キヤノングローバル戦略研究所A Theory of Diagnostic Testing to Stop the Virus Spreading: Evidence-based Reasoning to Resolve the COVID-19 Crisis by Testing
片対数グラフ・両対数グラフとは？読み方・書き方・使い方を解説！
対数グラフは、目盛りごとに値が倍々で増えていくグラフ値の大きなデータによって値の小さなデータがつぶれてしまうのを防げる様々なオーダー（桁数）のデータをざっくりと確認・比較したいときに便利 対数グラフ超概要対数グラフは倍々グラフだ！対数グラフは目盛りごとに値が倍々で増えていくグラフです。 最も使用頻度の高い常用対数グラフを例に説明します。普通の目盛りと対数目盛りを比較してみましょう。 普通の目盛りは一定距離ごとに数が10ずつ増えていますが、対数目盛りは一定距離ごとに数が10倍ずつ増えています。ちょうど目盛りを「一、十、百、千、万…」と読んでいくイメージですね。 対数グラフの種類対数目盛りがx軸・y軸のどちらかに付いているものを片対数グラフ、両方に付いているものを両対数グラフといいます。 対数軸は何だか目盛りが偏っていて、読み方がよく分かりませんね…。詳しい読み方は後で説明するので、今は細か
「“統計的に有意差なし”もうやめませんか」 Natureに科学者800人超が署名して投稿
「統計的に有意差がないため、2つのデータには差がない」──こんな結論の導き方は統計の誤用だとする声明が、科学者800人超の署名入りで英科学論文誌「Nature」に3月20日付で掲載された。調査した論文の約半数が「統計的有意性」を誤用しており、科学にとって深刻な損害をもたらしていると警鐘を鳴らす。 「統計的に有意差がない＝違いがない」は間違い 例えば、ある薬の効能を調べたいとする。統計学では一般的に「仮説検定」を行って薬を与えたグループとそうでないグループを比較し、薬効の指標となる何らかのパラメータに統計的有意差があるかどうかを見る。仮説検定は、2つの事象の差異が偶然生じたものかどうかを統計的に結論付けるものだ。 もし、統計的有意差がある（薬を与えた群のパラメータの方が有意に大きい）なら「薬には効能がある」という結論を導けるが、有意差がなかった場合はどうだろうか。 「統計的有意差がある＝薬効
1ヶ月で統計学入門したので「良かった本」と「学んだこと」のまとめ - ぴよぴよ.py
前回の「ゲームプログラマからデータサイエンティストに転職しました」 の記事でもお話したとおり、5月からデータ解析する人になりました。 とはいえ、データ解析に関しては未経験。 少しでも不安を減らすために、4月の有給消化期間は統計学のお勉強しました。 今回はおすすめしてもらった中で読んで良かった本の紹介、そして読んだ本の簡単なまとめを書いて行きたいと思います。 ※前提: 4月時点の自分の知識に関して 自分は大学は情報科学を専攻していたが、難しい数式は苦手 統計学は1コマ分受講していたが、単語を覚えている程度でかなりあやうい まず一番最初に読みたい本 「完全独習 統計学入門」 「簡単に統計学の全体像がつかめる入門書はないか」とTwitterで相談したら、こちらの本を数名の方が薦めて下さった。 完全独習 統計学入門 作者: 小島寛之出版社/メーカー: ダイヤモンド社発売日: 2006/09/28メ
国の統計、見つけやすく 総務省「ダッシュボード」公開 - 日本経済新聞
総務省は12日、統計に不慣れな人でもデータを見つけやすいサイト「統計ダッシュボード」を公開した。「人口・世帯」や「労働・賃金」など17の分野ごとに統計を整理した。統計の名称を知らなくても必要とするデータやグラフを取得できるようにし、統計の利用を促す狙いだ。政府の統計をまとめたサイトとしては「e-Stat（イースタット）」がある。しかし、この中から好みのデータを見つけるのは難しい。例えば有効求人
「福島の甲状腺がん50倍」論文に専門家が騒がないわけ（上） – Global Energy Policy Research
先日、ある学会誌に「福島の子供たちの間で、甲状腺がんが他の地域の20-50倍上がっている」という論文が受理されたようです。（注1）最近になり、この論文が今でも世間で物議をかもしているという事を聞き、とても驚きました。なぜならこの論文は、多少なりとも甲状腺やスクリーニングの知識のある研究者の間ではほとんど問題にされないものだったからです。 しかし、このような研究者の態度がジャーナリストの反応とあまりにかい離しているために、むしろ 「福島の研究者が不当に真実を隠している」という誤解も生んでいるようです。 なぜこのようなかい離が生まれたのでしょうか？ ひとつの理由は、統計や疫学、甲状腺がんやスクリーニングに関する知識の違いの差があります。もうひとつは、研究の妥当性と政府に対する批判の妥当性が混在してしまっていることがあるように思います。 ここではまず論文の限界について述べた後、この論文が報道され
科学的思考法とは何か？～ランダム化比較試験とエビデンス～
