ベイズ統計モデリングによるビジネスデータ分析

＜Zoomによるオンラインセミナー＞

講師

Logics of Blue 馬場真哉 氏

講師紹介

■主経歴
2014年4月-2017年6月　IT企業にて生産管理システムの開発などに従事。
2017年7月-現在　　 　　独立し、データ分析支援や、書籍の執筆などに従事。
2020年11月-現在　 　　東京医科歯科大学(現 東京科学大学)非常勤講師
2021年2月-2023年3月　岩手大学客員准教授
2022年4月-現在　　 　 帝京大学特任講師

■主要著書
・平均・分散から始める一般化線形モデル入門（2015）
・時系列分析と状態空間モデルの基礎：RとStanで学ぶ理論と実装（2018）
・RとStanではじめる ベイズ統計モデリングによるデータ分析入門（2019）
・R言語ではじめる プログラミングとデータ分析（2020）
・意思決定分析と予測の活用（2021）
・Pythonで学ぶあたらしい統計学の教科書 第2版（2022）
・Pythonではじめる時系列分析入門（2024）

■専門・得意分野
・数理統計学の理論と応用
・統計的意思決定理論とオペレーションズ・リサーチ

日時・会場・受講料

●日時　2025年8月20日（水）　10:30-16:30
●会場　会場での講義は行いません。
●受講料　1名50,600円(税込（消費税10％）、資料付)
　＊1社2名以上同時申込の場合、1名につき39,600円
　　　　　 ＊学校法人割引；学生、教員のご参加は受講料50％割引。→「セミナー申込要領・手順」を確認下さい。

　●録音・録画行為は固くお断り致します。

■ セミナーお申込手順からセミナー当日の主な流れ　→

※配布資料等について

●配布資料はPDF等のデータで配布致します。ダウンロード方法等はメールでご案内致します。
・配布資料に関するご案内は、開催1週前～前日を目安にご連絡致します。
・準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
　（土、日、祝日は営業日としてカウント致しません。）
・セミナー資料の再配布は対応できかねます。必ず期限内にダウンロードください。

●当日、可能な範囲でご質問にお答えします。（全ての質問にお答えできない可能性もございます。何卒ご了承ください。）
●本講座で使用する資料や配信動画は著作物であり、無断での録音・録画・複写・転載・配布・上映・販売などは禁止致します。
●ご受講に際しご質問・要望などございましたら、下記メールアドレス宛にお問い合わせください。
req@*********（*********にはjohokiko.co.jpを入れてください）

セミナーポイント

■講座のポイント
　ベイズ統計モデリングによるデータ分析は、データを柔軟に分析することを可能としました。本セミナーでは、ベイズ統計モデリングの基礎理論をおさらいしたうえで、実際にコンピューターを使ってビジネスデータをモデリングする方法を解説します。
　本セミナーでは線形回帰分析と状態空間モデルを中心的に利用します。線形回帰分析はすでに利用されている方もいらっしゃるかもしれません。本セミナーでは最適単価の推定問題などビジネスに役立つ分析の例を紹介します。ベイズ統計モデリングの長所を活かし、不確実性をしっかりと考慮しながら分析を行います。
　近年のマーケティングでは時系列データを利用することが増えました。単純な線形回帰分析を時系列データに適用すると、誤った結論を導いてしまうことがしばしばあります。そういった問題に気を付けながら、データを分析する方法を解説します。状態空間モデルは時系列データの分析に有用なモデルです。近年マーケティングのデータ分析などで頻繁に用いられるようになりました。本セミナーでは広告の効果が時間によって減衰する状況などを状態空間モデルで分析します。また、最適単価の推定問題に取り組み、線形回帰分析との違いなどを解説します。
　初等的な統計学の用語(期待値・分散・区間推定など)と確率論の基礎用語(確率の加法定理・確率の乗法定理など)については、説明を省略することがあります。
　MCMCのアルゴリズムなど理論的な詳細にあまり時間をかけない代わりに、ベイズ統計モデリングの大枠をつかんでいただくことを目標とします。またRとStanを使った実装コードをあわせて紹介します。具体的な分析をPCで実演することで、データ分析のイメージをつかんでいただきます。

■受講後、習得できること
・ベイズ統計モデリングの基礎理論
・R言語とStanを用いた分析
・ベイズ統計モデリングを用いたビジネスデータ分析
・状態空間モデルによるデータの解釈と予測

セミナー内容

■講演プログラム
1.はじめに
2.ベイズ統計モデリングの基本
　2.1　統計学と確率分布
　2.2　ベイズ統計モデリングの概要
　2.3　確率モデルの設計事例
　2.4　ベイズ推論の基本
　2.5　MCMCの基本
3.様々な統計モデル
　3.1　線形回帰分析
　3.2　階層ベイズモデル
　3.3　状態空間モデル
4.ビジネスデータ分析
　4.1　線形回帰分析を用いた最適な販売単価の推定
　4.2　時系列データを分析する際の注意点
　4.3　時変係数モデルを用いた広告の効果測定
　4.4　時変係数モデルを用いた最適な販売単価の推定
　4.5　その他の分析事例の紹介

（質疑応答）