マンガでわかるベイズ統計学

著者名：高橋信【著】/上地優歩【作画】/ウェルテ【制作】

オーム社（2021/01発売）

• ISBN：9784274221354

内容説明

ビッグデータ、機械学習で注目されているベイズ統計学がマンガでわかる!!
本書はマンガを使ってベイズ統計学の基礎から実際の利用例まで解説するものです。また一般的に統計学のことをさす数理統計学とベイズ統計学の違いもふれます。さらにコンピュータシミュレーションでよく使われるモンテカルロ法やカルバック・ライブラー情報量についても解説しますのでマンガとはいえ実践的な内容となっているものです。

目次

序章　ベイズ統計学を学びたい！
第１章　ベイズ統計学とは？
1．ベイズ統計学
2. 一般的な統計学とベイズ統計学の違い
第２章　基礎知識
１. 期待値と分散と標準偏差
1.1　期待値
1.2　分散と標準偏差
2. 確率分布
2.1　一様分布
2.2　二項分布
2.3　多項分布
2.4　一様分布
2.5　正規分布
2.6　t 分布
2.7　逆ガンマ分布
3. その他の確率分布
3.1　負の二項分布
3.2　ポアソン分布
3.3　指数分布
3.4　ベータ分布
第３章　尤度関数
1. 尤度
1.1　大数の法則
1.2　カルバック・ライブラー情報量
1.3　尤度
2. 尤度関数
2.1　多項分布の尤度関数
2.2　正規分布の尤度関数
3. その他の尤度関数
3.1　二項分布の尤度関数
3.2　ポアソン分布の尤度関数
第４章　ベイズの定理
1. ベイズの定理
1.1　条件付き確率
1.2　同時確率
1.3　ベイズの定理
1.4　具体例
2. 事前確率密度関数と事後確率密度関数
第５章　マルコフ連鎖モンテカルロ法
1. モンテカルロ積分
1.1　モンテカルロ積分
1.2　連続型の確率変数の期待値と分散
2. マルコフ連鎖
2.1　マルコフ連鎖
2.2　不変分布
3. マルコフ連鎖モンテカルロ法
3.1　マルコフ連鎖モンテカルロ法
3.2　メトロポリス・ヘイスティングスアルゴリズム
3.3　ギブスサンプラー
4. 自然な共役事前分布
第６章　マルコフ連鎖モンテカルロ法の活用例
1. ２つの母集団の平均についての推測
1.1　統計的仮説検定
1.2　統計的仮説検定の手順
1.3　統計的仮説検定の種類と帰無仮説と対立仮説
1.4　具体例
2. 階層ベイズモデル
付録
１. 事前分布についての前提と事後分布
２. 収束の判断
2.1 Geweke の方法
2.2 Gelman とRubin の方法
参考文献
索引

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。

[ぶう]

まんがでわかる統計学で有名なシリーズのベイズ統計学の本。まんがベースのため取っつきやすそうに見えるが、個人的にはかなり難易度高めに感じた。結構序盤から数式がバンバン出てきて面食らう。まんがベースなので文字や数式を入れるスペースがあまり無いという事が逆に制約となり、詰め込むペースを早めているとも言える。マンガであの分量に収めるにはベイズ統計学は難しいのではないだろうか。雰囲気をつかむにはいいかもしれないが、文字ベースの、もっと入門向けの本を探したほうが良さそうだ。自分のレベルが低いだけの話ではあるのだが…

2022/08/23

[nbhd]

ベイズ統計には「主観確率」と「信念」というキーワードがあるってことを知れただけでも読んでよかった（内容はチョームズかった！）。「信念」って言葉が客観性を大事にする科学の中で使われているってのは、なかなか衝撃的だ。ChatGPTに「信念」について尋ねてみたところ「信念は、ある事象に対する信じる度合いや確信度を指します。ベイズ統計学では、新しいデータが得られるたびに確率分布を更新するため、信念もまた変化します。信念が高い場合、その事象が実際に発生する可能性も高まります。」とのこと。信念って大事なんだね！

2024/01/17

[nbhd]

入力「MCMC法について、２００字以内で解説して下さい。」／出力「MCMC法 (Markov Chain Monte Carlo法) は、ベイズ統計学においてパラメータ推定に用いられる手法です。ベイズの定理を活用し、事前確率と尤度を組み合わせて事後確率を求めます。具体的には、マルコフ連鎖を作成し、その均衡分布からサンプリングを行います。高次元のパラメータ推定にも適用され、効率的なサンプリングを実現します。」

2024/03/05

[masabi]

【概要】ベイズ統計学を漫画形式で解説する。【感想】ベイズ統計学と言えば事前確率と事後確率くらいしか知らなかったので、知らないことばかりだった。

2020/07/08

[Thinking_sketch_book]

★★★★☆　MCMCを他の本で一度学びましたが具体的な計算例がわからず手に取りました。MCMCの原理を絵で説明し、計算過程を実際の数値を用いて説明しているのがわかりやすく、また理解する事ができました。一方で階層ベイズはわかりづらいく、他の本の方がわかりやすい印象でした

2019/01/26