ベイズ統計学を勉強する参考書のフロー - Qiita
慶應義塾大学・株式会社Nospareの菅澤です． 今回はベイズ統計学を勉強するための参考書の順番 (私見) について紹介していきます． 3年ほど前に『日本語で学べるベイズ統計学の教科書10冊』を紹介しましたが，今回は「どのような順番でどの参考書を読んでいくと比較的スムーズに勉強が進められるのか」に焦点を当て，比較的最近の書籍や英語の書籍まで含めて紹介していきます． まずは全体的なフローのイメージを提示しておきます． 今回の記事では，「ベイズ統計学を勉強すること」のスタートとゴールを以下のように定めます． (スタート) 統計学の基礎的な内容 (統計検定2級程度の内容) は身についている (ゴール) ベイズモデリングに関する最新の論文がある程度理解して読め，自力でモデルを組んだり実装することができる また，このゴールへの道のりとして，大きく2通りのルートを想定します． (ルートA: フルスクラ
異質な因果効果とその推定方法 - Qiita
慶應義塾大学・株式会社Nospareの菅澤です． 今回は異質性のある因果効果とその推定方法について紹介します． 異質処置効果 (Heterogeneous Treatment Effect) 標準的な潜在アウトカム（potential outcome）の設定下での因果効果の推定を考えます．そのため，以下の変数を用意しておきます． $X$: 説明変数 $T$: 処置変数 ($T=1$: 処置群, $T=0$: 対照群) $Y^{(T)}$: 処置$T$のもとでの潜在アウトカム $Y=TY^{(1)} + (1-T)Y^{(0)}$: 観測できるアウトカム 観測データとしては$(Y,X,T)$の三つ組です． 処置$T$の因果効果を測る指標として広く用いられているのは平均処置効果（ATE; average treatment effect）でして，以下のように与えられます． 集団内には異なる特徴
状態空間モデルを用いた因果効果の推定: CausalImpact - Qiita
東京大学・株式会社Nospareの菅澤です． 今回は状態空間モデルによる時系列予測手法を用いた因果効果の推定手法であるCausalImpactについて紹介します． CausalImpactとは CausalImpactはGoogleによって開発された因果効果推定の方法です．手法の詳細はBrodersen et al. (2015, AoAS)に記載されており，手法を実装したRパッケージも公開されています． CausalImpactは，ある介入が時間変化するアウトカムにどのような影響を与えるかを推定（推測）するための手法です．時間変化するアウトカム（時系列データ）に対して因果効果を推定する有名な方法としてDifference-in-Difference (DID)がありますが，DIDよりも緩い仮定のもとで時間変化する因果効果を推定できる方法として知られています． CausalImpactのコ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
