Summary
本セミナーでは、標準的なベイズ統計学の枠組みを簡単に復習したのち、データとパラメータの関係を(確率モデルあるいは尤度関数ではなく)損失関数の形で表すことで、モデルフリーなベイズ推測を行うことが可能な一般化ベイズ法の考え方を解説する。
ベイズ統計学では、事前分布と尤度からベイズの定理により事後分布を計算する。
事後分布に全ての不確実性が集約されることが特徴である。
尤度を決めるにはパラメータ所与のもとでのデータの従う確率モデルを特定する必要がある。
想定した確率モデルが誤っていれば、推測結果も(理論的には)妥当ではないためモデルフリーな推測方法があれば嬉しい。
本セミナーでは、標準的なベイズ統計学の枠組みを簡単に復習したのち、データとパラメータの関係を(確率モデルあるいは尤度関数ではなく)損失関数の形で表すことで、モデルフリーなベイズ推測を行うことが可能な一般化ベイズ法の考え方を解説する。
損失関数に基づく事後分布は一般化事後分布(あるいは、ギブス事後分布)と呼ばれるが、そこに含まれる学習率と呼ばれる調整パラメータの選択が重要になり、そのパラメータの役割についても紹介する。
また、ロバスト推定やバリューアットリスクの推定などの具体例において、ソフトウェアStanを使った簡単な実演も行う予定である。
【キーワード】
- 損失関数
- ベイズ統計学
- モデルフリー
- 一般化事後分布
- 学習率
- ロバスト推定
- バリューアットリスクの推定
【対象者】
-
大学院生/研究者:基本的なベイズ統計の復習から応用的な内容までカバーされているため、自身の研究のために学びたい方
-
データサイエンティスト/アナリスト:実務でデータ分析を行っているが、より堅牢なモデルや新しいアプローチを探しているデータサイエンティストやアナリストの方
-
リスク管理に従事する専門家:バリューアットリスクなどのリスク推定手法に興味がある金融業界のプロフェッショナルやリスクマネジメント担当の方
-
技術を用いた新しい解決策に興味があるビジネスリーダー:統計的手法をビジネスプロセスに取り入れたいと考えているが、基礎から本セミナーの内容を学びたいマネージャークラスの方
【提供内容】
以下の内容を閲覧可能です。
・講義動画
・講義資料
・演習資料
\受講プログラム/
約60分間の講義動画を前編と後編に分けた2本立てとなっており、
合計で120分のセミナーとなっております。
受講可能まで
日
日
登録後
【注意事項(必ずお読みください)】
- セミナーの内容に関するご質問への対応は行なっておりません
-
ご購入後の返金は致しかねますので、ご了承ください
【免責事項(必ずお読みください)】
- 本ページの内容は予告なく変更する場合がございます
- 主催者の諸般の事情や、天災地変その他の不可抗力の事態により、本講座の一部あるいは全部を中止させていただく場合がございます
【お問い合わせ】
ご質問やご不明点などがある方は、お手数ですがフッター部分にある「お問い合わせ」リンクよりご連絡くださいませ。