中古マンション売買データを分析してみた(1) - 築年数と駅からの距離は価格にどう影響するか - About connecting the dots.
新しい年度になって消費税も上がったことで，3月までの駆け込み消費*1の反動でマンションとか全く売れていないんだろうなぁと思う今日この頃です*2．個人的な趣味でいうと新築よりは中古派ですので，増税前に無理矢理ローン組んだ人がさくっと数年で手放したのを買うのとかが，味があってよいと思うわけですけれども．2015年に消費税が10%にあがる公算も高そうですしね． さて，先日こんな興味深い記事を拝見いたしました． 徒歩5分vsバス利用、中古マンションの値下がり具合を可視化 - マンションチラシの定点観測 | マンション選びのお役立ち情報ブログ REINSといえば，不動産会社御用達の物件データベースなわけですが，当然のことながら業者専用のデータベースなので，私のような一般の人はみることができません．と思っていたら，上記記事で紹介があるように，中古物件の成約済みデータに関しては閲覧可能なんですね． 上記
【サッカー】ポアソン分布を使ってtoto予想してみた。 - 実験スピリッツ
あらゆるスポーツはデータ分析によって評価されています。今回はサッカーです。 調べてみた結果、試合のゴール数はポアソン分布（正規分布）に従うと仮定できるそうで、簡単そうなのでやってみます。 ※かなり前に実験してみた結果なので、その辺はご容赦下さい。 ポアソン分布とは ポアソン分布は平均値を変数として使用することで、ある事象が起こる確率を求めることができます。 今回の場合、λに平均得点、kに得点の０点～３点を代入します。 例えば、２０１５年サンフレッチェ広島は1ゲームあたり平均2.03ゴールを得点する可能性があります。この情報をポアソン方程式に当てはめると、広島が試合で0ゴールになる確率は13%、1ゴールは27%、2ゴールは27%、3ゴールは18%になります。簡単ですね。 しかしながら、サッカーは対戦相手あってのものです。単純に、これをそのまま利用するのは適切ではありません。 検証する対象試合
モデル選択_理論編 | Logics of Blue
最終更新：2016年1月24日 ※フォントや参考文献などを修正しました 予測のためには、実世界をモデル化しなければなりません。モデル化することさえできれば、あとはそのモデルに数値を突っ込むだけで勝手に予測が出来てしまいます。 前回（単回帰）は説明変数が一つだけでした。一つの値からまた別の値を予測すると言うだけだったので、どのモデルにすればいいのか、どの変数を使って予測すればいいのか、ということを考えなくても済みました。 しかし、実際に予測をする場合は多くの変数を用いたほうが当てはまりもよくなるし、実用的でしょう。 どの変数を用いて、どの変数を使わないのか、それを決めるための色々な方法（検定とＡＩＣ）とＲによる計算方法を紹介します。 特に最後の方に紹介するパッケージＭｕＭＩｎはお勧めです。簡単にモデル選択ができます。 ※ ２０１５年９月２日にＭｕＭＩｎの使い方を一部修正しました。 ※ コピペ
Rで計量時系列分析：状態変化を伴うモデル（閾値モデル、平滑推移モデル、マルコフ転換モデル） - 渋谷駅前で働くデータサイエンティストのブログ
前回の記事までは多変量時系列モデルとしてのVARモデルを扱ってきました。今回は一旦このシリーズの最終回ということで、元の単変量時系列モデルに戻って「状態変化を伴うモデル」を扱ってみようと思います。 ということでもはや毎回恒例になってますが、使用テキストはいつもの沖本本です。 経済・ファイナンスデータの計量時系列分析 (統計ライブラリー) 作者: 沖本竜義出版社/メーカー: 朝倉書店発売日: 2010/02/01メディア: 単行本購入: 4人 クリック: 101回この商品を含むブログ (6件) を見る ただし今回の最後に出てくるマルコフ転換モデルは沖本本の説明では不足と思われるので、Hamilton本もあった方が良いです。 Time Series Analysis 作者: James D. Hamilton出版社/メーカー: Princeton Univ Pr発売日: 1994/01/11メ
