書誌種別 |
図書 |
タイトル |
ベイズ法の基礎と応用 |
サブタイトル |
条件付き分布による統計モデリングとMCMC法を用いたデータ解析 |
タイトルヨミ |
ベイズホウ ノ キソ ト オウヨウ |
サブタイトルヨミ |
ジョウケンツキ ブンプ ニ ヨル トウケイ モデリング ト エムシーエムシーホウ オ モチイタ データ カイセキ |
人名 |
間瀬 茂/著
|
人名ヨミ |
マセ シゲル |
出版者・発行者 |
日本評論社
|
出版者・発行者等ヨミ |
ニホン ヒョウロンシャ |
出版地・発行地 |
東京 |
出版・発行年月 |
2016.2 |
ページ数または枚数・巻数 |
7,262p |
大きさ |
21cm |
価格 |
¥3500 |
ISBN |
978-4-535-78785-8 |
ISBN |
4-535-78785-8 |
注記 |
文献:p252〜255 |
分類記号 |
417
|
件名 |
数理統計学
|
内容紹介 |
統計学の応用範囲を大きく広げ、新しい地平を開いたベイズ法。歴史的なエピソードや、条件付き確率分布による統計モデリング、マルコフ連鎖モンテカルロ法とその応用を詳しく解説する。 |
著者紹介 |
1949年名古屋市生まれ。東京工業大学大学院理工学研究科数学専攻博士課程修了。同大学名誉教授。理学博士。著書に「Rプログラミングマニュアル」「地球統計学とクリギング法」など。 |
言語区分 |
JPN |
タイトルコード |
1009811987730 |
目次 |
第1章 ベイズの定理,ベイズ統計学とベイズ主義,そして現代ベイズ法 |
|
1.1 ベイズの定理の誕生/1.2 ベイズ統計学/1.3 マルコフ連鎖モンテカルロ法/1.4 現代ベイズ法 |
|
第2章 確率分布と密度関数 |
|
2.1 基本的記号と概念/2.2 確率分布と密度関数/2.3 同時密度と周辺密度/2.4 事象の独立性/2.5 確率変数列の独立性 |
|
第3章 条件付き確率と密度,ベイズの定理 |
|
3.1 条件付き確率とベイズの定理/3.2 オッズ比に対するベイズの定理/3.3 ベイズ比に対するベイズの定理/3.4 条件付き密度に対するベイズの定理/3.5 事後分布化の推移性/3.6 条件付き期待値と条件付き分散/3.7 条件付き独立性/3.8 最大エントロピー法:データのないベイズ法/3.9 例:病気とその診断法/3.10 例:確率論の誕生の瞬間,パスカルとフェルマーの書簡/3.11 例:モンティ・ホール問題/3.12 例:ベイズ比/3.13 例:ラプラスの継起規則/3.14 例:事後分布化の推移性/3.15 例:条件付き平均と条件付き分散/3.16 例:軍事機密とされたベイズ法 |
|
第4章 最尤推定法 |
|
4.1 統計モデルと推定/4.2 尤度関数と最尤推定量/4.3 最尤法と対数尤度方程式/4.4 例:1次定常マルコフ連鎖/4.5 例:家系図データ/4.6 例:人間の血液型の遺伝/4.7 情報量不等式/4.8 EMアルゴリズム/4.9 例:EMアルゴリズムによる人間の血液型の遺伝 |
|
第5章 ベイズ推測理論 |
|
5.1 事前分布と事後分布/5.2 例:事後分布/5.3 ベイズ推定量とMAP推定量/5.4 例:人間の血液型の遺伝/5.5 事後予測分布/5.6 例:事後予測分布/5.7 一変量共役事前分布/5.8 事後分布に対する極限定理/5.9 例:映画のレイティング/5.10 尤度比検定とベイズ因子/5.11 例:尤度比検定とベイズ因子/5.12 ベイズ判別分析/5.13 例:ベイズ判別分析 |
|
第6章 モンテカルロ法 |
|
