統計学：予測　と　ベイジアン統計：　要するに確率→エネルギー #TechLunch

Transcript

1. 1 統計　基礎 予測　と　ベイジアン

2. 2 Agenda 統計って？　予測って？ ベイジアン再考 次回に向けて

3. 3 ... 本論の前に、経歴抜粋　？ ▪氏名 徳江勇樹 ▪2006 年　東京工業大学大学院 生命理工学研究科生体システム選考　卒業 太田研究室　所属　 ▪2004-2006

   　生物物理学会 こんぴゅてーしょなる　な　統計解析　が強い学会 　遺伝子データベースからの配列解析 　生化学物質の構造・挙動・移動シミュレーション 　分子進化速度からのクラスタリング→ 進化系統樹生成 ▪研究課題 タンパク質主鎖の局所構造 - 配列相関 : 1 部位構造コードおよび統 計的ポテンシャルによる解析 ？？？

4. 4 ... タンパク質構造の統計的ポテンシャル？　？ ▪タンパク質　 = 　 20 種類のアミノ酸の 1 本鎖

   ▪ただの並びが…、地上全ての生物部品の形状を作っている ▪どんな「アミノ酸の並び」がどんな「構造」になるか？ 並び × 構造　のデータベースから 統計（相関）を用いて評価（予測の前段階） -ACDEFGHIKLMN- -ACDEFHHIKLMN- -YTUCRSCSPNM-

5. 5 Agenda 統計って？　予測って？ ベイジアン再考 次回に向けて

6. 6 統計にできること ▪情報の山から、意味ある数値を抽出 中央値・最頻値・四分位点・類似度 標準偏差・主成分・相関・分布形状… ▪仮説・検証 　　　推定と検定 　　「偶然か？　必然か？」 ▪予測　※本日のメイン

7. 7 予測？ ▪過去 実績を蓄積し、参照する ▪現在 測定する ▪未来 予測する・推定する

8. 8 予測？ ▪測定したもの 実績を蓄積し、参照する ▪測定可能なもの 測定する ▪測定できないもの 予測する・推定する

9. 9 予測方法の大別 演繹的手法 原理・原則から導出する 物理方程式からの分子の動態シミュレーション CAE による強度実験　予算案　 JR の運行計画 経験的手法

   測定の実績から導出する　！統計の出番 統計値からの母集団の推定　線形計画法 ... 相関関数からの構造予測 レコメンド、人気サイトの紹介 勘 ハイブリッド 気象予測（物理方程式　 * 　類似気象パターン） Google の検索（全文検索　＊　クロール結果のランキング）

10. 10 予測のモデル　基本形 Y = f(X, X',Y') for Y 予測結果空間 f

    予測手法 X 　 測定値・パラメーター空間 X' 蓄積された測定値 Y' 蓄積された予測値の正解 中学・高校の数学だったら、 Y は 1 つだったり、 2 つだったり、グラフの線上になる。 が、実際そうは簡単にいかない。 答え Y が膨大 計算量 f(X...) が膨大 例：分子シミュレーション：　空間 × 分子数 × 時間変化

11. 11 予測実行のための工夫 (1) 答えが膨大： ランク 答えに「確からしさ」 (= 順位）をつけて、上位を取る 閾値 答えの「確からしさ」で、一定値以下を除外する

    クラスタリング 似た答えを、同一の答えとみなす 答えの解析 得られた解全体に対して、その傾向性を解析する •フーリエ変換で、モードを抽出

12. 12 予測実行のための工夫 (2) 計算量が膨大： 枝刈り 可能性の低い部分は、計算途中で除外する 初期値 アタリをつけて、可能性の高い部分の周辺のみ計算する モデルの簡素化 影響の少ない関数・計算式を近似・除去

    •計算のメッシュを荒くする •入力のパラメーターを減らす •寄与の弱い項を無視　 ex. 20nm 以上の分子間力≒ 0 •連続関数を離散値に近似 •有効桁数を下げる •蓄積されたデータからのノイズ／偏りを除去（クリーニング） 計算容易な形に 変形 •乗算　→ 　 log で和算　　・パラメーターの正規化 (Z 値 ) 　 •積分　→ 　 Σ 計算　　　　・行列演算 •分布関数　→ 　正規分布で近似 •多パラメーター X 　→ 　主成分分析で正規直行空間 X* に変換 再利用 •計算・答えの部分的なキャッシュ 並列計算 •グリッド計算 •ゲーム化して、世界中でコンテスト ほか ハードの最適化、ベクトル演算器、 DSL 構築＆チューニング…

