忙しいあなたの代わりに、史上最強の「良い本・良い暮らし」のご提案

1冊の本に出会うことで、人生が大きく変わることがあります。良い品物に出会ったことで幸せになれることもあります。とはいっても、多様な商品があふれる中で、より価値の高いものを選び出すのは大変です。そこでこのブログでは、忙しいあなたの代わりに、史上最強の「良い本・良いくらし」の提案をさせていただきます。

分析 / 学問

スポンサードリンク
 

ベイズ統計の特徴として、

  1. 1990年代以降のマルコフ連鎖モンテカルロ法による事後分布評価の方法によって、扱える統計モデルが無限に増えたこと
  2. いわゆる、ベイズでない統計が扱えないような、推測問題を扱うことができる、

などの優位性があります。

これからは、ビッグデータと言われる大量のデータが集めなくても集まる時代にマッチしています。

データを受動的に受け取り、能動的にモデリングできるからです。ベイズの発想が活きてきます。

また、知りたい対象についての、「知識・知見を取り入れた情報更新」が可能な点も見逃せません。


つまり、ベイズ統計は、分析者の知識を与えて、多くのパラメーターによる表現力のあるモデルを使いながら、日々のあらたな情報とともに、更新していくプロセス、を自然に実現したものと言えます。 

今回は、ベイズ統計を学びたいと考えている、学生さんや、実務家の方にご紹介します。





本書の内容は、以下の構成になっています。 
〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜
1章 確率とベイズの定理
ベイズ統計の歴史や背景
ベイズの定理の説明

2章 尤度関数、事前分布、事後分布
尤度関数、
事前分布(共役、無情報、ジェフリーズ、階層など)

3章 統計モデルとベイズ推測
ベイズ推測(点推定・区間推定)
仮説検定
ベイズ更新
予測分布

4章 確率モデルのベイズ推測
離散分布
連続分布
多変量正規分布
ベイズ推測

5章 事後分布の評価
モンテカルロ法
モンテカルロ積分
マルコフ連鎖モンテカルロ法(MCMC)
MCMCの収束判定
乱数発生法

6章 モデル選択
事後確率・事後オッズ
ベイズファクター
周辺尤度
DIC(偏差情報量基準)
ベイズ情報量規準

7、8章 線形回帰モデル
連続・制限従属変数回帰モデル
打ち切りデータの回帰モデル
二項・多項プロビットモデル

9章 動学ベイズモデル
時系列データ
動学モデル
動的線形モデル(DLM)
自己回帰移動平均(ARMA)モデル

10章 パネルデータの統計モデル1(階層ベイズ回帰モデル)
パネルデータ
階層モデル
異質性
階層モデルの事後分布

11章 パネルデータの統計モデル2(階層ベイズ離散選択モデル)
階層ベイズ多項プロビットモデル
階層ベイズ多項ロジットモデル
 〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜
という内容になっています。
 




本の内容は、フリーの統計ソフト「R」を使って、やってみることができます。
プログラミングをしなくても効率的に学べ、オススメです。

 ベイズ関連の記事は、こちらもどうぞ
 
スポンサードリンク
 
このエントリーをはてなブックマークに追加 mixiチェック

コメント

コメントフォーム
評価する
  • 1
  • 2
  • 3
  • 4
  • 5
  • リセット
  • 1
  • 2
  • 3
  • 4
  • 5
  • リセット

トラックバック

↑このページのトップヘ