人は「買いたい」と言うものと、実際に買うものが違っていて、数字や統計だけではそれがわからない。
筆者の70代の義父は、よく新製品、いわゆるスーパー家電を買って来るそうだ。 いままではそれを「義父は新しいもの好きなんだなぁ」と思っていたが、実は義父がスーパー家電を買うのには、別の理由があったらしい。 さて、それはなにか？ みなさんはわかるだろうか。 父がケーキを買うのはケーキが好きだから……ではない！ さっそくネタバレすると、「娘と会いたいから」。 2人の娘は家を出て近所に住んでおり、「マッサージチェアを買った」といえば、娘たちは「使ってみたいから今度行くよ」と実家に帰って来る。 義父の狙いは、そこにあったのだ。 事実、購入した製品は、簡単に人には貸せない大きい設置型の家具ばかりだったという。 このくだりを読んで、わたしは実家の父を思い出した。 我が家には物心ついたときから、「21時半のお茶会」がある。 いつ、なぜ始まったかわからない。でも、20時ごろ夜ご飯を食べ終わってそれぞれの部屋
「カスハラは統計的に男性が多い（？）のに、ポスターで女性が加害者なのは不当」という主張を巡る議論
カスハラポスター関連まとめは複数ありますが、ここではその「ポスター描写と性別」の議論に特化します。前提となる事実を巡る議論や経験談、そもそもバージョンが複数あること……なども関係してきます
統計の入門講座が無料に、京大メソッドでデータサイエンス関連教員が担当 | Ledge.ai
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
『データ分析のための統計学入門』PDFが無料公開 データサイエンティストたちが執筆 | Ledge.ai
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
Pythonや統計の基礎などデータサイエンス無料講座、デジタルマーケター向け開催 | Ledge.ai
株式会社クリーク・アンド・リバー社は2月5日、デジタルマーケターを目指す人やデジタルマーケターとして活躍している人を対象に、オンデマンド受講が可能な「デジタルマーケターのためのデータサイエンス講座」を開講すると発表した。受講申し込み締め切りは2月15日の18時30分まで。実施は3月3日から。受講料は無料。 デジタルマーケターは、顧客や商品に関するデータを可視化・分析し、事業成長へとつなげる提案をする職種である。近年、新商品・サービスの提案や顧客コミュニケーションの改善などの経営課題に、データエンジニアやデータサイエンティストとともにプロジェクトを進めるケースが増えているという。 また、経営とエンジニアとの橋渡し役として、データサイエンスを理解し、経営課題解決への提案ができるデジタルマーケターの需要が増しているとのこと。クリーク･アンド･リバーはこのような状況を踏まえ、デジタルマーケターを目
機械学習や統計学を「社会実装」するということ - 渋谷駅前で働くデータサイエンティストのブログ
(Image by Pixabay) 最近になって、こんな素晴らしい資料が公開されていたことを知りました。 この資料自体は著者のMoe Uchiikeさんが東大での講義に用いられたものだとのことですが、その内容の汎用性の高さから「これは全ての機械学習や統計学を実務で用いる人々が必ず読むべきドキュメント」と言っても過言ではないと思われます。 正直言ってこの資料の完成度が高過ぎるのでこんなところで僕がああだこうだ論じるまでもないと思うので、内容の詳細については皆さんご自身でまずは上記リンクから精読していただければと思います。その上で、今回の記事では「機械学習や統計学を『社会実装』する」ということがどういうことなのかについて、この資料を下敷きとした上でさらに僕自身の経験や見聞を加えて考察したことを綴ってみます。 機械学習や統計学と、社会との「ギャップ」 機械学習や統計学を、社会に「馴染ませる」
統計家 西内啓氏が見据える次の10年。アナリティクスの民主化からデータサイエンスの民主化へ
テクノロジーが進歩しても変わっていないデータ分析の理想と現実 株式会社データビークル 代表取締役最高製品責任者 西内啓氏 西内氏が2010年に大学の教職を辞し、2014年のデータビークル創業を経て今に至るまでの約10年間、企業からの相談内容はほとんど変わらないという。それは端的に言えば、図1に示す「データ」「分析」「意思決定」「現場」のライフサイクルをうまく回したいということだ。 図1：データ活用の理想的なライフサイクル 出典：データビークル ところが、現実にはどこかのプロセスがうまくいかない。多くの場合、「データが利用できない」「高度な分析手法を使っているが意思決定の役に立たない」「見える化しか意思決定に役立てられない」「現場がやりっぱなしで効果があったかどうかがわからない」のどれかに当てはまることが多いという。データを活用したいのにうまくいかない場合、どこかで止まっているからで、データ
