ブラウザよりも高速アクセス！
22 関係: 事後確率、マルコフ連鎖、マルコフ連鎖モンテカルロ法、メルセンヌ・ツイスタ、メトロポリス・ヘイスティングス法、メトロポリス法、ランダムウォーク、ボルツマン分布、ヒストグラム、ギブスサンプリング、スライスサンプリング、確率分布、焼きなまし法、物理学、詳細釣り合い、逆関数法、SIR、標本、標本調査、次元の呪い、正規分布、数学。
事後確率
事後確率（じごかくりつ、Posterior probability）は条件付確率の一種で、アポステリオリ確率ともいう。 ある証拠（データあるいは情報）を考慮に入れた条件で、ある変数について知られている度合を確率として表現する主観確率の一種である。 対になる用語が事前確率で、これは証拠となるデータがない条件下での不確かな量の条件付確率である。ベイズの定理により、事前確率に尤度関数の出力値を掛けると事後確率が得られる。 なお本項では「変数」という用語を、観測できる確率変数のほかに、観測できない（隠れた）変数、母数あるいは仮説も含めて用いている。たとえば、「土星の質量」を変数xとして、観測結果に基づいた事後確率「xが定数αからβの間にある確率」を求めることができる（主観確率を認めない頻度主義ではこのような言い方は意味がない）。.
新しい！!: メトロポリス・ヘイスティングス法と事後確率 · 続きを見る »
マルコフ連鎖
マルコフ連鎖（マルコフれんさ、Markov chain）とは、確率過程の一種であるマルコフ過程のうち、とりうる状態が離散的（有限または可算）なもの（離散状態マルコフ過程）をいう。また特に、時間が離散的なもの（時刻は添え字で表される）を指すことが多い（他に連続時間マルコフ過程というものもあり、これは時刻が連続である）。マルコフ連鎖は、未来の挙動が現在の値だけで決定され、過去の挙動と無関係である（マルコフ性）。各時刻において起こる状態変化（遷移または推移）に関して、マルコフ連鎖は遷移確率が過去の状態によらず、現在の状態のみによる系列である。特に重要な確率過程として、様々な分野に応用される。.
新しい！!: メトロポリス・ヘイスティングス法とマルコフ連鎖 · 続きを見る »
マルコフ連鎖モンテカルロ法
マルコフ連鎖モンテカルロ法（マルコフれんさモンテカルロほう、Markov chain Monte Carlo methods、MCMC）とは、求める確率分布を均衡分布として持つマルコフ連鎖を作成することをもとに、確率分布のサンプリングを行うアルゴリズムの総称である。M-H アルゴリズムやギブスサンプリングなどのランダムウォーク法もこれに含まれる。充分に多くの回数の試行を行った後のマルコフ連鎖の状態は求める目標分布の標本として用いられる。試行の回数を増やすとともにサンプルの品質も向上する。 求められる特性を持つマルコフ連鎖を作成することは通常難しくない。問題は許容できる誤差内で定常分布に収束する試行の回数を決めることである。適切な連鎖なら任意の位置から始めても定常分布に速く達し、これを高速混合（rapid mixing）とよぶ。 典型的なMCMCは常にある程度の初期値の影響が残るため目標分布しか近似することができない。CFTP法（）など、より洗練されたMCMCベースのアルゴリズムは完全標本を作成することができるが、より多くの計算と（期待値では有限だが）限界のない実行時間を要する。 このアルゴリズムの最も一般的な応用は多重積分を数値的に計算することである。ランダムに歩き回る粒子の集団を想定し、粒子が点を通過するたびに、その点の被積分関数の値を積分に加算する。粒子は次に積分への貢献が高い所を探して複数の仮の動作をする。このような方法はランダムウォーク法とよばれ、これは乱数的なシミュレーションつまりモンテカルロ法の一種である。従来のモンテカルロ法で用いられる被積分関数のランダムな標本が独立であるのに対して、MCMCで用いられる標本は相関がある。被積分関数を均衡分布に持つようなマルコフ連鎖を作成する必要があるが、多くの場合において容易に行うことができる。 多重積分はベイズ統計学、計算物理学、計算生物学などにしばしば現れるため、そのような分野でMCMC法も広く使われている。例としては や を参照のこと。.
