「それ、根拠あるの?」と言わせない データ・統計分析ができる本

「それ、根拠あるの?」と言わせない データ・統計分析ができる本

• 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

その数学が戦略を決める-文春文庫

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

統計学が最強の学問である

統計学とは集めたデータから答えを導き出す手法であるとともにその「確からしさ」を扱うというところにその力がある。つまり必要とする精度がコントロール可能なことによって必要最小限の労力で現実的な答えを得るための手法ということができる。与えられた問題に対して求められる精度を意識せずに常に最高の精度を求めることは全数検査の神話となり、それはビッグデータ万能論へとも繋がるものであるが、それは単にコンピューティングパワーの進化に任せたマッチョ信仰にすぎないのではないか。本書ではIT分野で広く用いられるA/Bテスト（統計学では「ランダム化比較実験」と呼ばれる）についても多くのページが割かれているが、これにおいても比較対象間の差が単なる偶然の誤差に過ぎない可能性について統計学を用いて判定が可能であることを示す。つまり統計学の理解なくして「ビッグデータ」の概念に基づき全数検査を行ったところで瑣末な誤差に一喜一憂するにすぎないのである。取得できたデータの全てを解析できたところでそれはあくまである時点、条件下において収集できたデータに過ぎないのであって、本来得るべき答えの全体ではないのである。