『効果検証入門』はマーケティング実験＆分析に関わる全ての人にお薦めの統計的因果推論の入門書 - 渋谷駅前で働くデータサイエンティストのブログ
このブログを普段からお読みになっている皆さんはご存知かと思いますが、僕は割と口を酸っぱくして「マーケティングに携わるならきちんと実験して効果検証せよ、その介入がピュアな施策だろうと機械学習システムによるものだろうと変わらない」ということを折々に触れ言い続けています。 一方で、その効果検証の方法については純粋なRCT（ランダム化比較対照試験）でない限りは往々にして統計的因果推論が必要とされることが多く、その辺のマーケティングの現場で行われている「実験」と称するものを見ていると「それどう見ても交絡まみれやん」と言いたくなるケースが珍しくない、というのが現状のように見受けられます。しかし実務を意識した統計的因果推論の解説書はほぼ皆無に近い状態で、今年の恒例推薦書籍リスト記事を書きながら「相変わらず良い本がないなぁ」と思っていたのでした。 効果検証入門〜正しい比較のための因果推論/計量経済学の基礎
心理統計学の授業で教材に使えるオープンデータ集
はじめに 統計学の講義や実習の際に使える心理系のデータセットをまとめました。アヤメの分類や経済統計もいいですが、やはり心理学に関連したデータを使う方が心理系の学生には興味をもって統計を学べると思います。ここには私が授業でよく使っているものをリストしました。他に良いものがあれば教えて下さい。 Open Stats Lab https://sites.trinity.edu/osl Psychological Science 誌に掲載された論文のデータが公開されています。データだけでなく、論文の概要や実習の手引きなども揃っています。回帰分析や因子分析など統計手法ごとに分類されているので、教材を選ぶ際にとても便利です。 datarium パッケージ https://rpkgs.datanovia.com/datarium/ R のパッケージです。パッケージをインストールすればすぐ使えるようになる
「統計」と「機械学習」の違いの整理で多くの事業会社で「機械学習」が使えない理由が視えてきた！ - Qiita
統計と機械学習って結局何が違うの？なんで今日から機械学習で予測して金儲けできないの？ 機械学習を勉強し始めるとおそらく誰もが疑問に思う。そして、なんで事業会社の多くが日々の業務で今日から使えないの？っていう疑問も出てくる。いろいろな文献があるがいまいち理解に困ったので自分なりに整理しなおした資料。情報を組み合わせてかなり自論を入れています。 This article explains why many companies cannot use machine learning approaches to drive business starting today... まずは統計と機械学習の考え方や向き不向きの違いを表にまとめてみた 多くの人が言及しているが互いに関連しているとはいえ、最終目的が異なる。「機械学習」は予測や判断は行うもののなぜそうなったのかは一般的にはブラックボックスだ。「
周年記念事業関連｜日本統計学会
５０周年記念事業関連日本統計学会編，『日本の統計学五十年』，東京大学出版会，1983年 【目次】 【本文（全文スキャンデータ，PDF26.2MB】 （東京大学出版会様の許可を受け，全ページを掲載するものです。2016/08/17掲載） ７５周年記念事業関連国友直人・山本拓監修 国友直人・山本拓編，『２１世紀の統計科学 Vol.I 社会・経済の統計科学』 小西貞則・ 国友直人編，『２１世紀の統計科学 Vol.II 自然・生物・健康の統計科学』 北川源四郎・竹村彰通編，『２１世紀の統計科学 Vol.III 数理・計算の統計科学』，東京大学出版会，2008年 上記３冊の2012年増補版はEBSA（統計科学のための電子図書システム）で閲覧、ダウンロード可能です。 〈Vol.Ⅰ〉 【閲覧、ダウンロード】 〈Vol.Ⅱ〉 【閲覧、ダウンロード】 〈Vol.Ⅲ〉 【閲覧、ダウンロード】
黒木玄 Gen Kuroki on Twitter: "#統計 もしかしたら奥村さんにミュートされているのではないかと思うのですが、私は統計関係の多くの事柄について奥村さんの発言が良くないと思うことが多いです。 おそらく、伝統的な統計学教師の大部分の発言を私は気に入らない。 例えば… https://t.co/ohEjoP02xM"
#統計 もしかしたら奥村さんにミュートされているのではないかと思うのですが、私は統計関係の多くの事柄について奥村さんの発言が良くないと思うことが多いです。 おそらく、伝統的な統計学教師の大部分の発言を私は気に入らない。 例えば… https://t.co/ohEjoP02xM
大学以降の「数学」の勉強に役立つ動画のまとめ - 勉強メモ （大学の講義動画や，資格試験の対策）
大学の数学を，Youtubeの動画で独学できる。 実際に大学で講義している様子を録画したビデオなので， 板書を読めるし，先生の説明も聞ける。 大学生の定期試験・院試対策や，社会人になってからの復習にもどうぞ。 これがあれば，通勤・通学中の電車内で， あるいはベッドの中にいても 時間や場所を問わずに勉強ができる。 なお，大学の「物理学」の動画はこちら。 ※PDF形式の講義ノートはこちらのサイトに集約されているので，動画とあわせて活用しよう。 大学の初年度 統計学 物理数学 微分方程式 解析学・応用 代数学・応用 圏論 幾何 その他数学 数学検定 大学の初年度 行列論と「線形代数」の講義を動画で学ぶ。Youtubeで大学の授業を勉強 大学の数学で，一変数と多変数の微積分の講義を，Youtubeの動画で学ぶ 統計学 統計学の基礎の講義を，Youtube動画で。明治薬科大の「DAIWA統計学」 生
