サムネイル

Summary

『標準 ベイズ統計学』10章の内容に加え、例題・演習を交えながら非共役事前分布とメトロポリス・ヘイスティング法を解説していただきます。

『標準 ベイズ統計学』入江 薫・菅澤 翔之助・橋本 真太郎 訳(朝倉書店、2022年06月01日刊行)の訳者である橋本先生(広島大学)に登壇していただき、非共役事前分布とメトロポリス・ヘイスティング法を解説していただきます。(『標準 ベイズ統計学』第10章相当)


共役あるいは準共役な事前な分布を用いた場合、モンテカルロ法やギブス・サンプラーにより事後分布の近似を行うことができます。

しかし、共役事前分布が利用できなかったり、共役事前分布のもとでも事後分布が複雑になることは応用上少なくはありません。

本セミナーでは、事後分布を近似する汎用的な方法としてメトロポリス・ヘイスティングス法を扱います。

アルゴリズムの詳細や利用上の注意点を説明するとともに、ポアソン回帰モデルなどへの適用例についても述べます。


本セミナーは『標準 ベイズ統計学』の第10章相当の内容を解説いたします。

【キーワード】

  • 非共役事前分布
  • メトロポリス・ヘイスティング法
  • ポアソン回帰モデル


【対象者】

本セミナーでは、以下のいずれかに当てはまる方を対象としています。

  • 学部上級レベルの統計学の知識がある方
  • 『標準 ベイズ統計学』を読書中の方/挫折してしまった方
  • 執筆者の解説によりさらに理解を深めたい方


【講師】

橋本真太郎(広島大学 准教授)[個人HP]

受講料


\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。


  非共役事前分布とメトロポリス・ヘイスティングス法
受講可能まで
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