Stanによるベイズ統計学習

モデルプラン：【発展】80分×12回

Stanによるベイズ統計の導入により、僅かな確率的プログラミングコードの記述だけでいろいろな確率事象の解釈や予測を、格段に多様に捉えることができるようになりました。

但し、新規に統計学を始める人にとって、特に検定の必要ない人にとってStanによるベイズ統計へのアプローチは手探りとなります。Stanに関する本はいくつか出ているものの統計や確率知識を前提とするコード解説であったり、逆に数理説明が中心で現実の分析と結びつかなかったりたりするからです。

当授業は一通りの分析作業を行う実験的学習を繰り返します。RやStanの習得と同時に必用な統計や数理の学習を行う、効率的なベイズ統計の習得を目指すものです。

※講師の山田先生によるStanの解説記事はこちら↓
https://wakara.co.jp/mathlog/20201029

受講内容

ベイズ統計は確率モデルと称される仮定をもとに分析を進めます。確率モデルは単純な確率分布もあれば、複合的でトリッキーなケースもあります。モデル次第で得られる結果は異なりますから、分析のポイントです。授業では代表的な確率モデルを取り上げますが、異なるモデルで分析するなどして確率モデルの特徴や課題を学習します。主な分析プロセスはモデルの検討とコードの記述、パラメータのmcmcサンプリングと予測値の発生、分析となります。授業では条件を様々に設定してデータを作って分析したり、いろいろな検証テーマを設定するなどして実験的な分析を行い統計やStanの理解を深めてゆきます。

［PC環境］
Ｒ,RStudio,Rtools,RStanのインストールが必要となります。またRStudioのRマークダウンを利用してプログラミング学習を進めます。Rマークダウンはコードと結果が同時に出力され再現可能なレポート作りができます。

※内容はお客様のご要望等によって変更することがあります。