統計学が最強の学問である

  • 5939人登録
  • 3.47評価
    • (215)
    • (567)
    • (593)
    • (168)
    • (39)
  • 652レビュー
著者 : 西内啓
  • ダイヤモンド社 (2013年1月24日発売)
  • Amazon.co.jp ・本 (320ページ)
  • / ISBN・EAN: 9784478022214

この本を読んでいる人は、こんな本も本棚に登録しています。

有効な左矢印 無効な左矢印
クリス・アンダー...
佐々木 圭一
伊賀 泰代
エリック・リース
デール カーネギ...
シーナ・アイエン...
有効な右矢印 無効な右矢印

統計学が最強の学問であるの感想・レビュー・書評

  • 目を引くタイトルにつられて読んでみました。
    統計やデータについての考え方が紹介されています。
    「なぜ統計学が最強の学問なのか?」という説明に始まり、実際の分析手法の概要や分野による統計についての考え方の違いにも言及しています。

    一般化線形モデル(=広義の回帰分析)を1枚の表にまとめている箇所は、後で役に立ちそうだなぁ…と頭のすみっこにメモメモ。
    検定やら分析やら、いろいろな名前はつけられていますが、基本的には同じ手法なのだと思っているだけで、統計とも少し気楽に向き合える気がします。

    「統計学は、最善への道を最も速く確実に示してくれる」と著者は述べています。
    しかし、学生時代にちょっと統計をかじったくらいの身には、「最善の道」を見極めることができるようになるまでの道も長そうです。
    より実践的な分析についての本も読んでみなければ…。

  • 難しくて、細かいことはわからなかった。
    しかし、統計学が最強の学問である、
    という著書の熱い気持ちが伝わってきた。
    データを読み解ければ、幸せな生活が開かれる、
    そんな気持ち。
    「全力」より「最善」。
    効率的な努力への、道筋となると思った。

  • 最近、なんだかお気に入りの統計学。昨日も阪急の紀伊国屋でおじさんが統計学の本を大量買いしてました。
    この本は、統計学とはなんぞや→統計学の威力→統計学の理論→まとめって感じで進みます。

    A高校とB高校の同じ学年の生徒に対して同じ模擬試験を受験させた。
    男子生徒同士で比べるとA高校の平均点はB高校よりも5点高い
    女子生徒同士で比べるとA高校の平均点はB高校よりも5点高い
    ではA高校とB高校の平均点を男女全体で比較するとどちらが高い?

    何も考えずに回答するとA高校が5点高い?でも、なんだか違和感があって違うような気もする。前提が記載されていないんです、この問題。
    ちょっと待てよ!と思えるようになることが、この本の主旨です。

  • 【ありかと】
    本来は根本原理を突き止めることが学問であるとわたしは思いますが、複雑すぎて原理を突きつめるのに、時間がかかりすぎるときに統計学は有効であると思います。

    統計的な手法であれば、直接原理を突きつめる必要はないのでスピード感がちがいます。原理を突き止めたほうが精度はよい(というか100%)のですが、そこまでの精度は望んでいない、しかしスピードは必要という場合には最適です。

    がん細胞の発生メカニズムがわかれば、何が要因かはわかるでしょうが、実際にはさまざまな要因が絡んでくるので複雑になります。
    タバコを吸うと発がんするメカニズムがわかれば、タバコは良くないと簡単に結論付けることができます。しかし、タバコとがんを直接むすびつける要因をみつけるために、何十年もの時間が必要であるとなれば、統計的な考え方が有効になってきます。直接、解を求めるには複雑すぎて時間がかかるが、厳密に解を求める必要はない、傾向をつかめれば問題ない場合には統計学は最適です。

    人の行動パターンも複雑です。これも統計学を用いれば傾向はつかめます。根本原理になると「このようなものが出てきた場合は、脳がこういう動きをして・・・」とひとつひとつ捉えていく必要があり、人間の短い人生では解明できそうにありません。

