候補となる確率分布の選択は、多くの場合、直感やドメイン知識に加えて、MLEやKolmogorov–Smirnov検定といった定量的な評価に基づいて行うことを学びました。
この演習では、与えられた背景情報に基づき、データに最も適した候補の確率分布を選ぶことで、確率分布に関する知識を確認します。
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
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。
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。
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。
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。
現在の演習
