• 2017年11月14日(火) 10:30 ～ 17:30

１．イントロダクション: ベイズ統計でなにができるようになるか
　　（１）． 原発でのポンプ故障率の分析例 （階層ベイズモデル）

２． 条件付き確率とベイズの定理
　　（１）．確率分布と期待値, 分散 　
　　（２）．条件付き確率, 独立性
　　（３）．条件付き確率を活用する　
　　　　ａ． 確率と条件付き確率の違い
　　　　ｂ． モンティ・ホール問題　
　　（４）．ベイズの定理とその応用
　　　　ａ．ベイズの定理と分解公式
　　　　ｂ．応用上の意味
　　　　ｃ．がん診断
　　　　ｄ．ベイズの定理を用いた計算例
　　（５）． 機械学習への応用
　　　　ａ．迷惑メールフィルタ
　　　　ｂ．迷惑メールの確率
　　　　ｃ．迷惑メールフィルタの仕組み
　　　　ｄ．機械学習の考え方

３．ベイズ統計入門
　　（１）．統計モデル
　　　　ａ．推測統計でのデータの解釈
　　　　ｂ．母集団と統計モデル
　　　　ｃ．基本的な分析の流れ
　　（２）．事前分布の導入
　　（３）．事後分布
　　（４）．共役事前分布

４．事後分布に基いた推測
　　（１）．事前分布の設定の仕方
　　（２）．共役事前分布
　　（３）．事後分布に基づいたパラメータ推定
　　（４）．ベイズ分析の例
　　　　ａ．母平均の差を用いた広告効果の検証
　　　　ｂ．指数モデルによる機器の寿命のベイズ推定
　　　　ｃ．線形回帰モデルでのベイズ分析
　　　　ｄ．チャレンジャー号のOリング破損率の解析例(ロジスティック回帰モデルでのベイズ分析)

５．ベイズ決定理論と予測分布
　　（１）．損失関数とリスク
　　（２）．データに基づいてリスクを最小にする合理的な判断方法
　　（３）．ベイズ因子による判断の例
　　　　ａ．天候の違いによる売れ行きの変化の検証
　　　　ｂ．複数の統計モデルの選択
　　（４）．ベイズ予測分布
　　　　ａ．ガウスモデルによるコンビニの売上予測
　　　　ｂ．ポアソンモデルによるイベント来場者の予測
　　　　ｃ．多項モデルによる商品の売れ筋予測

６．計算機を用いたベイズ分析
　　（１）．事後分布の計算方法
　　（２）．モンテカルロ法
　　（３）．マルコフ連鎖モンテカルロ法(MＣMＣ)
　　　　ａ．概要
　　　　ｂ．メトロポリス・ヘイスティング法
　　　　ｃ．ギブス・サンプリング法
　　（４）．分析例

日本テクノセンター研修室