Markov Chain Monte Carlo（MCMC）は、モンテカルロ法によるサンプリングに、マルコフ連鎖が定常分布に収束する性質を組み合わせた手法です。これにより、未知の事後分布からでもサンプリングが可能になります。MCMCについての直感を確認してみましょう！
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
Bayesianの世界への最初の一歩を踏み出しましょう。この章では、確率と統計分布の基本概念に加えて、Bayesian手法の要となる有名なベイズの定理を紹介します。最後に、ランダムなコイン投げのデータから結論を導く、初めてのBayesianモデルを作成します。
Bayesianの仕組みを内部から見ていきます。薬の有効性データにベイズの定理を適用し、グリッド近似法を使って確率分布のパラメータを推定し、新しいデータが得られるたびにこれらの推定を更新する方法を学びます。次に、事前知識をモデルに組み込む方法を学び、最後に、非技術者のオーディエンスに結果をわかりやすく報告する重要なスキルを練習します。
新たに身につけたBayesianデータ分析スキルを使って、実際のビジネス課題を解決しましょう。オンライン販売のマーケティングデータを用いて、A/Bテスト、意思決定分析、そして線形回帰モデルによる予測を実施します。
最終章では、強力なPyMC3パッケージを活用して、Bayesian回帰モデルを手軽に当てはめ、モデルの収束の健全性チェック、競合するモデル間の選択、新しいデータに対する予測を行います。仕上げとして、学んだことを応用し、Bayesianデータ分析のケーススタディでアボカドの最適価格を見つけます。頑張ってください！
現在の演習