30分で理解するセイバーメトリクスの教科書 - 野球を統計的に楽しもう - Lean Baseball
このブログをはじめた当初に「大好きな野球のデータ分析をもっと知ってほしい」というモチベーションでこんな記事を書きました. shinyorke.hatenablog.com 執筆・公開した5年前（2014年）と比べ, 野球に限らず, スポーツ界隈全体で公開データが増えた. 例えばこれとか（スポーツ以外も含む）. 野球に限らず, 様々な技術革新により, 扱うデータの種類・量が爆発的に増加（例：Baseball Savant）. データサイエンス・機械学習といったキャリアを歩む・志望して学習をする方が増え, 「そうだスポーツでやってみよう」という流れも盛ん. と（大変好意的な意味で*1）目まぐるしく状況が変わってきているのでここで改めて, セイバーメトリクス（含むスポーツの統計学）とは何か？ かんたんなセイバーメトリクスとむずかしいセイバーメトリクス 何をどう学べばよいのか？のヒントなど を最新
エレベータのブザーは鳴るか―大学生のための統計学入門｜京都大学OCW
平成30年度開講の「臨床統計家育成コース」からの公開講義です。 本コースは、大学院医学研究科社会健康医学系専攻に設置された2年制の専門職学位課程です。データサイエンスや統計学に関心のある方を、医学知識の有無を問わず歓迎します。 授業の特色 データサイエンスが注目される中、高校で数学B「確率分布と統計的な推測」を履修していないことが、大学教育の大きな課題となっています。本講義では京都大学医学研究科教授 田中司朗氏が「統計で容疑を晴らす」、「エレベータのブザーは鳴るか」、「地球の大きさを測る」といったストーリーを基に、平均、分散、標準偏差、回帰直線の計算を中心に、記述統計学の基本を解説します。これは、数学I「データの分析」をカバーしており、数学B「確率分布と統計的な推測」の一部を含みます。
「投票率の崩壊」はどこで起きていたか｜三春充希(はる) ⭐第50回衆院選情報部
1990年代前半に起きた国政選挙の投票率の崩壊について地域分析を行い、どの地域で投票率の下げ幅が大きかったのかを明らかにしました。 その結果、投票率の崩壊は均一に起きていたわけではなく、本州・中国・四国の都市部や沿岸部と北海道で激しいという、特異な傾向を持っていることがわかりました。 ⭐投票率の崩壊とは 衆院選や参院選の投票率は戦後一貫して下落してきたわけではなく、1980年代までの横ばいが続いた後、1990年代に大幅に落ちています。そしてその後、投票率は郵政解散と民主党への政権交代という二回の選挙を除いては、従来の水準を回復しなくなりました。こうした経緯があるため、昨今の投票率の低下を考える上で、1990年代の状況の理解は重要です。 衆院選（青）と参院選（赤）について、全国で集計した投票率の推移を下の図に示しました。縦軸を投票率、横軸を年として、投票率の崩壊にあたる時期を太線で描いていま
食べログ3.8問題を検証 - クイックノート
先日、twitter上で食べログの星の数について、 ある問題が話題になりました。 食べログの闇として話題になったその問題とは、 「評価3.8以上は年会費を払わなければ3.6に下げられる」 というものです。 食べログは飲食店についての口コミを集めるサイトで、 その評価は実際のユーザーによって形成されるものとして広く認知されています。 専門的なグルメリポーターでもなく、 一般の人々の素直な感想を集めることで、 その飲食店のリアルな価値が知れると期待して、 利用しているユーザーも多いでしょう。 それだけに、 「食べログが評価を恣意的に操作しているかもしれない」という話は、 瞬く間にネットで話題となりました。 さて、この話は実際に行われていることなのでしょうか。 食べログでは、当然評価点は公開されているので、 このような恣意的な操作があれば、 何らかの形で偏りが見つかるはずです。 ということで、食
心理学者のためのベイズ統計入門
※こちらのスライドは誤りを含んでいます。修正スライドをアップしましたので以下をご覧ください。 https://www.slideshare.net/simizu706/ss-57721033 大阪教育大学での研究会で発表した資料です。 心理学者のために，かなり基礎的なところからベイズ統計について解説しています。 間違えているところがあればご指摘いただけると幸いです。 黒木玄（@genkuroki )さんからご指摘いただき、スライド内容に間違い、ミスリーディングな箇所があることがわかりました。スライドを見られる方は以下のツイートも併せてみていただくようお願いします。 https://twitter.com/genkuroki/status/973007871821557760
ア㊙️イさんのお尻と学ぶ海賊の世界(全14回)