13. 13 Agenda 統計って？　予測って？ ベイジアン再考 次回に向けて

14. 14 なぜベイジアン？ ▪統計的な予測手法の中で、 2 番目に多用されている。 ※ 　 1 番目：　類似パターンを検索する 例　協調フィルタリング

    例　タンパク質の構造予測

15. 15 ベイジアンに関しての　おねがい ▪「事前確率」「事後確率」とかいう言葉は、 忘れちゃってください 　前後なんてまったくないです。 　ちゃんちゃらです。 「条件付確率」ってのも…なんか違う。 ▪興味があるのは、「必然か、偶然か」！

16. 16 スタート地点は「必然か、偶然か」 ▪事象 A 　と　事象 B 　が同時に生じる。 必然か？　偶然か？ A∩ B

    が実際に生じる回数 ： A∩ B が偶然に生じる回数 = A∩ B の実績値　 ：　 A∩ B の期待値 = N * P(A∩ B) : 　 N * P(A) * P(B) = P(A∩ B) ： P(A) * P(B) ※ 統計屋さんは、常に「確率」でものを考えます。 ∵ 　確率は　全体の母数 N に対して不変。 　　　 cf. 検出数 N A ,N B ,N A∩ B 確率はモデル。理想像。ユートピア。

17. 17 で、ベイジアンは･･･ ▪A∩ B が実際に生じる回数 ： A∩ B が偶然に生じる回数 =

    P(A∩ B) ： P(A) * P(B) = P(A∩ B) / P(A) ： P(B) = P(B|A) ： P(B) ▪つまり…、「 B が生じる確率」に関して = A による影響（相関）：　無影響（偶然） ▪同様に　「 A が生じる確率」に関しても = P(A|B) ： P(A) = B による影響（相関） ：　無影響（偶然）

18. 18 では、数学的に加速しましょう･･･ 比はいろいろと面倒くさいので、除算にします score 1 = 実績値／期待値 = 左辺 /

    右辺 = P(A∩ B) / P(A) * P(B) 一種の「相関係数」　 A と B の同時の発生しやすさ。 >>1 同時に発生しやすい １ 相関はなさそう。偶然っぽい。 <<1 同時に発生しにくい A,B から、任意の N コの事象に拡張します。（添え字 i ） A 1 ,A 2 ,A 3 ...A n の同時の発生しやすさ。  score 1 = P(∩ i=0 n{A i }) / Π i=0 n{P(A i )}

19. 19 続いて、統計予測屋さんの技巧･･･ score1 を -log します。 score 2 = -log(score

    1 ) = -log(P(∩ i=0 n{A i }) / Π i=0 n{(P(A i ))}) = -log(P(∩ i=0 n{A i })) + Σ i=0 n{log(P(A i )} 統計屋さんとしては、「超美しい」式です。 ぞくぞくします。 理由は…

20. 20 美しさ 1 2 3 4 s n = -log(P(∩

    i=0 n{A i })) + Σ i=0 n{log(P(A i )} ▪理由１： 乗算→ 和算 計算が速い　確率計算は基本的に乗算なので。 ▪理由２：　（負相関 , 偶然 , 正相関） = （ +∞ ,0,-∞ ） 正相関と負相関を、絶対値で相殺できる。 ▪理由３：　「情報量」のオーダーになる 情報学での「情報量 I 」に相当する ▪理由４：　二項相関 s 2 ・三項相関 s 3 ･･･ N 項相関 s n を 同形式で、足しこみして一括計算ができる 　イメージ）　 s 2-n = Σs 2 + Σs 3 + … + Σs n

21. 21 最大の美しさ 5 s n = -log(P(∩ i=0 n{A i

    })) + Σ i=0 n{log(P(A i )} ▪理由５： 実はエネルギーの次元 物理化学計算・エントロピー計算などと同形式。 ➔ 既存技法の転用 演繹的手法（シミュレーションなど）の技術 ➔ 既存技法・関数と対比可能 定数パラメーターの調整　や　未知の力学項の推測 ➔ 演繹的手法と足し合わせて、ハイブリッド実行可能

22. 22 今日のベイジアンはここまで s{n} = Σ{log(P(Ai)} – log(P(∩ {Ai})) ▪ベイジアンは、統計的な予測でメジャーな方法 ▪相関係数の１手法

    ▪Ｎ次への拡張が容易　で　積算可能 ▪実は「エネルギー」　というか、確率は全てエネルギー。

23. 23 Agenda 統計って？　予測って？ ベイジアン再考 次回に向けて

24. 24 なにがいいですか？ ▪統計学ネタ 分布 主成分分析 クラスタリング ▪品質ネタ 基礎 製造業 手法・ツール紹介