2014年03月28日 文系人間がゼロから統計検定２級を取るための最短ルート もはや更新が月イチ以下になってる当ブログですが、 どうやら統計検定の受験記にアクセス数が集中してるようです。 （記事：統計検定２級＆統計調査士を受験しました） 他の記事へのアクセスなんて、ほぼゼロなのは秘密です。 そんな私ですが、統計の勉強を始めたのは１年半前です。 大学の専攻は心理学。いわゆる「文系」の人間でした。 専門課程で必要に駆られて勉強を始めてから、 だいたい１年で統計検定２級のラインまで到達しています。 ２級を取れば、MARCHレベルの大学でも優秀な方に入るはずです。 「大学で統計を勉強した！」と、とりあえずドヤ顔できるくらいだと思います。 あと、どうやらブログのアクセス数的に、ネットの世界でもドヤ顔できるらしいです。 今回は、「文系だけど・・・」「統計って？」というレベルからスタートして、 「簡単な

最近，一般入試で学生を多く入れている学部ほど正規就職率が高いとか，早い段階からゼミを必修にしている学部は退学率が低いとかいう記事をよく見かけます。それだけ，大学の「教育効果」というものに関心が集まっているのでしょう。 しかるに，この手の議論をする際，まずもって統制（control）すべき変数があります。それは入試難易度です。このような①インプット要因を揃えた上で，教育実践の有様（②スループット）と就職率なり無業率なりの③アウトプットの関連を追求する必要があります。 私もこういう分析をしたいと思い，現在独自のデータベースをつくっているところですが，①と③のデータ入力作業がだいたい終わりました。ここにて，両者の関連の一端をご覧に入れましょう。中抜けになりますが，後ほど②も加えた精緻な分析を行うための足がかりにしたいと思います。 読売新聞教育部『大学の実力2014』（中央公論新社）から，全国の大

どもっす。林岳彦です。ファミコンソフトの中で一番好きなのは『ソロモンの鍵』です*1。 さて。 今回は、因果関係と相関関係について書いていきたいと思います。「因果関係と相関関係は違う」というのはみなさまご存知かと思われますが、そこをまともに論じていくとけっこう入り組んだ議論となります。 「そもそも因果とは」とか「因果は不可知なのか」のような点について論じるとヒュームから分析哲学（様相論理）へと語る流れ（ここのスライド前半参照）になりますし、統計学的に因果をフォーマルに扱おうとするとRubinの潜在反応モデルやPearlのdo演算子やバックドア基準（ここのスライド後半参照）の説明が必要になってきます。 その辺りのガッツリした説明も徐々に書いていきたいとは考えておりますが（予告）、まあ、その辺りをいちどきに説明しようというのは正直なかなか大変です。 なので今回は、あまり細かくて遭難しそうな話には

前期の授業の受講生（3年生）で，「今，シューカツがんばってます」というメールをくれた人がいます。そういえば，シーズンですね。都心では，黒いリクスーに身を包んだ青年男女が足繁く行き交っていることでしょう。 こうした「シューカツ」に，一定の教育効果を見出す見方もあります。大手の関連サイトをみると，「就職活動は自分を見つめ直し，社会人としての常識を身につけるよい機会です」などと書かれています。 確かにそういう面もあるでしょう。私が前に担当したゼミの学生さんで，3年生の終わりから卒業までの間に見違えるほど礼儀正しくなり，送ってくるメールの文面もガラリと変わった子がいました。「変わったね」というと，「シューカツで鍛えられましたから」という答え。ふうむ。 しかるに，ちょっとばかし大人しくなっちゃったな，という印象も持ちました。3年時のゼミでは，質問も含めていろいろと喰ってかかってくる子だったのですが，

なぜ内定をもらえない学生が出てくるのか――彼らの行動を分析した：仕事をしたら“就活生の動き”が見えてきた（前編）（1/7 ページ） 学生の就活が本格化しているが、内定をもらえる人ともらえない人でどのような違いがあるのか。これまでよく分からなかったことが、ビッグデータで明らかになってきたという。就活生の行動を分析している、リクルートキャリアの担当者に話を聞いた。 学生の就職活動が本格化している、らしい。なぜ「らしい」を付け加えたかというと、記者は採用の仕事に携わったことがないので、いまひとつピンと来ないからである。またいわゆる“バブル世代”なので、いまのようにインターネットを使って「エントリーシートを提出する」ということもなかった（「就活」という言葉もなかったと思う）。正直に言うと、遠い昔の話なので今の動きがよく分からないのだ。 現在就活をしている学生は、どのようなスケジュールで動いているの

