ウェブ最適化ではじめる機械学習 ―A/Bテスト、メタヒューリスティクス、バンディットアルゴリズムからベイズ最適化まで

1章A/Bテストからはじめよう: ベイズ統計による仮説検定入門

• 1.1　A/Bテストのインパクト
• 1.2　アリスとボブのレポート
  • 1.2.1　データ生成のプロセスを整理する
• 1.3　確率分布
  • 1.3.1　離散値の確率分布
  • 1.3.2　連続値の確率分布
  • 1.3.3　離散化による確率密度関数の近似
  • 1.3.4　加法定理と乗法定理
  • 1.3.5　ベイズの定理
• 1.4　ベイズの定理を使ったクリック率の推論
  • 1.4.1　ベイズ推論をプログラムする
• 1.5　別解1: 繰り返しをまとめる
  • 1.5.1　統計モデリング
  • 1.5.2　新しいデータ生成過程の見方
• 1.6　別解2: ベータ分布
• 1.7　事後分布から決断を下す
  • 1.7.1　要約統計量
    • 1.7.1.1　期待値
    • 1.7.1.2　分散
    • 1.7.1.3　標本平均、標本分散
    • 1.7.1.4　HDI
  • 1.7.2　HDIをつかった仮説検定
  • 1.7.3　新たな確率変数を導入する
• 1.8　本章のまとめ