Browse products
search
MCMCを自力で実装するトレーニング方法
好評を博した弊社Qiita記事「MCMCをフルスクラッチで実装するトレーニング方」に関連して、マルコフ連鎖モンテカルロ法（MCMC）をゼロから自力で実装するために必要な事項を取り上げ講義およびRによる演習を行います。
- Course
- By 菅澤翔之助
好評を博した弊社Qiita記事「MCMCをフルスクラッチで実装するトレーニング方」に関連して、マルコフ連鎖モンテカルロ法（MCMC）をゼロから自力で実装するために必要な事項を取り上げ講義およびRによる演習を行います。
セミナー概要
本講座では『標準 ベイズ統計学』1章で紹介されている内容に加え、ワークショップ形式で実際の例題・演習を交えながらベイズ統計学の導入を学びます。
講師：入江薫（東京大学経済学部 准教授） 『標準 ベイズ統計学』5, 6章の内容に加え、例題・演習を交えながらベイズ分析に必要な正規分布の性質を学びます。
ギブス・サンプラーの性質と使用上の注意点について解説したのち、多変量データをモデル化する際に最もよく用いられる多変量正規分布のベイズ分析を扱います。（『標準 ベイズ統計学』第6, 7章相当）
セミナー概要
本講義では、ベイズモデル選択の基礎的事項（モデル事後確率・ベイズファクター）の説明をしたのち、具体的なモデル比較の方法と複数のモデルの不確実性を考慮したベイジアンモデルアベレージングの考え方について簡単な例を通して解説する。 ベイズ検定もモデル選択の特殊ケースであるが、ベイズ検定（とp-値との関係）についてもその注意点とともに述べる。 ベイズモデル選択において重要な周辺尤度の計算について、代表的な数値計算手法を紹介しRを用いた実装方法について扱う予定である。
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。