授業科目名				担当教員
コンピュータ理工学特別講義V				小澤　賢司／郷　健太郎
時間割番号	単位数	コース	履修年次	期別	曜日	時限
GTK613	2	(未登録)	1	後期	水	I
［概要と目標］
本特別講義では，ベイズ統計学を取り上げる。ベイズ統計学は，データから有益な情報を取り出すための強力な方法論であり，機械学習・人工知能分野においても多彩な応用が実践されている。講義前半では，ベイズの定理から出発し，サンプリングによる事後分布の評価方法まで学ぶ。後半では、実験での統計処理にベイズ統計を用いる手法を学ぶ。有意性検定やp値を使う古典的な統計解析と比較しながら、ベイズ統計による実験データ解析の基礎を理解する。
[到達目標]
1. ベイズ推論の枠組みを理解する。<BR>2. サンプリング（ハミルトニアンモンテカルロ法）による事後分布の評価方法を体得する。<BR>3. 実験計画法と対応するベイズ統計を習得する。
［必要知識・準備］
学部レベルの統計学（確率変数，記述統計量，推測統計量，検定）
［評価基準］
No 評価項目 割合 評価の観点 1 小テスト／レポート  100  % 小テストにより，毎回の講義内容について理解の程度を観る。レポートにより、総合的な理解の程度を観る。
［教科書］
豊田秀樹, 基礎からのベイズ統計学: ハミルトニアンモンテカルロ法による実践的入門, 朝倉書店, ISBN:978-4254122121 豊田秀樹, はじめての統計データ分析 ―ベイズ的〈ポストp値時代〉の統計学, 朝倉書店, ISBN:978-4254122145
［参考書］
(未登録)
［講義項目］
（第１回〜第８回前半の担当：小澤賢司、第８回後半〜第15回の担当：郷 健太郎）<BR>第１回　確率に関するベイズの定理，ナイーブベイズ分類器<BR>第２回　主観確率<BR>第３回　確率変数と確率分布，最尤推定<BR>第４回　分布に関するベイズの定理，ベイズ推定<BR>第５回　メトロポリス・ヘイスティング法<BR>第６回　ハミルトニアンモンテカルロ法（原理）<BR>第７回　ハミルトニアンモンテカルロ法（実習）<BR>第８回前半　講義前半の総括(45分)<BR>第８回後半　実験法の基礎 (45分)<BR>第９回　実験計画とデータの整理<BR>第10回　１群のデータに対する推測<BR>第11回　独立した２群の差の推測<BR>第12回　対応ある２群の差と相関の推測<BR>第13回　実験計画による多群の差の推測<BR>第14回　比率とクロス表の推測<BR>第15回　講義後半の総括