最近出版された海賊に関する英語の実証論文の中から、「これは…！」と感じたものをまとめたのだ。大量に出版されている研究の中のごく一部でしかないから、今後追加する可能性があるのだ。 史実・事実・政策に関する部分での誤りがあるかもしれないのだ。お尻さんは海賊研究の専門家ではないから、あまり鵜呑みにしないことをオススメするのだ！
正規分布の公式と特徴まとめ ｜AVILEN
正規分布（ガウス分布）に関するあらゆる特徴を、分かりやすくまとめました。目次から気になるトピックをご覧ください。 また正規分布の関連記事はこちらからご確認ください。 正規分布（ガウス分布）とは正規分布とは、統計学を理解する上で最も大切な確率分布の一つです。 正規分布はガウス分布と呼ばれることもしばしばあります。これは18世紀から19世紀に渡って活躍した数学者C.F.ガウスに由来します。ガウスは天文学の観測データの研究から測定誤差がある法則に従うことを導き出し、誤差理論を確立しました。これが正規分布の基礎となったと言われています。 正規分布の基本的な性質正規分布には以下のような基本的な性質があります。 平均値と最頻値と中央値が一致する。平均値を中心にして左右対称である。（直線x=μに関して対称）x軸が漸近線である。分散（標準偏差）が大きくなると、曲線の山は低くなり、左右に広がって平らになる。
ベイズ統計学の概論的紹介
ベイズ統計学の基礎概念からW理論まで概論的に紹介するスライドです．数理・計算科学チュートリアル実践のチュートリアル資料です．引用しているipynbは * http://nhayashi.main.jp/codes/BayesStatAbstIntro.zip * https://github.com/chijan-nh/BayesStatAbstIntro を参照ください． 以下，エラッタ． * 52 of 80：KL(q||p)≠KL(q||p)ではなくKL(q||p)≠KL(p||q). * 67 of 80：2ν=E[V_n]ではなくE[V_n] → 2ν (n→∞). * 70 of 80：AICの第2項は d/2n ではなく d/n. * 76 of 80：βH(w)ではなくβ log P(X^n|w) + log φ(w). - レプリカ交換MCと異なり、逆温度を尤度にのみ乗す
山岡重行聖徳大学講師の拙稿への「批判」と統計学理解の問題及び研究教育倫理の重篤な問題について①｜北田暁大
※他のかたのサイトに書き落としていった文章なので随時整えていきたいが、一点最後に補足しておいた。 ※UNCORRELATED氏に丁寧な評をいただき（http://www.anlyznews.com/2019/07/blog-post_6.html#comment-form）、二つ目の補足を書かせていただいた。（7月6日） ■山岡重行聖徳大学講師は、著書や自身のツイッターおよび、公開の講演会や学会、講義などで、拙論（『社会にとって趣味とは何か』河出書房新社所収の二つの論文）に対する「批判」をきわめて強い調子で行っている。その批判の論点数はさほど多くはなく、繰り返しが多いのであるが、なにより、その論調が半端なく激烈である。激烈というと聞こえはいいが、もはや学問的批判の閾値を超えたものとなっている。 ■研究者である以上、私も批判を受けることは当然のことであり、正すべき点はただしてこそ学術共同体に
【図解】コレ1枚でわかる統計学と機械学習の関係：ITソリューション塾：オルタナティブ・ブログ
「データを使って問題を解決する」という方法論において、「統計学」も「機械学習」も違いはありません。両者の違いは、方法論、すなわちアルゴリズムやテクノロジーにあるというよりも、その目的にあると言えるでしょう。 統計学は、データを「説明」することを目的としており、記述統計（descriptive statistics）と推測統計（inferential statistics）に分けることができます。 記述統計は、データの特徴や傾向、構造を平均や分散などの統計量を使って説明するものです。例えば、テスト成績の偏差値から、自分が全校でどの程度の成績ランクにいるかを知ることや、円グラフを使って全校の成績分布を可視化し、自分の成績分布の特徴や傾向を知ることができます。 推測統計は、採取した一部のデータ、すなわち標本やサンプル・データから、そのデータを含む全体、すなわち母集団の特徴や傾向、構造を説明するも
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
こなみひでお on Twitter: "『21世紀の統計科学』の無償配布。シェアされたサイトがService unavailable になっていますが，こちらの日本統計学会のサイトもダウンロードできます。 https://t.co/dkCc5dJSQP https://t.co/WikgnvjqXv"
えるエル on Twitter: "東大が無償でPDF公開している，統計学会の75周年記念出版『21世紀の統計科学』の3冊 1と2は実際の統計データを用いて，各事例への統計学の応用手法，3は機械学習の人なら馴染み深い統計計算を解説 下手な市販の本を買うよりは，この3… https://t.co/w2cSVIxmUI"
機械学習／統計学／データサイエンスの無償gacco動画、全まとめ【2021年秋版】：AI・機械学習の独学リソース（1/3 ページ） - ＠IT
AVILEN AI Trend | AI特化型メディア
