史上最強図解 これならわかる！ベイズ統計学 の商品レビュー

涌井良幸,涌井貞美【著】

2024/09/30

■評価
★★★☆☆　

■感想
◯ベイズ統計について、数学が苦手な人でも丁寧に追っていけば理解出来料に書いてある本。
◯ベイズ統計は難しいことを言っているのではなく、順番入れ替えてもOKだし後から更新もできるし、人間の感覚にも近い。便利なものだなぁと思った。
◯逆に従来の統計学（p値検定）って、医学研究以外ではあんまり使われなくなるのかなぁ、、という気がした。

2020/08/18

ベイズ理論の入門書。細かい数学的な計算に拘ることなく(というか積分すらも殆ど登場せず)、図や具体例を豊富に用いてベイズ統計学の考え方を平易に解説している。
ベイズ統計学は、ベイズの定理を出発点とする、統計学の一手法を言う。得たデータに対し、そのデータが得られたという事実を手掛かりに(逐次的に)確度を変更していくのがベイズ更新であり、確度の評価に経験などの主観的情報を「事前情報」の形で取り入れられる点が特色の一つ。「モデル化し、それから尤度を算出→事前確率を設定→ベイズの展開公式を用いて事後確率を算出」。「事前確率:データを得る前の原因の確からしさ、尤度:原因のもとでデータが得られる確率、事後確率:データが原因から得られた確率」。
また、統計量の分布の母数(平均、分散などその分布を特徴付ける量)を確率変数として扱い、データに応じてベイズ更新していくという発想において、従来の統計学と異なる(後者では、母数を何か決まった量として最初に定め、得たデータから母数の妥当性を調べる)。

1 ベイズ理論の考え方
2 ベイズ理論のための確率入門
3 ベイズの定理の基本
4 ベイズ理論の応用
5 ベイズ統計学のための準備
6 ベイズ統計学入門

2019/08/28

『図解・ベイズ統計「超」入門 あいまいなデータから未来を予測する技術』を少し拡張した感じ。

「確率」を「確立」と誤植している箇所が多数。

2021/02/05

詳細は、『あとりえ「パ･そ･ぼ」の本棚とノート』をご覧ください。
　→　http://pasobo2010.blog.fc2.com/blog-entry-1603.html

ベイズ統計学、今時の常識。o（*'o'*）o

確かに、これならわかった気がします。
本当は、例題を手を動かして計算するといいのだが、とりあえず目を通しました。

2016/08/09 　予約　8/24　借りる。8/30　読み始める。　10/15　読み終わる。

史上最強図解　これならわかる！ベイズ統計学

内容　：
初めてベイズ理論に触れる人に向けて、一からベイズ理論を解説。
できるだけ数学や統計用語を用いず、イラストを用いながらベイズ理論のエッセンスを紹介する。

目次　：

第１章　ベイズ理論の考え方
第２章　ベイズ理論のための確率論入門
第３章　ベイズ定理の基本
第４章　ベイズ理論の応用　　　　　　　　＜−−　ここまで　じっくり読む
第５章　ベイズ統計学のための準備　　　　＜−−　ここからさらっと読む
第６章　ベイズ統計学入門

著者　：
涌井良幸　1950年東京生まれ。東京教育大学数学科卒業。渋谷教育学園幕張中学校・高等学校数学教諭。
涌井貞美　 1950年東京生まれ。東京教育大学数学科卒業。渋谷教育学園幕張中学校・高等学校数学教諭。
1952年東京生まれ。東京大学理学系研究科修士課程修了。サイエンスライター。

2021/02/09

とてもわかりやすい。

ベイズの基本公式
P(H|D)=P(D|H)*P(H)/P(D)
H:原因、D:データ(結果)
P(H|D):事後確率、P(D|H):尤度、P(H):事前確率

事前確率の情報がない場合は等確率にする（理由不十分の原則）。
複数のデータがある場合は、1回目のデータで得られた事後確率を2回目の事前確率とする（ベイズ更新）。データの順番を変えても同じ（逐次合理性）。

原因が複数ある場合（原因に重複がない場合）
P(Hi|D)=P(D|Hi)*P(Hi)/ΣP(D|Hi)*P(Hi)

ナイーブベイズフィルター：文書中の単語はすべて独立と仮定してふるい分けする。
分類Hnの下でデータ(D1,D2...)が現れる確率は、それぞれのデータDiが現れる確率の積になる。
P(D|Hn)=ΠP(Dj|Hn)
現れたデータが分類Hnである確率の分子P(D|Hn)*P(Hn)が最大の分類を選択する。
P(D|Hn)*P(Hn)=(ΠP(Dj|Hn))*P(Hn)

2018/04/12

最近流行のベイズ統計。とてもわかりやすい。
--
・一般的には、原因が与えられたときに、その結果を議論します。ところが、ベイズの基本公式は、それを反対にしてくれるのです。すなわち、結果から原因をたどれるように変換してくれるのです。
・尤度：原因ＨのもとでデータＤが得られる確率
・事前確率的な情報を蔑ろにしている代表的な例：ある事故で軽症を負った人は10人も死亡したのに、重症の人は７人しか死ななかった。⇒軽症の人が１万人、重症の人が10人というデータがふ化されていたら、何ら不思議はない事故。

2017/04/26

★イメージだけ分かった気に★厳密な前提条件がなくても、仮定を重ねて統計や確率を分析できるのがベイズ統計学らしい。自分で使うわけではないので具体的な計算の部分はすっ飛ばしたが、こういう考え方があり実生活では役に立つというイメージだけはつかめた。

2016/10/16

概念が極めて判りやすかった。
最後の方はやや難解だった。
実際の応用と繋げていくときの最初の一歩として大変素晴らしい本でした。

2016/09/30

ベイズ理論とは、ベイズの定理と呼ばれる確率公式を出発点とする理論を指す。
ベイズの定理は、ベイズ確率論の基本公式になる。このベイズ確率論は、データ分析や情報理論、ゲーム理論などの基礎分野を介して、経済学や心理学、意思決定論などさまざまな分野に活躍の場を広げている。
また近年、ベイジリアンネットワークと呼ばれる理論が人気を集めている。自然や社会の多くの出来事は、原因と結果の確率的な連鎖としてモデル化できるので、そのモデルを素直に表現し、具体的計算法を提供するベイジリアンネットワークは、自然科学や社会科学で大変注目されている。
さらに、ベイズの定理は、従来の統計学と違った見方のできるベイズ統計論に発展する。過去の経験や常識をシームレスに取り込める方法論として、統計学の大きな位置を占めるようになってきた。

2016/09/07

最近、巷で流行のベイズ統計学について凄くわかりやすく説明しています。読みやすい。ベイズ確率論とは、つまるところ得られた結果を元に候補となる生起要因の確率を推定する手法なんですね。とても勉強になりました。