多モデル思考―データを知恵に変える24の数理モデル [単行本]

多モデル思考―データを知恵に変える24の数理モデル の 商品概要

• 要旨（「BOOK」データベースより）

  すべてのモデルは間違っている→だから、組み合わせて使う。いかにして、手元のデータから現象を説明し、未来を予測し、制度を設計し、議論・対話し、判断を下すか。そのために、現代人が持っておくべき“数理モデルのミニマムセット”とは。社会、政治、経済、複雑系を縦横に解析する、モデリングの第一人者による珠玉のテキスト。

• 目次

  第1章　多くのモデルで考える人
  第2章　なぜモデルなのか
  第3章　多モデルの科学
  第4章　人間の行動のモデリング
  第5章　正規分布：ベル型曲線
  第6章　べき乗則分布：ロングテール
  第7章　線形モデル
  第8章　凹関数と凸関数
  第9章　価値と力のモデル
  第10章　ネットワークモデル
  第11章　ブロードキャスト、拡散、感染
  第12章　エントロピー：不確実性のモデリング
  第13章　ランダムウォーク
  第14章　経路依存性
  第15章　局所相互作用モデル
  第16章　リアプノフ関数と均衡
  第17章　マルコフモデル
  第18章　システムダイナミクスモデル
  第19章　フィードバックをともなうしきい値モデル
  第20章　空間/ヘドニック競争モデル
  第21章　ゲーム理論の3つのモデル
  第22章　協力モデル
  第23章　集団行動問題
  第24章　メカニズムデザイン
  第25章　シグナリングモデル
  第26章　学習モデル
  第27章　多腕バンディット問題
  第28章　起伏地形モデル
  第29章　オピオイド、不平等、謙虚な姿勢

• 内容紹介

  世界約100万人の受講者を熱中させた、数理モデリング講義の書籍化！
  
  「データ」を意味づけ活用するのに、「数理モデル」は不可欠だ。リーマンショック、COVID-19パンデミックといった世界規模の事象から、企業経営、個人の意思決定まで、「何が起こったのか」を理解し、「どうすればよいのか」を判断するには、「データ」と「モデル」の両輪が必要となる。
  
  しかしモデル＝現実ではない。モデルごとに異なる説明／予測／判断が出てくることもある。究極的には「すべてのモデルは間違っている」。
  
  ではどうするか。社会、政治、経済、複雑系を縦横に扱う数理モデリングの第一人者スコット・ペイジ氏は、「組み合わせて使う」という処方箋を示す。モデルの多様な「用途」を意識し、単一のモデルにこだわらない態度――これを「多モデル思考（Many Model Thinking）」と名づけ、本書では「数理モデルの7つの用途」と、それを達成するためのミニマムセットとしての「24の数理モデル」を解説。多彩な「多モデル思考の実践例」を披露する。
  
  「データに振り回され、モデルに騙される」から、「多モデルを使いこなして、データを生かす」へ。
  現代人必須の教養を身につける一冊。
  
  ●数理モデルの7つの用途（＝REDCAPE）
  
  ・推論（Reason）：どんな条件がどんな結果を導くかを明らかにする
  ・説明（Explain）：現象に検証可能な説明を与える
  ・デザイン（Design）：制度、政策、規則の選択を助ける
  ・コミュニケーション（Communicate）：知識や理解を伝達可能にする
  ・行動（Act）：政策・経営判断・意思決定の指針を与える
  ・予測（Predict）：未来の事象や未知現象を予測する
  ・探索（Explore）：可能性を探り、仮説を精査する
  
  ●24の数理モデル：
  ・正規分布
  ・べき乗則分布
  ・線形モデル
  ・凹関数と凸関数
  ・価値と力のモデル
  ・ネットワークモデル
  ・ブロードキャスト、拡散、感染のモデル
  ・不確実性のモデリング
  ・ランダムウォーク
  ・経路依存性モデル
  ・局所相互作用モデル
  ・リアプノフ関数と均衡
  ・マルコフモデル
  ・システムダイナミクスモデル
  ・しきい値モデル
  ・空間/ヘドニック競争モデル
  ・ゲーム理論
  ・協力モデル
  ・集団行動問題
  ・メカニズムデザイン
  ・シグナリングモデル
  ・学習モデル
  ・多腕バンディット問題
  ・起伏地形モデル

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  ペイジ,スコット・E.(ペイジ,スコットE.／Page,Scott E.)
  ミシガン大学教授、サンタフェ・インスティチュート外部研究員。複雑系、政治科学、経済学を専門とし、特に生物学・経済学における「多様性」の機能を明らかにした研究で知られる
  
  椿 広計(ツバキ ヒロエ)
  東京大学大学院工学系研究科修士課程修了、東京大学工学部助手、慶應義塾大学理工学部専任講師、筑波大学社会工学系助教授・大学院ビジネス科学研究科教授、統計数理研究所教授兼リスク解析戦略研究センター長・副所長、（独）統計センター理事長を経て２０１９年より情報・システム研究機構理事・統計数理研究所長。現在、品質工学会会長、横断型基幹科学技術研究団体連合副会長、日本品質管理学会顧問（元会長）、応用統計学会理事（元会長）
  
  長尾 高弘(ナガオ タカヒロ)
  １９６０年千葉県生まれ。東京大学教育学部卒、（株）ロングテール社長。技術書を中心に訳書多数

• 著者について

  スコット・E・ペイジ (スコットイーペイジ)
  ミシガン大学 教授 Ph.D.
  
  椿 広計 (ツバキ ヒロエ)
  統計数理研究所 所長
  
  長尾 高弘 (ナガオ タカヒロ)
  株式会社ロングテール 社長

多モデル思考―データを知恵に変える24の数理モデル の商品スペック