    わたしがかかわっている流体もひとつひとつ分子の動きを計算すれば、正確な解が出ます。
    コンピュータが高速になったおかげで、流体の流れ解析ができるようになってきました。しかし、これもひとつひとつの分子の流れを捉えているわけではなく、ある程度の大きさでモデル化されたものを解析します。したがって、ある程度の誤差は生じます。厳密に解を求めるとなると膨大な時間がかかってしまうので、費用対効果を考えると得策ではなくなります。

    流体ひとつひとつの動きを捉えて高速で解を導くことができれば、天気予報も100%当たるということになります。(こうなると予報ではないが・・・)

    それから「営業の訪問回数と受注は比例する」これを統計的に確認してみます。

  • 統計学の基礎が学べるかと思い手に取った。概念的な話が多く、実用的な話はなかった。正直退屈だった。

  • 統計学に興味はあるけどどこからはじめていいかわからない人向けの解説書。統計学の基本をわかりやすく説明している。最終的に統計は使ってみてトライ&エラーで調べながら学んでいくのが早いが取っ掛かりとして読む読み物としては苦手意識を持たさず、すんなり統計の世界にはいれる大きな通りやすい入り口のように感じた。

  • 本当に統計リテラシーを身につけたいとなったら、独学ではなく誰かに教わったほうが良さそう。
    独学してみようと思ったこともあったけど、体系的に教えてくれる教材はなさそうだったし。

  • 経済学を学んでない者にも非常に優しく読みやすい本。アメリカの事例を多く取り上げているのは『学力の経済学』と似ているところ。
    ビッグデータの活用は①変化の要因をどう利益につなげるか②それは実行可能か③利益がコストを上回るかが大切。
    ランダム化非較実験は興味深い。特に「ミシン2台購入で一割引」キャンペーンの成功例はなるほどなぁーと思った。ただ現実、倫理、感情の壁はあるとのこと。
    あまり身に付いた感はないが統計学や計量経済学の有意さはある程度イメージできたので必要になればより勉強したいところ。

  • 厳密には要因や原因が分からないことに対して、帰納的にアプローチすることができるのが統計学。全量を解析しなくても、誤差についても加味することで、実用に耐えられる十分な精度が得られる。という点について解説されており、統計学の成り立ちや使い道がよく理解できた。ただ、後半はちょっと難しかったかな。

  • 統計学を学び始める前に準備として読んだら全体像がわかってとてもよい。

  • ビジネスの現場でも、あるいは教育政策においても、自分の経験や思い込みに基づいた議論が行われている。このような議論は確かに時間のムダである。過去にたまたま上手くいったからといって、次もうまくいくという根拠にはならないからである。このような不毛な議論の中で大きな力を発揮するのが「統計の力」である。統計の力は、適切なサンプルと方法の下に行われていれば、現実に起こっている現象に対し、限りなく近い答えを提示することができる。統計のリテラシーは、まさしくビジネスマンにも必要な力である。

    しかいし、実際にデータを用いて分析を行う際に陥りがちな罠としては、

    ・ランダム化比較、A/Bテストなどで収集したデータが単なる誤差であるケース(P値を考慮していない)
    ・実際に行動改善につながらない無意味な統計解析(直接的な利益につながり、因果関係の分かる統計解析)

    このような失敗に陥らないようにする必要がある。

    また、A/Bテストやランダム化比較実験は、何物についても因果関係を特定できる最高の手法である。インターネット企業でこれらが重視されている理由でもある。研究対象者・対象物をランダムに二組にわけて実験を行い、パフォーマンス・結果の比較を行えば、その因果関係を特定できる。ランダム化比較実験は、政治・教育・経営・スポーツなど、あらゆる場面で最善の答えを導くことが出来る。「実験」以外の要素は平均的なランダム要素として排除してしまえるから楽である。

    ありとあらゆる意思決定に際し、ランダム化比較実験は効果を発揮する。継続的にデータを採取し比較することさえできれば、答えがなかったものに答えを提示できる。アメリカの教育政策ではランダム化が行われるようになってきている。

    しかし、実際にはランダム化が難しい局面も存在する。倫理的問題、感情的問題などでランダム化が不可能な場合は、ケースコントロールが力を発揮する。例えば、分析したい要因の差異以外は、ほぼ同じ性質(年齢・性別・居住地域等)を持つ人間を集めて分析するのである。ランダム化比較には及ばないが、かなりの精度で実験結果を提示することが出来る。

