ベイズ統計学　はじめの一歩

《不確実性に挑む新しい解析アプローチ》

【提携セミナー】

主催：株式会社情報機構

確率を“曖昧さ”ではなく“信念の強さ”として扱うベイズ統計。
頻度主義との思想的違いからMCMCの基礎まで、実務で使える推論を体系的に理解するための入門講座。

◆はじめに

データ解析の現場では、不確実性や事前の知識を柔軟に組み込めるベイズ統計学への注目が急速に高まっています。ベイズ統計学は，確率を事象に対する「信念の強さ」として捉え、データ（尤度）に基づいてこの信念を合理的に更新していくという、人間の合理的な思考プロセスに近いアプローチを提供します。このアプローチは、事前の知識やドメイン知識を分析に組み込めるという大きな特徴を持ち、複雑なモデルの構築や、少量のデータからの確信度の高い推論に特に優れています。

本講座では、ベイズ統計学の基礎理論を、古典的統計学（頻度主義）との思想的な違いを踏まえつつ体系的に解説し、さらにパラメータ推定・モデル評価・仮説検証といった実務で重要な手法まで順を追って紹介します。

特に、なぜベイズ統計が現代の複雑な問題解決に適しているのか、その理論的背景と主要な概念（事前分布、尤度、MCMCなど）を重点的に理解することを目指します。

◆本セミナーに参加して修得できること

1. ベイズ統計学の根本的な考え方を明確に理解できる。
2. ベイズの定理における「事前分布」「尤度」「事後分布」の意味と役割を理解できる。
3. 基本的な確率分布において，共役事前分布を用いたパラメータ推定のプロセスと、事後分布の更新ルールを理解できる。
4. 複雑なモデルを解くために不可欠なMCMC（マルコフ連鎖モンテカルロ法）の基本的な仕組みと、その必要性を説明できる。
5. ベイズ統計学を用いた点推定・区間推定、モデル評価、仮説検証の概念と、その結果の解釈方法を修得できる。

◆想定される主な受講対象者

• データ解析、統計分析に関わる業務に携わる技術者、研究者の方
• 統計的推論の思想的背景を深く理解し、より柔軟な解析手法の導入を検討している方
• ベイズ統計学の基本的な概念や理論を、基礎から体系的に学びたい方
• 実務でMCMCは使っているが，その背景についてはよく分かっていない方

◆必要な予備知識

統計学の基礎的な知識（確率、確率分布、従来の統計的仮説検定の概要など）があることが望ましいですが
必須ではありません。
本講座では、ベイズ統計学の考え方の基礎として，確率・確率分布の基本からおさらいします。

担当講師

神戸大学　経営学研究科　准教授　博士（教育学）分寺 杏介 氏

【略歴】
2020年　東京大学大学院教育学研究科 教育心理学コース博士課程修了。
複数の大学での非常勤講師およびベネッセ教育総合研究所 資質能力測定研究室研究員を経て
現在　神戸大学大学院経営学研究科准教授。
https://researchmap.jp/K-Bunji

【専門】
心理統計学・教育測定学。
主に人を対象とした心理学的なアンケート調査や能力測定における，測定および分析の方法論に関する研究を行う。

【本テーマ関連学協会での活動】
日本行動計量学会・日本計算機統計学会　会員

セミナープログラム（予定）

1. ベイズ統計学の思想と「確率」の新しい捉え方
1.1　統計学が扱う不確実性：データと標本抽出の限界
1.2　頻度主義（古典的統計学）の統計的推論（推定・検定）の概要
1.3　ベイズ統計学における「確率」の解釈
1.4　ベイズ統計学が提示する「信念の更新」アプローチ
1.5　ベイズ統計学への関心の高まり

