ナレッジマネジメント実践例から学ぶ、知識創造の概念と暗黙知を組織知にするための具体的手法
【LIVE配信】2024/4/22(月)10:30~16:30 , 【アーカイブ配信】4/23~5/7(何度でも受講可能)
お問い合わせ
03-6206-4966
開催日時 | 未定 |
---|---|
担当講師 | 清水 玄彦 氏 |
開催場所 | 未定 |
定員 | - |
受講費 | 未定 |
≪従来の統計学と比較で学ぶベイズ統計学の特徴及び有用性≫
【提携セミナー】
主催:株式会社情報機構
本講座では、はじめてベイズ統計学に触れる方を対象とした解説を行います。
通常の統計学と対比を通じて、ベイズ統計学の考え方を分かりやすく紹介します。
◆受講後、習得できること
◆受講対象者
◆必要な予備知識など
◆講演中のキーワード
ベイズの定理、尤度、事前確率、事後確率、回帰分析、MCMC法
神戸大学大学院 経営学研究科 准教授 清水 玄彦 先生
■ご略歴:
慶應義塾大学経済学部卒業
Rutgers University大学院博士課程修了(Ph.D. in Economics)
財務省財務総合政策所研究官、同志社大学商学部助教を経て現職
■ご専門および得意な分野・研究:
ベイズ統計学、計量経済学
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. 確率の基礎
1) 三種類の確率
a) 古典的確率
b) 相対頻度確率
c) 主観的確率
2) 確率変数、期待値と分散
3) 主な確率分布
4) 条件付き確率からベイズの定理へ
3. ベイズの定理とその応用
1) ベイズの定理と具体例
2) 直感と定理との乖離:三囚人問題(またはモンティホール問題)
3) 事前確率・尤度・事後確率
4. 最尤法
1) 尤度と尤度関数
2) 線形回帰モデルの最尤推定
3) 質的従属変数モデルの最尤推定
4) 最尤法のベイズ的解釈
5. 古典的ベイズ分析
1) 事前分布の選択・自然共役事前分布
2) 回帰モデルのベイズ分析
6. 現代のベイズ分析
1) MCMC法(1)Gibbs Sampler
2) MCMC法(2)Metropolis-Hastings algorithm
3) 金融データの応用例
4) 統計パッケージを用いたベイズ分析
7. 全体のまとめ
未定
未定
未定
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。
★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。