Python統計テクニック集 ～Pythonで抗う統計解析～ - Qiita
これは、Open and Reproducible Science Advent Calendar 2019：13日目の記事です。 記事の目的 統計解析といえばRです。 しかし私のようにPythonだけでなんでもやりたい人もいます。 そんな人に向けて、Pythonで統計解析を行う上で便利なライブラリやテクニックをご紹介します。 同じテーマの記事や書籍も多々ありますが、他ではあまり紹介されていないものを中心にまとめるつもりです。 各ライブラリ・テクニックの詳細についてはなるべく別記事を紹介する方針です。 対象：Pythonを使ったことはあるけれどガチではない人 Jupyter Notebook / Lab 様々な記事で紹介されているド定番ですが、一応ご紹介します。 なぜ私たちはSPSSのようなGUIベースでなく、PythonやRのようなプログラムベースの統計ソフトを使うのか。 それは高価だか
面グラフによる年収分布図
誰もが関心を持つ年収分布ですが，官庁統計では，おおむね100万円刻みの分布が示されています。200万円台は何人，300万円台は何人，・・・1500万円以上は何人，というデータです。 これをグラフ化するとなると，各階級が全体に占める割合（％）を出し，それらをつないだ折れ線を描くのが普通でしょう。これがいわゆる，年収分布曲線です。 しかし，多くの属性の分布を比較しようという場合，何本もの曲線を描くことになります。たとえば，20～50代の5歳刻みの年収分布を比べる場合，8本の曲線を盛り込むことになり，非常に見づらくなります。グチャグチャです。 私は，この難点をクリアする技法として，面グラフによる表現を思いつきました。いくつかの事例を見ていただきましょう。まずは，男性有業者の年収分布の変化図です。 どうでしょう。年齢層ごとの年収分布を上から俯瞰する図法です。「失われた20年」と形容される，90年代
放送大学 - REDIRECT
当サイトは移転しました。10秒後に以下のURLにリダイレクトします。 自動でリダイレクトされない場合、以下のリンクから移動してください。 https://info.ouj.ac.jp/~suuri/_webTohkei/ キャンパスネットワークホームページは教務情報システム(システムWAKABA)に統合されました。 上記に伴い「www.campus.ouj.ac.jp」ドメイン上の各サイトは「info.ouj.ac.jp」に移行されました。 2019 The Open University of Japan
鉄道事業者の運賃比較
鉄道旅客運賃体系 日本の鉄軌道事業者が採用している鉄道旅客運賃の計算方法は、対キロ制、対キロ区間制、区間制と均一制の4種類がある[1]。均一制運賃を除き、乗車区間に応じて運賃が変化する。 対キロ制は、キロ当りの賃率（対キロ賃率）に乗車区間の営業キロを乗じて運賃を算出する。対キロ区間制は、営業キロに基づき区間を分け（キロ地帯区分）、キロ地帯ごとに運賃を定める。区間制は、路線をほぼ等距離の区間に区分し、通過する区間の数に応じて運賃を定める。対キロ区間制と同様に、運賃が階段状に上昇する。鉄軌道事業者が一般路線で採用しているのは、叡山電鉄、とさでん交通（中心部の均一運賃と併用）、筑豊電鉄の三社[2]だけである。 筑豊電鉄のウェブページに掲載されている運賃表によると、黒崎駅前・筑豊直方間を7区間（黒崎駅前・熊西間0.6キロを除き、各区間は2.2キロから3.4キロ）に分割し、1区（同一区間内）が200
統計学入門
さて皆さん、「数字は魔物、統計は数字のトリック」などと言われ、統計学はある人々からは疫病神のように忌みに嫌われ、またある人々からは金科玉条のごとく無条件に信奉され、はたまた別の人々からは塵芥のごとく無視されています。 しかしやかましくいわれている割には、その本質が十分理解されているとはいい難いのが現状ではないでしょうか？ 研究現場の研究者が統計手法を利用する時に犯す間違いのうち、ほぼ90％のものが非常に初歩的なものです。 そしてそれらの間違いは研究者が統計学の基本的な事柄をはっきりと理解していないか、あるいはそれらを誤解していることが原因になっています。 例えば研究現場でしばしば間違って使われている統計手法のベスト3は次のようなものです。 有意確率(p値)と「有意差あり」の意味 標準偏差(SD)と標準誤差(SE)の使い分け 多重比較の使用方法 これらは全て非常に初歩的かつ基本的なことです。
生還した戦闘機が教えてくれること ～ 選択バイアスの罠 - Feel Like A Fallinstar
久しくご無沙汰しておりました。 書くネタ自体は山ほどあるんですが、本業が凄い勢いで動いているのでそっちに集中していましたです。 さて、たまには分析チックなお話を。統計でガチガチの石頭になってしまわないように、常に僕が気をつけていることの1つが「選択バイアスの罠」です。 生還した戦闘機、しなかった戦闘機 あ、ちなみに、いまきは別に統計や分析の（アカデミックな意味での）専門家ではないので、そのあたりはご容赦を（汗 時に1940年ごろ。 世界は第二次世界大戦の真っ只中です。 統計学者のエイブラハム・ワルドという方が戦闘機の脆弱性について調査していたそうです。 帰還した戦闘機の大量のデータが彼の元に届きます。 「入手したデータどれもが、戦闘機のある部分の被弾頻度が他の部分よりも過度に多いことを示していた。」 さて、ここからどういう結論を導けばいいのでしょうか？ （ちょっと立ち止まって考えてから読ん
実は英米より日本の方が機会平等で実力社会
統計データを検証すると、世の中で思われている常識と違う、ということがよくある。例えば、これほど原発の危険性が世間で叫ばれているが、単位エネルギー当たりの犠牲者数で考えれば、原子力より火力の方がはるかに危険だ。欧米人は日本人と違って何より家族を大切にする、と信じられているが、日本より欧米諸国のほうがはるかに離婚率が高い。また、アメリカは誰にもチャンスを与えられる実力社会だ、などといわれるが、所得階層間の世代を超えた移動は、実はアメリカやイギリスは、世界の中で最もむずかしいグループに入り、他の先進国よりもはるかに親の収入がものを言うのである。 INTERNATIONAL COMPARISONS OF ECONOMIC MOBILITY BY JULIA B. ISAACS, The Brookings Institution 上の図は、父親の所得が、息子の所得をどれぐらい決定するかを各国で調査
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
