ベイズ統計学を基礎から解説,Pythonで実装。マルコフ連鎖モンテカルロ法にはPyMC3を活用。〔内容〕「データの時代」におけるベイズ統計学/ベイズ統計学の基本原理/様々な確率分布/PyMC/時系列データ/マルコフ連鎖モンテカルロ法1. 「データの時代」におけるベイズ統計学2. ベイズ統計学の基本原理 未知の比率に対する推論 ベイズの定理による事後分布の導出 未知のパラメータに関する推論 将来の確率変数の値の予測 付録(損失関数に対応した点推定の導出/SDDRの導出)3. 様々な確率分布を想定したベイズ分析 ポアソン分布のベイズ分析 正規分布のベイズ分析 回帰モデルのベイズ分析 付録(ポアソン分布に従う確率変数の予測分布の導出/正規分布に従う確率変数の予測分布の導出/回帰係数と誤差項の分散の事後分布の導出/回帰モデルの予測分布の導出)4. PyMCによるベイズ分析 ベイズ統計学とモンテカルロ法 PyMCによる回帰モデルのベイズ分析 一般化線形モデルのベイズ分析5. 時系列データのベイズ分析 時系列データと状態空間表現 状態空間モデルに関する推論 PyMCによる状態空間モデルのベイズ分析 付録(カルマン・フィルターの導出/予測分布の導出/カルマン・スムーザーの導出)6. マルコフ連鎖モンテカルロ法 マルコフ連鎖と不変分布 メトロポリスーーヘイスティングズ・アルゴリズム ギブズ・サンプラー