はじめに こんにちは。システム開発部の中村です。 社内で行っている『データ解析のための統計モデリング入門』(所謂緑本)の輪読会に参加した所、 大変わかりやすい本だったものの、Macユーザには悲しい事に実装サンプルがWinBUGSだったため、 9章の一般化線形モデルのベイズ推定によるアプローチをPython + STANで実装しました。 概要 ざっくりと、以下のステップに沿って実装しました。 1. 特定のパラメータに基いて確率分布からダミーデータを生成 2. 予測モデルを設定 3. ダミーデータと予測モデルから、データを生成したパラメータ(の事後分布)をMCMCで推定して答え合わせ 具体的には、とある植物の体サイズが(3.0~7.0の0.1刻みの離散値をとる)を説明変数として、 ポアソン分布に従う種子数(0以上の整数)の確率分布を推定します。 利用ツール、ライブラリ MCMCサンプラー: S
![PyStanによるはじめてのマルコフ連鎖モンテカルロ法 | DACエンジニアブログ:アドテクゑびす界](https://cdn-ak-scissors.b.st-hatena.com/image/square/4ed9dfc0936aae73d79e9e198ed8ea5aab874504/height=288;version=1;width=512/http%3A%2F%2Fimg.ak.impact-ad.jp%2Fic%2Fpone%2Fivt%2Fyebisupress%2Fimg%2Fth_ogp_image.png)