- Amazon.co.jp ・本 (248ページ)
- / ISBN・EAN: 9784816351815
作品紹介・あらすじ
本書は、相めてベイズ理論を学ぶ人を対象に、基礎の基礎から解説しました。できるだけ、難しい「数学」や「統計用語」を用いず、理解しやすい「イラスト」と「日本語」の解説でベイズ理論のエッセンスを紹介します。
感想・レビュー・書評
-
ベイズ理論の入門書。細かい数学的な計算に拘ることなく(というか積分すらも殆ど登場せず)、図や具体例を豊富に用いてベイズ統計学の考え方を平易に解説している。
ベイズ統計学は、ベイズの定理を出発点とする、統計学の一手法を言う。得たデータに対し、そのデータが得られたという事実を手掛かりに(逐次的に)確度を変更していくのがベイズ更新であり、確度の評価に経験などの主観的情報を「事前情報」の形で取り入れられる点が特色の一つ。「モデル化し、それから尤度を算出→事前確率を設定→ベイズの展開公式を用いて事後確率を算出」。「事前確率:データを得る前の原因の確からしさ、尤度:原因のもとでデータが得られる確率、事後確率:データが原因から得られた確率」。
また、統計量の分布の母数(平均、分散などその分布を特徴付ける量)を確率変数として扱い、データに応じてベイズ更新していくという発想において、従来の統計学と異なる(後者では、母数を何か決まった量として最初に定め、得たデータから母数の妥当性を調べる)。
1 ベイズ理論の考え方
2 ベイズ理論のための確率入門
3 ベイズの定理の基本
4 ベイズ理論の応用
5 ベイズ統計学のための準備
6 ベイズ統計学入門詳細をみるコメント0件をすべて表示 -
今更読む必要はあんまりなかったけど、最初の1冊目におすすめするとしたら良いかもしれない。
-
『図解・ベイズ統計「超」入門 あいまいなデータから未来を予測する技術』を少し拡張した感じ。
「確率」を「確立」と誤植している箇所が多数。 -
仕事に役立つ統計学の入り口
所蔵情報
https://keiai-media.opac.jp/opac/Holding_list/search?rgtn=090071 -
詳細は、『あとりえ「パ・そ・ぼ」の本棚とノート』をご覧ください。
→ http://pasobo2010.blog.fc2.com/blog-entry-1603.html
ベイズ統計学、今時の常識。o(*'o'*)o
確かに、これならわかった気がします。
本当は、例題を手を動かして計算するといいのだが、とりあえず目を通しました。
2016/08/09 予約 8/24 借りる。8/30 読み始める。 10/15 読み終わる。
史上最強図解 これならわかる!ベイズ統計学
内容 :
初めてベイズ理論に触れる人に向けて、一からベイズ理論を解説。
できるだけ数学や統計用語を用いず、イラストを用いながらベイズ理論のエッセンスを紹介する。
目次 :
第1章 ベイズ理論の考え方
第2章 ベイズ理論のための確率論入門
第3章 ベイズ定理の基本
第4章 ベイズ理論の応用 <−− ここまで じっくり読む
第5章 ベイズ統計学のための準備 <−− ここからさらっと読む
第6章 ベイズ統計学入門
著者 :
涌井良幸 1950年東京生まれ。東京教育大学数学科卒業。渋谷教育学園幕張中学校・高等学校数学教諭。
涌井貞美 1950年東京生まれ。東京教育大学数学科卒業。渋谷教育学園幕張中学校・高等学校数学教諭。
1952年東京生まれ。東京大学理学系研究科修士課程修了。サイエンスライター。 -
とてもわかりやすい。
ベイズの基本公式
P(H|D)=P(D|H)*P(H)/P(D)
H:原因、D:データ(結果)
P(H|D):事後確率、P(D|H):尤度、P(H):事前確率
事前確率の情報がない場合は等確率にする(理由不十分の原則)。
複数のデータがある場合は、1回目のデータで得られた事後確率を2回目の事前確率とする(ベイズ更新)。データの順番を変えても同じ(逐次合理性)。
原因が複数ある場合(原因に重複がない場合)
P(Hi|D)=P(D|Hi)*P(Hi)/ΣP(D|Hi)*P(Hi)
ナイーブベイズフィルター:文書中の単語はすべて独立と仮定してふるい分けする。
分類Hnの下でデータ(D1,D2...)が現れる確率は、それぞれのデータDiが現れる確率の積になる。
P(D|Hn)=ΠP(Dj|Hn)
現れたデータが分類Hnである確率の分子P(D|Hn)*P(Hn)が最大の分類を選択する。
P(D|Hn)*P(Hn)=(ΠP(Dj|Hn))*P(Hn) -
最近流行のベイズ統計。とてもわかりやすい。
--
・一般的には、原因が与えられたときに、その結果を議論します。ところが、ベイズの基本公式は、それを反対にしてくれるのです。すなわち、結果から原因をたどれるように変換してくれるのです。
・尤度:原因HのもとでデータDが得られる確率
・事前確率的な情報を蔑ろにしている代表的な例:ある事故で軽症を負った人は10人も死亡したのに、重症の人は7人しか死ななかった。⇒軽症の人が1万人、重症の人が10人というデータがふ化されていたら、何ら不思議はない事故。 -
ベイズ統計の入門書。
絵がありとてもわかりやすい -
★イメージだけ分かった気に★厳密な前提条件がなくても、仮定を重ねて統計や確率を分析できるのがベイズ統計学らしい。自分で使うわけではないので具体的な計算の部分はすっ飛ばしたが、こういう考え方があり実生活では役に立つというイメージだけはつかめた。
-
概念が極めて判りやすかった。
最後の方はやや難解だった。
実際の応用と繋げていくときの最初の一歩として大変素晴らしい本でした。