
■
vii
まえがき
私の理論とは、私の理論である
*
1
本書の前提は、他の
Think
シリーズの本(『
Think Stats
』など)でもそうだが、プログ
ラミングの能力があれば、そのスキルを使って、他の事柄も学ぶことができるというも
のだ。
ベイズ(
Bayesian
)統計のほとんどの本は、数学記法を用いており、代数のような数
学的概念でアイデアを提示している。本書では、数学の代わりに
Python
のコードを使
い、連続数学の代わりに離散近似を使う。結果的に、数学書では積分として扱うもの
が足し算になり、確率分布上のほとんどの演算が単純なループ処理になった。
このような本の書き方は、少なくとも、プログラミングスキルを備えた人には、理解
しやすいはずだと私は思っている。しかも、モデルの決定においては、従来の分析手
法を気にしすぎることなしに、最も適切と思われるモデルを選ぶことができるので、よ
り一般的となっている。
おまけに、単純な例
から始めて、スムーズに実際の問題に移行できる。第
3
章が好
例だ。確率論の初歩として定番である、サイコロ投げから始める。学習を進めて、機
関車問題を扱うが、これは、モステラーの『確率の
50
の挑戦問題とその解』[
Mosteller
87
]から採用したものであり、最終的に、第
2
次世界大戦のベイズ手法の成功例として
有名なドイツの戦車問題に至る。
*
1
訳注:原文は
My theory, which is mine
となっている。これは、モンティ・パイソンのダイナ
ソー・スケッチから採ったも