Rで学ぶベイズ統計学入門
| 日時 | 内容 | スライドのファイル | 補足資料など | 発表者 |
| 4月10日 | 第1章 R入門 1.1 あらまし 1.2 学生データを探索する 1.3 t統計量の頑健性を探る |
r-bayes-sasaki-0410.pdf | 佐々木 | |
| 4月17日 | 第2章 ベイズ的思考への誘い 2.1 はじめに 2.2 睡眠時間の十分な学生割合の調査 2.3 離散事前分布の利用 2.4 ベータ事前分布の利用 2.5 ヒストグラム事前分布の利用 2.6 予測 |
r-bayes-shinnou-0417.pdf | 新納 | |
| 4月24日 | 第3章 1パラメータモデル 3.1 はじめに 3.2 平均が既知で分散が未知の正規分布 3.3 心臓移植手術の死亡率を推定する |
r-bayes-takaki-0424.pdf | 高木 | |
| 3.4 ベイズ法の頑健性について 3.5 共役事前分布の混合形 3.6 コインの偏りについてのベイズ検定 |
r-bayes-arai-0424.pdf | 荒井 | ||
| 5月8日 | 第4章 複数パラメータモデル 4.1 はじめに 4.2 パラメータが二つとも未知の正規データ 4.3 多項モデル |
r-bayes-sasaki-0508.pdf | 佐々木 | |
| 4.4 生物検定実験 4.5 二つの割合を比較する |
r-bayes-kunii-0508.pdf | 國井 | ||
| 5月15日 | 第5章 ベイズ計算入門 5.1 はじめに 5.2 積分を計算する 5.3 Rで問題を設定する 5.4 過分散に対するベータ・二項モデル 5.5 事後モードにもとづく近似 |
r-bayes-kikuchi-0515.pdf | 菊池 | |
| 5.6 事例 5.7 積分計算のためのモンテカルロ法 5.8 棄却サンプリング 5.9 重点サンプリング 5.10 サンプリング重点リサンプリング(SIR) |
r-bayes-kuramochi-0515.pdf | 倉持 | ||
| 6月5日 | 第6章 マルコフ連鎖モンテカルロ法 6.1 はじめに 6.2 離散的マルコフ連鎖 6.3 メトロポリスーヘイスティング・アルゴリズム 6.4 ギブスサンプリング 6.5 MCMC 出力分析 |
高木 | ||
| 6.6 ベイズの計算での方策 6.7 グループ化データからの正規母集団を検定する 6.8 出力分析の事例 6.9 コーシー誤差によるデータのモデリング 6.10 スタンフォード心臓移植データの分析 |
r-bayes-arai-0605.pdf | 荒井 | ||
| 6月12日 | 第7章 階層モデリング 7.1 はじめに 7.2 三つの事例 7.3 個々の推定と組み合わせ推定 7.4 死亡率は等しいか? 7.5 交換可能性を事前の確信とするモデリング |
r-bayes-shinnou-0612.pdf | 新納 | |
| 7.6 事後分布 7.7 事後分布からのシミュレーション 7.8 事後推論 7.9 ベイズ感度分析 7.10 事後予測モデルの検証 |
r-bayes-kunii-0612.pdf | 國井 | ||
| 6月26日 | 第8章 モデル比較 8.1 はじめに 8.2 仮説の比較 8.3 正規平均の片側検定 8.4 正規平均の両側検定 |
r-bayes-kikuchi-0626.pdf | 菊池 | |
| 8.5 二つのモデルを比較する 8.6 サッカーのゴール数のモデル 8.7 野球の打者には本当に調子の波があるのか? 8.8 2元分割表の独立性の検定 |
r-bayes-kuramochi-0626.pdf | 倉持 | ||
| 7月3日 | 第9章 回帰モデル 9.1 はじめに 9.2 正規線形回帰 |
高木 | ||
| 9.3 Zellner の g 事前分布によるモデル選択 9.4 生存モデル |
r-bayes-arai-0703.pdf | 荒井 | ||
| 7月10日 | 第10章 ギブスサンプリング 10.1 はじめに 10.2 頑健なモデル化 |
r-bayes-sasaki-0710.pdf | 佐々木 | |
| 10.3 ブロブットリンクによる2値反応の回帰 10.4 平均の分割表の推定 |
r-bayes-kunii-0710.pdf | 國井 | ||
| 7月13日 | 第11章 R で WinBUGSを使うインターフェイス 11.1 WinBUGS 入門 11.2 WinBUGS と R をつなぐインターフェイス 11.3 coda パッケージを使った MCMC 診断 |
r-bayes-kikuchi-0713.pdf | 菊池 | |
| 7月20日 | 11.4 変位点モデル 11.5 頑健な回帰モデル 11.6 キャリア軌跡を推定する |
r-bayes-kuramochi-0720.pdf | 倉持 |