目次
特集「ベイズ推論とＭＣＭＣのフリーソフト」（ベイズ超速習コース；２ページでわかるＭＣＭＣの秘密；階層ベイズ最初の一歩―ＪＡＧＳを使って；時系列・空間データのモデリング；ＭＣＭＣソフトを使う前に―一般的な準備から統計モデリングまで；Ｓｔａｎ入門―次世代のベイジアンモデリングツール；Ｐｙｔｈｏｎとは；ＰｙｔｈｏｎのＭＣＭＣライブラリＰｙＭＣ；ＭＣＭＣソフトウェアの比較；時間・空間を含むベイズモデルのいろいろな表現形式；赤池スクールとベイズ統計―１９８０年代の統計数理研究所）
話題（脳とディープニューラルネットワーク―視覚情報の復号化；インタビュー 林隆介）
連載 確率と論理を融合した確率モデリングへの道 １
その他・小説（計算機で作る面白いナンプレ；掌編小説“海に溺れて”１ 対戦）
感想・レビュー
※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。
Takashi Kai
4
ぼくには難しいところもあったが、良本だ。昨晩、一気に読めた。特に、わかりやすかったのが階層ベイズの利点で、なるほど、間違った解釈もあるかもしれないが、大局的なパラメータと、個別のパラメータを階層的に区分するのは、仮説の設定とPDCAといった実際のぼくらのやってる業務のようなところに似ていて、これは、空間的スケールを考慮した問題を解決するのに使える気がする。例えば、全国スケール～リージョンスケール～個別箇所スケール～ハビタットスケールみたいな感じ。BUGS言語とStanの書いている意味もようやく理解できた。2015/10/15
山のトンネル
2
統計学の基礎を学んだ後に読みたい1冊。2022/04/08
Hiroki Asano
1
StanやPyMCなどのツールの紹介に多くのページが割かれており、ベイズ推論の基礎について他の書籍で十分学習した後読むのが良い。2017/10/24
tamioar
1
難しかった、、、。2017/08/23
tsk
1
前に読んだときにはMCMCがかなり意味不明だったのだけれども、アヒル本、豊田分析入門、緑本、ベイズ超入門あたりを経由してから読むと体系的に理解できる良本と分かる。特に伊庭先生の同じモデルを、1. 漸化式による表現 2. 事後分布による(=グラフィカルモデル)表現 3. マルコフ場モデル(=統計力学的な)表現、と比較するのが面白い。MCMCの計算の便利さは実際に手を動かさないと分かってこないので、いきなりこの本を読んでしまった場合には理解が難しい。とりあえずStan辺りを使ってみるほうがよさげ。2017/06/24
