ベイズ統計学の入門講座 ～基礎知識、理論、実践方法まで～

「ベイズ統計とは何か」「どんなことができるのか」

機械学習、AIを使いこなす上で、今注目を集める
ベイズ統計を分かりやすく解説！

講師

著述家・(地独)東京都健康長寿医療センター　非常勤研究員　高橋 信 氏

【講師紹介】
　ロングセラーであり、海外で数多く翻訳されている、「マンガでわかる統計学」シリーズの著者。 九州芸術工科大学(現 九州大学)大学院芸術工学研究科情報伝達専攻修了。民間企業で統計学セミナー講師業務やデータ分析業務に長く従事した後、大学非常勤講師などを務め、現在は著述家・地方独立行政法人東京都健康長寿医療センター非常勤研究員。

受講料

1名につき50，000円（消費税抜き・昼食・資料付き）
〔1社2名以上同時申込の場合1名につき45，000円（税抜）〕

プログラム

【講座概要】
　お仕事に従事されている中で、「ベイズ統計学が云々」「ベイズ統計学で柔軟なモデリングが云々」といった話をどこかで聞いたことがあるかもしれません。本講座は、「ベイズ統計学とはどういうものか？」「普通の統計学と何が違うのか？」「ベイズ統計学を学ぶことの魅力は何か？」といったことを知りたい方におすすめです。すでにベイズ統計学に基づいた分析をおこなっているものの、実は知識にやや不安を覚えているという方にもおすすめです。
　本講座の解説では、数学的な事柄も扱います。とは言っても、難しそうな記号を使って延々と板書するというわけでは決してありません。さまざまなお仕事に従事されている方々が受講することや講演時間には限りがあることを前提に、ベイズ統計学に関係する各概念を、あまりに数学的にブラックボックスのままやりすごすことなく、しっかりわかりやすく解説します。

　本講座は、以下のような方におすすめです。
・ベイズ統計学を基礎から学びたい方
・一般的な統計学とベイズ統計学の違いを学びたい方
・データ分析業務に携わっている方

１．ベイズ統計学とは？
　1.1 ベイズ統計学とは？
　1.2 一般的な統計学とベイズ統計学の違い
　1.3 なぜわざわざベイズ統計学を学ぶのか？

２．基礎知識
　2.1 期待値と分散と標準偏差
　2.2 確率分布

３．最尤法
　3.1 二項分布の尤度関数
　3.2 正規分布の尤度関数

４．ベイズの定理
　4.1 条件付き確率
　4.2 ベイズの定理
　4.3 事前確率密度関数と事後確率密度関数
　4.4 事後期待値と事後分散

５．マルコフ連鎖モンテカルロ法
　5.1 マルコフ連鎖モンテカルロ法
　5.2 メトロポリス・ヘイスティングスアルゴリズム
　5.3 ギブスサンプラー
　5.4 ハミルトニアンモンテカルロ法

６．ベイズ統計学の実用例
　6.1 階層ベイズモデル
　6.2 2つの母集団の平均についての推測
　6.3 状態空間モデル

【質疑応答・個別質問・名刺交換】