucess, geometric)分布メモ
x回目に初めて当たる確率：幾何(first sucess, geometric)分布メモ
x回目に初めて当たる確率分布である幾何(first sucess, geometric)分布のメモ
- x回目に初めて当たる確率：幾何(first sucess, geometric)分布メモ
- 幾何分布とは
- 幾何分布の確率質量関数pmf
- 確率の公理を満たすか
- 例：コインを$x$回振って$x$回目に初めて表がでる確率分布
- 例：サイコロを$x$回振って$x$回目に初めて1がでる確率分布
- 累積密度関数cdf
- 例：コインをx回目まで振って1回は表が出る確率
- 例：サイコロをx回目まで振って1回は1が出る確率
- 幾何分布の期待値
- 例：コインを投げてx回目に初めて表が出る試行回数の期待値
- 例：サイコロを投げてx回目に1が出る試行回数の期待値
- 幾何分布の分散
- 例：コインを投げてx回目に表が出る試行回数の分散
- 例：サイコロを投げてx回目に1が出る試行回数の分散
- 幾何分布のパラメータ推定
t分布のパラメータをEMアルゴリズムで推定する
t分布のパラメータをEMアルゴリズムで推定する
t分布のパラメータをEMアルゴリズムで推定するメモ．
計算する値が多いのでまとめておく．
平均$\vec{\mu}$, 分散 は解析的に求まる．
ただし，自由度$\nu$は求まらないのでグリッドサーチ，ランダムサーチ，他の反復法などが必要になる．
Estep:
- 各データに対して，事後分布になるガンマ分布$q_{i}(h_{i})$を求める．
Mstep:
平均パラメータ$\vec{\mu}$と共分散行列パラメータ
の推定
- 事後分布の期待値$E[ q_{i}(h_{i}) ]$を使う．
自由度$\nu$の推定
- 条件付期待値$\sum_{i=1}^{I} \int \hat{q}_{i}(h_{i}) \log{\left[ Pr(\vec{x}_{i}, h_{i}|\mathbf{\theta}) \right] } d h_{i}$を計算（グリッドサーチなどで自由度を変えながらこの期待値が大きくなっているか確認）
参考：
Udemyの「ベイズ推定とグラフィカルモデル：コンピュータビジョン基礎1 55. t-distribution t-分布」
テキスト："Computer vision: models, learning and inference" by Simon Prince
t分布が平均が同じ正規分布の無限混合分布であることをシミュレーションする
t分布が平均が同じ正規分布の無限混合分布であることをシミュレーションする
厳密には，t分布は，平均が同じ，分散がガンマ分布に従うスケールパラメータ$h$でスケールされた での正規分布で
hをすべての範囲（無限）について足し合わせた（積分した）混合分布になっている．
ということで，大量の正規分布を作りpdfの和を求めてt分布に近づくかをシミュレーションしてみる．
参考：
Udemyの「ベイズ推定とグラフィカルモデル：コンピュータビジョン基礎1 55. t-distribution t-分布」
テキスト："Computer vision: models, learning and inference" by Simon Prince
- t分布が平均が同じ正規分布の無限混合分布であることをシミュレーションする
- t分布の混合性
- シミュレーション
- 参考文献・リンク
EMアルゴリズムで混合正規分布(MoG)のパラメータを導出
EMアルゴリズムで混合正規分布(MoG)のパラメータを導出
EMアルゴリズムで混合正規分布(MoG)のパラメータを求めるメモ．
参考：
Udemyの「ベイズ推定とグラフィカルモデル：コンピュータビジョン基礎1 54. Gaussian Mixture Model 混合正規分布」
テキスト："Computer vision: models, learning and inference" by Simon Prince
