確率・統計モデルを実装する
記号計算、極値分布、普及モデルを通して、確率・統計モデルと実装の対応を確かめます。
前提知識 微分・積分、確率分布の基本とPython。
- [sympy] SymPyによる確率統計
SymPyを用いて二項分布からポアソン分布への極限操作や、正規分布の最尤推定とフィッシャー情報量の導出過程を記号計算で再現する方法を解説する。
- [マーケティング] ガンベル分布:極値統計学の基礎とPythonによる実装
稀に起こる極端な現象を扱う極値統計学の基礎、ガンベル分布の定義と性質を、Pythonでのパラメータ推定や可視化とともに解説する記事。
- [マーケティング] バスモデル:新製品の普及予測とPythonによる実装
新製品の普及プロセスを数理的にモデル化するバスモデル(Bass Diffusion Model)の理論とPythonシミュレーションを解説する記事。
- [マーケティング] 一般化バスモデル:マーケティングミックスを考慮した普及予測
広告や値下げなどマーケティングミックスを考慮した新製品普及予測モデル、一般化バスモデル(GBM)の理論とPythonシミュレーションを解説。
- [マーケティング] バスモデルとSIRモデル:マーケティングと感染症数理の意外な関係
新製品普及を予測するバスモデルと感染症拡大を予測するSIRモデルを比較し、数理的な共通点と違いを解説する記事。