・ご受講にあたり、環境の確認をお願いしております。
お手数ですが下記公式サイトからZoomが問題なく使えるかどうか、ご確認下さい。
→
確認はこちら
＊Skype／Teams／LINEなど別のミーティングアプリが起動していると、Zoomでカメラ・マイクが使えない事があります。お手数ですがこれらのツールはいったん閉じてお試し下さい。
→
音声が聞こえない場合の対処例
・Zoomアプリのインストール、Zoomへのサインアップをせずブラウザからの参加も可能です
→
参加方法はこちら
→※一部のブラウザーは音声（音声参加ができない）が聞こえない場合があります、
必ず
テストサイトからチェック下さい。
対応ブラウザーについて（公式）;コンピューターのオーディオに参加に対応してないものは音声が聞こえません
セミナーポイント
■はじめに
データ解析や統計学に携わっている方であれば、ベイズ統計学という言葉をどこかで耳にしたことがあるかもしれません。しかし、ベイズ統計学を講義科目として扱っている大学やセミナーはごく限られています。このため、本講座ではベイズ統計学の手法を入門レベルから解説します。またベイズ推定量をマルコフ連鎖モンテカルロ法により計算するために、PythonのPyMC3というパッケージの使い方を説明します。一般的にマルコフ連鎖モンテカルロ法のプログラムを一から作るのは大変ですが、PyMC3を使うことで、比較的容易にベイズ推定量を計算することができます。数学的に複雑なところは、イメージや具体例で説明するなどして、深入りしないようにします。
■受講対象
・ベイズ推定や検定を初歩から理解したい方
・Pythonを用いたベイズ推定に興味がある方
■必要な予備知識
1. 総和記号（Σ記号）ベイズ推定を説明するときに使います。計算できる必要はありません。
総和記号の定義は、セミナーで説明します。
2. 積分 ベイズ推定を説明するときに使います。計算できる必要はありません。
また積分のイメージはセミナーで説明します。
3. 条件付き確率分布，確率密度関数、および標本平均、標本分散、相関係数
（もちろん解説しますが、知識があった方が理解しやすくなるかもしれません。）
■本セミナーに参加して修得できること
・ベイズ統計学における事後分布の意味がわかる。
・ベイズ統計学における推定と検定の仕方がわかる。
・マルコフ連鎖モンテカルロ法でなぜベイズ推定を計算できるかのイメージがわかる。
・Python(PyMC3)を用いたベイズ推定の仕方がわかる。（ソースコードは差し上げます）
セミナー内容
1. 予備知識
1) 期待値，分散
2) 代表的な確率分布（正規分布，ガンマ分布，二項分布など）
3) 条件付き確率分布，条件付き確率密度関数
3)は，ベイズ推定を理解する上では，数学的な説明が避けられないところです！
このため，ここは時間を取り丁寧に説明します。
2. ベイズ分析
1) 尤度関数
2) 事前分布
3) 事後分布
4) ベイズ推定量（事後平均，事後モード）
5) 信用区間
6) 予測分布
3. ベイズ推定量の計算の仕方
1) モンテカルロ法でなぜベイズ推定量を計算できるのか？
2) マルコフ連鎖モンテカルロ法とは？
マルコフ連鎖モンテカルロ法は，数学的には非常に高度で，短時間では説明できませんので，
ここはPythonによるシミュレーションを見て，直感的に理解していただくようにします。
3) ランダムウォーク連鎖
4. PyMC3を用いたベイズ分析(基本編)
1) 実行するためのソフト(Python, Jupyter Notebook)の紹介
2) PyMC3のインストールの仕方
3) 歪んだコインの表の出る確率をベイズ法で推定:PyMC3の出力結果の解釈の仕方の説明
5. PyMC3を用いたベイズ分析(基本編の拡張)
1) ロジスティック回帰モデルとは？
2) ロジスティック回帰モデルを用いたベイズ推定
データは低出生体重とその要因(喫煙，年齢など)に関するデータを使用する予定です。
6. 補足とまとめ
1) WAICによるモデルの比較
(これは時間に余裕があれば説明します。Jupyter Notebookには解析例を載せてあります。)
2) PyMC3に関する書籍の紹介
サイトマップ
よくあるお問合せ
リクエスト
セミナー会場へのアクセス
リンク
