実践 Pythonライブラリー Pythonによる ベイズ統計学入門

中妻 照雄(著)

中妻 照雄(著)

定価 3,740 円(本体 3,400 円+税)

A5判/224ページ
刊行日:2019年04月20日
ISBN:978-4-254-12898-7 C3341

ネット書店で購入する amazon e-hon 紀伊國屋書店 honto Honya Club Rakutenブックス

書店の店頭在庫を確認する 紀伊國屋書店 旭屋倶楽部

内容紹介

ベイズ統計学を基礎から解説,Pythonで実装。マルコフ連鎖モンテカルロ法にはPyMC3を活用。〔内容〕「データの時代」におけるベイズ統計学/ベイズ統計学の基本原理/様々な確率分布/PyMC/時系列データ/マルコフ連鎖モンテカルロ法

編集部から

●ベイズ統計学を基礎からちゃんと理解し,Pythonで実践
●マルコフ連鎖モンテカルロ法(MCMC法)にPyMC3を使用,簡潔なコードですぐに試せる

・ベイズ統計学は機械学習の解釈にも密接にかかわる,データサイエンティストに必須のツールです.
・ベイズ流の考え方に慣れてもらえるよう,基礎から丁寧に解説しており,自分が何をしているのか分かったうえでPythonのコードを試せます.
・MCMCをつかわなくても解ける単純な例(自然共役事前分布)から説明し,複雑で実践的な例へと進んでいるので,なぜMCMCが必要なのかがよくわかります.
・Pythonの文法でベイズ統計モデリングが可能なPyMCを用いているので,簡潔なコードですぐにMCMCを実装できます.
・MCMCによるベイズ分析の実践例として,状態空間モデルによる時系列データの解析を取り上げており,使える技術を学べます.
・Jupyter Notebookで動作確認,さまざまな環境(Windows/Mac/Linux)で試せます.
・GitHubから本書中で紹介のコードを入手可能です.

目次

1. 「データの時代」におけるベイズ統計学
2. ベイズ統計学の基本原理
 未知の比率に対する推論
 ベイズの定理による事後分布の導出
 未知のパラメータに関する推論
 将来の確率変数の値の予測
 付録(損失関数に対応した点推定の導出/SDDRの導出)
3. 様々な確率分布を想定したベイズ分析
 ポアソン分布のベイズ分析
 正規分布のベイズ分析
 回帰モデルのベイズ分析
 付録(ポアソン分布に従う確率変数の予測分布の導出/正規分布に従う確率変数の予測分布の導出/回帰係数と誤差項の分散の事後分布の導出/回帰モデルの予測分布の導出)
4. PyMCによるベイズ分析
 ベイズ統計学とモンテカルロ法
 PyMCによる回帰モデルのベイズ分析
 一般化線形モデルのベイズ分析
5. 時系列データのベイズ分析
 時系列データと状態空間表現
 状態空間モデルに関する推論
 PyMCによる状態空間モデルのベイズ分析
 付録(カルマン・フィルターの導出/予測分布の導出/カルマン・スムーザーの導出)
6. マルコフ連鎖モンテカルロ法
 マルコフ連鎖と不変分布
 メトロポリス--ヘイスティングズ・アルゴリズム
 ギブズ・サンプラー

執筆者紹介

ジャンル一覧

ジャンル一覧

  • Facebook
  • Twitter
  • 「愛読者の声」 ご投稿はこちら 「愛読者の声」 ご投稿はこちら
  • EBSCO eBooks
  • eBook Library