新しい！!: メトロポリス・ヘイスティングス法とマルコフ連鎖モンテカルロ法 · 続きを見る »
メルセンヌ・ツイスタ
メルセンヌ・ツイスタ (Mersenne twister、通称MT) は擬似乱数列生成器 (PRNG) の1つである。1996年に国際会議で発表されたもので（1998年1月に論文掲載）松本眞と西村拓士による。既存の疑似乱数列生成手法にある多くの欠点が無く、高品質の疑似乱数列を高速に生成できる。考案者らによる実装が修正BSDライセンスで公開されている。.
新しい！!: メトロポリス・ヘイスティングス法とメルセンヌ・ツイスタ · 続きを見る »
メトロポリス・ヘイスティングス法
数学や物理において、メトロポリス・ヘイスティングス法(もしくは M-H アルゴリズム)(Metropolis-Hastings algorithm) は直接サンプリングするのが難しい確率分布から統計標本の配列を生成するのに用いられるマルコフ連鎖を構築するのに用いられる手法である。この配列はマルコフ連鎖モンテカルロ法において、目標分布の近似（ヒストグラム）として用いられたり、期待値のような積分計算を必要とするものに用いられる。.
新しい！!: メトロポリス・ヘイスティングス法とメトロポリス・ヘイスティングス法 · 続きを見る »
メトロポリス法
メトロポリス法（Metropolis method ）は、モンテカルロ法によるシミュレーションにおいて、乱数発生により作った新しい状態を棄却するか採択するかの基準の与え方、あるいは重点サンプリング による分配関数の近似計算の方法。具体的には、系のエネルギー の変化 よって、 ならば確率 1 で、 ならば確率 で採択する。ここで は逆温度であり を満たす。 はボルツマン定数、は系の熱力学温度である。 一般に、詳細釣り合いの原理、非周期性 がある棄却採択法ならば、熱平衡状態のアンサンブルが得られる。.
新しい！!: メトロポリス・ヘイスティングス法とメトロポリス法 · 続きを見る »
ランダムウォーク
ランダムウォーク（random walk）は、次に現れる位置が確率的に無作為（ランダム）に決定される運動である。日本語の別名は乱歩（らんぽ）、酔歩（すいほ）である。グラフなどで視覚的に測定することで観測可能な現象で、このとき運動の様子は一見して不規則なものになる。 ブラウン運動と共に、統計力学、量子力学、数理ファイナンス等の具体的モデル化に盛んに応用される。.
新しい！!: メトロポリス・ヘイスティングス法とランダムウォーク · 続きを見る »
ボルツマン分布
ボルツマン分布（ボルツマンぶんぷ、）は、一つのエネルギー準位にある粒子の数（占有数）の分布を与える理論式の一つである。ギブス分布とも呼ばれる。気体分子の速度の分布を与えるマクスウェル分布をより一般化したものに相当する。 量子統計力学においては、占有数の分布がフェルミ分布に従うフェルミ粒子と、ボース分布に従うボース粒子の二種類の粒子に大別できる。ボルツマン分布はこの二種類の粒子の違いが現れないような条件におけるフェルミ分布とボーズ分布の近似形（古典近似）である。ボルツマン分布に従う粒子は古典的粒子とも呼ばれる。 核磁気共鳴および電子スピン共鳴などにおいても、磁場の中で分裂した2つの準位の占有率はボルツマン分布に従う。.
新しい！!: メトロポリス・ヘイスティングス法とボルツマン分布 · 続きを見る »
ヒストグラム
ヒストグラム（）とは、縦軸に度数、横軸に階級をとった統計グラフの一種で、データの分布状況を視覚的に認識するために主に統計学や数学、画像処理等で用いられる。柱図表、度数分布図、柱状グラフともいう。 また、工業分野では、パレート図、チェックシート、管理図、特性要因図、層別法、散布図と並んで、品質管理のためのQC七つ道具として知られている。.
新しい！!: メトロポリス・ヘイスティングス法とヒストグラム · 続きを見る »
ギブスサンプリング
統計学と統計物理学において、ギブスサンプリング（Gibbs sampling、）は、直接サンプリングが難しい確率分布の代わりにそれを近似するサンプル列を生成する MCMC法（）の1つである。 この生成された数列は、結合分布や周辺分布、期待値などの積分計算を近似するために用いられる。 通常は観測として与えられている変数に関してはサンプリングをする必要はない。 ギブスサンプリングは統計的推定やベイズ推定の手法として頻繁に用いられている。ランダムアルゴリズムであり、変分ベイズ法（）やEMアルゴリズム（）のような統計的推定法のための決定論的な方法の代替法である。 他のMCMC法と同様に、ギブスサンプリングはサンプルのマルコフ連鎖を生成する。得られるサンプル列がマルコフ連鎖であるため、例えば100番目毎にサンプルを選ぶといったサンプルが十分に独立とみなせるように気をつけるべきである。それに加え、サンプル列の始めの方の値は目的の分布を精確には表していないため、初期値を与えたすぐ後はburn-in期間としてサンプルを捨てるべきである。.