同じぐらいの被害だろうね。首都圏も0、福島も0。 0といって悪ければ「統計的検出限界以下」。被害があったか、それともホルミシス効果で健康増進したかなどは神のみぞ知る。 マジレスすると、福島のガン患者は確実に増えて、しかし健康状態は良くなる。 理由は、医療の優遇措置が行われるから。ガン検査を受ける人が増える結果、従来なら未発見だったガンも発見されるから見かけ上ガン患者が増える。そして早期に治療が行われる結果、手遅れになる前に治る人が増えて平均寿命が上がる。

北陸先端科学技術大学院大学大学院教育イニシアティブセンター特任准教授の林透さんが書かれた論考「大学職員に求められる統計知識」（文部科学教育通信　No.302  2012.10.22）をご紹介します。 必要不可欠な知識 大学は管理運営の時代から経営の時代を迎えたとよく言われる。大学経営人材として期待される大学職員に求められる知識・能力等に関する価値観も大きく変化しているように思われる。しかし、そのような価値観の変化に適応した力量形成の機会の設定や提供がまだまだ少ないことも確かであろう。 国立大学法人化以前であれば、法律・規則に関する業務が重要視され、人事担当者であれば人事院規則９－８を理解して給与決定に長けること、会計担当者であれば予算決算及び会計令（予決令）に基づいた予算執行に長けることが尊重された。教務・学生生活担当者においても様々な内規に縛られながら定形的な対応に終始することが多かった

調査そのものについて そもそもの発端は、日本数学会が「大学生数学基本調査」なる調査を行い、それによって大学生の数学力の現状を明らかにするというものでした。しかしその調査も、どうも社会調査法に明るい人によるピア・レヴューを受けたような形跡はなく、科学的に怪しく、現段階ではなにも言えないものだと思いました。 後藤和智@技術書典-え13/仙コミ・冬コミ・文フリ京都申し込み済み🏳️‍🌈🏳️‍⚧️ @kazugoto 調査の原文読んだ。やはり、危機感だけにドライブされていて、調査の正当性とかには頭が回っていないようだった。マスコミも調査の目的が何かとか、その調査は科学的に正しいかまで突っ込んだ報道をしないと、ただ若年層に対する偏見を強化するだけで終わってしまうよ。 2012-02-24 19:28:03

統計学あるいはデータ解析の基礎について，ビジネスパーソン向けに書かれた入門書・・・というと他にも類書がいっぱいあるが，この本はかなりユニーク。お得意先からの依頼に統計アナリストとしてどう答えるか，という視点で架空のストーリーが構成され，統計学の手法が紹介されていく。 本書でカバーされている話題は以下の通り： 実験計画 最適化 データの可視化 仮説検定 ベイズ統計と主観確率 ヒューリスティクス ヒストグラム 回帰分析 ＲＤＢとクリーニング これを見ても非常に個性的であることがわかる。つまり，データ解析の本でありながら実験の話で始まり，いきなり最適化（線形計画法）の話題になって，次に可視化に触れる。ベイズの定理を用いた意思決定については，２章を割いて詳しい叙述がなされている。 一方，統計学の入門書であればメインに扱われる仮説検定や回帰分析については，最小限（見方によっては不十分な）知識しか与え

webちくま「この国の教育にいま、起きていること」苅谷剛彦＞第５回　教育政策の路線変更と全国学力テストの意味＞常識と異なる専門家の見方*1経由で、調査研究協力者会議等 全国的な学力調査の実施方法等に関する専門家検討会議（第3回）議事概要−文部科学省を読んでみた。 客観的なデータを取ることが重要である。悉皆調査で一番懸念されることは、成績の悪い子どもを休ませたり、学力調査の結果において高いパフォーマンスを得るための特別な努力をすることで、データが変質してしまうことである。取ったデータがすでに変質してしまっていれば、それをどれだけ分析しても意味がない。 ある社会的集団の特徴を把握するために、その集団から一部の人だけを選んで調査を行う*2場合に、えてして調査対象者数は多ければ多いほど偏りの少ないデータが得られる、と考えがちだ。実はそうではなくて、調査対象の数より選び方のほうが大切だ*3ということ

googleさんやマイクロソフトさんは「次の10年で熱い職業は統計学」と言っているようです。またIBMは分析ができる人材を4,000人増やすと言っています（同記事）。しかし分析をするときの基礎的な学問は統計学ですが、いざ統計学を勉強しようとしてもどこから取りかかればいいか分からなかくて困るという話をよく聞きます。それに機械学習系の本は最近増えてきましたが、統計学自体が基礎から学べる本はまだあまり見かけないです。 そこで今回は、統計学を初めて勉強するときに知っておいた方が良い10ポイントを紹介したいと思います。 1. 同じ手法なのに違う呼び名が付いている 別の人が違う分野で提案した手法が、実は全く同じだったということがあります。良く聞くのは、数量化理論や分散分析についてです。 数量化理論 数量化I類 = ダミー変数による線形回帰 数量化II類 = ダミー変数による判別分析 数量化III類 =