Statistical Analysis統計解析
確率的な計算に基づいてパラメータ分布の推論を行う統計学の一分野をベイズ統計と呼びます。一般的な統計学では分布のパラメータ(平均・分散など)を推定する際にその値を点で当てること(点推定)を目的とする一方で、ベイズ統計ではそのようなパラメータに何らかの分布(事前分布)を仮定し、確率計算を行うことでデータが与えられた下でのパラメータの分布(事後分布)を求めます。これにより結果の確率的な解釈が可能となり、不確実性を扱うことができる点がベイズ統計の主な特徴です。
毎日の気温の推移や、毎月の売り上げの推移などの時系列データを取り扱う分析手法を時系列解析といいます。時系列解析は売り上げや需要の予測など、様々な場面で活用されています。
時系列データの特徴としてデータに前後の関係があることが挙げられます。この関係を自己相関といいます。また、自己相関の中でも年単位の周期性は季節成分、あるいは季節性と呼ばれます。これらの時系列データ特有の性質を踏まえて、時系列解析では時系列データを自己相関、季節性、増加・減少等のトレンド、イベント等の外因性、ホワイトノイズ(未来を予測する情報がほとんど含まれていないノイズ)に分けて取り扱います。モデル化の手法にはARIMAモデル、SAMARIMAモデルのようなシンプルなものと、状態空間モデルのような自由度の高いものがあります。