新しい！!: メトロポリス・ヘイスティングス法とギブスサンプリング · 続きを見る »
スライスサンプリング
ライスサンプリングとはマルコフ連鎖モンテカルロ法の一種であり、何らかの確率密度関数に従う擬似乱数を生成するためのアルゴリズムである。このアルゴリズムは等高線の高さと、等高線により囲まれた領域からサンプルされる点とを交互に一様乱数でサンプリングすることにより実現される。 スライスサンプリングにより、現在の点xtから次のサンプル点xt+1を決定する方法は次のようになる。.
新しい！!: メトロポリス・ヘイスティングス法とスライスサンプリング · 続きを見る »
確率分布
率分布（かくりつぶんぷ, probability distribution）は、確率変数の各々の値に対して、その起こりやすさを記述するものである。日本工業規格では、「確率変数がある値となる確率，又はある集合に属する確率を与える関数」と定義している。.
新しい！!: メトロポリス・ヘイスティングス法と確率分布 · 続きを見る »
焼きなまし法
きなまし法（やきなましほう、Simulated Annealing、SAと略記、疑似アニーリング法、擬似焼きなまし法、シミュレーティド・アニーリングともいう）は、大域的最適化問題への汎用の乱択アルゴリズムである。広大な探索空間内の与えられた関数の大域的最適解に対して、よい近似を与える。 S. Kirkpatrick、C.
新しい！!: メトロポリス・ヘイスティングス法と焼きなまし法 · 続きを見る »
物理学
物理学（ぶつりがく, ）は、自然科学の一分野である。自然界に見られる現象には、人間の恣意的な解釈に依らない普遍的な法則があると考え、自然界の現象とその性質を、物質とその間に働く相互作用によって理解すること（力学的理解）、および物質をより基本的な要素に還元して理解すること（原子論的理解）を目的とする。化学、生物学、地学などほかの自然科学に比べ数学との親和性が非常に強い。 古代ギリシアの自然学 にその源があり, という言葉も、元々は自然についての一般的な知識の追求を意味しており、天体現象から生物現象までを含む幅広い概念だった。現在の物理現象のみを追求する として自然哲学から独立した意味を持つようになったのは19世紀からである。 物理学の古典的な研究分野は、物体の運動、光と色彩、音響、電気と磁気、熱、波動、天体の諸現象（物理現象）である。.
新しい！!: メトロポリス・ヘイスティングス法と物理学 · 続きを見る »
詳細釣り合い
詳細釣り合い（しょうさいつりあい、英語：detailed balance）は、熱平衡におけるミクロな状態変化を考えた場合、そこに含まれるどの過程の起こる頻度も、その逆過程の起こる頻度と等しいことを指す。その原理を「詳細釣り合いの原理」という。これは、時間反転を行っても、力学的な法則が不変であるところから導かれる。.
新しい！!: メトロポリス・ヘイスティングス法と詳細釣り合い · 続きを見る »
逆関数法
逆関数サンプリング法（ぎゃくかんすうサンプリングほう）とは、コンピュータで用いられる、任意の確率分布に従う擬似乱数を生成する手法である。別の手法としてはがある。 いま、確率分布P(x)が与えられたとする。逆関数サンプリング法ではP(x)に従う確率変数を生成するために、標準一様分布U(0,1)に従う変数uに関数を作用させて新たな分布に従う確率変数を生成する。このときの関数は、P(x)のと呼ばれるものになる。これはP(x)の累積分布関数 (CDF) の逆関数である。 逆関数サンプリング法では与えられた確率分布の累積分布関数(CDF)とその逆関数を計算する必要があるが、通常これらを与えられた確率分布から解析的に求めるのは困難である。このため一般の確率分布に対応したプログラムを作るためには、それらの関数を数値的に求める必要があるため、棄却サンプリング法などの他の手法と比較して煩雑な手法となる。ただし、それらの関数の解析解が既知である場合は、単純なプログラムで与えられた分布に従う擬似乱数を生成することができるため、逆関数サンプリング法は有効な手法である。 正規分布に従う擬似乱数の生成法としては、ボックス＝ミュラー法などが知られる。正規分布の分位関数は解析的に求められないが、分位関数の多項式近似を用いた逆関数法でも十分に精度よく正規分布に従う擬似乱数を生成することができ、実際にR言語では正規分布に従う擬似乱数の生成に逆関数サンプリング法が使われている。.
