……Zoomオンライン受講
……見逃し視聴選択可
★ベイズ統計・因果推論の基本から、各モデルに基づく因果推論、実践的な応用まで幅広く網羅！
講師
早稲田大学 データ科学センター 准教授 堀井 俊佑 氏
講師紹介
■経歴
2009年4月-2011年3月，早稲田大学基幹理工学部応用数理学科助手
2011年4月-2012年3月，早稲田大学基幹理工学部応用数理学科助教
2013年4月-2014年3月，早稲田大学メディアネットワークセンター助教
2014年4月-2016年8月，早稲田大学グローバルエデュケーションセンター助教
2016年9月-2022年3月，早稲田大学グローバルエデュケーションセンター准教授
2022年4月-現在，早稲田大学データ科学センター准教授
■専門および得意な分野・研究
情報理論、ベイズ統計学、統計的学習理論、統計的因果推論
■本テーマ関連学協会での活動
電子情報通信学会 情報論的学習理論と機械学習（IBISML）研究会
応用統計学会
＜その他関連セミナー＞
統計解析 一覧はこちら
日時・受講料・お申込みフォーム
●日時：2025年10月22日(水) 10:30-16:30 ＊途中、お昼休みや小休憩を挟みます。
●受講料：
【オンライン受講（見逃し視聴なし）】：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
【オンライン受講（見逃し視聴あり）】：1名 56,100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45,100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」を確認ください。
●録音・録画行為は固くお断りいたします。
お申込みはこちらから
配布資料・講師への質問など
●配布資料はPDFなどのデータで配布いたします。ダウンロード方法などはメールでご案内いたします。
・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いたします。
・準備の都合上、開催1営業日前の12:00までにお申込みをお願いいたします。
（土、日、祝日は営業日としてカウントしません。）
・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・販売などは禁止いたします。
●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）
オンラインセミナーご受講に関する各種案内（必ずご確認の上、お申込みください。）
※メールアドレスの記載誤りについては、以下へご連絡お願いいたします。
req@*********（*********にはjohokiko.co.jpを入れてください）
→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で音声が聞こえない、カメラ・マイクが使えないなどの事象が起きる可能性がございます。お手数ですが、これらのアプリは閉じた状態にてZoomにご参加ください。
→音声が聞こえない場合の対処例
→一部のブラウザは音声が聞こえないなどの不具合が起きる可能性があります。
対応ブラウザをご確認の上、必ず事前のテストミーティング をお願いします。
（iOSやAndroidOS ご利用の場合は、アプリインストールが必須となります）
→見逃し視聴について、 こちらから問題なく視聴できるかご確認ください。（テスト視聴動画へ）パスワード「123456」
＜見逃し視聴ご案内の流れ・配信期間詳細＞
セミナーポイント
■講座のポイント
因果推論は、政策評価・製造現場・マーケティングなどで「施策の効果を知りたい」というニーズに応える技術です。また、ベイズ統計は、「事前の知識」と「データから得られる情報」を統合して推論を行う枠組みであり、不確実性の定量化や複雑な状況下での意思決定に強みを持ちます。
本セミナーでは、まず基礎的なベイズ統計の復習を行った後、因果推論の基本概念（潜在反応モデル、構造的因果モデル）を学び、交絡因子の制御や因果効果の推定といった実践的課題に対して、ベイズ推論がどのように貢献できるかを段階的に解説します。特に製造現場やマーケティングにおける意思決定を支える応用を意識します。
■受講後、習得できること
ベイズ統計の基礎の習得（ベイズ推論の基本的な考え方とPythonによる実装）
統計的因果推論の基礎の習得（潜在反応モデルと構造的因果モデルに基づいた因果推論の考え方とその違い）
様々な因果効果推定手法の習得（考え方とPythonによる実装）
統計的因果推論に対するベイズ的アプローチの理解（考え方とPythonによる実装）
■講演中のキーワード
統計的因果推論
潜在反応モデル
構造的因果モデル
ベイズ統計学
ベイズ的因果推論
セミナー内容
1. はじめに：統計的因果推論とは
1) 統計的因果推論とは
a) 統計的因果推論の問題と目的
b) 統計的因果推論の難しいところ
2) 因果推論を意識しない分析と因果推論を意識した分析の違い
a) 構造推定の問題と因果推論の違い
b) 予測の問題と因果推論の違い
3) 実務課題解決において統計的因果推論が果たす役割
a) 統計的因果推論を学ぶ意義
b) 実務における統計的因果推論の活用例
2. 統計的因果推論のための統計的基礎
1) 変数の種類
2) 確率分布の基礎
a) 確率変数と確率分布
b) 期待値と分散
c) 同時分布と条件付き分布
3) 確率分布の推定
a) 分布の推定とパラメータの推定
b) 分布の特徴量の推定
4) ベイズ推論
a) ベイズ統計学とベイズ推論
b) 回帰分析におけるベイズ推論
3. 潜在反応モデルに基づく因果推論
1) 潜在反応モデルと因果効果の統計的定義
a) 処置変数以外の影響
b) 潜在反応モデルと平均処置効果
2) セレクションバイアスとランダム化比較試験（RCT）
a) セレクションバイアス
b) ランダム化比較試験（RCT）
c) RCTとA/Bテスト
3) 平均処置効果を推定するための条件
a) 一致性、強い意味での無視可能性、正値性
b) 条件が成り立っていることをどのように確かめるか
4) 平均処置効果の推定方法
a) 平均処置効果推定の基本的な考え方
b) 傾向スコアを利用した平均処置効果の推定
c) 線形回帰モデルによる平均処置効果の推定
4. 構造的因果モデルに基づく因果推論
1) 構造的因果モデル
a) 構造方程式と因果ダイアグラム
b) 構造方程式と確率モデル
2) 介入と平均因果効果
a) 介入分布
b) 平均因果効果
3) 平均因果効果の推定
a) 介入分布の推定
b) バックドア基準
5. 潜在反応モデルと構造的因果モデルの融合
1) 構造的因果モデルにおける潜在反応
a) 構造的因果モデルにおける潜在反応の定義
b) 構造的因果モデルにおける一致性
c) 潜在反応変数とバックドア基準
d) 傾向スコアの変数選択とバックドア基準
2) 回帰分析による因果推論の再整理
6. 異質な因果効果の推定
1) 潜在反応モデルにおける異質な因果効果の扱い
a) 条件付き平均処置効果
b) 条件付き平均処置効果の推定
2) 構造的因果モデルにおける異質な因果効果の扱い
a) 条件付き平均因果効果
b) 条件付き平均因果効果の推定
7. まとめ：実務で因果推論を活用するために
お申込みはこちらから
