- ベストアンサー
ベイズ統計学につきまして。
ベイズ統計学による、主観的確率に基づく推計で、１００％間違いない結論を出せるのは、どんな場合でしょうか。
- Kimura Koiti（@kimko_379）
- お礼率99% (182/183)
- 数学・算数
- 回答数1
- ありがとう数1
- みんなの回答 （1）
- 専門家の回答
質問者が選んだベストアンサー
関連するQ&A
- ベイズ統計学の利用法について
頻度論的な統計手法では，確率分布の推定誤差を母数の区間推定という方法で表現します． この場合，標本数が大きくなるとその区間は狭まり，無限になれば区間は限りなく狭くなります． しかし，現実の標本数は有限ですから，区間の上限と下限があります． 実務上は，上限値あるいは下限値を母数の推定値にして，安全側の判断をします． さて，ベイズ統計手法の場合，予測した確率分布の推定誤差はどのように表現するべきなのでしょうか？ 実務上でベイズ統計学を利用したいのですが，この部分で悩んでおります． どなたか，よいアドバイスをお願いいたします．
- 締切済み
- 数学・算数
- ベイズ統計の用語についてお尋ねします。
ベイズ統計において事前確率、事後確率というものが出てきます（有名なので、式は書きませんが）。私が読んでいる本では事前、事後、という言葉の語感と定義が一致していません。ただ、そのような名前で呼ばれるということのようです。 推測ですが、条件なしで単純に全データから発生事象の数を除したものが事前、条件付き確率が事後、すなわち、ベイズの式は単純な確率（事前）から条件付き確率（事後）を陽形式で表示できるということで、後で条件を付けたらどうなるかが分かるということなのでしょうか。 用語の語源を理解すると頭に入りやすいと思うのです。 よろしくお願いします。
- 締切済み
- 数学・算数
- ベイズ統計に関する尤度について
ベイズ統計を展開していく際に尤度が分かっているということが前提となります。 その尤度について表のようなものを作成するわけですが、例えば、迷惑メール、非迷惑メールに”アイドル”と言う言葉が含まれるかどうかを考えます。迷惑メールの中で”アイドル”が含まれる確率A、非迷惑メールの中で”アイドル”が含まれる確率Bがそれぞれ分かっていると仮定するわけですが、一方でアイドルという単語を含むメールに関して迷惑メールである確率C、非迷惑メールである確率Dも定義可能ですね。 この場合、A+B≠1（これは当然）, C+D=1（迷惑か非迷惑かしかないから）という違いがあります。実際にある練習問題ではA,Bの方を使っているのですが、C,Dのように確率が足して1になるという風にして尤度を考えることもできるように思うのです。尤度表の縦、横方向に足して１になるという風にして表を作る必要は必ずしもないのでしょうか。 尤度表を作るところこそがベイズ統計の肝というか個性が出るところだと思うのですが。よろしくお願いします。
- 締切済み
- 数学・算数
- ベイズ統計に興味があり、ベイズフィルタを作ってみた
ベイズ統計に興味があり、ベイズフィルタを作ってみたいと思ったのですが、サイトを調べてみてもよくわかりません。 誰か初心者でもわかるように説明してもらえないでしょうか？
- ベストアンサー
- 数学・算数
- ベイズ統計入門書の例題の尤度について
ベイズ統計の入門書を読んでいるのですが、いろんな適用方法があるのだとは思いますが、簡単に言うと以下のように見えます。 あのベイズの式があり、尤度が既知で、事前分布を与えると、データに依存して事後確率が変化するということをやっている、ということです。で、その事後確率を次の事前確率として次のデータでさらに次の事後確率を求めるという流れです。漸化式の計算と同じです 確率が事前から事後に流れることが時間発展のような形式となり、データに依存したシミュレーション的なアルゴリズムができそうです。 ここでやや疑問に思えるのが尤度です。尤度とは発展方程式の定数係数のような位置づけのように見てきます。尤度はこのベイズ統計で揺るぎのない確立した数値ということになるのでしょうか。尤度が時間的に変化することもありうるのでしょうか。そうなると未知数の積が出てくるので非線形という印象になるのですが。 ベイズ統計の初等的な事例で、異性が自分に好意を持つ、というようなものが紹介されています。好意を持っている異性の態度が”今日は、いい、普通、悪い”の３種であり、その確率（これが尤度表らしいですが）を既知として保持し、それとデータ（あしたの態度3種）に従って確率が変化するというような事例がありますが、尤度自体が簡単にはわからないものなのではないかと思うのですが。ただ単に興味を引く題材にした事例なのかもしれませんが。尤度についてどのように考えるのでしょうか。 異性の問題では結局、そこが難しいんじゃないか、と聞きたくなるわけですが。よろしくお願いします。
- 締切済み
- 数学・算数
- ベイズ統計で、私に非が無かったと証明できますか？
従業員が30人の会社に勤めています。 物置にあった、段ボールが紛失してしまいました。 誰かが「私が捨てているのを見た気がする」と上司に言いました。 それで、私のせいにされてしまいました。 しかし、私は全く覚えがないのです。 私に非がない確率を、数学的に証明するにはどうすれば良いですか？ ベイズ統計で証明できますか？
- ベストアンサー
- 数学・算数
- ベイズ更新について
