シリーズ: 沈黙の工場: 第2回Theory & Methods
ショートショットの原因確率：ベイズの定理からオッズとベイズ因子へ
温度と圧力の原因仮説をベイズの定理とオッズで検算する。午前87.6%、午後63.7%への逐次更新を解説し、取引・活動記録を判断と実行につなぐシステム化へ結び付ける。
- Bayesian
- ベイズの定理
- ベイズ因子
Skip to article library
Field Library
All Articles
Evidence, methods, and operating insight for decisions that must work in the field.
32Published articles
Theory & Methods
Page 1 of 18 articles in Theory & Methods
シリーズ: 60日間の賭け: 第6回Theory & Methods
最適な境界を求めて — Grid SearchとYouden's Jの数学
3,240通りのパラメータ組み合わせから、どうやって「最適」を見つけるのか？ Grid Searchが全数探索し、Youden's J Indexが感度と特異度のバランス点を見つける数学的原理を、ビジネスの文脈とともに解き明かす。営業ステージ重み(T)とシグナル感度(k)をデータ自らが調律する、Auto-Tunerの第1の柱。
- Bayesian
- Auto-Tuner
- Grid Search
シリーズ: 60日間の賭け: 第7回Theory & Methods
粒子たちの合意 — MCMCアンサンブルと交差検証の数学
Grid Searchが「最も高い丘」を見つけたなら、MCMCアンサンブルサンプラーは「256人の探検家がその高さが正しいと合意する」プロセスだ。Emceeのアフィン不変ウォーカー、R̂収束診断、HDI 95%信頼区間、5-Fold交差検証、Signal Lift分析の数学的原理を、ビジネスの文脈と共に解き明かす。
- Bayesian
- Auto-Tuner
- MCMC
シリーズ: 資材オンタイムリスク: 第2回Theory & Methods
EXAエンジンの解剖：混合分布と観測偏差
BA03.[On Time Risk: 付録 1] EXAエンジンの解剖：混合分布と観測偏差
- Bayesian
- Bayesian
- Gibs Sampling
シリーズ: 60日間の賭け: 第3回Theory & Methods
沈黙の逆説：情報エントロピーと対数重み付けの幾何学
BA02.[付録 2：ベイズ証拠] 沈黙の逆説：情報エントロピーと対数重み付けの幾何学
- Bayesian
- Bayesian
- likelihood
シリーズ: 60日間の賭け: 第2回Theory & Methods
ベイズエンジン：不確実性を管理する数学的錬金術
この記事では、[BA02エピソード]で扱ったベイズエンジンの数学的原理とその効果について説明する。不確実なビジネス環境において、営業成功確率を精緻に予測するためである。核心として、過去の経験を数値化するベータ分布と、現場のリアルタイムなシグナルを捉える二項分布を結合し、最適の意思決定指標を導き出すプロセスを扱う。特に、複雑な演算なしで即時アップデートが可能な共役事前分布を活用することで、システムのリアルタイム性と演算効率を極大化する点を強調する。また、このモデルはデータが発生するたびに即座に判断を下す再帰的推定方式を採用し、現代のビジネスに最適化された技術的な妥当性を確保している。結果として、本資料は精緻な数学的モデリングがいかに曖昧な直感を信頼できるデータに基づいた洞察へと変換させるかを明確に示している。
- Bayesian
- ベイズ因子
- ベイズ更新
シリーズ: 強化学習の基礎: 第1回Theory & Methods
強化学習の歴史：ベルマン方程式から深層強化学習まで
強化学習（Reinforcement Learning: RL）を本ブログの最初のテーマに選んだ理由は、近年急速に発展し注目を集めている深層学習やLLM AIエージェントとは異なる軌道を歩み、伝統的な理論を基盤として現実世界に継続的な影響を与えながら発展してきた強化学習への個人的な関心と、Exavionの拡張ERP、AI統合型企業アプリケーションであるExa-Solutionに強化学習が統合されることにある。
- AI
- 強化学習
- RL
シリーズ: 強化学習の基礎: 第2回Theory & Methods
数学以前の強化学習：行動実験からMDPへ
強化学習を初めて学ぶ人の多くは、MDP（Markov Decision Process）と強化学習（Reinforcement Learning）の概念的な違いと関係を明確に理解できず、学習の初期段階で壁にぶつかることがある。この混乱を減らすには、まず二つの概念の関係を整理する必要がある。
- AI
- 強化学習
- RL