原理と意味から理解する ベイズ統計 入門講義（KS理工学専門書） [単行本]

原理と意味から理解する ベイズ統計 入門講義（KS理工学専門書） の 商品概要

• 目次

  第0章 ベイズ推定とは何か
  0.1 偽コインのパズル
  0.2 条件つき確率とベイズの公式
  0.3 コインをさらに投げ続ける、他の問題
  
  第1章 ベイズ推定のための確率論速成コース
  1.1 簡単な例で復習する古典的な（素朴な）確率
  1.2 確率と事象の抽象理論
  1.3 確率分布と確率密度関数
  1.4 結合分布と周辺分布
  
  第2章 古典的なベイズの定理とその応用
  2.1 条件つき確率とベイズの定理
  2.2 ベイズの定理の解釈と応用例
  2.3 離散値確率分布のベイズの定理
  
  第3章 ベイズ推定の枠組み
  3.1 条件つき確率密度関数とベイズの定理
  3.2 ベイズ推定の枠組み
  3.3 事後分布をどう使うか
  
  第4章 二項モデルでベイズ推定を理解する
  4.1 二項モデルの設定
  4.2 二項モデルの分布更新
  4.3 二項モデルの事後分布の性質
  
  第5章 最も重要な例：正規モデル
  5.1 正規モデルの設定
  5.2 正規モデルの事前分布、事後分布：分散が既知の場合
  5.3 正規モデルの事前分布、事後分布：分散も未知の場合
  
  第6章 頻度主義的な統計的推測の考え方
  6.1 偽コインのパズルと仮説検定
  6.2 偽コインのパズルの点推定と区間推定
  6.3 頻度主義的統計学の推定の背景
  
  第7章 モンテカルロ法による近似計算
  7.1 モンテカルロ法
  7.2 ギブスサンプリング
  7.3 メトロポリス法
  
  第8章 高度なモデルへの必須知識：多次元正規モデル
  8.1 正規分布から多次元正規分布へ
  8.2 多次元正規モデルの設定
  8.3 多次元正規モデルの事前分布、事後分布
  
  第9章 最初の応用：線形回帰モデル
  9.1 線形回帰モデル
  9.2 最小二乗法
  9.3 正規線形回帰モデルのベイズ推定
  
  第10章 より高度なモデルへ：三つのアイデア
  10.1 確率分布の抽象化：指数型分布族
  10.2 線形回帰の一般化：一般化線形モデル
  10.3 ベイズ推定の階層化

• 出版社からのコメント

  ベイズ統計の核心をていねいに解説。高度すぎず浅すぎず、紙と鉛筆の計算で原理から理解する。本当にわかりたい人のための本格入門。

• 内容紹介

  新しい統計学「ベイズ統計」の核心を、初学者にやさしい講義調の語り口でていねいに解説。高度すぎず浅すぎず、“紙と鉛筆”の計算で原理から理解できる。本当にわかりたい人のための、専門書への扉を開く本格入門書。
  
  ◆おもな目次◆
  第0章 ベイズ推定とは何か
  0.1 偽コインのパズル
  0.2 条件つき確率とベイズの公式
  0.3 コインをさらに投げ続ける、他の問題
  
  第1章 ベイズ推定のための確率論速成コース
  1.1 簡単な例で復習する古典的な（素朴な）確率
  1.2 確率と事象の抽象理論
  1.3 確率分布と確率密度関数
  1.4 結合分布と周辺分布
  
  第2章 古典的なベイズの定理とその応用
  2.1 条件つき確率とベイズの定理
  2.2 ベイズの定理の解釈と応用例
  2.3 離散値確率分布のベイズの定理
  
  第3章 ベイズ推定の枠組み
  3.1 条件つき確率密度関数とベイズの定理
  3.2 ベイズ推定の枠組み
  3.3 事後分布をどう使うか
  
  第4章 二項モデルでベイズ推定を理解する
  4.1 二項モデルの設定
  4.2 二項モデルの分布更新
  4.3 二項モデルの事後分布の性質
  
  第5章 最も重要な例：正規モデル
  5.1 正規モデルの設定
  5.2 正規モデルの事前分布、事後分布：分散が既知の場合
  5.3 正規モデルの事前分布、事後分布：分散も未知の場合
  
  第6章 頻度主義的な統計的推測の考え方
  6.1 偽コインのパズルと仮説検定
  6.2 偽コインのパズルの点推定と区間推定
  6.3 頻度主義的統計学の推定の背景
  
  第7章 モンテカルロ法による近似計算
  7.1 モンテカルロ法
  7.2 ギブスサンプリング
  7.3 メトロポリス法
  
  第8章 高度なモデルへの必須知識：多次元正規モデル
  8.1 正規分布から多次元正規分布へ
  8.2 多次元正規モデルの設定
  8.3 多次元正規モデルの事前分布、事後分布
  
  第9章 最初の応用：線形回帰モデル
  9.1 線形回帰モデル
  9.2 最小二乗法
  9.3 正規線形回帰モデルのベイズ推定
  
  第10章 より高度なモデルへ：三つのアイデア
  10.1 確率分布の抽象化：指数型分布族
  10.2 線形回帰の一般化：一般化線形モデル
  10.3 ベイズ推定の階層化

• 著者について

  原 啓介 (ハラ ケイスケ)
  東京大学大学院数理科学研究科博士課程修了、博士（数理科学）。立命館大学理工学部数理科学科で准教授、教授を務めたのち、株式会社ACCESS勤務などを経て、Mynd株式会社の設立に参画。同社の代表取締役、取締役を経て、現在、数理ファイナンス研究所フェロー。専門分野は確率論に関係する数学とその応用。著書に『測度・確率・ルベーグ積分』、『線形性・固有値・テンソル』、『集合・位相・圏』（いずれも講談社）、『眠れぬ夜の確率論』（日本評論社）、『微積分学のエッセンス』（岩波書店）、『測度の考え方』、『定理の花束』（いずれも技術評論社）、訳書にK. デブリン『世界を変えた手紙』（岩波書店）などがある。

原理と意味から理解する ベイズ統計 入門講義（KS理工学専門書） の商品スペック