科学的思考法×ランダム化試験 最近の医学的治療・薬物治療には、 ”エビデンス”ということが非常に重要視されてきています。 ”エビデンス”とは証拠、根拠などを表すevidenceという英語を指します。 経験だけに頼り何の根拠もなしに治療するのではなく、 しっかりとした試験で検討したうえで、その治療の必要性を証明するということです。 一見すると非常に合理的で何の問題もないように思いますが、 本当に落とし穴はないのか？について考察したいと思います。 まず、”エビデンスが高いデータ”とはどういうものかというと、 大規模なランダム化比較試験（Randomized Controlled Trial；RCT）で検証したデータのことを一般的に指します。 ランダム化比較試験とは何千人、何万人の人を対象にして、 「薬を使う人」と「薬を使わない人（プラセボ）」を 誰にも分からないようにランダムに割り振って、 そ
傾向スコア（プロペンシティスコア）を用いた解析方法-臨床医のためのRコマンダーによる医学統計解析マニュアル
解析応用編 1. 傾向スコア（プロペンシティスコア）propensity score (PS) を用いた解析方法 はじめに このサイトは無料の統計ソフトである「Ｒ」を用いて誰もが比較的簡単に傾向スコアを用いた解析方法である Inverse probability of treatment weighting (IPTW)法、又は 傾向スコアマッチング（プロペンシティスコアマッチング）propensity score (PS) matching法 を実行できるように説明したサイトです。 「臨床医のためのＲコマンダーによる医学統計解析マニュアル」の読者を対象に作成しており、本書の内容を理解しているものとして解説していきます。 その他、臨床研究や英語論文執筆にご興味のある方は無料のメールマガジン 「臨床研究の立ち上げから英語論文発表までを最速最短で行うための極意」への登録も御考慮下さい。 傾向ス
Daily Life:統計的研究に体験談で反論する人と、体験談は証拠にならないと思う人とが話をするためのチェックリスト
October 22, 2015 統計的研究に体験談で反論する人と、体験談は証拠にならないと思う人とが話をするためのチェックリスト 以下のようなチェックリストを作ってみたので役に立ちそうだと思った方は使ってみてください。 統計的研究に体験談で反論する人と、体験談は証拠にならないと思う人とが話をするためのチェックリスト あなたは以下の主張のどこまでだったら（あるいはどれにだったら）同意できますか。 １ 一般論として、人間の体のしくみにはまだわからないことが多い ２ そのため、一般論として、病気は良く分からない理由で治ったり治らなかったりすることがある。 ２’この一般論は今問題になっている病気にもあてはまる ３ 一般論として、ある治療をうけたあとにたまたま「良く分からない理由で治る」こともある ３’この一般論は、今問題となっている治療と病気にもあてはまる ４ そのため、一般論として、ある治療を
因果関係がないのに相関関係があらわれる４つのケースをまとめてみたよ（質問テンプレート付き） - Take a Risk：林岳彦の研究メモ
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
Propensity Scores
1 β β β 2 3 4 5 6 7 8 9 10 χ 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
図録▽海外旅行客数の推移
日本人海外旅行客数（アウトバウンド）は1980年代後半からの円高の影響もあって急速に増加し、2000年に1,780万人に達した。こうした日本人海外旅行客数の急増はひところグローバリゼーションに伴う国際交流の拡大を示すものとしてよく引用された。21世紀に入ってからは1,700万人前後のレベルで上下していたが、2019年には2,000万人をはじめて超えた。 海外から日本を訪問する旅行客数（インバウンド）は2013年についに念願の1000万人を超えた。2003年に政府がビジット・ジャパン事業をはじめた時に2010年の目標とした訪日客数を2008年秋のリーマン・ショック、2011年の東日本大震災による冷え込みを乗り越え、3年遅れで達成したこととなった。それ以降も大幅増が続き、2018年には3000万人を超えた。 2015年には、1971年以降はじめて、訪日客が海外旅行客を上回った。 海外への旅行客
1
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
GitHub - aviatesk/intro-statistical-modeling: 『データ解析のための統計モデリング入門』の勉強ノート
The Dismal Science Remains Dismal, Say Scientists
Introduction to causal models