『ベイズデータ解析（第3版）』解説セミナー第3弾！訳者による講義で、MCMCの基礎から効率的な方法を徹底解説します。
本セミナーは、2024年8月11日に開催したアーカイブセミナーです。
本セミナーは、『ベイズデータ解析（第3版）』（森北出版、2024年6月）をベースとして、第11章「マルコフ連鎖シミュレーションの基礎」第12章「効率的なマルコフ連鎖シミュレーション」に相当する内容を担当訳者である明治大学 小林弦矢教授に解説していただきます。
本セミナーではマルコフ連鎖に基づくシミュレーション（サンプリング）によって、事後分布の近似方法を紹介します。
ベイズ統計学におけるMCMCの基礎を学び、事後分布をシミュレーションを通してどのように近似するかを解説します。
MCMCはベイズ推論における強力かつ最も中心的な数値計算方法で、ベイズ統計を学ぶ上で必須事項となります。
具体的には、ギブス・サンプラーやメトロポリス・ヘイスティングスアルゴリズムといったマルコフ連鎖モンテカルロ法の基本的なアルゴリズムから、複数のより効率的で発展的なアルゴリズムを紹介し、特に確率プログラミング言語Stanの核となっているハミルトニアン・モンテカルロ法について取り上げます。
MCMCの基礎から実践までを体系的に学び、MCMCのスキルを身につけたい方はこちらのセミナーにご参加ください。
このセミナーはシリーズで受講しなくても単体で完結する内容となっております。
ぜひ、ベイズデータ解析（第3版）を読みながら、訳者による解説を通して習得する機会としてください。
本シリーズセミナーは以下の構成です。
書籍にはないStanやRでの実装演習を通して翻訳者による徹底解説を行います。
《基礎編》
第1回：ベイズ統計学の導入と階層モデル（講師：菅澤翔之助）
第2回：モデル診断とモデル比較（講師：川久保友超）
第3回：マルコフ連鎖モンテカルロ法（講師：小林弦矢）
第4回：ベイズ的階層回帰モデルの実践アプローチ（講師：菅澤翔之助）
《各論・発展編》
第5回：事後分布の近似計算（講師：小林弦矢）
第6回：ロバストなベイズ分析の理論と実践（講師：菅澤翔之助）
第7回：データ収集を考慮したモデリング（講師：川久保友超）
第8回：欠測データのベイズモデリング（講師：菅澤翔之助）
第9回：非線形ベイズモデリング（講師：菅澤翔之助）
第10回：ガウス課程モデルの基礎と応用（講師：小林弦矢）
第11回：有限混合モデルの基礎と応用（講師：菅澤翔之助）
第12回：ディリクレ過程モデルの基礎と応用（講師：小林弦矢）
小林 弦矢（明治大学 専任教授）
所属：明治大学 商学部 専任教授
学位：博士（経営学）（神戸大学）
[経歴]
2024年4月 - 現在：明治大学, 商学部, 教授
2022年4月 – 2024年3月：明治大学, 商学部, 准教授
2017年4月 - 2022年3月：千葉大学, 大学院社会科学研究院, 准教授
2016年10月 - 2017年3月：千葉大学, 法政経学部, 准教授
2014年4月 - 2016年9月：千葉大学, 法政経学部, 講師
[最近の論文]
Small areaestimation of general finite-population parameters based on grouped data
Robustfitting of mixture models using weighted complete estimating equations
BayesianApproach to Lorenz Curve Using Time Series Grouped Data
[主な書籍等出版物]
『ベイズデータ解析』, 菅澤翔之助, 小林弦矢, 川久保友超, 栗栖大輔, 玉江大将, 株式会社Nospare，森北出版， 2024年6月
¥11,000
ベーシックプラン
お支払いから1ヶ月間、いつでもどこでも受講できます。
※講義動画のダウンロードはできません。
万が一、セミナーの資料や動画が異なる、動画や資料が閲覧できないなどの不備がございましたら、運営へお問い合わせください。
.png)
