統計学が最強の学問である
西内 啓氏の本です★
以前紹介した本のシリーズで★
全般的に書かれています
途中でギブアップしたので
周辺知識を得るために手に取りました
7章構成
6章と終章という構成です
- なぜ統計学が最強の学問なのか
- サンプリングが情報コストを激減させる
- 誤差と因果関係が統計学のキモである
- ランダム化という最強の武器
- ランダム化ができなかったらどうするか？
- 統計家たちの仁義なき戦い
- 巨人の肩に立つ方法
各章のトピックスが
- 統計リテラシーの無い者はカモられる
- ITと統計学の素晴らしき結婚
- 全数調査VSサンプリング調査
- サンプルを1万増やしても標準偏差は0.3％しか変化しない
- 世間にあふれる因果関係を考えない統計解析
- 因果関係の向きという大問題
- オカルトとペテンの見破り方
- 実験計画法は農場で生まれた
- 平凡への回帰を分析する回帰分析
- 回帰モデルを使う際は交互作用に注意
- 予測に役立つデータマイニング
- 言葉を分析するテキストマイニング
- 再考のエビデンス「系統的レビュー」と「メタアナリシス」
このような感じです
Chat GPTに聞いてみる
トピックスをAI文章作成の
Chat GPTに入れてみます
・・・あれ？短文は同じ言葉の言いかえで返すだけです
では疑問文を入れてみます
- 「統計リテラシーのない人は簡単にだまされます。」統計に関する知識と理解が豊富な人は、主張を評価し、誤った情報を回避するためのより良い設備が整っています。
- ITと統計を組み合わせることで、データ分析や機械学習などの分野で大きな効果を得ることができます。
- 完全な国勢調査とサンプル調査の結論は、調査の質問と望ましい精度のレベルによって異なります。完全な国勢調査はより正確ですが、サンプル調査よりも費用と時間がかかります。
- サンプルサイズを10,000増加させても、特定のケースでは標準偏差(0.3%)が大幅に変化しない可能性があります。それは特定のデータと分析に依存します。
- 一般的な原因関係を無視する統計分析の例としては、因果関係と間違えられる相関があります。
- 因果関係の方向は、変数間の関係の解釈に影響を与えるため、統計学の主要な問題です。
- 統計的な「いんちき」や詐欺を検出するには、基礎となる統計的概念を理解し、使用されるデータと方法を批判的に評価することが重要です。
- 実験計画法の起源は、特に農場からではなく、農業実験の分野にあります。
- 平均への回帰をモデル化する回帰分析の回帰式の例は、y = b0 + b1x で、y は従属変数、x は独立変数、b0 は切片、b1 は傾きです。
- 回帰モデルを使用するときは、結果の解釈に影響を与える可能性があるため、交互作用効果を考慮することが重要です。
- データマイニングは、意思決定と予測をサポートするために、大規模なデータセットから貴重な情報を抽出するプロセスです。
- テキストマイニングは、テキストデータを分析して貴重な情報と洞察を抽出するプロセスです。
- システマティックレビューは、特定のトピックに関する利用可能な研究の包括的かつ構造化された統合です。メタアナリシスは、複数の研究の結果を組み合わせて、より堅牢な結論を提供する統計分析です。どちらもエビデンス統合の形式であり、以前の調査結果の再評価に情報を提供することができます。
これはすごいな