初めてのベイズ統計学（2024年11月開講）

講師

統計家・著述家　高橋 信　先生

講師紹介

■主経歴
　ロングセラーであり、海外で数多く翻訳されている、「マンガでわかる統計学」シリーズの著者。
　1972 年新潟県生まれ。九州芸術工科大学（現・九州大学）大学院芸術工学研究科情報伝達専攻修了。民間企業でデータ分析業務やセミナー講師業務などに従事した後、大学非常勤講師や非常勤研究員などを務めた。現在は、著述家として活動する傍ら、企業や大学などでの講演活動にも精力的に取り組んでいる。
　主要な著書に『マンガでわかるベイズ統計学』（オーム社）や『データ分析の先生！文系の私に超わかりやすく統計学を教えてください！』（かんき出版）などがある。著書の多くが、英語や韓国語やイタリア語などに翻訳されてもいる。

■専門・得意分野
統計学・データ分析

■本テーマ関連の学会・協会等での委員会活動など
日本統計学会

開講日・受講料

●開講日　2024年11月29日(申込締切　2024年11月25日)
●受講料(消費税・10％込）
1名　40,700円
2名以上同時申込の場合、1名につき、37,400円
3名以上同時申込の場合、1名につき、34,100円
4名以上同時申込の場合、1名につき、33,000円

＊本講座は、学校法人割引が適用されません。

■ 通信教育講座受講の主な流れについて　→

講座のポイント

■受講対象者
・ベイズ統計学を基礎から学びたい方
・一般的な統計学とベイズ統計学の違いを学びたい方
・ベイズ統計学の活用法を学びたい方
・データ分析業務に携わっている方

■講座ポイント
　お仕事に従事されている中で、「ベイズ統計学が云々」「ベイズ統計学で柔軟なモデリングが云々」といった話をどこかで聞いたことがあるかもしれません。
　本講座は、「ベイズ統計学とはどういうものか？」「一般的な統計学と何が違うのか？」「ベイズ統計学を学ぶ意義は？」といったことを知りたい方におすすめです。すでにベイズ統計学に基づいた分析をおこなっているものの、実は知識にやや不安を覚えているという方にもおすすめです。
　本講座で説明するのは、ベイズ統計学のソフトウェアの使い方や、ソフトウェアによるアウトプットのツボの見方などではありません。ベイズ統計学の理屈についてです。
　数学的な点を過度に避けてブラックボックスのままにしていては結局のところベイズ統計学をきちんと理解できない、そう筆者（高橋）は考えています。ですから本講座の数学的な水準は、正直に言って、やや高めです。少なくとも高校初年度程度の知識は必須です。
【知らなくても受講に困らない事柄】シグマ, 微分, 積分, 行列, ベクトル
【知らないと受講に苦労するかもしれない事柄】指数, 対数

■受講後、習得できること
・ベイズ統計学の基礎
・一般的な統計学とベイズ統計学の違い
・ベイズ統計学の活用法

学習プログラム
　第１講：基礎知識

　第1講で説明するのは、ベイズ統計学を理解するために必要な基礎知識です。

第1章　ベイズ統計学とは？

1.ベイズ統計学とは？
2.一般的な統計学とベイズ統計学の違い
3.ベイズ統計学を学ぶ意義

第2章　確率の基礎知識　～数学っぽくて硬質だけど避けられない話題～

1.期待値と分散と標準偏差
　1.1　期待値
　1.2　分散
　1.3　標準偏差
　1.4　分散の比較
2.確率分布
　2.1　一様分布
　2.2　二項分布
　2.3　ポアソン分布
　2.4　注意
　2.5　一様分布
　2.6　正規分布
　2.7　t分布
　2.8　逆ガンマ分布
3.連続型の期待値と分散と標準偏差
　3.1　連続型の期待値と分散と標準偏差
　3.2　モンテカルロ積分による近似値

補遺
組み合わせと順列と階乗

演習問題

第２講：ベイズの定理

　第2講で説明するのは、ベイズ統計学の要点であるベイズの定理などです。

第3章　最尤推定法　～最もそれらしい推定値を算出する方法（のひとつ）～

1.独立
2.最尤推定法と最尤推定値（二項分布）
3.最尤推定法と最尤推定値（ポアソン分布）
4.最尤推定法と最尤推定値（正規分布）

第4章　ベイズの定理　～ベイズ統計学の要点～

1.ベイズの定理
　1.1　条件付き確率
　1.2　同時確率
　1.3　ベイズの定理
　1.4　具体例
2.連続型のベイズの定理
　2.1　連続型のベイズの定理
　2.2　連続型の事後期待値と事後分散
3.マルコフ連鎖モンテカルロ法

補遺
EXCELによる最尤推定値の算出

演習問題

第３講：ベイズ統計学を仕事で活用するために

　ベイズ統計学の超入門書を謳っている市販の本の多くは、ベイズの定理を説明したところまでで話を終わらせているかもしれません。そこで学びを終えてしまうのは言わば「一般教養」を身につけただけにすぎず、残念ながら、仕事に活用するのは難しいと言えます。
　第3講で説明するのは、ベイズ統計学を実際に活用するための知識です。第2講までとくらべて説明の難度が高まりますけれども、本講を乗り越えることで理解が確実に深まります。

第5章　マルコフ連鎖モンテカルロ法　～事後期待値などの近似値を算出する方法～

1.マルコフ連鎖モンテカルロ法
2.メトロポリス・ヘイスティングスアルゴリズム
3.ギブスサンプラー

第6章　ベイズ統計学の活用例　～階層モデルを用いて～

1.階層ベイズモデル（切片のみ）
2.階層ベイズモデル（傾きあり）

補遺
1.尤度関数の整理
2.事前分布の定義と事後分布
3.自然な共役事前分布

演習問題