数学
統計スポットライト・シリーズ 第2巻
ポアソン分布・ポアソン回帰・ポアソン過程
徹底的にポアソン分布を理解する!
ポアソン分布を,その起源から徹底的に学習し,理解することを目指した本書.要となる,「ランダムな点配置の点の個数や,ランダムに起こるイベントの回数を数えると,自然にポアソン分布が現れる」,このことをパソコンの計算ソフトでシミュレーションし,実際にポアソン分布が現れる場面を実体験することにより,数式だけでは理解できない数学を学習する.
確率・統計を活用する読者には必携の書である.
電子書籍¥2,420 小売希望価格(税込)
紙の書籍¥2,420定価(税込)
基本情報
発売日 | 2017年10月23日 |
---|---|
本体価格 | 2,200円 |
ページ数 | 136 ページ ※印刷物 |
サイズ | A5 |
ISBN | 9784764905467 |
ジャンル | 数学 |
タグ | 統計・確率 |
電子書籍形式 | 固定型 |
主要目次
序
0 序章
0.1 意外と難しいランダムな点配置の作成
0.2 ランダムな点配置の作成マニュアル、
0.3 面積 100に100個なら密度は1.0か
0.4 馴染みにくいポアソン分布の式...
0.5 カウントデータとポアソン分布..
0.6 本書の構成と目標...
1 ポアソン分布の2つの起源
1.1 ランダムな点配置の一部はどうなっているか
1.2 大きな点配置のごく一部はどうなっているか
1.3 2項分布から導かれるポアソン分布
1.4 ランダムに起こるイベントから出てくるポアソン分布
1.5 ランダムなイベントから導かれるポアソン分布
1.6 ランダムなイベントの定義:定常ポアソン過程
1.7 ポアソン分布に従う乱数の作成
2 ポアソン分布モデルと最尤法
2.1 本数/面積は密度か
2.2 統計モデルの根底にあるもの: 確率分布
2.3 未知パラメータの推定:尤度と最尤法
2.4 ポアソン分布モデルの尤度
2.5 モデルでデータを説明できるか1
2.6 統計モデルと確率分布
2.7 ポアソン分布の期待値と分散
2.8 不偏推定量: 分散の推定はn-1で割る理由
2.9 モデルでデータを説明できるか2
2.10 最尤推定値は最も尤もらしいだけではない1
2.11 最尤推定値は最も尤もらしいだけではない2
2.12 モデルでデータを説明できるか3
3 ポアソン回帰モデルと赤池情報量規準(AIC)
3.1 時間当たりのイベント数データ
3.2 花の数というカウントデータ
3.3 ポアソン回帰モデル
3.4 モデルの相対評価ー赤池情報量規準 AICー
3.5 カテゴリカルデータに対するポアソン回帰モデル
3.6 ポアソン回帰モデルでデータを説明できるか
3.7 ポアソン分布で説明できない現象
3.8 「正解」のないデータ解析
4 AICの根拠をシミュレーションで納得する
4.1 統計モデルと真のモデル
4.2 カルバック・ライブラー情報量
4.3 平均対数尤度
4.4 ポアソン分布モデルの平均対数尤度と最大対数尤度
4.5 パラメータが2つ以上あるモデルの平均対数尤度と最大対数尤度の差
4.6 シミュレーションで見えてきた AICの根拠
5 空間点過程モデルの第1歩:非定常ポアソン過程
5.1 場所によって密度が異なっている点配置
5.2 密度が変化しているとき全体で何個の点があるか
5.3 非定常ポアソン過程
5.4 点過程モデルが難しい理由
5.5 非定常ポアソン過程の尤度関数
5.6 木の配置と環境要因
5.7 統計モデルで見えてくる種特性
5.8 正解はなくてもモデルを創る
あとがき
参考文献
索引
0 序章
0.1 意外と難しいランダムな点配置の作成
0.2 ランダムな点配置の作成マニュアル、
0.3 面積 100に100個なら密度は1.0か
0.4 馴染みにくいポアソン分布の式...
0.5 カウントデータとポアソン分布..
0.6 本書の構成と目標...
1 ポアソン分布の2つの起源
1.1 ランダムな点配置の一部はどうなっているか
1.2 大きな点配置のごく一部はどうなっているか
1.3 2項分布から導かれるポアソン分布
1.4 ランダムに起こるイベントから出てくるポアソン分布
1.5 ランダムなイベントから導かれるポアソン分布
1.6 ランダムなイベントの定義:定常ポアソン過程
1.7 ポアソン分布に従う乱数の作成
2 ポアソン分布モデルと最尤法
2.1 本数/面積は密度か
2.2 統計モデルの根底にあるもの: 確率分布
2.3 未知パラメータの推定:尤度と最尤法
2.4 ポアソン分布モデルの尤度
2.5 モデルでデータを説明できるか1
2.6 統計モデルと確率分布
2.7 ポアソン分布の期待値と分散
2.8 不偏推定量: 分散の推定はn-1で割る理由
2.9 モデルでデータを説明できるか2
2.10 最尤推定値は最も尤もらしいだけではない1
2.11 最尤推定値は最も尤もらしいだけではない2
2.12 モデルでデータを説明できるか3
3 ポアソン回帰モデルと赤池情報量規準(AIC)
3.1 時間当たりのイベント数データ
3.2 花の数というカウントデータ
3.3 ポアソン回帰モデル
3.4 モデルの相対評価ー赤池情報量規準 AICー
3.5 カテゴリカルデータに対するポアソン回帰モデル
3.6 ポアソン回帰モデルでデータを説明できるか
3.7 ポアソン分布で説明できない現象
3.8 「正解」のないデータ解析
4 AICの根拠をシミュレーションで納得する
4.1 統計モデルと真のモデル
4.2 カルバック・ライブラー情報量
4.3 平均対数尤度
4.4 ポアソン分布モデルの平均対数尤度と最大対数尤度
4.5 パラメータが2つ以上あるモデルの平均対数尤度と最大対数尤度の差
4.6 シミュレーションで見えてきた AICの根拠
5 空間点過程モデルの第1歩:非定常ポアソン過程
5.1 場所によって密度が異なっている点配置
5.2 密度が変化しているとき全体で何個の点があるか
5.3 非定常ポアソン過程
5.4 点過程モデルが難しい理由
5.5 非定常ポアソン過程の尤度関数
5.6 木の配置と環境要因
5.7 統計モデルで見えてくる種特性
5.8 正解はなくてもモデルを創る
あとがき
参考文献
索引