内容説明
◆Pythonモジュール「PyMC」初の解説書
「PyMC」は，NumPy，SciPy，Matplotlibなどのツールとも高い親和性をもつ，MCMC（マルコフ連鎖モンテカルロ法）を用いたベイズ推論のためのPythonモジュールです．こうしたツールの登場により，これまで敷居の高かったベイズ推論を用いたデータ解析は，ますます実用性を高めています．
◆MCMCを動かしながら体得！ ――ベイズ推論の新しい学び方
ベイズ推論をデータ分析で実践するまでには，従来は「ベイズ統計の基礎を学ぶ」 →「高度な計算手法の原理と実装法を学ぶ」→「コードを書いて実データを解析する」というステップが必要でした．しかしPyMCを使えば，このプロセスを大幅に短縮し，「いきなりMCMCを走らせる」→「結果を見ながらベイズ推論のエッセンスを学ぶ」という，効率的かつ実用的な学習法が実現します．Jupyter NotebookでのPythonコードが多数掲載された本書は，その格好の手引きです．
～～本書を読めば分かること～～
・ベイズ推論とはなにか，他の統計的推論との違い
・統計モデルをPyMCで実装する方法
・MCMCの考え方と威力
・損失関数の選び方・使い方
・事前分布の選び方と，サンプルサイズによる影響
・ベイズ主義的なA/Bテストの実践方法
目次
第1章 ベイズ推論の考え方
第2章 PyMCについてもう少し
第3章 MCMCのなかをのぞいてみよう
第4章 偉大な定理，登場
第5章 損失はおいくら？
第6章 事前分布をハッキリさせよう
第7章 ベイズA/Bテスト
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。
yyhhyy
2
PyMC2だがベイズ推論の基礎を網羅。ありがちな注意点などの記載もある。”専門家にヒアリングして事前分布を考えるときのテク”など手拾いため、深堀りが少ない項目も多い。2022/10/22
好奇心の横断歩道を渡る！
2
本書で使われているPyMCは、PyMC2。AnacondaではPyMC2(ライブラリの名前は数字なしのpymc)が存在しないのかな？見つからなかったので、Anacondaでつくった環境ににpipのpymcを混ぜて使おうとしたら、よくわからないエラーでダウンロードできなかった。3の方で同じ動作を再現しつつ書いてたけど、時間を食いすぎる。///①Anaconda環境にこだわっていて、②たぶん本書で触れない階層ベイズモデリングが今の目標で、③PyMC3を使いたい、ので見切りをつけた。統計はRの方が強いのかな。2021/02/09
Sean
2
MCMCのコーディング部分を学ぶ。他にもいくつか、MCMCの利用上重要な概念も書いてあってそこは有用。 でも基本理論は記載していないので別の書籍で学ぶ必要がある。2019/05/13
あやたふ
1
内容は極めて実践的。前半はPyMCのチュートリアル、後半は難しいがいろいろなデータの実例を用いて解説がされているため面白い。ソースコードもjupyter形式で公開されている。データの読み込み・整形・グラフの描画（matplotlib）部分のコードまで本に転記されているため親切（むしろその部分が参考になる）。正直理論を細かく知らなくても不思議と使えるようになる（気がする）。一応訳書なので日本語が独特。ベイズ推定に限らずサラッと重要なことを随所で述べてたりする。2019/01/13
もるもる
1
Pythonの基礎知識がまったくなかったため、なんとなくで流し読みしてしまった。一方、ベイズ推論についても特段の説明があるわけではないので、双方の基礎を先におさえてから読まれたし。2018/06/18
