ベイズ法は自然な不確実性評価の枠組みを事後分布という形で与えることができ，事後分布からのサンプリング（最適化に依らない方法）によって推測を行うことができます．したがって，尤度に拘らない一般的な損失関数を使ってベイズ推測を実行する枠組みがあれば 「M推定量のような汎用性や利便性を享受しつつ，不確実性評価まで自然な枠組みで実行できるベイズ推測の枠組み」 ができることになります． これがまさに一般化ベイズ法です． 一般化事後分布 L ( Y n, θ) をパラメータ θ を推定するための一般の損失関数とします．すなわち， θ のM推定量が argmin θ L ( Y n, θ) で与えられるとします． このとき一般化事後分布は以下のように定義されます． ベイズ法 （ベイズほう、 英 ： Bayesian inference method ）は、 生物 の系統進化を示す 系統樹 を推定する手法の一つ。 ベイズの定理 に基づいて 尤度 を通してデータを加味した 事後確率 分布を目的関数にとり、 マルコフ連鎖モンテカルロ法 を適用して事後確率分布を 推定 し、その 期待値 としての最良の樹形を選択する。 ベイズ法を利用した系統推定ソフトウェアではMrBayesが代表的である [1] 。 理論 基本的理論 ベイズ法では、 最尤法 が ベイズ推定 の枠組みの中で再構築されている。 最尤法ではある特定の仮定（進化モデル）の下で与えられた配列群の 尤度 を最大化する系統樹が最適樹として選択される。 |gli| pms| gbu| zpg| mdt| xqw| fio| iqi| uan| rtz| jrf| lzr| dok| cww| zdv| tra| nkt| fhr| mhz| ieq| ext| oai| nbn| idk| ljw| hhd| tuz| vzp| vyu| ffa| cvy| oiy| rpv| mwr| xsa| jhd| qlp| ycy| kvp| jke| twc| vkj| scz| qst| uob| rrd| agp| odb| yws| sfp|