コンテンツへスキップ ナビゲーションに移動

青の統計学

  • 統計学
    • 統計学基礎
    • ベイズ
  • 機械学習
  • 統計検定対策
  • 大学の試験対策
  • マーケティング
  • DS Playground
  • 資料

MCMC法

  1. HOME
  2. MCMC法
ベイズ因子をABテストに使ってみる
01/01/2025 / 最終更新日時 : 01/07/2025 bluest Python

ベイズ因子とは?──定義と直感的解釈

ベイズ因子 (Bayes Factor) は、2つの仮説 ${H_1, H_2}$​ の相対的な支持度を評価するための指標です。 とくに「帰無仮説 (null hypothesis) vs. 対立仮説 (alternat […]

マーケティングミックスモデリング(MMM)について理解
12/26/2024 / 最終更新日時 : 01/07/2025 bluest Python

【完全版】MMMを課題設定から考える|Google Meridian

Media Mix Model|MMM MMM は、過去の広告支出や売上データを用いて、各マーケティング施策が売上(KPI)にどの程度貢献したかを定量的に分析する手法です。これにより、予算配分の最適化や将来のマーケティン […]

ハミルトニアンモンテカルロをmcmcに適用するための解説記事
03/24/2024 / 最終更新日時 : 01/13/2025 bluest ベイズ

【MCMC法】ハミルトニアンモンテカルロをわかりやすく解説|ベイズ統計学

ハミルトニアンモンテカルロ(Hamiltonian Monte Carlo ベイズ統計学において、ハミルトニアンモンテカルロ(Hamiltonian Monte Carlo, HMC)を利用するアプローチは、主に複雑な事 […]

ヤコビアンをわかりやすく解説する
01/16/2024 / 最終更新日時 : 09/22/2024 bluest 大学数学

ヤコビアンをわかりやすく解説【統計検定】|MCMCでの使用例

ヤコビアン 最初はなかなか理解が難しいかもしれませんが、MCMC法等の変数変換が必要な統計解析手法では必ず出てくる行列式です。 関連コンテンツはこちらをご覧ください。 【線形代数】固有値や固有ベクトルは機械学習にどう使わ […]

MCMC法についてわかりやすく解説する
01/13/2024 / 最終更新日時 : 11/30/2024 bluest ベイズ

【完全ガイド】MCMC法についてわかりやすく解説|ベイズ推定

MCMC法|Markov Chain Monte Carlo法 今回は、ベイズ理論を使ったパラメータ推定手法であるMCMC法(Markov Chain Monte Carlo法 マルコフ連鎖モンテカルロ法)について解説い […]

マルコフ連鎖についてわかりやすく解説。
07/16/2022 / 最終更新日時 : 01/04/2025 bluest Python

マルコフ連鎖をわかりやすく解説【MCMC法への応用】

1. マルコフ連鎖の基本原理 1.1 マルコフ連鎖 マルコフ連鎖 (Markov Chain) は、確率過程の一種です。離散時間マルコフ連鎖を例にとると、時刻 ${t = 0, 1, 2, \dots}$ に観測される状 […]

ベイズの定理とベイズ統計学についてわかりやすく解説する
06/25/2022 / 最終更新日時 : 11/29/2024 bluest ベイズ

ベイズ推定をわかりやすく解説|事後分布から推定量を導く方法

ベイズ推定の目的 ベイズの定理からしっかり解説するので、これからベイズ推定について知見を深めたい人や、MCMC法を使ってベイズ推定をしたい方など、さまざまな人におすすめです。 ベイズの定理 まず第一にベイズ統計学は、経験 […]

人気記事

統計検定2級の完全ガイド
統計検定3級の徹底攻略

Udemy

バナー広告

新サービス

青の統計学|X

Update Contents

統計検定2級の完全ガイド
統計検定2級の難易度と範囲を徹底解説【2025年最新版】
05/03/2025
自己組織化マップとは?データの視覚的探索と次元削減の手法
自己組織化マップとは?データの視覚的探索と次元削減の手法
03/18/2025
階層型クラスタリング徹底比較|ウォード法・最短距離法などの使い分け
階層型クラスタリング徹底比較|ウォード法・最短距離法などの使い分け
03/18/2025
k-medoidsとは?k-meansとの違いをわかりやすく解説
k-medoidsとは?k-meansとの違いをわかりやすく解説
03/18/2025
スペクトラルクラスタリングとは?非線形データの分類
スペクトラルクラスタリングとは?非線形データの分類
03/18/2025
DBSCANとは?密度ベースのクラスタリング
DBSCANとは?密度ベースのクラスタリングを解説
03/16/2025
【完全ガイド】k-means法とは?周辺のクラスタリング手法と比較
【完全ガイド】k-means法とは?周辺のクラスタリング手法と比較
03/15/2025
確率密度関数とは?確率質量関数との違いも解説
確率密度関数とは?確率質量関数との違いも解説
03/15/2025
多重共線性を正しく理解する
【完全攻略】多重共線性をわかりやすく解説
02/20/2025
パレートの法則についてわかりやすく解説
パレートの法則についてわかりやすく解説
02/12/2025

