第 13 回 大数の法則と中心極限定理 村澤 康友 2013 年 6 月 3 日 目次 1 標本平均 1 2 大数の法則 2 2.1 確率変数の収束 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 2.2 大数の
第 13 回 大数の法則と中心極限定理 村澤 康友 2013 年 6 月 3 日 目次 1 標本平均 1 2 大数の法則 2 2.1 確率変数の収束 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 2.2 大数の弱法則 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 3 中心極限定理 3 3.1 確率分布の収束 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 3.2 中心極限定理 . . . . . . . . .
untitled
½¾ � ���� ������ 0 2000 4000 6000 8000 10000 0.495 0.4975 0.5 0.5025 0.505 0.5075 0.51 0.5125 � � � ���� ��� �� � ���� � �� � ���� �� �� � ������� ���� � �� �� � � ���� � �� �� ���� � � � ��� � � � � � � � ��� � �� � � � � � � � � � � � � � � � �� � � � �������� � � � � � ��� � �� �� � � � � � �� � ��� � � �� � ��� � �� �� � �� �� � �� � � � � �� �� � �� � �� � �� �� ��� � � � � � � � ��� � �� � �
有意水準 20% はナシ - 裏 RjpWiki
Julia ときどき R, Python によるコンピュータプログラム，コンピュータ・サイエンス，統計学 「A/Bテストの数理」への批判 http://abrahamcow.hatenablog.com/entry/2013/12/28/210035 だけどねえ。ちょっといただけない。 ではこの場合、有意水準はいくつくらいにしたらいいんでしょうか？ とてもよい質問です。 たぶん20％くらいでいいんじゃないかと思います。 その根拠は天気予報です。 降水確率0％～20％くらいならだいたいみんな傘持ってかないじゃないですか。 40％～100％ならだいたいみんな傘持っていくんじゃないでしょうか。 30％だと人によってはちょっと迷うと思います。 だから20％で切っちゃいましょう。 そのくらいのざっくりした感じで十分だと思います。 有意水準は，リスク・ベネフィットの観点を考慮するというのはあたりまえな
「A/Bテストの数理」への批判：「有意」とはなにか - 廿TT
目次 ※誤解を招く書き方だったようですが、本記事の主張は有意水準を20%にしろということではないです。仮説検定をやるなら、「有意」っていうのがどういうことか、わかった上でやろうよ、ということです。そして意思決定を「有意水準5%」に丸投げするのはやめよう、リスクとベネフィットを考慮しようということです。 はじめに 「A/Bテストの数理」への批判 よくありそうな質問や反論とその回答 A/Bテストのガイドライン：仮説検定はいらない（Request for Comments｜ご意見求む） - 廿TT に続く この記事は↓下記のブログへの批判です。 A/Bテストの数理 - 第1回：人間の感覚のみでテスト結果を判定する事の難しさについて - - doryokujin's blog ※注意：字が多いです。 けっこう話題になってるみたいなので、その尻馬にのろうとおもいました。 ↑字が多いのにこんなに読まれ
A/Bテストのガイドライン：仮説検定はいらない（Request for Comments｜ご意見求む） - 廿TT
本記事の編集方針 ※この記事に興味をもたれた方は、 A/Bテスト カテゴリーの記事一覧 - 廿TT も、必要に応じてご覧いただければと思います。 本記事はもともとは、「A/Bテストの数理」への批判：「有意」とはなにか の続き的なエントリでした。 しかし、予想外に反響があったため Request for Comments（ご意見求む）の精神で、随時更新している部分もあります。 ただし、ベースとなる主張、Web系施策のA/Bテストに、仮説検定は向かないという部分は変化していません。 もしぼくの考えが変わり、「やっぱ仮説検定、いいかも」となった場合、本記事の存在価値はほぼ消滅します。 そのようなことがあれば、ページ最上部に「考えが変わりました」と明記します。 また、他の修正箇所も区別して明記し、差分がわかるようにします。 ただし細かい言い回しや、誤字脱字等はだまって修正します。 目次： そもそも
A/Bテストの数理 - 第1回：人間の感覚のみでテスト結果を判定する事の難しさについて - - doryokujin's blog
データ解析の重要性が認識されつつある（?）最近でさえも，A/Bテストを始めとしたテスト（ = 統計的仮説検定：以後これをテストと呼ぶ）の重要性が注目される事は少なく，またテストの多くが正しく実施・解釈されていないという現状は今も昔も変わっていないように思われる。そこで，本シリーズではテストを正しく理解・実施・解釈してもらう事を目的として，テストのいろはをわかりやすく説明していきたいと思う。 スケジュール スケジュール 第1回 [読み物]：『人間の感覚のみでテスト結果を判定する事の難しさについて』：人間の感覚のみでは正しくテストの判定を行うのは困難である事を説明し，テストになぜ統計的手法が必要かを感じてもらう。 第2回 [読み物]：『「何をテストすべきか」意義のある仮説を立てるためのヒント』：何をテストするか，つまり改善可能性のある効果的な仮説を見いだす事は，テストの実施方法うんぬんより本質
