第1回統計モデル勉強会.pdf

Transcript

1. 　 https://www.academix.j p/ AcademiX 統計モデル勉強会 統計モデル勉強会　vol.1 茨城大学工学部情報工学科 木本晴久（Kimoto Haruhisa） 2023/08/19
2. 目次 1. なぜ「統計的」な「モデル」？ 2. ブラックボックスな統計モデル 3. 勉強（参考書籍）の進め方
3. なぜ「統計的」な「モデル」？ 「統計モデル」とは？ • 観察によってデータ化された現象を説明するために作られる。 • 確率分布が基本的な部品であり。これはデータに見られるばらつきを表現する手 段である。 • データとモデルを対応づける手続きが準備されていて、モデルがデータにどれくら いよく当てはまっているかを定量的に評価できる。
4. なぜ「統計的」な「モデル」？ そもそも、なぜ「統計モデル」が必要なのか？ • 「あるデータに基づいて何を主張して良いのか」を限定する • アイデアの共有 ◦ 統計モデルが、解析者の意図を明確に表現する • データを要約・整理する ◦ データ化されたものですら、人間には理解できない複雑さがある • 未観測の挙動を予測する
5. なぜ「統計的」な「モデル」？ 確率分布を使うことによって、 「ばらつき」や「欠測」をうまく表現することができる モデルの妥当性や、精度の限界なども定量的に示すことができる！
6. ブラックボックスな統計モデル 研究者は統計モデルを理解しないで進める「ブラックボックス」データ解析に陥りがち！ 外部の人には理解不能な「うちわだけで通用する解析」が蔓延しがち！ （著者の意見） 統計モデルを理解しよう！ ブラックボックス統計学を避けよう！
7. 勉強の進め方 一般化線形モデル（GLM）を 改良していく過程で、様々な考え方を学んでいく
8. 勉強の進め方 線形モデル（LM） 　↓ 一般化線形モデル（GLM） 　↓ 一般化線形混合モデル（GLMM） 　↓ 階層ベイズモデル
9. 勉強の進め方 線形モデル（LM）等分散正規分布を仮定している（直線回帰・分散分析） 　↓ 一般化線形モデル（GLM）正規分布以外の確率分布を扱いたい（ポアソン回帰） 　↓ 一般化線形混合モデル（GLMM）ランダム効果を扱いたい 　↓ 階層ベイズモデル　より自由で現実的なモデリングを行いたい
10. 参考文献 ◦データ解析のための統計モデリング入門 https://amzn.asia/d/0YDwaF2 ◦統計WEB　一般化線形モデル https://bellcurve.jp/statistics/glossary/638.html