ざっくりデータサイエンス（頻度主義とベイズ主義）

前に書いた記事でベイズ推定について触れなかったので、追補しておきます。

推測統計学には、大きく分けて頻度主義とベイズ主義という2つの主要なアプローチがあります。
（その他に尤度主義やフィデューシャル主義、ロバスト統計、決定理論的アプローチなどがあるそうですが、中身を知らないので名前だけ書いておきます）

頻度主義とは？

頻度主義は、数多くの観察結果から結論を導き出すアプローチです。

例：

サイコロを100回振って6の目が15回出たとします。この場合、6の目が出る確率は15/100 = 15%と計算されます。

ベイズ主義とは？

ベイズ主義は、最初にある予測（仮説）を立てておき、それを新しい情報によって更新していくアプローチです。

例：

サイコロの6の目が出る確率は1/6と予測します。その後、10回サイコロを振って6が5回出た場合、「このサイコロは6の目が出やすいかもしれない」と考え、最初の予測を更新します。

ベイズ推定の利点

ベイズ推定には以下のような利点があります：

• 少ないデータでも意味のある推論が可能（新しいデータで推定を更新できるため）

• 過去の経験や知識を取り入れることができる（経験や専門家の知識を活用できる）

• 結果を確率で表現できるため、現実世界の複雑さをより自然に捉えられる

ベイズの定理の歴史

ベイズの定理自体は18世紀に発表されましたが、当時はあまり注目されてい なかったそうです。
しかし、コンピュータが登場し複雑な計算が可能になると、ベイズ理論は実用的な手法として再評価され、現代の科学や技術に多大な影響を与えるようになりました。