6.1 モンテカルロ法/6.2 例:ビュッフォンの針問題/6.3 疑似乱数/6.4 重点サンプリング法/6.5 例:重点サンプリング法/6.6 重点サンプリングからの再サンプリング(SIR)法/6.7 例:SIR法/6.8 例:SIR法を使った事後分布標本の再サンプリング/6.9 二つの確率変数の差の平均/6.10 例:二つの確率変数の差の平均/6.11 負相関変数の利用/6.12 例:負相関変数の利用/6.13 制御変数の利用/6.14 例:制御変数の利用/6.15 条件付き平均の利用/6.16 例:条件付き平均の利用/6.17 ブートストラップ法と交差検証法 |
|
第7章 MCMC法 |
|
7.1 有限状態空間上のマルコフ連鎖/7.2 連続状態空間上のマルコフ連鎖/7.3 メトロポリス抽出法の理論的基礎/7.4 ギブス抽出法/7.5 例:メトロポリス抽出法とギブス抽出法/7.6 データ増幅法/7.7 スライス抽出法/7.8 例:スライス抽出法/7.9 潜在変数モデル/7.10 例:潜在変数モデル/7.11 ギブス分布とハミルトニアンMC抽出法/7.12 例:ハミルトニアンMC法/7.13 混合性の問題/7.14 加熱(heated)MCMC法/7.15 MCMCMC法/7.16 例:加熱MCMC法/7.17 モデル選択/7.18 MCMC法の収束性の診断/7.19 MCMC法とベイズ法 |
|
第8章 アニーリング法 |
|
8.1 アニーリング法の原理/8.2 アニーリング法のアルゴリズム/8.3 例:トラベリング・セールスマン問題/8.4 例:ワイルドな関数の最小化/8.5 例:2変数Rastrigin関数の最小化/8.6 例:二値画像の総エネルギーの最小化 |
|
第9章 階層的ベイズモデル |
|
9.1 共役超事前分布/9.2 階層的ベイズモデルによる推論/9.3 階層的回帰モデル/9.4 例:多項事前分布とディリクレ超事前分布/9.5 例:bankデータ/9.6 例:オレンジジュースの販売データ/9.7 例:地震震度予測 |
|
第10章 マルコフ確率場と画像解析 |
|
10.1 マルコフ確率場/10.2 マルコフ確率場の例/10.3 例:マルコフ確率場による多値画像のシミュレーション/10.4 マルコフ確率場と画像解析/10.5 例:MAPP推定法による雑音の除去/10.6 エッジ過程 |
|
第11章 ベイジアン・ネットワーク |
|
11.1 DAGとベイジアン・ネットワーク/11.2 エビデンスと事後周辺分布/11.3 ベイジアン・ネットワークの例/11.4 BPアルゴリズム/11.5 BPアルゴリズムの簡単な例/11.6 ベイジアン・ネットワーク・モデルの推定/11.7 ベイジアン・ネットワークのモデル選択/11.8 ベイジアン・ネットワークのシミュレーション/11.9 ナイーブ・ベイジアン・ネットワーク/11.10 ベイジアン・スパムフィルター/11.11 例:ナイーブ・ベイジアン・ネットワークの企業格付け問題への応用 |
|
第12章 線形混合モデル |
|
12.1 線形混合モデル/12.2 正規線形混合モデル/12.3 例:歯列成長データ/12.4 例:線形混合モデルによる格付けデータの予測 |
|
第13章 隠れマルコフモデル |
|
13.1 隠れマルコフモデル/13.2 前進・後退アルゴリズム/13.3 Viterbiアルゴリズム/13.4 Baum-Welchアルゴリズム/13.5 例:いかさまカジノ実験 |
|
第14章 状態空間モデルと逐次的モンテカルロ法 |
|
14.1 状態空間モデル/14.2 ベイジアン・フィルタリング方程式/14.3 カルマンフィルター/14.4 逐次的重要サンプリング法/14.5 逐次的重要再サンプリング法/14.6 ブートストラップ・フィルター/14.7 例:ブートストラップ・フィルター法/14.8 ベイジアン平滑化方程式/14.9 パラメータ推定 |
|
第15章 統計システムRのベイズ法関連パッケージ |
|
15.1 Rのベイズ法関連パッケージ |