    データ間の関連性を示し、それが誤差と呼べる範囲なのかどうかを検定する手法は全て回帰分析の一種である。回帰分析では回帰係数の誤差などバラツキを考慮する必要がある。つまり、t検定やカイ二乗検定による信頼区間・P値などを見て、データが信頼に足るものかどうかを判断するリテラシーが必要なのである。

    本来数値ではない2つのグループあるいは二値の変数を0か1で表現するやり方をダミー変数と呼ぶ。

    重回帰分析は、説明変数に影響する要因が複数ある状況へ拡張された回帰分析であり、フェアな比較を行うことが出来る統計解析である。政府のレポートや学者の論文においても、重回帰分析とそれを拡張したロジスティック回帰は良く用いられている。統計手法の王道である。
    重回帰分析は結果変数が連続値の場合、ロジスティック回帰は「ある・なし」などの二値において用いられる。
    回帰分析においては、変数間同士の交互作用は無視されているため、交互作用項を考慮するとさらに分析は複雑なものとなる。(そのような解析手法も存在する)
    例えば「傾向スコア」を用いてほぼ同質の集団同士の比較を行えば、複雑な変数の影響を考慮せず要素の比較ができる。

    因果関係=「AだからB」を表す
    相関関係=「Aが大きい(小さい)とBも大きい(小さい)」を表す

    一般知能という因子そのものは測定不能である。しかし、知能と相関する因子の測定は可能である。記憶力や計算能力、言語力など、相関する複数の因子の測定結果から合成変数を作り出したものがIQである。測定可能な相関する因子から抽象的な因子(モチベーションなど... 続きを読む

  • いやぁ、参った(__,)/~~
    かなり数式は少ない本であるけど、理解が全般にわたってボンヤリしてるのは、自分が統計学の素養がないのか。
    もう一度精読すべき本だとおもう。

    内容は新しさありGJでした

  • どんなときにどの解析方法使うべきかを、分析軸(説明変数)と比較したいもの(結果変数)によって分類して1枚の表にまとめた、170ページの図表25「一般化線形モデルをまとめた1枚の表」が参考になる。

  • タイトルと発行部数の多さに見事にだまされた。

    統計学の基本的な考え方、手法が紹介されているものの、タイトルに書かれた「最強の学問」足りうる理由が具体的になんであるのかが伝わってこなかった。

    あらゆる学術的領域に活用可能であることがその理由であるならば、それは単に手法のことであり学問というレベルではないのでは?
    たとえば、既存の学問で考えられていた定説を統計学によって覆したといった事例がもっと多く記載されていれば良かった。

  • 統計学の概略について述べている印象でした。ある程度知識のある読者にとっては既知の内容も多いのかも知れないですが、エピソード的な知識は豊富にちりばめられていましたし、私のような門外漢にとっては統計学の凡そのフレームが見えてきたかな、という感じでしょうか。

  • ごめんなさい。
    半分まで頑張って読んでたんですが、途中から統計学の専門的なところに頭がついていかなくなり断念しました。

    序盤のあみだくじの統計結果からは入りやすかったけど、その後が理解不能でした。

    タイトルから見て、統計学の入門書として認識していたので残念でした。

    もう少し分かりやすく実生活に活かせる様な、簡単言い回しで書いて欲しかった。
    専門的なことを書くのならもう少しタイトルを考えてくれた方が良かったと思う。

  • 友人が最近面白かった本として挙げていたので購入。

    たしかに、面白かった。著者の言う統計リテラシーは、大学生でも社会人でも重要であると感じた。

    単に「サンプルサイズが大きければ大きいほど、調査の精度が高まって良い」というイメージの人は多いかもしれない。確かにその通りではあるが、たかだか0.1%という精度の差のために、何千万円という費用をかける価値はあるのか。そういったことがわかるようになる本。