New Contents

スペクトラルクラスタリングとは?非線形データの分類
スペクトラルクラスタリングとは?非線形データの分類
03/18/2025
DBSCANとは?密度ベースのクラスタリング
DBSCANとは?密度ベースのクラスタリングを解説
03/16/2025
確率密度関数とは?確率質量関数との違いも解説
確率密度関数とは?確率質量関数との違いも解説
02/25/2025
効果量とは?サンプルサイズ設計を実務で使うには
効果量とは?サンプルサイズ設計を実務で使うには
02/03/2025
統計的なサンプルサイズ設計の手引き
サンプルサイズ設計のガイド:基礎理論と実践をわかりやすく
01/10/2025
グラフニューラルネットワークの基礎と応用事例
グラフニューラルネットワークの基礎と応用事例
01/08/2025
パレートの法則についてわかりやすく解説
パレートの法則についてわかりやすく解説
01/07/2025
負の二項分布を実験に活かした具体例
負の二項分布をわかりやすく解説
01/04/2025
ベイズ因子をABテストに使ってみる
ベイズ因子とは?──定義と直感的解釈
01/01/2025
マーケティングミックスモデリング(MMM)について理解
【完全版】MMMを課題設定から考える|Google Meridian
12/26/2024

Tag Cloud

AIC F統計量 GBDT GLM K-means法 KL divergence MCMC法 MSE PCA p値 ridge回帰 t検定 カイ2乗分布 ガンマ分布 ブートストラップ法 ポアソン分布 マルコフ連鎖 ラグランジュの未定乗数法 ランダムウォーク ランダムフォレスト ロジスティック回帰 一様分布 不偏性 中心極限定理 二項分布 信頼区間 共分散 再生性 分散分析 回帰分析 固定効果 多重共線性 尤度比検定 尤度関数 層化抽出法 幾何分布 指数分布 最小二乗法 最尤法 標準偏差 標準誤差 正規分布 決定木 深層学習 相関係数

Recent

統計検定2級の完全ガイド
統計検定2級の難易度と範囲を徹底解説【2025年最新版】
05/03/2025
自己組織化マップとは?データの視覚的探索と次元削減の手法
自己組織化マップとは?データの視覚的探索と次元削減の手法
03/18/2025
階層型クラスタリング徹底比較|ウォード法・最短距離法などの使い分け
階層型クラスタリング徹底比較|ウォード法・最短距離法などの使い分け
03/18/2025
k-medoidsとは?k-meansとの違いをわかりやすく解説
k-medoidsとは?k-meansとの違いをわかりやすく解説
03/18/2025
スペクトラルクラスタリングとは?非線形データの分類
スペクトラルクラスタリングとは?非線形データの分類
03/18/2025
DBSCANとは?密度ベースのクラスタリング
DBSCANとは?密度ベースのクラスタリングを解説
03/16/2025
【完全ガイド】k-means法とは?周辺のクラスタリング手法と比較
【完全ガイド】k-means法とは?周辺のクラスタリング手法と比較
03/15/2025
確率密度関数とは?確率質量関数との違いも解説
確率密度関数とは?確率質量関数との違いも解説
03/15/2025
多重共線性を正しく理解する
【完全攻略】多重共線性をわかりやすく解説
02/20/2025
パレートの法則についてわかりやすく解説
パレートの法則についてわかりやすく解説
02/12/2025

サイトマップはこちら

青の統計学|Follow Me!

チートシート

バナー広告


バナー広告

バナー広告
バナー広告
バナー広告
バナー広告

シミュレーション

サンプルサイズ設計ツールのサムネイル

問題演習

統計検定2級問題演習へのリンク
  • 統計学
  • 機械学習
  • 統計検定対策
  • 大学の試験対策
  • マーケティング
  • DS Playground
  • 資料

Copyright © 青の統計学 All Rights Reserved.

Powered by WordPress with Lightning Theme & VK All in One Expansion Unit

MENU

  • 統計学
    • 統計学基礎
    • ベイズ
  • 機械学習
  • 統計検定対策
  • 大学の試験対策
  • マーケティング
  • DS Playground
  • 資料
PAGE TOP