2024年2月22日と29日に、京都大学の井上浩輔先生をゲスト講師としてお招きし、本学松山裕教授・萩原康博先生と一緒に因果推論の統計学的アプローチについて特別講義を行いました。 講義内容についてはこちら 講義資料は以下を参照してください。 第1回；因果推論統計の基礎理論 第2回；DAGを理解する 第3回；点曝露の統計モデル 第4回；時間依存性曝露の統計モデル ※講義スライドは各自の勉強・参考のために利用することを許可しますが、無断転載することは固く禁じます。引用・転用などしたい場合は、各著者の許可を得てください
最近、回帰分析の中でよく使われているのがロジスティック回帰分析（Logistic Regression Analysis）（以下、ロジスティック分析）である1。被説明変数が量的データである一般的な回帰分析は、説明変数と被説明変数の間の線形関係を仮定しており、一般線形モデル（Ordinary Linear Model）と呼ばれている。しかしながら社会のすべての現象が線形的な関係ではないので、非線形的な関係に対する分析も必要である。また、現実的には被説明変数が量的（Quantitative）データではなく質的（Qualitative）データであるケースも多い。例えば、所得がいくらぐらいである時、家を所有するか、給料がどのぐらいある時、車を買うか、年収がどのぐらいである時、結婚するかなど説明変数は量的データあるものの、被説明変数は「家を所有している、家を所有していない」のような質的データになって
統計の勉強を始めるときに数学でつまづくことがある。そういったときに『統計学のための数学教室』という本が役に立つ。 統計を勉強しはじめたものの、統計が結局よく理解できなかったという人は少なくない。統計の勉強がうまくいかない理由にはさまざまなものがあるが、1つの大きな理由として、統計の教科書に載っている数式が分からないというものがある。数学についてよく知らないと、統計の教科書の数式に悩まされ、統計をしっかり理解できない。統計の考え方の多くの部分は、数学の言葉で書かれているので、数学が分からなければ、統計を理解することができないのだ。 私が前に統計を教えたときは、まず数学をしっかり勉強してもらうところから始めた。統計の入門書に書いてある数式を読むのに必要な数学の知識を身につけてもらったのである。実際そうすることで、統計についてしっかり理解してもらうことができたと思う。そのときは自作の小冊子をつか
2022年3月15日 Googleドライブの権限変更のため，ファイルが共有されていませんでした．リンクを変更しました． 「相関係数が0.7あれば、相関が高いと言える」 などの目安を、教科書や入門書で見かけたことは ありませんか？ 私は、ちょくちょく目にするのですが、 どこの 誰が いつ 言い出したのか、ずっと不思議に思っています。 下記のリンクにあるPDFファイルで、その歴史的 変遷を追ってみました。 相関係数の大きさに対する目安の歴史的変遷.pdf 相関係数の大きさに対する目安の歴史的変遷.pdf - Google ドライブ 長くてすみません。 上手にまとめることができませんでした。 今回調べたところでは、20世紀初頭のアメリカに おける統計学や教育統計学の入門書において、 いくつかの目安が誕生したようです。 イギリスのGalton, K. Pearson, Spearmanなども 相関
NTTデータとNTTドコモ、NTTナレッジ・スクウェア、日本統計学会は、大規模オンライン講座（MOOC）サイト「gacco」で、データ活用に精通した人材を育てる「データサイエンティスト育成プロジェクト」を始める。 gaccoは、一流大学の教授のオリジナル講義を無料で受けられる日本初のMOOCサービスとして4月にスタート。新プロジェクトでは、ドコモとナレッジ・スクウェアが11月に統計学講座を開講。統計学会が推薦する複数の大学教授陣が行使を務め、総務省統計局も享禄して公的統計の利用方法についての講座を提供。「これまで大学などを中心に一部の学生しか受講できなかった質の高い統計学の講義を、オンラインで幅広い方が受講できる」ようにするという。 NTTデータはグループ会社のNTTデータユニバーシティを通じ、12月から反転学習型の研修を提供。オンライン講座で統計学の基礎を学習し、反転学習ではNTTデータ
筆者：齊藤貴義 福島県相馬市在住。Webエンジニア・インフラエンジニア・データアナリスト・作家。ニックネームはサイバーメガネ。お仕事のご依頼は saito@geek.sc までお気軽にどうぞ。 職歴：メディカルネット→ティーカップ→丸紅情報システムズ→インフォバーン→feedpath→オールアバウト→手嶋屋→ライブドア（livedoor Reader）→enish→フルスピード→起業, etc. 相馬高校理数科出身。高校生クイズ全国大会出場。大学は雄弁会（全関ディベートリーグ準優勝）。openSUSE Linuxユーザー会。バツイチ。 ■単著 インプレスR&D『スクレイピング・ハッキング・ラボ』 ■共著 『Wizard Bible事件から考えるサイバーセキュリティ』 運営サイト はてな村定点観測所 相馬灯 ミライハック サークルメンバーのサイト Security Akademeia ハイヤ
追記 2016年3月に以下の記事によってこの内容はupdateされています。今後はそちらをお読み下さい。 主に自分向けのまとめという意味合いが強いんですが（笑）、僕が実際に2013年6月現在webデータ分析＆データサイエンスの実務でツール・ライブラリ・パッケージを利用しているものに限って、統計学・機械学習系の分析手法を10個挙げて紹介してみようと思います。 追記 回帰分析（特に線形重回帰分析） 独立性の検定（カイ二乗検定・フィッシャーの正確確率検定） 主成分分析(PCA) / 因子分析 クラスタリング 決定木 / 回帰木 サポートベクターマシン(SVM) ロジスティック回帰 ランダムフォレスト アソシエーション分析（バスケット分析・相関ルール抽出） 計量時系列分析 おわりに おまけ1：「素性ベクトル＋分類ラベル」なるデータ前処理 おまけ2：グラフ理論*10 {igraph}パッケージでグラ
統計学テキスト 公開ページ（旧宅） 「統計学入門」 このコンテンツは新しいサーバへ移しました。まだ改訂は続けていきますので，今後ともご愛顧ください。
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