  • ・「教師に競争をさせてボーナス査定をする」というアイディアについては、2006年から2009年にかけてナッシュビル・パブリックスクールで延べ2万4000人の生徒と300人の教師を対象に実験が行われた。そして「統計学的に何の改善も見られないか、むしろ悪影響」という結果が得られている。
    2番目の早期教育(小学校入学前から英才教育を行うべき)については、4700名の3歳から4歳までの子供に読み書きと算数の早期教育を行った結果、3歳あるいは4歳の時点では、同年代の他の子供と比べて読み書きや算数の成績が明確に高かったものの、小学1年生になった頃に追跡調査を行ってみると両者の差は消失してしまった、という統計解析の結果が得られている。

    ・たとえば10万人の顧客データからその男女別割合を調べた結果、顧客に占める女性の割合が70%だったと仮定しよう。
    サンプル数が100名分しかなければその標準誤差は9.5%にもなり、「女性の割合が70%」という結果が実際には「女性の割合が51~89%と考えてほぼ間違いない」という解釈になってしまう。しかし、1000名いれば標準誤差は3%となり「64~76%と考えてほぼ間違いない」、8000名を超えて標準誤差が1%となると「女性の割合が68~72%と考えてほぼ間違いない」ということになる。
    このあたりからはサンプル数を倍に増やしてもあまり誤差が小さくならない(1万名分で0.9%、2万名分で0.6%)。

    ・データ分析という過程はしばしば探索的な作業を必要とする。元のデータが複雑であればあるほど、実際にやってみたら明らかに理屈と反する結果が出たから念のため違う解析手法を試してみる、とか、使用したデータ事態に何らかの問題があることが分かったためにその習性が必要になる、といったことは熟練した統計家であっても避けることができない。

    ・ランダム化比較実験を行えば、小さなコストとリスクで「あえて間違いをおかすこともできる」。あるいは「あえてバカな思いつきを試す」と言い換えてもいいかもしれない。たとえばあなたが裁縫や編み物などのホビーグッズを通販する会社に勤めていたとして、部下や後輩が「ミシンを2台買ったら1割引きっていうキャンペーンはどうですかね?」というアイディアを提案してきたらどうするだろうか?
    …これはわざわざ私が考えた「バカな思いつきのたとえ話」ではない。それどころかこの「バカな思いつき」は、実在するアメリカの企業において顧客1人あたりの売上高を3倍以上に増加させた、とんでもない大成功キャンペーンのもとになったのである(多くの人が隣人や友人と共同購入した)。

    ・コンチネンタル航空では、飛行機が遅延したりダブルブッキングでキャンセルさせられたときのアフターケアをどうするか、という問題に対してランダム化比較実験を行ったことがあるそうだ。
    彼らはこうしたトラブルが起きた客をランダムに3グループにわけた。
    ①「ただ正式な謝罪のレターを送る」か、②「謝罪レターに加えプレミアムクラブへのお試し無料入会期間を与える」か、比較対象として③「特になにもしない」。
    その後の調査の結果、詫び状のなかった人たちは何カ月か経った後でもまだ怒っていた。一方で、詫び状を受け取った2グループは翌年コンチネンタル航空へ費やすお金が8%も増えていたらしい。さらにはプレミアムクラブ無料入会期間を与えてもらった顧客の3割ほどは、無料期間が終わった後も自腹で会費を払いコンチネンタル航空はさらに追加の収入を得ている。
    もちろん彼らは、その後のトラブルが起こる度に、せっせと詫び状とプレミアムクラブへの案内を送るようになった。その結果、1億5000万ドル以上の売り上げ増加が得られたそうだ。

    ・個人的に今まで聞いたエビデンスの中で一番微妙... 続きを読む

  • タイトルのドヤ感から避けてたものの、2013年話題の本!的な扱いをされていたため購入。お勉強したいと思っていた統計学の基本のキである“姿勢”について知る事ができる一冊。
    最終章として、エビデンスの大事さとそこへの接触の仕方を説いていることからも、著者が読者に対して「統計学を実践せよ」というアクションを求めていることが伝わってくる。
    じゃあ実際お仕事に活かすには?ってことを考えると、基本の計算方法等をもっとお勉強的に学ばなければな、と思う。
    実践編としてそういった点をフォローした新刊が出れば、有り難や。