2. ベイズの定理の構造とデータによる「信念の更新」
2.1　確率の基本法則（同時確率、周辺確率、条件付き確率）のおさらい
2.2　ベイズの定理：データが信念を合理的に更新する仕組み
2.2.1　具体例：タクシー問題に見る事前情報と尤度の影響
2.2.2　ベイズの定理の構成要素：事後分布、尤度、事前分布、周辺尤度
2.3　パラメータと確率分布：カーネルと正規化定数

3. 事前分布と尤度：パラメータ推定の基礎
3.1　尤度の役割：データがパラメータの各設定をどれだけ支持するか
3.2　事前分布（Prior Distribution）の役割：事前の知識を分析に組み込む
3.2.1　事前分布設定の考え方：無情報・弱情報・情報的事前分布
3.2.2　自然共役事前分布の概念と利点
3.3　自然共役事前分布を用いたベイズ更新の具体例
3.3.1　二項分布におけるベータ分布を用いたパラメータ推定と更新
3.3.2　ポアソン分布におけるガンマ分布を用いたパラメータ推定と更新
3.3.3　正規分布における正規-逆ガンマ分布を用いたパラメータ推定と更新

4. MCMCによる事後分布の導出と計算的アプローチ（理論編）
4.1　解析的解法が困難な問題と数値計算の必要性
4.2　モンテカルロ法（乱数を用いた数値計算）の基本原理
4.3　マルコフ連鎖の性質と「定常分布」への収束
4.4　MCMCの基本思想：定常分布を事後分布に一致させる
4.5　代表的なMCMCアルゴリズムの概要
4.5.1　Metropolis-Hastings法
4.5.2　Hamiltonian Monte Carlo（HMC）
4.6　MCMCのデモ（Stanの紹介）

5. 事後分布の要約とベイズ的モデル評価
5.1　事後分布の要約
5.1.1　要約統計量：EAP, MED, MAP
5.1.2　区間推定：ETI (Equal Tailed Interval), HDI (Highest Posterior Density Interval)
5.2　ベイズ的モデル評価の概念と目的
5.2.1　事後予測チェック（PPC）：モデルのデータへの適合度評価
5.3　ベイズ的仮説評価の概念：不確実性を内包した仮説の評価
5.3.1　実質的等価領域（ROPE）を用いた仮説評価
5.3.2　方向性確率（PD）を用いた仮説評価
5.4　モデル評価としての仮説評価
5.4.1　周辺尤度とベイズファクター（BF）の基本思想
5.4.2　情報量規準（WAIC/WBIC）によるモデル評価の概要

公開セミナーの次回開催予定

開催日

2026年3月11日(水)　10:30-16:30　＊途中、お昼休みや小休憩を挟みます。

開催場所

Zoomによるオンラインセミナー

受講料

【オンライン受講（見逃し視聴なし）】：1名 50,600円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき39,600円

【オンライン受講（見逃し視聴あり）】：1名 56,100円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき45,100円

＊学校法人割引；学生、教員のご参加は受講料50％割引。

オンライン配信のご案内

★　Zoomによるオンライン配信

については、こちらをご参照ください

配布資料

●配布資料はPDFなどのデータで配布いたします。ダウンロード方法などはメールでご案内いたします。

• 配布資料に関するご案内は、開催1週前～前日を目安にご連絡いたします。
  
• 準備の都合上、開催1営業日前の12:00までにお申込みをお願いいたします。
  （土、日、祝日は営業日としてカウントしません。）
• セミナー資料の再配布は対応できかねます。必ず期限内にダウンロードください。

備考

●当日、可能な範囲でご質問にお答えします。（全ての質問にお答えできない可能性もございます。何卒ご了承ください。）
●ご受講に際しご質問・要望などございましたら、下記メールアドレス宛にお問い合わせください。
req@*********（*********にはjohokiko.co.jpを入れてください）

お申し込み方法

★下のセミナー参加申込ボタンより、必要事項をご記入の上お申し込みください。

★【オンラインセミナー（見逃し視聴なし）】、【オンラインセミナー（見逃し視聴あり）】のいずれかから、ご希望される受講形態をメッセージ欄に明記してください。