異端の統計学 ベイズ の商品レビュー

シャロン・バーチュマグレイン【著】,冨永星【訳】

2024/07/30

ベイズ統計をめぐる学者たちの争い、現実世界に応用されても使ったとは言えない空気感、様々な魅力ある学者たち。とても楽しめたがベイズ統計の中身にはあまり触れられていないため学びたくなった。

2019/03/01

①この本を読んでわかること
・頻度主義とベイズの違い
・ベイズだと何が嬉しいか
・ベイズの道具がどう生まれたか
②この本を読んでもわからないこと
・ベイズの理論的側面
・具体的なモデリングの方法

わかることわからないことあるわけですが、①が理解できることで見通しがよくなり②を理解しやすくなるところもあるかと思うので、ベイズ統計を勉強する早い段階で読むのはアリだと思いました。

2019/01/12

昨今話題になっているベイズ統計学。
新しい理論かと思いきや　その歴史は古いのだと知り、この本を読んでみようと思った。
最初の部分を読んだら、おもしろかったのだけれど　肝心のベイズ統計学の本を読むほうが優先度が高い。
今回は途中で中止。

2016/08/09 　予約　8/24　借りて読み始める。10/7　途中で中止。

内容　：
現在、多分野で注目を集めるベイズ統計。
実は、その250年余の歴史の大半において、学界では異端視されてきた。
異端の理論はいかにして、先端の理論となったのか? 　ベイズ統計の数奇な遍歴を物語る。

著者　：
アメリカのサイエンスライター。
スワースモア・カレッジを卒業後、新聞記者を経て、社会問題と科学の進歩の関係を中心に執筆。
著書に「お母さん、ノーベル賞をもらう」など。

2018/10/31

内容はベイズ統計学の歴史。読みどころは最後の2つの章だったが、ベイズ統計自体を理解してから読むべき本だった。

ベイズ自身は棚上げし、プライスは世に問うが無視され、独自に発見したラプラスは結局は頻度主義を好むようになり、軍はこの理論を隠し続けた。

20世紀前半から半ばにかけて、最初の確率を相対頻度に応じて決める経験ベイズが使われるようになった。また、計算が複雑になる関数の積分を漸近近似を利用して計算しやすくした。

リンドレーらが複雑な過程を階層と呼ぶ段階に分割してモデルを展開する手法を紹介すると、後に大変便利なツールとして重宝されることになった。1989年には、マルコフ連鎖モンテカルロ法がほぼすべての統計の問題に応用できることが示され、現実に即した事前確率や尤度関数を計算すること、事後確率を求めるために必要な計算をすることができるようになった。

2017/09/18

ベイズ統計を巡る歴史。
理論、定理の内容よりも、それを巡る多くの人の功績、主張に焦点を当て、現代にどれほど活用されているかに至る。

思想、哲学としての学問、それ故の対立、それでも実用され発展していく流れ、コンピュータの発達による手段を経て、多分野での展開が一気に進む。
人類の営みの積み重ねを感じる。

2016/07/31

これを読んでようやくベイズと頻度論の違いがわかった。
でも、大きな疑問点が残っていると思う。ベイズに対する一番の批判点である事前確率の恣意性について、頻度論者がどう折り合いをつけたかだ。本書では主に以下の点が挙げられている。
- 観測によって事前確率は徐々に客観的な確率になるので、それほど問題ない
- 繰り返しの試行ができない事象について頻度論は無力でベイズを使うしかない
- コンピュータの発達により多くの分野でベイズが応用されている
ただ、これらの反論は数学とは真に客観的な分野であるべきという数学者一般の信念に対して直接答えていないと思う。特に20世紀の数学は公理化による厳密化を推し進めてきただけに、客観性は重要視されている。結局数学に主観を持ち込んでいいのか、持ち込んだ統計はもはや純粋数学たり得ないのかーーーこれらに対する考察が欲しかった。

2016/04/14

病気の治療法を計れることが、個人的に好きな部分。日本がこれを扱えないのが残念。がん検診やワクチン禍についてまともな評価が出せるはずなのに…

2015/12/23

ベイズ(確率)に関係する歴史についてがメインの書籍でした。　

これから起きる可能性が過去の経験値からわからなくても、とりあえず、適当な値を設定して、事が起きた事実を使って、計算を繰り返すことで、答えに近づく手法。例としては、正方形のテーブルとボールの例が書かれており、その一投目がどこに落ちたか皆目見当がつかないけど、あるところだと仮定して、二投目からは一投目より右なのか左なのかを確認しながら繰り返すことで、だんだん一投目が落ちたところを狭めていくと。

「このような考え方では、決して正解にはたどり着かない。ただ、ある具体的な領域に落ちた可能性が最も高いといえるようになる。」

一投目の適当なことを言っちゃうところが科学的ではないということで、理論派（？頻度確率派）からいろいろ言われるも、最初から起きる可能性がわかっていない事象に対しては、ベイズの手法の方が実際効果が出てるという事例が多数紹介。
暗号解読、保険数理、たばこと肺がんの関係、核兵器事故、著者判別、大統領選、原発事故、潜水艦探索、金融市場予測、スパムメール除去等。

計算量が多くなることと、実際のデータを集めて何度も繰り返す処理がコンピューター向きで、かつ、新しいことを始めるにあたって、最初に主観データを設定して実データで確からしさを上げていくのは、走りながら考える必要があるビジネスの現場では、マッチするのだなと。
凄いアルゴリズムの発見からのブレークスルーではなく、ちょっとした計算を繰り返すことで、結果として意外なことをしちゃっているところが、凄い。

ただ、事例にあるようなことを具体的にどうやってやっているのか？他にももっといい手法などがあるのではないか？等々、本の文章量が多かっただけにもう少し深く書かれていて欲しかった。

ちなみに、Wikiでベイズ確率を探すと、この本で用語名は出てくるものの詳細が書かれていない物については、確認できる。　

この領域は、もっと勉強が必要。。。

2015/09/05

科学であっても、その時代背景によっては受け入れられないことがある。ガリレオだけではない。そして技術の進歩により、その有用性が初めて理解される場合もある。そんな流れが詳細に記述される好著。

2015/05/30

ベイズ統計の歩みが頻度主義統計との論争を軸に語られる。数式はほとんど出てこず、その歴史をテンポよく知ることができる。これを読めばベイズ統計に興味が深まることは確実だ。(この本を手に取っている時点で興味は持っているのだろうが)
ベイズ統計とは何かを知らなくても読み進むことは可能。
ただ頻度主義をけなす傾向があり、必要以上にその価値を小さく描いているのはフェアではない。現在のベイズ的手法もその知見を利用していることを頭の隅に置いておくべきだ。