統計学の実践｜Stanでベイズ統計を「なぜ」から学び直す

Stanは、確率モデルを数式に近い形で書けば、面倒な計算はすべて任せられるベイズ統計の実装言語です。RやPythonから呼び出して使います。

たとえば「新しい施策を案内した100人のうち、7人が申し込んだ」というデータ。割合はたしかに7％ですが、7人という少なさでそう言い切ってよいのか判断できません。ベイズ統計では申込率そのものを分布として扱います。事前分布に一様分布を置くと、事後分布はベータ分布 Beta(8, 94) になり、最も可能性が高いのは7％、しかし95％の確からしさで見れば 3.5％〜13.8％ の幅がある、と読み取れます。この例は手計算できますが、階層構造や複数の要因が入ると積分が解けなくなる。そこで乱数を大量に発生させて分布そのものを近似するのがMCMCで、その計算エンジンがStanです。

本講座は、書けて・回して・読めるようになることを目標に進めます。

• モデルを書く
  data・parameters・model ブロックの役割と書き分け
• 収束を確かめる
  トレースプロットとR-hatで「信じてよい結果か」を判定する
• 結果を読む
  事後分布の要約、信用区間、事後予測チェック

同じ枠組みは階層ベイズや状態空間モデルにも広がり、時系列予測やマーケティング効果測定といった実務のモデリングまで手が届くようになります。

なお、ベイズの定理と確率分布の基礎、そしてRの基本操作を前提とします。理論の土台から固めたい場合は、あわせてご相談ください。

---

よくある質問

Q．プログラミングの経験が浅くても大丈夫ですか？
A．大丈夫です。Rの基本操作から確認し、Stanのコードは1行ずつ意味を追いながら書きます。写経ではなく、自分で組み立てられる状態を目指します。

Q．自分のデータを持ち込んでもよいですか？
A．はい、歓迎します。お手元のデータに合わせてモデルを設計し、そのまま業務や研究で使える形に仕上げていくことができます。

Q．PythonやPyMCでも受講できますか？
A．ご相談ください。考え方は共通ですので、cmdstanpyやPyMCなど、普段お使いの環境に合わせて内容を調整できます。

Q．ベイズ統計の理論から学びたいのですが？
A．対応できます。本講座は実装に重点を置いていますので、ベイズの定理や事前分布の考え方から固めたい場合は、その旨をお知らせください。

実務での使いどころまで含めたコース全体（料金・受講の流れ・講師のご紹介）は、ベイズ統計 個別指導のページでご案内しています。

※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。

・ベイズ統計の入門書は読んだが、自分のデータに適用できていない方
・MCMCの中身を理解しないまま、なんとなく使っている方
・Rで統計解析はできるが、ベイズモデリングは未経験の方
・階層モデルや状態空間モデルを、実務で扱えるようになりたい方
・研究や業務で、少ないデータから意思決定する必要がある方

発展

【80分×12回】

〇確率や確率分布に関する基礎学習を必用に応じて行います。
＊確率事象、確率の公理、ベイズ定理、確率変数、確率密度関数、確率分布関数…

〇各代表的確率モデルについて実験的分析プロセスを実施します。　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　《代表的確率モデル》
・正規分布関連
・指数分布関連
・二項分布関連
・ポアソン分布関連
・線形回帰関連
・時系列関連

《実験的分析プロセス》
①諸条件でデータを作る(所与データもあり)
②モデルの検討(できるだけ複数考える)
③Stan、Rコード記述(まず可読性の高いコード)
④mcmcサンプリングパラメータチェック
⑤予測値を発生(精度チェック、分析)