多変量の乱数を生成する

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

この演習はコースの一部です

Pythonで学ぶモンテカルロ・シミュレーション

SkillTag.level.intermediateSkillTag.label

4.8+

無料でコースを始める

モンテカルロ・シミュレーションとは何か、そしてどんな場面で役立つのでしょうか。これらの基礎を押さえたあと、円周率の推定のようなシンプルなシミュレーションの実行方法を学びます。さらに、モンテカルロ・シミュレーションの一種であるリサンプリングについても学びます。

Exercise 1: モンテカルロシミュレーションとは何ですか？Exercise 2: 決定論的シミュレーション Exercise 3: モンテカルロ・シミュレーションの確率的な性質 Exercise 4: 大数の法則 Exercise 5: モンテカルロシミュレーションの特別な一種としてのリサンプリング Exercise 6: 復元抽出によるサンプリング Exercise 7: リサンプリング結果の可視化 Exercise 8: 置換の練習 Exercise 9: Monte Carloシミュレーションを活用する Exercise 10: モンテカルロシミュレーションを理解する Exercise 11: ペアのサイコロシミュレーション

基本的なシミュレーションを自分で実行できるようになったら、次はさまざまな業界におけるモンテカルロ・シミュレーションの実例を見ていきます。そのうえで、良いシミュレーションの要となる「正しい確率分布からのサンプリング」に踏み込みます。離散型、連続型、多変量の確率変数に対する確率分布について学びます。

Exercise 1: モンテカルロのプロセス Exercise 2: モンテカルロシミュレーションの手順 Exercise 3: 誤った決定論的な計算 Exercise 4: 誤った入力分布 Exercise 5: 離散型乱数の生成 Exercise 6: 離散一様分布からのサンプリング Exercise 7: 幾何分布からのサンプリング Exercise 8: トムとエヴァの勝負 Exercise 9: 連続型確率変数の生成 Exercise 10: 正規分布の平均を変えてみよう Exercise 11: 正規分布の標準偏差を変えてみる Exercise 12: 2つの独立な正規分布 Exercise 13: 多変量の乱数を生成する

現在の演習

Exercise 14: 多項分布によるサンプリング Exercise 15: 多変量正規分布を探る Exercise 16: 多変量正規分布のサンプリング

適切な確率分布の選択に慣れてきたら、糖尿病患者の特徴量と転帰のデータセットを用いて、原則に基づくモンテカルロ・シミュレーションのワークフローに取り組みます。データを探索し、シミュレーションを実行し、結果を伝えるための要約統計量を作成します。

Exercise 1: データを探索する Exercise 2: tc、ldl、hdl を調べる Exercise 3: y、tc、cdl を調べる Exercise 4: なぜデータを探索する必要があるのですか？Exercise 5: 確率分布の選び方 Exercise 6: ほかの候補分布を試す Exercise 7: 可視化で分布を当てる Exercise 8: 相関のある入力 Exercise 9: シミュレーション結果と過去データの比較 Exercise 10: 相関行列と共分散行列の関係 Exercise 11: 要約統計量 Exercise 12: なぜシミュレーションが必要なのでしょうか？Exercise 13: BMIによるアウトカムの評価 Exercise 14: BMI と HDL の結果を評価する

Seaborn を使って、モンテカルロ・モデルを評価し、結果を読みやすい可視化で伝える方法を学びます。最後に、感度分析を用いて、モデル入力の変化が結果にどう影響するかを理解し、売上やインフレの変化が事業利益に与える影響をシミュレーションして実践します。

Exercise 1: 分布の選択を評価する Exercise 2: 確率分布の直感 Exercise 3: ldl 変数の分布当てはまり評価 Exercise 4: シミュレーション結果の可視化 Exercise 5: HDL と BMI の結果を探索する Exercise 6: 箱ひげ図で探索する Exercise 7: 感度分析 Exercise 8: 利益問題のシミュレーション Exercise 9: 企業の感度分析 Exercise 10: hexbin プロットで行う感度分析 Exercise 11: おめでとうございます！