ベイズ統計に詳しい人に教えてもらいたいのですが、念の為に確認させてください。 ------ ｜ A ＿｜ B 確率 ｜ 0.6 ｜ 0.4 --------------------- 項目１ ｜ 0.7 ｜ 0.1 項目２ ｜ 0.5 ｜ 0.3 項目３ ｜ 0.2 ｜ 0.5 --------------------- 尤度 ｜ 0.07 ｜ 0.015 の場合、項目の掛け算が尤度で、Ａの事後確率は、 0.875=( 0.07*0.6 ) / ( (0.07*0.6) + (0.015*0.4) ) で、良いですか？ 違っていたら、訂正おねがいします。 もし、良いのなら、ベイズ更新で事前確率になるのが、0.875になるのですよね？ ------ ｜ A ＿｜ B 確率 ｜ 0.875｜ 0.125 --------------------- 項目１ ｜ 0.7 ｜ 0.1 項目２ ｜ 0.5 ｜ 0.3 項目３ ｜ 0.2 ｜ 0.5 --------------------- 尤度 ｜ 0.07 ｜ 0.015 それを計算すると、 0.970=( 0.07*0.875 ) / ( (0.07*0.875) + (0.015*0.125) ) になり、何度か更新すると、１か０になる結果になります。 そうならないために、ベイズ更新というのは、どのタイミングですればよいのでしょうか？
- ベストアンサー
- 数学・算数
- ベイズ統計について教えてください
「目の前にツボが1つあり、AのツボかBのツボのどちらかである。Aのツボには9個の白球と1個の黒球が、Bのツボには2個の白球と8個の黒球が入っている。目の前のツボから1個取り出し色を確認してからツボに戻し、再び1個取り出し色を確認するものとする。 20回球を観測した時、黒球が出た回数に対応して、ツボがBである事後確率について表にしたのである」（小島寛之著「ベイズ統計学入門」pp.157）の表中の数値の求め方が分かりません。 黒の回数 0 1 2 … 事後確率 8,62×(1/10)^14 3.10×(1/10)^12 1.12×(1/10)^10 … 生起確率 1.05×(1/10)^14 8.39×(1/10)^12 3.19×(1/10)^10 … 計算の仕方が分れば、黒の回数3以降は、類推できると思います。よろしくお願いします。
- 締切済み
- 数学・算数
- ベイズ統計の初歩的な質問
ベイズ統計を復習しているのですが、初歩的な質問があります。 例えば、全人口の約0.1%を占める人がかかる病気があります。個人が病気を持っている確率をP(disease)、もっていない確率をP(no disease)とすると P(disease) = 0.001 P(no disease) = 0.999 となります。この病気を持っているか否かを知るためのテストが開発され、臨床試験において以下のような結果が出ました。このテストを、実際に病気を持っている人に行うと、陽性(+)と陰性(-)が出る条件付き確率は P(+|disease) = 0.98 P(-|disease) = 0.02 となり、実際には病気にかかっていない人に行うと P(+|no disease) = 0.03 P(-|no disease) = 0.97 と出たとします。 目標は、テストで陽性が出た場合に、それが本当に病気にかかっていることを示す確率、すなわちP(disease|+)を計算する事です。式に当てはめると、以下のようになります。 P(+|disease)P(disease) P(disease|+) = ----------------------------------------------------- P(+|disease)P(disease) + P(+|no disease)P(no disease) 0.98 x 0.001 P(disease|+) = ---------------------------- 0.98 x 0.001 + 0.03 x 0.999 P(disease|+) = 0.032 (非常に見苦しい点お許しを)これは3.2%というかなり小さい確率となります。これは、P(disease)が0.001と非常に小さい事に起因し、母集団の中で病気にかかっている人が少なく、P(disease|+)自体がこの母集団に対して計算されている故と理解できます。 でも、一人の患者が知りたい情報は、テストが陽性だったときに限って、実際に病気にかかっている確率です。この計算をするときに、ベイズ的に事前分布を主観的に選べるとすると、P(disease)をどのように設定すべきなのでしょうか。これを0から1までの広範囲で変化させると、どのような結果も得られてしまいます。一番信頼できるのは、データが既にあるP(disease) = 0.001なので、これを使うべきことは理解出きるのですが、P(disease|+) = 0.032という数値はちょっと直感的に違うと思うのですが。ひとりの患者にとっては、P(+|disease) = 0.98を一番有用な情報とするのが無難なのでしょうか。 ベイズ統計の基本的な解釈で引っかかった点なので、ご教示のほどよろしくお願いいたします。
- ベストアンサー
- 数学・算数
- 自由意志、自由選択とベイズ統計について。
人の行動、自由意志、自由選択は、フィジカルに依存するが、本質的にはベイズ統計的なものですか？ つまり、「自由選択ができたはずだ」というのは、事後確率からみた幻想であって、事後確率が出力される前の事前確率において、一番高い可能性が、選択されたにほかなりませんか？
- 締切済み
- 数学・算数
お礼
誠に有難う御座います。
補足
信頼度１００％の検定をベイズで行うのには如何いたしますのでしょうか。