ベイズ統計モデリングについて、特に、モデルの評価について学びたい方はこちらをどうぞ
スポンサードリンク
さまざまな観測データが、より簡単に得られるようになってきました。
そのなかには、非線形構造のデータ、超 高次元のデータなど、様々なものがあります。
こういった複雑なデータの中から その背後にある構造や知識を把握する手法が、
今回紹介する、「ベイズ統計モデリング」です。
本書の内容は以下のようになっています。
第1章 はじめに
統計モデルとは / ベイズ的統計モデリング / など
第2章 ベイズ分析入門
ベイズの定理 / 統計モデル / 事前分布の設定 / ベイズ推定 / など
第3章 漸近的方法によるベイズ推定
事後分布の正規近似 / ラプラス近似 / 事後モードの漸近的性質 / など
第4章 数値計算に基づくベイズ推定
モンテカルロ積分 / マルコフ連鎖モンテカルロ法 / 階層モデル /
様々な事後サンプリングアルゴリズム / など
第5章 ベイズ情報量規準
モデル選択 / ベイズファクター / ベイズ情報量規準 / など
第6章 数値計算に基づくベイズ情報量規準の構築
ラプラス–メトロポリス推定量 / ギブスサンプリング法 /
メトロポリス–ヘイスティング法 / カーネル推定量 / 密度関数比 / など
第7章 ベイズ予測情報量規準
事後期待大数尤度 / ベイズ予測情報量規準 / 一般化状態空間モデリング / など
第8章 モデルアベレージング
ベイズモデルアベレージング / オッサムの剃刀 / 様々なモデルのアベレージング / など
となっています。ベイズモデルの評価が、特に詳しく解説されています。
さまざまな観測データが、より簡単に得られるようになってきました。
そのなかには、非線形構造のデータ、超 高次元のデータなど、様々なものがあります。
こういった複雑なデータの中から その背後にある構造や知識を把握する手法が、
今回紹介する、「ベイズ統計モデリング」です。
本書の内容は以下のようになっています。
第1章 はじめに
統計モデルとは / ベイズ的統計モデリング / など
第2章 ベイズ分析入門
ベイズの定理 / 統計モデル / 事前分布の設定 / ベイズ推定 / など
第3章 漸近的方法によるベイズ推定
事後分布の正規近似 / ラプラス近似 / 事後モードの漸近的性質 / など
第4章 数値計算に基づくベイズ推定
モンテカルロ積分 / マルコフ連鎖モンテカルロ法 / 階層モデル /
様々な事後サンプリングアルゴリズム / など
第5章 ベイズ情報量規準
モデル選択 / ベイズファクター / ベイズ情報量規準 / など
第6章 数値計算に基づくベイズ情報量規準の構築
ラプラス–メトロポリス推定量 / ギブスサンプリング法 /
メトロポリス–ヘイスティング法 / カーネル推定量 / 密度関数比 / など
第7章 ベイズ予測情報量規準
事後期待大数尤度 / ベイズ予測情報量規準 / 一般化状態空間モデリング / など
第8章 モデルアベレージング
ベイズモデルアベレージング / オッサムの剃刀 / 様々なモデルのアベレージング / など
となっています。ベイズモデルの評価が、特に詳しく解説されています。
スポンサードリンク
コメント