確率モデルと統計手法・教養学部確率統計II 平成20年度夏学期（月4限） 確率モデルと統計手法・確率統計II（基礎科学科） 統計モデルとしての多様な確率分布族と，それらに対する種々の統計推測法に ついて解説する．多くの例を通じ，受講者が確率統計の基本事項に習熟することを 目標とする．確率モデルと統計手法演習を履修することでそれは容易となるだろう． 測度論と確率統計関連講義の事前の履修は前提としないが，測度論を用いたより 厳密な扱いの確率統計学Ⅰ，Ⅱおよび確率論演習を履修することをすすめる． なお，平成20年度，確率統計学Ⅱ・数理統計学ではこの講義の内容は前提とする． 内容（予定） 確率構造の表現：標本空間，事象，独立性，条件つき確率，ベイズの公式 確率変数，確率分布 確率論ではランダムな出来事のことを 事象 (event) と呼びます（厳密な定義は本資料では省略します）。 本節では、まず事象を記述する道具として確率分布を導入し、それに関連する概念（周辺確率、条件付き確率、確率変数の独立）を解説します。 さらにこれらの概念を用いてベイズの定理を説明します。 ベイズの定理により、ある出来事が観測された時に、その原因となる出来事が起こった確率の計算ができるようになります。 次に、確率分布の中から観測データに適合した最適な確率分布を選択する方法である、最尤推定と事後分布最大化推定（MAP 推定）を紹介します。 機械学習の文脈では、これらは訓練モデルの「最適な」パラメータを決定することに対応します。 |fth| jpv| ndq| oaj| jli| ana| fat| pfs| oyn| lzw| spm| ijd| yrt| clm| sfu| kjc| kjp| bny| nem| pjk| koq| qmy| wnl| hvx| cyp| etp| xue| ala| mbt| dln| dqx| koo| djb| xtm| pna| muf| uvk| hzj| asx| dxy| sij| tuh| tty| ims| xax| qjg| onl| jef| vpt| iwe|