「統計学と機械学習の違い」はどう論じたら良いのか - 渋谷駅前で働くデータサイエンティストのブログ
何かこんなメディア記事が出ていたようです。 これを読んで色々な人がツッコミを入れまくっている模様ですが、この記事の不思議なところは「完全に間違った説明というわけでもないのに何故か（両分野に詳しい）誰が読んでも猛烈な違和感を覚える」ところなんじゃないかなぁと。 正直、これはライター・インタビュアー・コメンテーター・編集者の誰のせいなのかは全く分からないんですが、ツッコミ入れられまくっている内容について色々あげつらってもあまり建設的でないので、ここでは記事中で本題として取り上げられている「統計学と機械学習の違い」についてちょっとコメントしてみようと思います。 あ、もちろん僕がこれから書くコメントも別に正しいとは全く限らないので、おかしいところや間違ってるところがあったらバンバン突っ込んでいただければ幸いです*1。そしてガチ勢向けのコメントでもないので何卒悪しからず。 統計学はデータを「説明」す
scale_datetimeがうまくいかなかったけど解決した - 盆栽日記
ggplot2でDate型のデータを用いた際のデフォルトの表示が気に入らない。 scale_x_datetime(format = "%Y-%m-%d")みたいに指定することで日付表示を変更できる、とサイトには書いてあるのだがうまくいかない。 が、POSIXct型に変更するとうまくいったのでメモしておく。 気に入らない うまくいかない うまくいった library(ggplot2) smp <- data.frame(y = rnorm(n=100), date = 1:100) smp$date <- as.Date(smp$date, origin="2001-01-01") ggplot(smp, aes(date, y)) + geom_line() # 日付の表示を変更しようとするとうまくいかない ggplot(smp, aes(date, y)) + geom_line() +
Rの基本データ構造、よく使う関数紹介 - yasuhisa's blog
Agenda データ構造 たくさんある＞＜ ベクトル Rの格言 いろんなベクトルの作り方 規則的データの生成 同じデータを繰り返す ベクトルへのアクセスの方法 アクセス方法にもいろいろある まだまだあるよ、アクセス方法 行列 埋めていく順番 すでにあるベクトルを束ねる cbind rbind 行列へのアクセス方法 行列の基本演算 積がやっかい 積を求めたいときは「%*%」を使うべし 逆行列を求める ちなみに 行列式 固有値 配列 リスト 例 ちなみに unlistのtips リストへのアクセス リストは結構難しい＞＜ 例 リストの要素には名前を付けることができる Rでlistがどのように使われているか データフレーム 例 データフレームを作る データフレームに列を追加と削除 データフレームに行を追加 因子型 irisのデータでやってみる irisデータ 層別にSepal.Lengthの長さ
地域経済分析システムRESAS（リーサス）を使ってみた - 後世への最大遺物
１．地域経済分析システムRESAS（リーサス）がリリース 内閣官房(まち・ひと・しごと創生本部事務局)及び経済産業省より、地域経済分析システム「RESAS (Regional Economy and Society Analyzing System)」がリリースされました。 「地域経済分析システム（RESAS（リーサス））」の提供を開始しました（METI/経済産業省） 地方自治体が地方版総合戦略を策定する際に行うデータ分析を支援する目的で設計されたシステムとのこと。 ものはためし、ということで早速使ってみました。 オープニング画面はこんな感じ。結構オシャレですね。 背景のアニメーションには、「このシステムはただの打ち上げ花火では終わらせない！」という国の熱い想いが込められているとか（違 一般ユーザ向けには上記の「人口マップ」「観光マップ」「自治体比較マップ」が公開されています（企業間取引
住宅・土地統計調査 平成25年住宅・土地統計調査 確報集計 都道府県編（都道府県・市区町村） 40福岡県 | ファイル | 統計データを探す | 政府統計の総合窓口