なぜ「データ分析力」ではなく「データ活用力」が必要なのか？ これから身につけるべきスキルとは
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
WebサービスのA/Bテストや機械学習でよく使う「確率分布」18種を解説 - paiza times
主な確率分布の関連図 こんにちは、吉岡（@yoshiokatsuneo）です。 Webサービスを運営していると、利用状況を分析・予測したり、A/Bテストなどで検証したりすることがよくあります。 データを一個一個見ていてもよくわからないので、データ全体や、その背景の傾向などがまとめて見られると便利ですよね。そんなとき、データの様子を表現するためによく使われているのが「確率分布」です。 学校の試験などで使われる偏差値も、得点を正規分布でモデル化して、点数を変換したものです。 今回は、Webサービスなどでよく使われる確率分布18種類を紹介します。 それぞれ、Webサービスでの利用例やPythonでグラフを書く方法も含めて説明していきます。コードは実際にオンライン実行環境paiza.IOで実行してみることができますので、ぜひ試してみてください。 【目次】 正規分布 対数正規分布 離散一様分布 連続
Python: pandas-profiling でデータセットの概要を確認する - CUBE SUGAR CONTAINER
今回は pandas-profiling というパッケージを使ってみる。 このパッケージを使うと pandas の DataFrame に含まれる各次元の基本的な統計量や相関係数などを一度に確認できる。 最初にデータセットのサマリーを確認できると、その後の EDA (Exploratory Data Analysis: 探索的データ分析) の取っ掛かりにしやすいと思う。 使った環境は次の通り。 $ sw_vers ProductName: macOS ProductVersion: 12.4 BuildVersion: 21F79 $ python -V Python 3.9.13 $ pip3 list | grep pandas-profiling pandas-profiling 3.2.0 下準備 まずは必要なパッケージをインストールしておく。 $ pip install pand
大学の統計学が難しすぎてついていけない人でもわかる、統計学のおすすめ書籍8選|Review of My Life
安心して！大学の統計学は基本わかりにくいから笑 こんにちは、大学センター数学1Aが49点だったDAIです。そうです、ど文系です。 きっとこの記事読んでいる人は、大学で学ぶ統計学に、何らかの苦手意識があると思うんですね。 安心してください。僕もそうでした。ど文系の私も、大学で初めて統計学の講義に出たときに、思いました。「ちょ、大学の統計学の授業って、どんだけわかりにくいんだ！ｗｗｗ」「大学の統計学の授業ってどんだけつまらないんだｗｗｗｗｗ」と。 で、この直感は当たってました。というのもですね、大学の統計学の授業って、高校レベルの数学ちゃんとマスターしてますぞい！って人を対象にしているので、ど文系でいきなり「おい！なんとかついて来いよ！お前らわかってる体でやるからなｗｗｗがはは！じゃあこのシグマは・・・・」みたいな教授に教えられても、「先生、そのたらこ唇みたいな記号なんですか？」みたいな話にな
統計学基礎 | Logics of Blue
最終更新：2020年12月19日 ここでは統計学の入門記事をまとめています。 「統計学とは何か」から始めて、一般化線形モデル、ベイズ統計学まで、幅広く「統計学の基礎」を書いていきます。 スポンサードリンク 理論から始める確率・統計 複雑な応用例や数値計算を含む多くの要素を削り、統計学の理論だけに焦点を当てた入門記事です。 ほかの統計学入門と比べて極端に短く、手早く統計学の考え方が学べます。 ・統計学とは何か ・統計学はどのような考え方で問題を解決するか ・記述統計の基礎 ・確率分布と確率変数の基礎 ・確率密度関数と正規分布 ・推定の基礎 ・統計的仮説検定の基礎 データ分析入門 ・カイ二乗検定 ・t検定の考え方 ・分散分析の基礎 ・主成分分析の考え方 統計モデル基礎 平均・分散から始める一般化線形モデル入門：サポートページ 管理人が著した、統計モデルの入門書です。 本文も一部公開しています
統計学② pythonを使って、確率密度関数(正規分布、標準正規分布)を覚えちゃう！ - Qiita
