統計モデルと推測
- 電子あり

内容紹介
おすすめの本
-
電子あり
脱入門者のExcel VBA 自力でプログラミングする極意を学ぶ
-
電子あり
今度こそわかる論理 数理論理学はなぜわかりにくいのか
-
電子あり
カラー図解Excel「超」効率化マニュアル 面倒な入力作業を楽にする
-
電子あり
強化学習
-
機械学習スタートアップシリーズ Pythonで学ぶ強化学習 入門から実践まで
-
カラー図解 最新 Raspberry Piで学ぶ電子工作 作って動かしてしくみがわかる
-
電子あり
データサイエンスの基礎
-
電子あり
実践Data Scienceシリーズ PythonではじめるKaggleスタートブック
-
電子あり
よくある“困った”を3秒で解決! “取説”以前のパソコンの常識
-
電子あり
ゼロから学ぶエントロピー
-
電子あり
ゼロから学ぶ数学の4、5、6
-
電子あり
ベイズ深層学習
目次
第1章 確率分布
1.1 確率変数と確率
1.2 離散型確率変数
1.3 連続型確率変数
1.4 多次元確率分布
第2章 統計的推定
2.1 母集団と標本
2.2 最尤推定
2.3 不偏推定量・一致推定量
2.4 中心極限定理
2.5 区間推定
第3章 統計的仮説検定
3.1 統計的仮説検定とは
3.2 1標本の平均の検定
3.3 2標本の平均の差の検定
3.4 分散分析
第4章 線形回帰モデル
4.1 線形単回帰モデル
4.2 線形重回帰モデル
4.3 当てはまりの評価と変数選択
4.4 適用例
第5章 ロジスティック回帰モデル
5.1 ダミー変数
5.2 ロジスティック回帰モデル
5.3 推定
5.4 モデルの評価
5.5 多項ロジスティック回帰モデル
5.6 適用例
第6章 一般化線形モデル
6.1 指数型分布族
6.2 一般化線形モデル
6.3 推定
6.4 モデルの評価
6.5 過分散
6.6 擬似尤度
6.7 適用例
第7章 混合分布モデル
7.1 混合分布モデル
7.2 2 成分混合正規分布の推定
7.3 一般の混合分布の推定
7.4 混合分布に基づく回帰モデル
7.5 適用例
関連シリーズ
-
はじめての機械学習
-
これならわかる深層学習入門
-
Pythonで学ぶ実験計画法入門 ベイズ最適化によるデータ解析
-
Raspberry Piではじめる機械学習
-
絵でわかるネットワーク
-
これならわかる機械学習入門
-
ディープラーニング 学習する機械
-
教養としてのデータサイエンス
-
スタンフォード ベクトル・行列からはじめる最適化数学
-
Pythonで学ぶ強化学習
-
絵でわかるサイバーセキュリティ
-
しっかり学ぶ数理最適化
-
イラストで学ぶ ヒューマンインタフェース
-
ベイズ深層学習
-
データサイエンスのためのデータベース
-
テキスト・画像・音声データ分析
-
イラストで学ぶ 機械学習 最小二乗法による識別モデル学習
-
イラストで学ぶ 音声認識
-
情報メディア論
-
ベイズ推論による機械学習入門
-
Juliaで作って学ぶベイズ統計学
-
現場で活用するための機械学習エンジニアリング
-
入門講義 量子コンピュータ
-
データサイエンスの基礎
-
イラストで学ぶディープラーニング
-
マスターアルゴリズム 世界を再構築する「究極の機械学習」
-
絵でわかるスーパーコンピュータ
-
今度こそわかる量子コンピューター