なぜ、東大、京大の入試に「統計」の問題は出ないのか？ | 『統計学が最強の学問である［実践編］』発刊記念対談 | ダイヤモンド・オンライン
ビジネス書大賞(2014)、統計学会出版賞(2017)を受賞し、累計48万部を突破した大ヒットシリーズの最新刊、 『統計学が最強の学問である[数学編]』 が発売されました。今回は、統計学を支える数学がテーマです。 本書で提示される「統計学と機械学習を頂点とした数学教育のピラミッド」とは、どのようなものなのでしょうか?
ディストピアな未来は本当か？世界への目線をニュートラルにしてくれる名著を語る | 『統計学が最強の学問である［数学編］』 | ダイヤモンド・オンライン
中学数学でわかる回帰直線と回帰式のしくみ/回帰分析では「傾き」の標準誤差を考える/ 回帰分析の誤差の計算でさらに必要なこと 15 複数の説明変数を一気に分析する重回帰分析 関連性の見落とし・見誤りはどのように生じるのか?/サブグループ解析はすぐに限界がくる/ 重回帰分析なら、一気に分析できる/回帰分析とz検定、t検定の結果が一致するわけ/ カテゴリーが3つ以上に分けられる場合はどうするか?/ダミー変数の考え方を確認する/ 現場で圧倒的に使われる重回帰分析 16 ロジスティック回帰とその計算を可能にする対数オッズ 「ロジスティック」の意味/ギャンブルのオッズも医学研究のオッズも、計算方法は同じ/ ケースコントロール調査で使われるオッズ比/割合の「差」ではなく「比」を考えるのがミソ/ フラミンガム研究で生まれた対数オッズの活用とロジスティック回帰/ 「0か1か」のアウトカムが対数オッズ比に変換されるわけ 17 回帰モデルのまとめと補足 「一般化線形モデル」の使い分けガイド/ アウトカムが3つ以上のカテゴリーに分かれる場合はどうするか?/ 順序性の有無とカテゴリー数がポイントになる/ 説明変数とアウトカムの関係性が直線的でなかったら? ──物理学や計量経済学の場合/ 説明変数とアウトカムの関係性が直線的でなかったら? ──医学研究やビジネスの場合 18 実用的な回帰モデルの使い方 ──インプット編 オーバーフィッティング、あるいは過学習を避けるためのいくつかの方法/ 「マルチコの確認はしたんですか?」 19 実用的な回帰モデルの使い方 ──アウトプット編 「一番重要な説明変数」をどう見抜くのか?/ 「誰にこの施策を打つべきか」を明らかにできる交互作用項の分析/ 回帰分析で当たりをつけ、ランダム化比較実験で検証する 第4章 データの背後にある「何か」 ──因子分析とクラスター分析 20 心理学者が開発した因子分析の有用性 「美白」と「肌の明るさ」を個別に扱う必要はあるか?/ ステップワイズ法による変数の選択、あるいは「縮約」で対応できるか?/ 因子分析ならストレートに解決できる 21 因子分析とは具体的に何をするのか?
序章 ビジネスと統計学を繋ぐために 01 ビジネスと統計学のギャップなはぜ存在するのか 『統計学が最強の学問である』とはどのような本だったのか/ 続編である本書を書いたわけ/なぜ、良い統計学の教科書が見つからないのか? 02 「把握」と「予測」、そして「洞察」の統計学 ビジネスに必要なのは、人間を「洞察」するための統計学/ 統計学は目的別に3つに分けられる/「洞察」の統計学はどのように役立つのか/本書の特徴 第1章 統計学の実践は基本の見直しから始まる ──「平均」と「割合」の本質 03 「洞察」の統計学に必要な3つの知識 「平均値」の本質がわかれば「割合」もわかる/データの存在する「幅」が重要/ 「結果」と「原因」を絞り込め! 04 じつは深い「平均値」 「洞察」には中央値よりも平均値を/「代表値」をめぐる数学者たちの奮闘/ 平均値を人間に応用した「近代統計学の父」、あるいは「社会学の祖」 05 なぜ、平均値は真実を捉えることができるのか?