まずは例題を見てみよう！ 例題1:たとえば、1000人が受けた数学のテストがあり、平均が50、標準偏差(std)が10だったとして、それをヒストグラムに出します。 import numpy as np import matplotlib.pyplot as plt # 平均 50, 標準偏差 10 の正規乱数を1,000件生成 x = np.random.normal(50, 10, 1000) # ヒストグラムを出力 plt.hist(x, bins=20) filename="hist2.png" plt.savefig(filename) plt.show() plt.hist(x, bins=50) filename="hist.png" plt.savefig(filename) plt.show() plt.hist(x, bins=100) filename="hist.pn
新米データサイエンティスト、研修プログラムを考える。 - Qiita
こんにちは、教育業界に就職した新卒1年目のデータサイエンティストです。 新卒研修ということで自分でコンテンツを探してプログラムを組み立てる機会をいただきました！ そこで、折角なので進捗状況や学んだこと等、以後の振り返りのためにポストしていこうと思います。 今回は、自分のスキル状況、目標、具体的なコンテンツについて書いていきます。 現在のスキル SQLのSELECT文の基本的な部分が書ける pythonがほんの少し書ける（関数の実装くらいまで） Tableauが使える（Tableau アカデミックプログラムを利用していました） ご覧の通り、一般にデータサイエンティストとして必要なスキルがほぼありません... 本当に0からのスタート、何から始めれば良いのか... 目標 目標を立てる上で、こちらの記事を参考にさせていただきました。 データサイエンティストに必要なスキル要件 上記事によると、データ
キャッシュレス派と現金派で“貯金格差”か 貯蓄増加額に2.7倍の差 JCB調べ
「キャッシュレス派は現金派と比べて貯金上手」――ジェーシービーが3月19日、こんな調査結果を発表した。昨年1年間での平均貯蓄増加額を比べたところ、キャッシュレス派は87.6万円で、現金派32.5万円の2.7倍だったという。 調査対象1000人のうち、「最近、自分はキャッシュレス化（現金離れ）している」「やや当てはまる」と回答したキャッシュレス派が341人、そうでない現金派が401人を占めた。男女別に見ると、キャッシュレス派男性の平均貯蓄増加額は105.3万円で、現金派男性の36.1万円の約2.9倍。キャッシュレス派女性は68.0万円で、現金派女性29.5万円の約2.3倍の額だった（いずれも2017年度の1年間で増やした貯蓄額）。 現金以外の決済手段は、全体の78.7％が「クレジットカード」と回答。次に「電子マネー」（59.3％）、「プリペイドカード」（44.8％）、「キャリア決済」（20.
統計・機械学習・R・Pythonで用途別のオススメ書籍 - StatModeling Memorandum
比較的読みやすい本を中心に紹介します。今後は毎年このページを更新します。 微分積分 高校数学をきちんとやっておけばそんなに困ることないような。偏微分とテイラー展開は大学演習のような本でしっかりやっておきましょう。ラグランジュの未定乗数法のような、統計・機械学習で必要になる部分は、ネット等で学べばいいかなと思っています。 線形代数 tensorflowなどのおかげで順伝播部分（行列積および行列とベクトルの積）さえ書ければ線形代数の知識はそこまでいらないんじゃないかという流れを感じます。しかし、主成分分析やトピックモデルなどの行列分解や、ガウス過程などのカーネル法のような様々なデータ解析の手法に一歩踏み込むと、きちんとした勉強が必要になります。理解しやすくて使いやすくて、統計や機械学習への応用を主眼においた線形代数の本はまだ見たことないです。機械学習シリーズとかで基礎から「The Matrix
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
決算資料で公開された「Nintendo Switchで遊んでる人の年齢分布グラフ」、一部だけ異様に飛び出してるのはこんな理由…？
宮崎県の統計システムの公募がすごい。
研究生活tips垂れ流しbot on Twitter: "【統計検定を理解せずに使っている人のためにⅠ〜Ⅲ】 東北大学の池田郁男 先生による生物実験でよく用いる統計検定法を原理から、どのように使い分けるかまで数学が苦手な人(僕)でもわかるようにまとめられている。… https://t.co/B1P7QzTRVV"
マンガで超読みやすい確率統計のオススメ参考書たち
