6月19日 第4回理論勉強会 担当:片山 議事録:日下部 推定…仮定したモデルのパラメータを、起きた現象を最もよく説明するように決定すること 的中率…実際の選択と、効用を最大とする選択が的中する確率(予測された結果がどれだけの確率で選択されたか分からない) 最尤法(詳しくは森部のを参照) ベイズ推定法…事前情報とデータからパラメータ値を「更新」 パラメータ値自体が確率変数で、その分布を捉える パラメータの事後分布=パラメータの事前分布*尤度関数/観測データ自体の分布 事前分布と事後分布が同一の分布族となる確率分布を選ぶ(自然共役事前分布) 事後分布の推定には積分が必要→解析が困難 なので マルコフ連鎖モンテカルロ法 パラメータに初期値→条件付事後確率(他の全てのパラメータを固定した時の、あるパラメータの値の分布)からパラメータをサンプリング→サンプルが多くなったところで分布を取る 最尤法はパラメータ関数の「山頂」を、ベイズ推定法は「形」を求める 最尤法は初期値を誤るとあかん、ベイズ推定法はその心配はないが計算量が多い ??:初期値の設定が雑なためにベイズ派が批判されることが多いのだが… 片山:…