丘データサイエンス日記

2014年12月8日月曜日

統計学を拓いた異才たち(日経ビジネス人文庫)

機械学習を知識ゼロから学ぶpdf
http://matome.naver.jp/odai/2137978900585239401

統計学をまる裸にするデータはもう怖くない
チャールズ・ウィーラン、山形浩生、守岡桜
（2014/9/30）購入した。

仮説アプローチと網羅的アプローチ。仮説アプローチは効率的にデータを集め、分析を進めることができるが「結論ありき」になる危険も。網羅的アプローチは手間がかかるが、意外な結論を得られるケースも。
全体におおまかな傾向を見る場合に平均は有効。しかし平均＝代表的な値でないことに注意。中央値、標準偏差、ヒストグラムなどが用いられる。
標準偏差においてはデータが常に正規分布しているわけではないことに注意
ヒストグラムにおいて、各階級の真ん中の値を「階級値」と呼ぶ
一つのデータ分析に平均・偏差を使う
二つのデータ間の関連に相関、CORREL関数が使える。-1〜1の値を取り、1（-1）に近いほど正の相関（負の相関）が強い
相関の発見には「見せかけの相関」に注意する
相関の強い２つの変数についてy=ax+bの関係を満たす変数を見つけるために「単回帰分析」が利用できる。複数の変数についての関係を表す「重回帰分析」はビジネス実務の観点ではあまり使うことが少ない。
Excelでは回帰式は散布図から求めることができる
決定係数（寄与率）とは、回帰式が標本データをどの程度適切に表しているかの指標で、0〜1.0の値。通常0.5以上の値が妥当とされる