内容説明
近年，確率分布を使った数理モデルをデータにあてはめることで現象の理解と予測を促す「統計モデリング」が注目されている。既存の手法と比べた時の利点は解釈のしやすさと予測のよさの両立である。解釈がしやすいので，モデルに含まれる値を推定した後で次のアクションにつなげやすい。このため現実のデータ解析に極めて有効な手法と評価されている。
背景には，コンピュータの計算速度の向上，大規模のデータが入手しやすくなったこと，モデリングの試行錯誤を極めて簡単にする確率的プログラミング言語の進歩がある。こうした言語の中から，本書ではフリーソフトであるStanを紹介する。Stanは優れたアルゴリズムを搭載し開発も急速に進んでいるパッケージであるが，R用のパッケージであるRStanが並行して公開されているためRから手軽に利用することができる。Stanの記述力は高く，階層モデルや状態空間モデルをわずか30行ほどで書くことができ，推定計算も自動で行なわれる。さらに解析者の問題にあわせたオーダーメイドの拡張が簡単に可能だ。
一般にベイズ統計を扱う書籍は初歩的な内容にとどまるものか，難解な数式が多く実際の問題への応用が難しいものが多い。しかし，本書はこれらの書籍とは一線を画し，現実のデータ解析を念頭に置いて非常に実践的な内容に仕上げた。本書でStanとRを介して身につけた統計モデリングの考え方は，Stanの文法が変化しても，他の統計モデリングツールを扱う場合にも，大いに役に立つと確信している。
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。
uD
6
階層ベイズモデル構築の必要に迫られて8章を中心に。実務に際してこんなにも直接的に書籍を活用できた体験は初めてだった。理論的な部分のみでなく、モデラーがコーディングの際にどの段階で何を考えどこに詰まるか、それらに対する方法論を一つひとつ丁寧に解説されており本当に助かる。著者とシリーズを覚えておこう。2023/08/01
ONE_shoT_
2
統計モデリング・確率的プログラミングの理解をもう一歩進めるために読んだ一冊。線形回帰・ロジスティック回帰・ポアソン回帰から、階層モデルや状態空間モデルまで、Stan/Rのコードとともに解説されています。回帰分析で難しいところ（交互作用・対数化・多重共線性・交絡・外れ値など）への対処法も載っていて参考になります。2019/06/23
Iwata Kentaro
2
いろいろおせわになりました。これからも参照し続けます。2019/02/04
icon
1
緑本よりいいかも。最尤推定とか初心者にもわかりやすそうだし、ZIPとかもやってる。 ベイズの利点。仮説が正しいとしてデータYかそれより極端なデータが得られる確率 p(y>=Y|H)をp値とする解釈の難しい頻度論に対し、p(H|Y)が計算できる。信頼区間を使う必要がない。確率的な予測区間が出せる。 データを取る前に背景知識、問題設定とその図、解析計画、データを取ったら分布の確認。 2025/06/17
Józef Klemens Piłsudski
1
7章までは交絡作用項とか外れ値の扱いとか変数変換とか、モンテカルロ法に限らず回帰分析全般で使えるテクニックを紹介している。逆に言えばこれらはstanでなくてもRの組み込み関数などでも利用できる。もちろんモンテカルロ法で活用できるテクニックについての言及もあり、特に事前分布の選び方やパラメータの識別可能性の話などは実例に基づいているのでわかりやすく実用的と思う。出版時期とアップデート時期がわりと重なってるが、2.11以降の新しい構文に準拠している。2017/02/13
