いちばんやさしいベイズ統計入門―「結果」から「原因」を探し出す [単行本]

いちばんやさしいベイズ統計入門―「結果」から「原因」を探し出す の 商品概要

• 要旨（「BOOK」データベースより）

  本書は「ベイズ統計」がゼロから最速・最短でわかる本です。「ベイズ統計って何？」という初歩の初歩から、ビジネス現場での応用例までしっかり理解できます。「意思決定の最強ツール」であり、「いまどきの統計」でもあるベイズ統計の世界を私と一緒に旅しましょう！

• 目次

  ■第1章 「ベイズ統計」って何だろう？
  ●基礎知識1 「統計」って何だろう？
  ●基礎知識2 「ベイズ統計」は変化する確率を扱う
  ●基礎知識3 統計の用語
  ●基礎知識4 統計の「最前線」はコンビニ！
  ●基礎知識5 「統計の基礎」はすでに身についている？
  ●基礎知識6 データの分類
  ●基礎知識7 質的データ（数値で測定できないデータ）
  ●基礎知識8 量的データ（数値で測定できるデータ）
  ●基礎知識9 「伝統的な統計学」と「ベイズ統計」の違い
  ●基礎知識10 「記述統計」と「推計統計」
  ●基礎知識11 代表値と散布度
  ●基礎知識12 代表値は「最大値・最小値」を調べるところから始める
  ●基礎知識13 代表値の王様「平均」を知ろう
  ●基礎知識14 平均が機能しないときは「中央値」
  ●基礎知識15 平均の計算で「よくある間違い」とは？
  ●基礎知識16 外れ値の影響を受けにくい中央値
  ●基礎知識17 最頻値は「データの多数決」
  
  ■第2章 「集合」と「確率」の記号「超」入門
  ●具体例で「集合」と「確率」の「記号」に慣れよう！
  
  ■第3章 「条件付き確率」って何だろう？
  ●「条件付き確率」だけはしっかり押さえる！
  ●例題で「条件付き確率」に慣れよう
  ●条件付き確率の有名な問題① 「3棹のたんす問題」
  ●条件付き確率の有名な問題② 「帽子をよその家に忘れてしまうK君」の問題
  ●条件付き確率は「直感」にだまされやすい
  ●「ベイズの定理」を導く！
  ●「ベイズの定理」を使って解いてみよう
  
  ■第4章 「ベイズの定理」を具体例で理解する
  ●モンティ・ホール（Monty Hall）問題 ドアを変更したほうがいい？ 変更しても同じ？
  モンティ・ホール問題の解説①：ドアを変えない場合
  モンティ・ホール問題の解説②：ドアを変える場合
  「納得できない！」人は「極端な例」で考えてみよう
  「モンティ・ホール問題」を数学的に検証する
  ●「P検査とCウイルス問題」 確率を求めるときは「前提条件」がとても大切
  「感度」は「正しく陽性と判定される確率」
  「特異度」は「正しく陰性と判定される確率」
  ●「3囚人問題」 囚人Aは「助かる確率が上がった！」と喜べるか？
  事象A：囚人Aが恩赦を受ける場合
  事象B：囚人Bが恩赦を受ける場合
  事象C：囚人Cが恩赦を受ける場合
  Aが恩赦を受けられる確率は3分の1のまま
  Cが恩赦を受けられる確率は3分の1から3分の2に上昇
  ●「飛行機の墜落原因」問題 事故の原因がエンジン故障だった確率は？
  
  ■第5章 「とりあえず」からはじめていい「理由不十分の原則」と「ベイズ更新」
  ●「理由不十分の原則」って何だろう？
  ●「壺から玉を取り出したら青玉だった」問題 時間の流れが逆になっている場合はどうする？
  ●確率が次々と更新されていく「ベイズ更新」 刻一刻と変わる状況にも追随できる
  ベイズ更新で確率をアップデートする
  墜落場所がわからなくても数学的に正しい方法を使う
  ●なぜ「迷惑メール」だけ狙い撃ちできるのか？ 迷惑メールならではの特徴を確率に反映させる

• 出版社からのコメント

  結果から原因を推測する

• 内容紹介

  「ベイズ統計」は、英国の数学者トーマス・ベイズ（1702～1761年）が提唱した統計で、「主観的な確率」も柔軟に利用できることが特徴です。この柔軟性が逆に多くの科学者に好まれず、200年以上もの長い年月、冬の時代を迎えることになります。しかし、時代はベイズ統計を忘れていませんでした。むしろ時代が進むにつれ、その柔軟性により活用の幅が広がっていきました。現代におけるベイズ統計の応用は、スパムメールの判定からビッグデータの分析まで、枚挙にいとまがありません。私たちが普段接する従来の統計学は「データ」が必要です。データがない状態では「議論できない」のです。これに対してベイズ統計は、事前のデータがない状態でも、仮定しつつ議論を進め、情報を得ながら確率を更新していける強みがあります。また、ベイズ統計は、結果から原因、未来から過去を探る際にも活躍します。つまり、ベイズ統計は歴史的にも計算の上でも、「未来が過去をつくる」分野なのです。このような冬の時代を経緯に持つ学術分野は、何もベイズ統計だけではありません。近年急激に台頭してきたAI（Artificial Intelligence：人工知能）も、かつて2度の冬の時代を経て、輝かしい現在を迎えています。

• 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）

  佐々木 淳(ササキ ジュン)
  １９８０年、宮城県仙台市生まれ。東京理科大学理学部第一部数学科卒業後、東北大学大学院理学研究科数学専攻修了。防衛省海上自衛隊数学教官。数学検定１級、算数・数学思考力検定（旧ｉＭＬ国際算数・数学思考力検定）１級、Ｇ検定（ＪＤＬＡ　Ｄｅｅｐ　Ｌｅａｒｎｉｎｇ　Ｆｏｒ　ＧＥＮＥＲＡＬ　２０２０＃　２）取得。大学在学時から早稲田アカデミーで指導経験を積む。担当した中学２年生の最下位クラスでは、できる問題から「やってみせ」、反復演習「させてみて」、「ほめて」伸ばす山本五十六式メソッドで、自信をつけさせることに成功。開成・早慶付属校に毎年合格している選抜クラスの平均を超える偉業を達成。その後、代々木ゼミナールの最年少講師を経て現職。海上自衛隊では、数学教官としてパイロット候補生に対する入口教育の充実、発展に大きく尽力した功績が認められ、事務官等（事務官、技官、教官）では異例の３級賞詞を受賞する

• 著者について

  佐々木 淳 (ササキ ジュン)
  1980年、宮城県仙台市生まれ。東京理科大学理学部第一部数学科卒業後、東北大学大学院理学研究科数学専攻修了。防衛省海上自衛隊数学教官。数学検定1級取得。大学在学時から早稲田アカデミーで指導経験を積む。担当した中学2年生の最下位クラスでは、できる問題から「やってみせ」、反復演習「させてみて」、「ほめて」伸ばす山本五十六式メソッドで、自信をつけさせることに成功。開成・早慶付属校に毎年合格している選抜クラスの平均を超える偉業を達成。その後、代々木ゼミナールの最年少講師を経て現職。海上自衛隊では、数学教官としてパイロット候補生に対する入口教育の充実、発展に大きく尽力した功績が認められ、事務官等（事務官、技官、教官）では異例の3級賞詞※を受賞する。

いちばんやさしいベイズ統計入門―「結果」から「原因」を探し出す の商品スペック