【  

ベイズ統計（Bayesian statistics）を用いたベイズ推定では、積分が複雑です。MCMC法、マルコフ連鎖モンテカルロ法　で解くことが一般的です。Rで簡単なシミュレーションして、モンテカルロ法が積分計算を期待値に置き換えて計算する手法であることをやさしく説明するね。
この動画は
・統計が難しいが学びたいと思っている人
・データサイエンスでつかう統計関数の意味をまず理解したい人
・統計を面白く楽しく学びたい人におすすめです。
00:19 モンテカルロ法の必要性
02:03 大数の強法則
03:20 Rでシミュレーション
07:07 積分計算と期待値
02:27→ 確率収束×概収束〇
■全体が見わたせるチャンネル
・わかりみサイエンスチャンネル
/ @eastwood19802
・わかりみサイエンスチャンネル紹介
• 【わかりみサイエンスのダイジェスト版 !】 ...
■結月ゆかりの わかりみベイズ統計学(MCMC) 関係
・MCMC法1 モンテカルロ法で積分を求める 統計ツールRでやさしく説明
• 【 #MCMC 法 1 #ベイズ統計学 】...
・MCMC 2 重積分を求める意味は？
• 【#MCMC 2 #ベイズ統計学 #R #P...
・MCMC 法 ３ ベイズ統計学 マルコフ連鎖
• 【 #MCMC 法 ３ #ベイズ統計学 #マ...
・MCMC 法 4 詳細つり合い条件 ベイズ統計学
• 【 #MCMC 法 4 ＃詳細つり合い条件 ...
・MCMC 法 5 メトロポリス法(1)理論編
• 【 #MCMC 法 5 メトロポリス法(1...
・MCMC 法 ６ メトロポリス法(2) Rで実装
• 【 #MCMC 法 ６ メトロポリス法(2...
・#MCMC 法 ７ ハミルトニアンモンテカルロ法の概要
• 【 #MCMC 法 ７ ハミルトニアンモンテ...
・ 針を投げるだけで 𝜋 が求まる18世紀にモンテカルロ法？
• 結月ゆかりのベイズ統計学 針を投げるだけ...
■３つの推定法
３つの推定法(1/3) 最尤推定法
studio.youtube...
３つの推定法(2/3) MAP推定法
studio.youtube...
３つの推定法(2/3) ベイズ推定法
• 【ベイズの定理の基礎】３つの推定法の１回目(...
■紲星あかり
・最尤推定法とは？
• 【#最尤推定法】#ベイズ統計学 #統計学 ...
・ベルヌーイ分布
• 【#統計学】【#ベルヌーイ分布】#紲星あかり...
■結月ゆかりの わかりみベイズ統計学
・ベイズ統計学　バレンタインデーで確率アップ？
• 【バレンタインデーにチョコもらったら彼女の本...
・トベルスキーとカーネマンの タクシー問題
• 【有名なタクシー問題】人間の直感を裏切るベイ...
・長女が生まれた! 次女が生まれる確率は?
• 【ベイズ統計学】長女が生まれた! 次女が生ま...
・ベイズの定理の導出
• 【ベイズの定理の導出】 わかりみサイエンス　...
・”あゆ”が酔っ払って忘れ物をした店はどこかしら？
• 【#ベイズ統計学 忘れ物をした店はどこ? 】...
#ベイズ統計学
#MCMC法
#結月ゆかり
#わかりみサイエンス
河村友歌
www.pakutaso.c...
フリー素材「ぱくたそ」
使用したフリー素材
photo AC www.photo-ac.com/
BGM
作曲者⇒ 甘茶（英語表記＝Amacha）
サイト名⇒ 甘茶の音楽工房（英語表記＝Music Atelier Amacha）
URL⇒ amachamusic.ch...
曲名⇒夏休みの探検
動画制作には以下のツールを使いました。
声：VOICEROID+EX 民安ともえ（弦巻マキ）
www.ah-soft.co...
結月ゆかり
Reccotte　Studio
www.ah-soft.co...
参考にした動画
パターン認識と機械学習入門 第3回 その1@ワークスアプリケーションズ
• パターン認識と機械学習入門 第3回 その1@...
ベルヌーイ試行のRシミューレーションコードです
RU-vidでは山括弧記号が説明欄では書けないので、＠記号を山括弧記号に変換してください。
例　y @- y[-1]　⇒　y 山括弧記号- y[-1]　
par(mar = c(5.5, 6.0, 4.1, 2))
par(mgp = c(4, 1.2, 0))
n = 100 #試行回数の指定
y=0
for(i in 1:n){
x= rbinom(i,1,0.5)
　　　　mu=mean(x)
y @- append(y , mu)
}
y @- y[-1]
print(mu)
print(sum(y)/n)
plot(y , ylim = c(0,1) , type ="l", lwd = 1, xlab = "n : numbers of sample", ylab = "Average", cex.lab = 2, cex.axis = 1.8)
abline(h = 0.5, lwd=2, col ="red")
x @- function(x){0.5*1/sqrt(x)+0.5}
plot(x, 1, n, col = "blue", lwd=2, cex.lab = 2, cex.axis = 1.8, add = TRUE)