朝倉書店ウェブサイト

• 正誤表
• PythonとPyMCのインストール手順 (Anaconda 2019.03 対応)
  • ステップ1: Anacondaのインストール
  • ステップ2: PyMCを実行する環境の設定
• Jupyter Notebookを始める方法
  • 方法1: Anaconda NavigatorからJupyter Notebookを起動する方法
  • 方法2: CLIから起動する方法
• Pythonコード
  • 第2章
  • 第3章
  • 第4章
  • 第5章
  • 第6章

• ERRATA.md

1. 古いAnacondaがインストールされているときは、この手順でアンインストールしておく。

2. Anacondaのインストーラー (Windows, macOS or Linux) をここから入手する.

3. ダウンロードしたインストーラーをダブルクリックして Anacondaのインストールを行う。

Anaconda Powershell Prompt (Windows) あるいは Terminal (macOS, Linux) を立ち上げて、

(base) PS C:\Users\Thomas> conda create -n bayes jupyterlab seaborn spyder conda-forge::pymc3 conda-forge::arviz

とする。続けて

(base) PS C:\Users\Thomas> conda activate bayes

とすると、以下のようにプロンプトが変わる。

(bayes) PS C:\Users\Thomas>

最後に

(bayes) PS C:\Users\Thomas> python -m ipykernel install --user --name bayes --display-name "Python (Bayes)"

とすれば、環境の設定が完了する。

Anaconda NavigatorをStart Menu (Windows) か Launchpad (macOS) から起動する。 あるいは、Anaconda Powershell Prompt (Windows) か Terminal (macOS, Linux) を立ち上げて、

(base) PS C:\Users\Thomas> anaconda-navigator

としてもよい。そして、Anaconda NavigatorでJupyter NotebookのLaunchボタンをクリックする。

Anaconda Powershell Prompt (Windows) か Terminal (macOS, Linux) を立ち上げて、

(base) PS C:\Users\Thomas> conda activate bayes
(bayes) PS C:\Users\Thomas> jupyter notebook

とする。

方法1あるいは方法2を実行すると、規定のブラウザーが立ち上がり、Jupyter Notebookが起動する。その画面の右上にあるNewのプルダウンメニューの中にあるPython (Bayes)を選んでNotebookを開始すればよい。

注意: Newのプルダウンメニューの中にあるPython 3を選んでNotebookを開始すると、PyMCを使用することができない。

• コード2.1 ベルヌーイ分布の成功確率の事前分布: pybayes_beta_prior.py
• コード2.2 ベータ分布のグラフ: pybayes_beta_distribution.py
• コード2.3 ベルヌーイ分布の成功確率の事後分布と事後統計量: pybayes_conjugate_bernoulli.py
• コード2.4 損失関数と区間推定の図示: pybayes_posterior_inference.py

• コード3.1 ポアソン分布のλの事後分布と事後統計量: pybayes_conjugate_poisson.py
• コード3.2 正規分布の平均と分散の事後分布と事後統計量: pybayes_conjugate_gaussian.py
• コード3.3 回帰係数と誤差項の分散の事後分布と事後統計量: pybayes_conjugate_regression.py
• コード3.4 ポアソン分布とガンマ分布の例: pybayes_poisson_gamma.py
• コード3.5 正規分布の例: pybayes_gaussian_distribution.py
• コード3.6 逆ガンマ分布とt分布の例: pybayes_invgamma_t.py

• コード4.1 回帰モデルのベイズ分析(自然共役事前分布): pybayes_mcmc_reg_ex1.py
• コード4.2 回帰モデルのベイズ分析(正規分布 + 逆ガンマ分布): pybayes_mcmc_reg_ex2.py
• コード4.3 回帰モデルのベイズ分析(重回帰モデル): pybayes_mcmc_reg_ex3.py
• コード4.4 回帰モデルのベイズ分析(ラプラス分布 + 半コーシー分布): pybayes_mcmc_reg_ex4.py
• コード4.5 ロジット・モデルのベイズ分析: pybayes_mcmc_logit.py
• コード4.6 プロビット・モデルのベイズ分析: pybayes_mcmc_probit.py
• コード4.7 ポアソン回帰モデルのベイズ分析: pybayes_mcmc_poisson.py

• コード5.1 ノイズを含むAR(1)過程: pybayes_mcmc_ar1.py
• コード5.2 使用電力量のトレンドと季節変動: pybayes_mcmc_decomp.py
• コード5.3 確率的ボラティリティ・モデル: pybayes_mcmc_sv.py
• コード5.4 時系列データのプロット: pybayes_timeseries_data.py
• ドル円為替レート日次データ: dollaryen.csv
• 電灯電力需要実績月報・用途別使用電力量・販売電力合計・10社計: electricity.csv

• コード6.1 正規分布に対するギブズ・サンプラー: pybayes_gibbs_gaussian.py
• コード6.2 回帰モデルに対するギブズ・サンプラー: pybayes_gibbs_regression.py