☆ベイズ統計学に基づく「階層モデル」「状態空間モデル」に関するセミナーです！

☆細かな数学的議論には立ち入らず，アイディアの理解を重視します．

また，データ分析実習を通じて理解を深めます

☆実際にモデリングでなにができるのか？事例豊富にご紹介

ベイズ統計基本の考え方と

階層モデル・状態空間モデル実践・応用事例

【提携セミナー】

主催：株式会社情報機構

利用可能なデータの増加に伴い，より洗練された分析手法に対する需要も高まっています．特に，データが同一母集団から発生していると仮定せずに，個人やグループ，観測時期や観測された場所固有の性質を考慮する「階層モデル」が活用されています．また，時系列分析では対応物として「状態空間モデル」が有名です．

本講座では，階層モデルと状態空間モデルについて講義します．数学的・理論的な議論には深入りせず，基本となる考え方を解説し，実際に統計解析ソフトウェアを用いた実習を通じて，階層モデル・状態空間モデルができることを体感していただきます．また進んだ話題や，さらなる学習のための参考文献についても紹介します．

◆受講後、習得できること

• 階層モデルおよび状態空間モデルの基本的な考え方を理解する．
• 既存のパッケージを用いて，ある程度，自力で統計的分析を実行できるようになる．
• データ実習を通じて，階層・状態空間モデルができること・できないことを把握する．
• 分析結果を解釈し，説明する．
• さらに進んだ学習のための参考文献を把握する．

◆講演中のキーワード

階層モデル
マルコフ連鎖モンテカルロ法
状態空間モデル
動的線形モデル
カルマンフィルター

担当講師

東京大学 経済学部　准教授 入江薫 先生

■経歴
2010年東京大学経済学部を卒業．2016年米国デューク大学統計科学学部にてPh.D. (Statistical Science)．2016年に東京大学経済学部に講師として着任し，2022年に准教授．

■専門および得意な分野・研究
ベイズ統計学に基づくモデルや計算手法の開発と応用．具体的には，多変量計数時系列データの逐次分析，時変パラメータに関する縮小事前分布，階層モデル・時空間モデルにおけるロバスト事後分析，特定の分布からの乱数生成法について研究しています．

セミナープログラム（予定）

1. ベイズ統計学の基礎（復習）
1) 事前確率と事後確率，共役事前分布
2) ギブス・サンプラーとメトロポリス・ヘイスティングス法

2. 階層モデル
1) 階層モデルの考え方
a) モデルの特徴と実践例
b) 縮小効果と”Borrow strength”
2) 正規階層モデル
a) ギブス・サンプラーによる実装
b) 汎用パッケージを用いた実装
3) さらに高度な活用
a) Improper priorの使用と注意
b) 高次元回帰と変数選択・縮小推定
c) 空間統計

3. 状態空間モデル
1) 状態空間モデルの考え方
a) 時変パラメータ
b) オンライン事後分布と回顧的事後分布
2) 動的線形モデル
a) モデルの例
b) フィルタリング・スムージングによる計算
c) 割引因子
d) パッケージを用いた実装
3) 進んだ話題・文献等の紹介

公開セミナーの次回開催予定

開催日

未定

開催場所

未定

受講料

未定

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

備考

※配布資料・講師への質問等について

●配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
（開催1週前～前日までには送付致します）。
＊準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
（土、日、祝日は営業日としてカウント致しません。）

●当日、可能な範囲で質疑応答も対応致します。
（全ての質問にお答えできない可能性もございますので、予めご容赦ください。）
●本講座で使用する資料や配信動画は著作物であり
無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。

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。