- Amazon.co.jp ・本 (320ページ)
- / ISBN・EAN: 9784478022214
感想・レビュー・書評
-
統計学を学ぶ前のイメージと言えば、データを収集してそれを解析するだけの学問というイメージであった。しかし、そのイメージはこの本によって劇的に変わった。統計学によって出来ることは、そのデータによって原因を推測し、あまつさえビジネスの方針すら決めることが出来るという夢のような学問である事が分かりとても面白い分野であると思った。この本は統計学の基本や原理を中心に扱ったものであるがこの本の後に出版された実践編も読んでいきたい。
詳細をみるコメント0件をすべて表示 -
役所の仕事は必ずエビデンスって言われるのでデータ収集が先決になるんですよね。
ただビッグデータには否定的です。
著者は
「まず正しい判断に必要な最小十分のデータを扱うこと」を推奨されてます。
「最小十分」は費用対効果で
「あとナンボかけてもこれくらいしか増えへん」
というところやと思います。
全数調査にこだわるのは今も昔もあまり意味がないということやそうです。
今でこそ下火ですがビッグデータが喧しかった頃にこう言い切るのは勇気がいったと思いますσ^_^;
本書を読むとp値や信頼区間、回帰モデルと言った内容が理解できるそうなんですが一読でそのレベルまで行きませんでしたorz
統計学はなかなか難しい… -
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。 -
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」 -
統計学はもちろん、その周辺分野である計量経済学や社会調査から流行りのビッグデータ、機械学習まで幅広く言及している。全体を俯瞰して網羅的に把握できるのがいい。
流行に乗るんじゃなくて、目的を把握した上で適切な統計手法を選ぶのが大事で、それに統計リテラシーが必要と。
無作為抽出、p値、誤差を考えることがなんで大事なのかとかとかわかった。
2Aの統計どっちも可だったマンだけどまあ理解できたし、数理統計むずそうだけどがんばろ。
-
西内啓『統計学が最強の学問である』
Hiromu Nishiuchi, "Statistics is the strongest study"
A very good guidebook to basic statistics in order to prevent scams by bad big-data SIers. 分かりやすい解説と具体例と皮肉がこもった語り口で、とても面白かったです。
因果関係が完全に解明されるのを待つのではなく、統計データに基づき「心臓病を減らしたければとりあえず血圧を下げろ。以上!」などとシンプルな判断を下す統計(統計の中の疫学という分野)の考え方は、日々変化する不確実な状況の中で判断を下す必要があるビジネスと親和性があると感じました。今後の参考に、データをビジネスに使うための3つの問いを書いておきます。
1. 何かの要因が変化すれば利益は向上するのか?
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?
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?
以上! -
統計学が広く普及しているために、一筋縄ではいかぬことがわかった。でも、利用する目的がしっかりしていないとダメだなということもわかった。
また回帰分析は人工知能が出てきても使えるということが分かったのもよかった。要するに、何が原因であるかを知ることが回帰分析のほうがわかりやすい、ということである。
またランダムが最善であることもわかった。ランダムにできないときの工夫もあるんだなと思った。 -
ランダム化、回帰分析、社会調査法、疫学・生物統計学、心理統計学、データマイニング、テキストマイニング、などなど。
統計学には、まったく触れたことがありません。
用語も聞いたことがないものばかりでしたが、初心者にも分かりやすく、丁寧に書かれています。
後半は数式も出てきて、私にはまったく意味は分かりませんが、統計学がどのように発展し、どのようなことに使えるのか、概略は理解できたような気がします。
データを使って何を求めるのか、そもそもどのようなデータを集めるのか、どのように集めるのか、そこから何が言えるのか。
本書は実証的な内容になっており、ビジネスの現場でも役立ちます。
論文データベースも紹介されており、英文での文献内容の見方など、かなり多岐にわたった入門書です。 -
オーディオブックで読了。
紙の本をちゃんと読んでなかったので改めて読まねばと反省。
最近仕事でAIを扱うようになって、統計学を改めて勉強し直していたので、この本が出たときにちゃんと勉強し直しておけば良かったと猛省することしきり。というか、AIの基本の”き”である統計学の入門書、或いはガイドラインとして本書は素晴らしすぎる。
多分、本書が刊行された時よりも、今の方が本書の価値が高いと思う。
最近ドヤ顔で「AIによって人の仕事が奪われる」「これからのAI時代は」とか語ってる人のどれぐらいが、真っ当な統計リテラシーを持っているのかは疑わしいけど・・一応それなりに仕事でAIと分類される分析技術と触れあってる僕から言わせて貰えば
”これからのAI時代、AIに仕事を奪われる人と、そのAIを育てる人に大きく二分される。AIは世間の人が騒ぎ立てるほど万能ではないから、特に業務ドメインの知識を持ちつつ、ある程度の分析スキルを保持している人は”しばらくの間”非常に重宝されることになる。まずは統計の勉強、そして次にPython系の分析ツール(Jpyter使えると○)で練習するあたりから着手すると良い。”
というところかなと。その入り口として、本書は大変に素晴らしい本である。(他方、本書は入門書レベルなので、万全ではない)
ちなみに、オーディオブックを買う人は、本書のシリーズ3冊がセットになったお得版があるので、そちらの購入をお奨めする。
⇒<a href="https://www.febe.jp/affiliate/landing/OZ3AF5FuluH5hs72/product/236294" target="_blank">https://www.febe.jp/affiliate/landing/OZ3AF5FuluH5hs72/product/236294</a> -
統計リテラシーがあれば経験と勘だけの不毛の議論から脱却できる。