最適化理論（2022）

第10回. 6/22 （水） ベイズ計算の基礎：，周辺確率，条件付確率，ベイズ推論，事後確率最大化

第11回. 6/29 （水） 動的計画法．コンピュータプログラムの作り方

第12回. 7/6（水） コード作成：動くコードを完成させる方法

口頭試問・

第13回. 7/13（水） コード作成：プログラミング実践（C言語，Python）

第14回. 7/20 （水） 自由課題について．少し高度な話題：事後確率の具体的な計算

第15回. 7/27 （水） まとめ （レポート講評）

第15回. 7/27水 10:30〜

第14回. 7/20水 10:30〜

補足

テストしてみる

テストとは：自分が書いたコードが正しく動いているかどうかチェックすること

講義で実演したのは，関数，クラスを使わない，シンプルな書き方（numpy は使った）

guthub 上には，関数，クラスを使った （numpy は使っていない）コードの例を置いている

新しいプログラミング言語を学ぶときに，この課題に取り組めば，とっつきやすい（Java, Ruby, Javascript,...）．

代入，配列，for文，if文，乱数，関数，print文，...

https://gyazo.com/f37e0d9628b5b566897f83599188e1fa

https://gyazo.com/18efc569ca958ef9abf063e8b80adf6d

https://gyazo.com/3ca398c9a233794ff1a6a93cbcef0eeb

https://gyazo.com/79eb691411dd7930ab0cea14413e3f84

https://gyazo.com/d518262463bc0bf371f5bb2e72f233cc

https://gyazo.com/44be7493f97b8fb08f54a1277af718bf

https://gyazo.com/deb91398f357cc10403f9ebbbaf76e93

https://gyazo.com/8e85603402be193411f5fd888b9514fe

第13回. 7/13水 10:30〜

キーワード

実験．実験結果の観察．丁寧に観察

生成モデル

モデル化，modeling

「現実世界の現象をモデルに埋め込む」

https://gyazo.com/09372af34cf0dede729d9510d888f320

漢字．書けなくなってきた....

『観察』

https://gyazo.com/79ff769c0eea4149fa88bd19c05b1b96

『属する』

第12回. 7/6

https://gyazo.com/f76dbb9d8b9cbb93f25909c7c225331e

第11回. 6/29

動的計画法

第10回. 6/22

学籍番号のチェックデジットについて

6 7 2 0 0 _ _ ?

学籍番号を構成する個々の数字：偶数と奇数に分けてそれぞれを足し算．

第9回. 6/15 （水） 統計的最適化に必要な基礎知識

最終課題の概要

https://gyazo.com/bc927987f5d7e0b123033960ee8277e3

確率，正規分布，最尤推定，対数尤度

疑似乱数，乱数の種とは

Python で乱数生成

https://gyazo.com/f37e0d9628b5b566897f83599188e1fa

正規分布からの疑似乱数生成（2022 最新版）．ヒストグラムの表示．いろいろ試す．

code:code

import numpy as np

import matplotlib.pyplot as plt

mu = 0 # mean

sigma = 1.0 # standard deviation

N = 10000 # generate N samples

rng = np.random.default_rng(20220615)

# print(rng) # Generator(PCG64)

s = rng.normal(mu, sigma, N)

count, bins, ignored = plt.hist(s, 30, density=True)

plt.plot(bins, 1/(sigma*np.sqrt(2*np.pi))*np.exp(-(bins-mu)**2/(2*sigma**2)), linewidth=2, color='r')

plt.show()

# print(bins)

第10回. 6/22 （水） ベイズ計算の基礎：，周辺確率，条件付確率，ベイズ推論，事後確率最大化

第11回. 6/29 （水） 動的計画法．コンピュータプログラムの作り方

第12回. 7/6（水） コード作成：動くコードを完成させる方法

口頭試問・

第13回. 7/13（水） コード作成：プログラミング実践（C言語，Python）

第14回. 7/20 （水） 自由課題について．少し高度な話題：事後確率の具体的な計算

第15回. 7/27 （水） まとめ （レポート講評）

https://gyazo.com/6c58228ad0a7fc145285a22697804908

成績の評価基準

口頭試問（50%）とレポート(50%)

口頭試問では，動的計画法の考え方を理解しているかを確認，

code:ccc

# -*- coding: utf-8 -*-

import random

import matplotlib.pyplot as plt

T = 1000

Mu = 0.0

Sigma = 1.0

# random.seed( 20131107 )

y = []

n1 = 0; n2=0; n3=0

for i in range(T):

r = random.gauss(Mu, Sigma)

y.append(r)

if r > Mu - Sigma and r < Mu + Sigma:

n1 +=1

if r > Mu - 2.0*Sigma and r < Mu + 2.0*Sigma:

n2 +=1

if r > Mu - 3.0*Sigma and r < Mu + 3.0*Sigma:

n3 +=1

# キャンバス

fig = plt.figure()

ax = fig.add_subplot(111)

ax.hist(y, bins=101, range=(-5, 5), density=False, facecolor='g')

ax.set_xlim(-5, 5)

ax.grid(True)

print (float(n1)/float(T))

print (float(n2)/float(T))

print (float(n3)/float(T))

# plt.savefig(ss108.jpg) # 図のファイルを作りたいとき

plt.show()