受講形式 ＷＥＢ受講のみ ＊こちらのセミナーはZoomシステムを使用したオンラインセミナーとなります。 Zoomアプリのインストールをしなくても、ブラウザからの視聴が可能です。 受講対象 統計分析を必要とされる方であれば、どなたでもご参加ください。 予備知識 予備知識は必要ありませんが、 統計学の基礎をお持ちであれば理解は深まるかと 思います。 習得知識 １）（ベイズ）統計学の基本的な考え方 ２）（ベイズ）統計学の有用性 ３）統計的思考 など 講師の言葉 本講義ではベイズ統計学について基礎から簡単な応用までを紹介します。 分野の性質上、数式を 多用しますが、大切なのは数理展開ではなく背後にある考え方なので、 そちらに重点を置いて解説を おこないます。 データの利用可能性が広がる現在では、データ分析の手法としてのベイズ統計学に対する関心は 非常に高まっています。かつてのベイズ分析では手法が限られていましたが、昨今の計算手法 および 計算機の急速な発展により、あらゆるところでベイズ統計学を利用した統計分析がなさ れるようになってきました。 本講義では、通常の統計学（標本理論）との対比を通じながら、ベイズ統計学の考え方を紹介 する とともに、その有用性についても解説したいと考えています。 これまでベイズ統計学を全く触れてこなかった方をはじめ、かつてベイズ分析をおこなってみた ものの、具体的にどういう意味があるのかについて疑問を持たれている方にとっても、役に立つ 内容であると思います。少しでもベイズ統計学に関心をお持ちの方に是非ともご参加いただければ と考えています。
プログラム
１．はじめに ・（ベイズ）統計学とは何か ・標本理論との相違点 ２．統計学の基礎 ・三種類の確率 古典的確率・統計的確率・主観確率 ・公理的確率 ・確率変数と確率分布 ベルヌーイ分布・二項分布・ベータ分布・ 一様分布・正規分布・t分布・逆ガンマ分布 ・期待値と分散 ・推定と検定 区間推定・統計的仮説検定 ３．ベイズの定理 ・条件付き確率・乗法定理 ・ベイズの定理の導出と具体例 全確率の公式 ・三囚人問題 ４．最尤法 ・尤度と尤度関数 ・回帰モデルの最尤推定 質的従属変数モデルへの最尤推定 ・最尤法のベイズ的解釈 ５．古典的ベイズ分析 ・事前分布の設定 ・事後分布の導出 ・自然共役事前分布の具体例 ・回帰モデルのベイズ分析 ６．現代のベイズ分析：MCMC法 ・ギブズ・サンプラー ・メトロポリス・ヘイスティングス・アルゴリズム ・回帰モデルへの応用 ７．おわりに 講師紹介 2000年 慶應義塾大学経済学部卒業 2002年 慶應義塾大学大学院修士課程修了、同大学経済学部研究助手 2011年 Rutgers University経済学部大学院博士課程修了 2012年 財務省財務総合政策研究所研究官 2014年 経済産業研究所コンサルティングフェロー 2016年 同志社大学商学部助教 2017年 神戸大学大学院経営学研究科准教授、現在にいたる 所属学会 日本統計学会、アメリカ統計学会ほか