新しい！!: メトロポリス・ヘイスティングス法と逆関数法 · 続きを見る »
SIR
SIR.
新しい！!: メトロポリス・ヘイスティングス法とSIR · 続きを見る »
標本
標本（ひょうほん）は、全体の中から取り出し観察・調査を行う一部分をいう。分野によって特定の意味を持つ場合がある。 （）鉱物、生物、化石などの全体（個体、群体など）または一部（組織、細胞など）を、繰り返し観察し、データが取得できるように保存処置を講じたものを標本と呼ぶ。しばしば必要に応じて固定・染色等の処置を施し、研究目的に沿った観察に適するようにする。次の項目を参照。.
新しい！!: メトロポリス・ヘイスティングス法と標本 · 続きを見る »
標本調査
標本調査（ひょうほんちょうさ）とは、母集団をすべて調査対象とする全数調査（悉皆調査）に対して、母集団から標本を抽出して調査し、それから母集団の性質を統計学的に推定する方法である。 例としては、商品などの抜き取り調査、一般の社会調査や世論調査などがある。国勢調査は全数調査であり、選挙の投票も建前上は全数調査である。別の視点から言えば、投票行為そのものが標本作成であるということができる。社会調査は調査そのものが対象に影響を与えるため動機づけのひずみ(motivational bias)を考慮する必要がある。 全数調査は一般に、以下のような理由により不可能なことが多いため、標本調査が必要になる。.
新しい！!: メトロポリス・ヘイスティングス法と標本調査 · 続きを見る »
次元の呪い
次元の呪い（じげんののろい、The curse of dimensionality）という言葉は、リチャード・ベルマンが使ったもので、（数学的）空間の次元が増えるのに対応して問題の算法がなることを表している。 例えば、単位区間をサンプリングするには100個の点を等間隔で、かつ点間の距離を 0.01 以上にならないように配置すれば十分である。同じようなサンプリングを10次元の単位超立方体について行おうとすると、必要な点の数は 1020 にもなる。したがって、10次元の超立方体はある意味では単位区間の1018倍の大きさとも言える。 高次元ユークリッド空間の広大さを示す別の例として、単位球と単位立方体の大きさを次元を上げながら比較してみればよい。次元が高くなると、単位球は単位立方体に比較して小さくなっていく。したがってある意味では、ほとんど全ての高次元空間は中心から遠く、言い換えれば、高次元単位空間はほとんど超立方体の角で構成されており、「中間」がない。このことは、カイ二乗分布を理解する上で重要である。.
新しい！!: メトロポリス・ヘイスティングス法と次元の呪い · 続きを見る »
正規分布
率論や統計学で用いられる正規分布（せいきぶんぷ、normal distribution）またはガウス分布（Gaussian distribution）は、平均値の付近に集積するようなデータの分布を表した連続的な変数に関する確率分布である。中心極限定理により、独立な多数の因子の和として表される確率変数は正規分布に従う。このことにより正規分布は統計学や自然科学、社会科学の様々な場面で複雑な現象を簡単に表すモデルとして用いられている。たとえば実験における測定の誤差は正規分布に従って分布すると仮定され、不確かさの評価が計算されている。 また、正規分布の確率密度関数のフーリエ変換は再び正規分布の密度関数になることから、フーリエ解析および派生した様々な数学・物理の理論の体系において、正規分布は基本的な役割を果たしている。 確率変数 が1次元正規分布に従う場合、X \sim N(\mu, \sigma^) 、確率変数 が 次元正規分布に従う場合、X \sim N_n(\mu, \mathit) などと表記される。.
新しい！!: メトロポリス・ヘイスティングス法と正規分布 · 続きを見る »
数学
数学（すうがく、μαθηματικά, mathematica, math）は、量（数）、構造、空間、変化について研究する学問である。数学の範囲と定義については、数学者や哲学者の間で様々な見解がある。.
新しい！!: メトロポリス・ヘイスティングス法と数学 · 続きを見る »