  • 統計リテラシーの重要性についてわかりやすい実例を挙げて理解が進むように書かれている。統計データの誤った解釈から全く異なる結論に導かれる危険を避ける習慣を身につけるに最適。尚、英語に自信のある人はDarrell Huffの「How to Lie with Statistics」もおすすめ
    キャリア開発学部(経営学)小野浩二先生

  • 統計学の勉強本ではありませんが、統計学の手法が様々な分野で利用されていることを知りました。例えば、Amazonのオススメ通知とか。
    確かに筆者の言う通り、統計学の知恵があればどんな仕事でも応用できるし、一方で知らないと痛い目を見ることはあるのかな、と思いました。あとは、統計学による推定は、あくまで基本的に何らかの前提(仮定)の上で成り立つことを忘れてはならない、ということを再確認しました。つまり、その分野の背景を持たずにデータを語ることは理屈でしかなく、重要なのはそのデータをいかに活かすことができるのか、だということです。私は医療者ですので、根拠に基づいた医療(EBM)という言葉は良く目にしますが、このことについても全く同じことが言えるかと思いますし、医学部出身者(医師ではない?)彼の意見も同じでした。
    最後に、これが30歳そこそこの若者によって書かれている、ということが何より驚きでした。一読の価値はあるかと思います。

  • 統計学の教科書というよりは、統計学についての本。図書館で借りた。筆者が意外と若いのが意外。前半は楽しい。後半はなかなかむつかしい。以下メモ。
    ●あみだくじの裏ワザ
    ●コレラの感染源を統計学で調べた
    ●一見ビジネスに役立ちそうなお題目、ということで、ビッグデータとかビジネスインテリジェンスといった流行り言葉が生み出されている。統計解析でよい
    ●広告をみたことがあるといった調査の集計は、分析結果ではない。
    ●ABテストをしても、誤差を考慮しないといけない
    ●回帰分析により。子供身長=74.7+0.57×両親の身長の平均値

  • ビジネスの観点から見た統計学の有用性とは、

    ①何かの要因が変化すれば、利益は向上するのか
    ②①が起こるような行動は可能なのか
    ③②に伴う行動にかかるコストは、その利益に見合うのか

    を理解したうえで、「十分なデータを元に適切な比較」
    を行えば経験や勘を超えてビジネスが飛躍させられる・・・。

    ①~③は納得。
    しかし、経験や勘が無ければ、十分なデータやそれが
    適切な比較であると判断できるのだろうか?
    やはり経験が無いと難しいのでは・・・とモヤモヤした一冊・・・

  • 書名が凄い、と思いましたが中身の著者の嫌オヤジも凄い。オヤジ達が訳もわからずビックデータに飛びつくのに冷水を浴びせかけていますが、それは表向きで、このタイミングで日本人の統計リテラシーを高めたい、という思いが満ちあふれていると感じました。データサイエンティストというセクシーな職業をブームに終わらせないためにも。p値や信頼区間、回帰モデルなどが理解出来れば、おそらく統計学という強力な学問の「幹」は手に入れたことになるだろう、とのことなのでそこら辺ともうちょっと格闘しなければ。

  • 「統計学が最強の学問である」ことはわかった。
    しかし、実生活で役立つレベルまで落としてくれておらず、この本を読んで利益があったかと言われると首をかしげざるを得ない。

    教養としては勉強になったけど、理系の自分でも読むのは少し難解だと感じた。もっと噛み砕いで欲しかったなという印象。

全652件中 1 - 25件を表示

統計学が最強の学問であるに関連するまとめ

西内啓の作品一覧

西内啓の作品ランキング・新刊情報

統計学が最強の学問であるを本棚に「いま読んでる」で登録しているひと

統計学が最強の学問であるを本棚に「読み終わった」で登録しているひと

統計学が最強の学問であるの作品紹介

あえて断言しよう。あらゆる学問のなかで統計学が最強の学問であると。

どんな権威やロジックも吹き飛ばして正解を導き出す統計学の影響は、現代社会で強まる一方である。「ビッグデータ」などの言葉が流行ることもそうした状況の現れだが、はたしてどれだけの人が、その本当の魅力とパワフルさを知っているだろうか。本書では、最新の事例と研究結果をもとに、今までにない切り口から統計学の世界を案内する。

統計学が最強の学問であるのKindle版

ツイートする