統計学が最強の学問である

著者 : 西内啓

• ダイヤモンド社 (2013年1月24日発売)

感想・レビュー・書評

[onogさんの感想 · 2024年1月28日]

統計学が有効ではないと思っている人に有効であることを理解させるための本。
統計学が有効だと思っている人は有効だという自信になるのではないだろうか。
もう今更統計学が必要だという言説もいらないかなと思うが、改めて読むのはアリかもしれない。

[kai0139さんの感想 · 2023年5月5日]

統計学について初心者がわかりやすく学べる入門書。統計学がどういったもので、どのようにビジネス・社会に活用されるかが丁寧に説明されている。

また統計学の基本的な概念や手法を具体的な例を使ってわかりやすく解説しており、応用分野についても、マーケティング/医療/金融/社会調査など様々な分野での利用法が紹介している。

出版から10年の歳月が経っているが、ビッグデータ/データサイエンティスト/AI等が発達してきた昨今の状況と照らし合わせ、統計学の需要が高まってきている現実とマッチしていると感じた。

[ttomohiroさんの感想 · 2023年4月3日]

読むスピードが合わなかったのか、最後のあたりの話が理解できなかったが、この本が書かれた時代よりも変化のスピードが速くなっている現代では、この本に書かれていることの重要性が増しているように思う。

[あきさんの感想 · 2023年3月14日]

今から10年前に出された本ではあるが、23年の今読んでも、統計学に対して向き合い方がわかる本であった。

特に分野ごと、目的によって求められる正確さや結果が異なり、統計の取り方も変わってくるということは、色々データを見る上で念頭に置いておきたい。

エビデンスという言葉がよく用いられるようになった中で、データが統計学的手法によって出されたものなのかをしっかり吟味しなければならない。
今まで鵜呑みにしてきた話の中には、そうでない物がたくさんあったような気がする。

[844さんの感想 · 2022年12月18日]

統計学は個人的にはとっつきにくいイメージだ。けど本書ではその有効性を分かりやすく紹介してる｡実用書としては、他であたるとして､その入り口として読んでみて良かったです。

問1 何かの要因が変化すれば利益向上するのか？
問2 そうした変化を起こすような行動は実際に可能なのか？
問3 変化を起こす行動が可能だとしてそのコストは利益を上回るのか？

カイ二乗検定
p値

ビジネスのゴールは利益をあげる
解析データが直接的な利益か？

データのうち何が､どのような関係で利益と繋がっているのか？

ランダム化比較実験がどれほど強力なのか

いくら考えても分かるわけがないことに時間をかけるより、ランダムさによって運を天に任す。そして統計解析によってその天の思し召しに耳を傾ける。

[デーシュンさんの感想 · 2022年12月6日]

ー相関関係（順番を逆に考えても良い）と因果関係（yとxの関係性は重要）の違いを認識する
ー経験のみを元にして判断するのではなく、統計を理解して根拠のある判断を行う。
ー綺麗なグラフだけを使っても意味がない。その結果から具体的にどのような行動を行うのか決める。

[鈴華書記さんの感想 · 2022年10月27日]

本書のレベル感は「第1章+終章」とそれ以外で二分され，前者は教養，後者は専門への導入と割り切って読むと期待通りになる。著者の専門が生物統計学ということもあり，一般化線形モデルや実験計画法になると早口になる傾向。

[たまごやきさんの感想 · 2022年8月5日]

全体的に分かりやすく書いてあるけど、検定やら回帰分析やらの説明はかなり端折ってるので、読み物的なガイドラインって印象。6章はこの本の中で最も長い章だけど、ワタシ的には斜め読みで充分でした。この本読んで「統計学は最強の学問ですか？」と聞かれると「たぶん違う」とワタシは答えます。
「統計学」に期待値が高い人には、その期待値に答えられる内容のみをピックアップしているので、間違いなくオススメの１冊です。

[glorybox510さんの感想 · 2022年1月22日]

大学の時に一番おもしろいと思ったのが統計学の授業だった。ゼミがなかったので、深掘りして勉強する事はなかったが、やはり有効な学問である事を再認識した。
サンプリングは情報コストを激減させるし、データサイエンティストがもてはやされるご時世なので、学び直ししてみようかと思った。

[（S＆U）さんの感想 · 2021年9月1日]

〇学んだこと
１．あみだくじは、当たりたければ真ん中・外れたければ一番外側を引くこと
２．サンプリング調査と標準偏差の関係(コストメリットを考える)
３．解析はそれ自体価値があるものではなく、それを活かして何を行い、どれだけの価値を得られるのか
４．十分なデータと適切な比較を行うこと（その際、比較している対象がフェアであるかどうかをチェック）
５．統計学的な裏付けもないのに、それが絶対誤りだと決めつけることも愚か
６．ランダム化の３つの壁（現実・倫理・感情）
７．統計学的に、遺伝や人種に基づいて差別するメリットは存在しない
８．一般線形化モデルの表（結果変数（連続・ありなし）と説明変数（２・多グループ数・連続値の多寡・複数要因））
９．「予測」に役立つデータマイニング
１０．「ベイズ（事前・事後確率）」と「頻度論」

著者プロフィール

1981年、兵庫県生まれ。統計家。東京大学大学院医学系研究科医療コミュニケーション学分野助教、大学病院医療情報ネットワーク研究センター副センター長、ダナファーバー／ハーバードがん研究センター客員研究員を経て、2014年11月に株式会社データビークル創業。自身のノウハウを活かしたデータ分析支援ツール「Data Diver」などの開発・販売と、官民のデータ活用プロジェクト支援に従事。著書に『統計学が最強の学問である』（ダイヤモンド社）、『1億人のための統計解析』（日経BP社）など。

「2017年 『ベストセラーコード』 で使われていた紹介文から引用しています。」