ベイズ統計の理論的基盤と機械学習への応用

ベイズ統計は、主観的確率や事前の信念(事前確率・事前分布)を出発点とし、新たな観測データ(エビデンス)が得られるたびにベイズの定理に基づいて確率分布を逐次更新(事後確率・事後分布の算出)していく統計理論です。機械学習、ベイジアンフィルタ(スパム判定)、AIの不確実性モデリング等に広く活用されています。 公的統計・貿易統計の説明です。 記述統計学の説明です。 オープンデータ分析手法の制約に関する説明です。

ベイズ統計の説明として、適切なものはどれか。

出典令和元年度 秋期 ITストラテジスト試験 午前Ⅱ 問20
ア
経済統計に関する国際条約に基づいて、貿易実態を正確に把握し、国の経済政策や企業の経済活動の資料とすることを目的に統計指標を作成する手法
イ
事前分布・事後分布といった確率に関する考え方に基づいて体系化されたものであり、ディープラーニング、迷惑メールフィルタなどに利用されている統計理論
ウ
収集されたデータの代表値である平均値・中央値・最頻値を求めたり、度数分布表やヒストグラムを作成したりすることによって、データの特徴を捉える統計理論
エ
ビッグデータの収集・分析に当たり、分析結果の検証可能性を確保し、複数の分析結果を比較可能とするために、対象をオープンデータに限定する統計手法