Pythonによる ベイズ統計学入門

ベイズ統計学を基礎から解説，Pythonで実装。マルコフ連鎖モンテカルロ法にはPyMC3を活用。〔内容〕「データの時代」におけるベイズ統計学／ベイズ統計学の基本原理／様々な確率分布／PyMC／時系列データ／マルコフ連鎖モンテカルロ法 1.　「データの時代」におけるベイズ統計学 2.　ベイズ統計学の基本原理 　未知の比率に対する推論 　ベイズの定理による事後分布の導出 　未知のパラメータに関する推論 　将来の確率変数の値の予測 　付録（損失関数に対応した点推定の導出／SDDRの導出） 3.　様々な確率分布を想定したベイズ分析 　ポアソン分布のベイズ分析 　正規分布のベイズ分析 　回帰モデルのベイズ分析 　付録（ポアソン分布に従う確率変数の予測分布の導出／正規分布に従う確率変数の予測分布の導出／回帰係数と誤差項の分散の事後分布の導出／回帰モデルの予測分布の導出） 4.　PyMCによるベイズ分析 　ベイズ統計学とモンテカルロ法 　PyMCによる回帰モデルのベイズ分析 　一般化線形モデルのベイズ分析 5.　時系列データのベイズ分析 　時系列データと状態空間表現 　状態空間モデルに関する推論 　PyMCによる状態空間モデルのベイズ分析 　付録（カルマン・フィルターの導出／予測分布の導出／カルマン・スムーザーの導出） 6.　マルコフ連鎖モンテカルロ法 　マルコフ連鎖と不変分布 　メトロポリスーーヘイスティングズ・アルゴリズム 　ギブズ・サンプラー