統計検定の勉強を始めてみる - massa snap
2013年11月17日（日）に実施予定の 統計検定：2級 なぞ受けてみる想定。 出題は30-40問で、合格ラインは明示されていない (60-70%程度か？) 55%で不合格の記事あり。統計調査士の合格ラインは70%。 試験日まで残り2ヶ月ちょっと。勉強期間は60日と想定 過去問を解くのに必要な時間の想定 繰り返し解く時間: 試験90分 x 過去問2年分 x 5回 = 15時間 解説の理解に要する時間: 想定10分/問 x 2年分68問 = 12時間 ふりかえりなどで25%余計にかかるとして、(15 + 12) * 1.25 = 34時間 ということで、過去問解くだけでも週4時間、毎日34分程度の勉強が必要。うへぇ。 過去問解いてみた 2012年分 (計35問) 解答日 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 2013/09/08 X X O O O O X
統計検定二級に合格しました - tetsunosukeのnotebook
統計検定二級合格！ 統計検定 の二級 に合格しました。 久しくRとかに関しての記事を書いていなかったのですが、特にアウトプットできることもなく、ひたすらインプットの日々でした。 2011年の二級合格者は143名（41.3%）、2012年の合格者は319名（37.98%）ということで、少なくとも500人以内には入っていることになります:-) まあ受験してみようと思ったのは、なんといっても新しかったからでして受かったらネタにできるだろうと思いこうしてネタにしています。 当日 受験会場は東京大学。ほら。東大（で）受験とかかっこいいじゃないですか！現役の時に受けておけばよかったよ！という悔しい思いもしつつ、ここが受験会場になりそうだったことも受験動機の一つ。なんせ受験者数そんなに多くないわけですから、会場がここになるのは確実！ 当日周囲を見ると、結構なお年の人が2割くらい？学生が5割くらいという印
統計学を勉強するときに知っておきたい7つのポイント
マイクロソフト社が技術分野でもっと熱い専攻の一つとして分析/統計をあげている（Microsoft JobsBlog）。同社以外でも統計学は、今後最も有益なスキルの一つだと考えているようだ（NYT - For Today’s Graduate, Just One Word: Statistics）。しかし、データマイニングの話も一般化しつつあって学習ノウハウなども公開されているが、経験にあわない部分が多い。統計学を初めて勉強するときに知っておいた方が良い7つのポイントをあげてみた。 1. 学習機会やテキストは山のようにあるので利用する 確率・統計の日本語テキストは山のようにあり、大学のコースワークを振り返っても、理文問わずにほとんどの学部で確率・統計はあったはずだ。大学院のコースワークでは英語の文献を好む傾向があるが、上級テキストでも日本語のものも少なくない。また「マンガでわかる統計学」のよ
統計学を勉強するときに知っておきたい10ポイント - Issei’s Analysis ～おとうさんの解析日記～
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 =
素人の僕が、データ分析に自信を持つようになったある発見 - 人と組織と、fukui's blog
2010年03月13日 22:01 カテゴリ事業家養成講座 素人の僕が、データ分析に自信を持つようになったある発見 Posted by fukuidayo Tweet 僕は1999年に就職活動をしました。会社は全部で8社ぐらい？受けたのかな。 受かった会社の選考よりも、落ちた会社の選考のほうが覚えているもので、あるシンクタンクを受けたときに提出したレポートの出来の悪さと、あるコンサルティング会社を受けたときに出たケーススタディーの答案を前に、頭が真っ白になったときのことは、今でもたまに思い出します。 どうやって分析し、自分の見解を示せば良いのか、まるでわからなかったのです。 それから数年がたち、僕はケーススタディーを受ける側ではなく、つくる側になりました。 データの見方を教え、伝える側になったのです。 そうなれたのは、データを分析する。ということに関して、助言を与え続けてくれた先輩・上司が
よくわかってない統計シリーズ１：代表値のこと - Satomilogical Research
学部生のころは大学院生の統計手法の知識に驚嘆することばかりでしたが、いざ自分が大学院生になってみると後輩に何かを教えられるほどの知識のないことに気づいて絶望した！ という出自を持つ「よくわかっていない統計シリーズ」です。これは、「先輩、これってなんですか」と後輩に聞かれたときに、それがどういう概念でどういう計算手順を踏んで、またＳＡＳやＲではどういうコードを書くのかということを簡単に説明できるようなスマートな大学院生になることを目指して、よくわかっていない統計の知識を自分の中で整理するためのものです。読者フレンドリーではありません。また、Ｒや統計や数学をばりばりやっているような人々*1にとっては「なにこいつこんな簡単な概念も理解してないの、ばーかばーか」という謗りを受けるレベルのものになると思います。 適当に始まったので来週には飽きてやめてるかもしれません。それでもいいことにします。ではス
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
Amazon.co.jp: データサイエンス超入門 ビジネスで役立つ「統計学」の本当の活かし方: 工藤卓哉, 保科学世: 本
Amazon.co.jp: これからデータ分析を始めたい人のための本: 工藤卓哉: 本
Amazon.co.jp: マンガでわかるナースの統計学 -データの見方から説得力ある発表資料の作成まで-: 田久浩志, 小島隆矢, こやまけいこ, ビーコム: 本
運は数学にまかせなさい―確率・統計に学ぶ処世術 | ジェフリー S.ローゼンタール, 中村 義作, 柴田 裕之 |本 | 通販 | Amazon
Tend Admin Tools