更新: 2012-09-24 21:50:27
生態学のデータ解析 - 生態学会大会2007
[W12] データ解析で出会う統計的問題
-- ベイズ統計学の考えかた・使いかた
概要
これまでこのデータ解析自由集会では 一般化線形モデル (GLM)・モデル選択・ 一般化線形混合モデル (GLMM) をあつかってきた. これらとの関連を検討しながら, 今回はデータ解析の強力な道具として近年普及しつつある 「ベイズ統計学」 を生態学研究に役だてていく方法について参加者と議論したい. ベイズ統計学は事前分布と呼ばれる確率モデルを導入することで 観測対象を現実的かつ柔軟に表現する統計モデリング手法である. 計算機のハードウェア・ソフトウェアの発達によって, 事前分布を「客観的」に規定できる階層ベイズモデルや 経験ベイズ法が誰にでも手軽にあつかえるようになってきている.
この自由集会では「ベイズ統計, 最初の一歩」となるような, 階層ベイズモデルと経験ベイズ法に関する入門的な話題を提供し議論の材料としたい. 最初に粕谷が (従来型) 混合モデルと密接な関係のある経験ベイズモデルについて説明する. 次に久保がごく簡単なデータ解析例題を階層ベイズモデル化する手順と マルコフ連鎖モンテカルロ (MCMC) 法による推定計算の方法を紹介する.
- 簡単な例題で理解できる経験ベイズモデル
- 粕谷英一 (九州大)
- 当日の投影資料: http://kasuya.ecology1.org/stats/EB2007-3disp.pdf
- 簡単な例題で理解できる階層ベイズ + MCMC 計算
- 久保拓弥 (北海道大)
- 当日の 投影資料 (PDF file, 約 0.6MB)
- 参照: ベイズ統計 & MCMC, シンポジウム2006-8 (MCMC 計算例), 統数研 R 2006 (Gibbs sampler ソフトウェアについて)
- 今回のハナシのまくら: 「個体差」のモデリング, GLMM 解説記事
- 関連ペイジ: ベイズ統計 & MCMC
- 登録番号: W-031, 略称: ベイズ統計データ解析
- 自由集会つぎは何?