家族類型(19区分)・世帯の種類(3区分)，１人当たり居住室の畳数(6区分)，現住居の敷地以外に所有する土地の所在地(3区分)別現住居の敷地以外の土地を所有する普通世帯数，所有件数及び１件当たり所有面積(宅地などの所在地，高齢夫婦世帯数，65歳以上の世帯員のいる世帯数，住宅に同居する１人の準世帯―特掲)＜乙＞―都道府県，21大都市
世界最高の選手リオネル・メッシの何がすごいのかが統計的データ分析で明らかに
ネイト・シルバー氏といえば、米大統領選の勝敗を全50州分的中させたり、野球選手の成績を予測するための統計ツールPECOTAを開発した人物として知られる天才データアナリストです。そんなネイト・シルバー氏が新しく立ち上げた、統計を使ってあらゆる事象を分析するニュースサイトがFiveThirtyEightで、ここでスポーツ関連のデータアナリスト兼ライターを務めるBenjamin Morrisさんが現在世界ナンバーワンのサッカー選手と目されているリオネル・メッシ選手に関するさまざまなデータを分析しまくったところ、メッシ選手は通常ではほとんど不可能な要素を両立しまくったまさにミラクルな選手であることが判明しました。 Lionel Messi Is Impossible | FiveThirtyEight http://fivethirtyeight.com/features/lionel-messi
某ファミリーレストラングループにおける客席禁煙化前後の営業収入の相対変化 未改装店，分煙店の相対変化との比較
目的 飲食店の全客席の禁煙化が営業収入に与える影響を，全国で営業されている単一ブランドのチェーンレストランの 5 年間の営業収入の分析から明らかにする。 方法 1970年代より全国で259店舗を展開するファミリーレストランでは，老朽化による改装を行う際に，全客席の禁煙化（喫煙専用室あり），もしくは，喫煙席を壁と自動ドアで隔離する分煙化による受動喫煙対策を行った。2009年 2～12月度に全客席を禁煙化した59店舗と，分煙化した17店舗の営業収入の相対変化を，改装の24～13か月前，12～1 か月前，改装 1～12か月後の各12か月間で比較し，客席での喫煙の可否による影響が存在するかどうかを検討した。改装が行われておらず，従来通り，喫煙区域と禁煙区域の設定のみを行っている82店舗を比較対照とした。解析は Two-way repeated measures ANOVA を行い，多重比較検定は
なぜ開票率1％で当確が出るのか？
著者プロフィール：葛西伸一（かさい・しんいち） 大学卒業後、大手エレクトロニクス商社に勤務。その後、IT業界、映像コンテンツ業界と15年間の営業・企画・マネージャー等の経験を経て、 2007年4月に(株)メンター・クラフト設立。豪州ボンド大学大学院MBA（経営学修士）エグゼクティブ・コーチ(JIPCC認定）、日本コーチ協会正会員 12月16日に行われた衆議院総選挙。選挙当日は各局が選挙特番を組み、選挙速報一色でした。 私が子どものころは選挙の時期になると、大好きなアニメ番組やドラマが放送延期となり、どの番組も選挙特番で本当に退屈だった記憶が鮮明によみがえってきます。 そんな中、野球中継なら面白いだろうとチャンネルを回してみると（当時はチャンネルをガチャガチャ回すタイプだったので）、画面のサイドと下に各党の当確議席数が表示されていたのですが、子どものころには、その数字が一体何を意味するのかす
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
年収分布統計から世の中を読んでみた その３ 【守銭奴達の罪と罰】 | 膝と相談させてください
Posit
Dear Data
MEDITECH FINDER
https://www.spreadsheetsports.com/free-tools/2013-nfl-play-play-data-excel/
biostatistics | バイオスタティスティクス | 生物統計学
Advanced Football Analytics (formerly Advanced NFL Stats)
インターネット白書ARCHIVES
