～ ベイズ推定に必要な確率統計の基礎、ベイズ推定の基礎、条件付き確率・事前分布・事後分布、ベイズ更新と共役事前分布、予測分布の導出方法、ベイズ推定の応用例 ～
・ベイズ推定を用いた判別や予測技術を修得し、品質管理や生産管理、顧客ニーズなどの統計データ分析に応用するための講座！
・ベイズ推定の基礎からベイズ更新や予測分布導出法、具体的な応用までを修得し、不確実性を含む状況下での判別や予測に活かそう！
デモで紹介するRのファイルを差し上げます
・ＷＥＢ会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
ベイズ統計に基づくベイズ推定の考え方は、データから推定したいモデルの母数に対して、確率分布を考える点が特徴的です。またこのとき、我々が観測するデータは有限なものとして扱われます。すなわち、手元にある観測されたデータのもとで、推定したい母数を確率的に表現することを目指します。これと対照的に、従来の伝統的な統計学を頻度論と呼んで区別することがありますが、両者は相反するものではなく、むしろベイズ統計は頻度統計の拡張的な位置付けであると私は考えています。
本講義では、「データ」を常に意識しながら、その背後に仮定する数理や、その推定方法を明確にします。また、これらの基礎的知識が、いろいろな場面でのデータ分析の実務とどのようにつながるのか、応用例を通して明らかにします。
| 開催日時 |
|
|---|---|
| 開催場所 | オンラインセミナー |
| カテゴリー | オンラインセミナー、ソフト・データ・画像・デザイン |
| 受講対象者 |
・データ分析に携わり、ベイズ推定の基礎から修得したい技術者、研究者の方 （生産管理、品質管理、設備保全、信号処理、マーケティング、医療、金融、セキュリティ、心理分析・感性評価）に携わる方 |
| 予備知識 | ・大学初年度の数学知識（微積分、線形代数、確率論の基礎） |
| 修得知識 |
・データからモデルを考えることができる ・データからベイズ推定できる ・データから予測できる |
| プログラム |
１．ベイズ推定に必要な確率統計 （１）．データ、標本、母集団、実現値、分布、確率変数、統計量 （２）．確率分布、期待値、分散、独立 ａ．連続型と離散型 ・それぞれ扱い方 ｂ．累積分布関数、確率密度関数、確率関数 ・役割と違い ｃ．期待値と分散 ・ベイズ統計で重要な期待値の算出方法 ｄ．独立、独立同分布 （３）．推定量 ａ．尤度関数 ｂ．最尤推定法：尤度関数に基づいて母数を推定する代表的な手法
２．ベイズ推定の基礎とベイズ更新 （１）．条件付き確率、事前分布、事後分布 ａ．条件付き確率：耐久試験を例に説明 ｂ．事前分布と事後分布 （２）．事前分布 ａ．情報のある事前分布 ・確からしい事前情報がある場合に利用される事前分布 ｂ．無情報事前分布 ・事前に情報がない場合や、客観性を重視する場合に用いられる事前分布 ｃ．共役事前分布 ・事前分布と事後分布が同じ分布族（分布の集まり）に属すときの事前分布 （３）．ベイズ更新と共役事前分布 ａ．ベイズ更新と事前分布 ｂ．共役事前分布 ｃ．一母数モデルの例 （４）．予測分布の導出 ａ．未来の観測と予測分布 ｂ．予測分布の導出 ｃ．Ｒの活用：Stan
３．ベイズ推定の応用例 （１）．判別への応用：迷惑メールの事例 ・事後確率（事後分布）に基づいた判別 ※スパム判定のロジックは、「製品の良否判定」や「設備の故障予兆検知」にも応用できます （２）．出生率・死亡率の算定 ・共役事前分布としてのベータ分布 ・ベイズ更新の利用 ※「発生や消滅」を扱うこの手法は、過去の類似製品のデータ（事前分布）を活用し、精度の高い評価に応用できます （３）．線形回帰モデル ・過去の情報を活かした回帰分析 ※過去の校正データ（事前知識）を反映させたデータ分析が可能になります （４）．試験・アンケート分析 ・ベイズ推定を用いた試験問題やアンケート項目の評価や、その回答者の能力評価 ※「官能検査」や「作業者の熟練度評価」にも応用できます
Rによるデモを紹介します |
| キーワード | 母集団分布 確率変数 尤度関数 条件付き確率 事前分布 事後分布 共役事前分布 ベイズ更新 予測分布 線形回帰モデル |
| タグ | 統計・データ解析 |
| 受講料 |
一般 (1名)：49,500円(税込)
同時複数申込の場合(1名)：44,000円(税込) |
| 会場 |
オンラインセミナー本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。 |
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日
