西内啓のレビュー一覧

統計学が最強の学問である

統計リテラシー 現代では理論系ではない実証実験を行うとき統計学がベースになってるのでまあありとあらゆる理論について大体そうだなみたいな話。
とは言ってもなんでも実験してみればいいというわけでもなく倫理的だったり心理的な壁があるというのは面白い観点だった。
あんまり統計の数学的/理論的な部分はなくて、どう役に立つかとかこれはおかしいよとかの実務ベースの話が多めだった。まあそらそうか

統計学が最強の学問である［実践編］

前著は社会に対するアンチテーゼとして統計学の素晴らしさを発信していた本であり、今作は統計学の基礎理論をどのように活用するか？という観点で書かれている。頭を使う部分も多くなっているが、基礎理論の導入としてはとても面白く分かりやすい本だと思う。大学の参考書など読んでみたが、ここまで分かりやすい本は無いと思う。
後半の数学補論は正直言って日本の一般的な文系社会人では着いていけないレベルだと思う。(積分とか覚えてない…みたいな人はまず無理)
著者の言う通り、使い込んでナンボなので実務の中で課題検証に使えるよう取り組んでいきたい。

統計学が日本を救う 少子高齢化、貧困、経済成長

データにもとづいて議論しようよと言っている本。高齢化、国の借金、経済成長などの社会問題に対して定性的な印象だけで議論して破滅の道をたどるのではなく、定量的な統計データにもとづいて議論し解決を探ろうとしている。

人は社会という巨大な複雑さを自らの限られた知見からしか見ることができない。はたしてどれだけの人がその社会を正しく理解しよりよい未来に向けて行動できているのだろうかと思った。

統計学が最強の学問である［ビジネス編］

ただでさえ統計学のビジネス利用を主軸としたシリーズの「ビジネス編」ということで、どこまでビジネスに特化した内容なのかと期待と疑問を同時に抱きながらも手に取る。

前回までの内容と同じく統計学に関する前提知識はほとんど仮定されていないと言える。結果的にビジネスでどのように分析するのかの詳細な具体的な例があるわけではないので実際に手を動かして勉強することを期待するとがっかりするかもしれない。

しかし、統計学をビジネスの場面で活用する上で「著者はここまで広範な知識を持っているのか」と驚かされる一冊だった。

「AI・データ分析プロジェクトのすべて[ビジネス力×技術力=価値創出]」などのデータ分析系の書籍ではよく述べられることだが、
データサイエンスや統計をビジネスに活用していくには統計知識・エンジニアリング知識・ビジネス知識のすべてが必要だといわれる。

少なくともビジネス知識に関しては、この著者はかなり広範で実践的な知識を有していると感じさせる一冊だった。

すなわち、実際にビジネスで統計を生かす人物の、
統計力　×　ビジネス力
がどのようにして力を発揮するのかを知ることのできる本だと言える。

本気で統計を仕事に生かそうと思うのならば統計以外にどのような知識を学ぶべきかの指針を示してくれる一冊だった。

統計学が最強の学問である

〇学んだこと
１．あみだくじは、当たりたければ真ん中・外れたければ一番外側を引くこと
２．サンプリング調査と標準偏差の関係(コストメリットを考える)
３．解析はそれ自体価値があるものではなく、それを活かして何を行い、どれだけの価値を得られるのか
４．十分なデータと適切な比較を行うこと（その際、比較している対象がフェアであるかどうかをチェック）
５．統計学的な裏付けもないのに、それが絶対誤りだと決めつけることも愚か
６．ランダム化の３つの壁（現実・倫理・感情）
７．統計学的に、遺伝や人種に基づいて差別するメリットは存在しない
８．一般線形化モデルの表（結果変数（連続・ありなし）と説明変数（２・多グループ数・連続値の多寡・複数要因））
９．「予測」に役立つデータマイニング
１０．「ベイズ（事前・事後確率）」と「頻度論」

統計学が最強の学問である［実践編］

標準誤差が見込まれる差の3分の1になるようにサンプル数を設定すれば、検出力は85%になる（有意水準5%の1.96＋検出力85%の1.04）。

顧客の退会までの期間は、生存時間解析を用いることができる。

複数の時点のデータを個体差を捉える情報として扱う経時データ分析では、混合効果モデルが用いられる。

因子得点を回帰モデルの説明変数にするよりも、共分散構造分析（構造方程式モデリング）を使う方がよい。

因子分析の応用として、表面的な反応に対する潜在的な力を明らかにする項目反応理論がある。

傾向スコアを用いた代表的な手法として、周辺構造モデルがある。

統計学が最強の学問である［ビジネス編］

統計学を履修していたのと、前著を読んだことあったため、これらの知識を実践的にビジネスの場で活かすことができないかと思い読んでみた。

本書は統計学をビジネスに活かすというよりかは、統計学の視点を取り入れて経営・マネジメントを行うという印象だった。したがってマーケ、人事採用、経営戦略など経営学を勉強する分には役に立ちそう。

自分はそのような立場にないので、実践活用のイメージは湧きづらかったが、理論的な意思決定や経営戦略を推進していく上では求められるスキルになりそう。

シグナル&ノイズ 天才データアナリストの「予測学」

「ベイズの定理を実践する一番の近道は、たくさん予想をすること」

ベイズの定理を実践しなくても、たくさん予想することはものすごく大事。
機会だけでなくパターンも多く。

統計学が最強の学問である［実践編］

#統計学が最強の学問である [実践編]

西内 啓さんの著書です。
ベストセラーになった『統計学が最強の学問である』の続編になります。
本書では、「ビジネスと統計学をつなぐ」をコンセプトに実際のビジネス現場で使える統計学をメインに扱っています。
扱うテーマは、「人間の行動の因果関係を洞察」するための統計学になります。


【本書で学べること・考えること】

・変数、指標
・最小二乗法（近似曲線）と平均値の関係
・分散、標準偏差、四分位点
・有意差、検出力、αエラー、βエラー、優位水準
・標準誤差、サンプルサイズ
・仮説検定、z検定、t検定、フィッシャーの正確検定
・回帰分析、重回帰分析、ロジスティック回帰
・オッズ
・検証、ランダム化比較実験
・因子分析、クラスター分析


読んでみての感想です。

本書では、基本的に数式をほとんど使わずに上記の項目を解説しています。
その分、数式に馴染みのない方にはハードルが低く感じられるかもしれません。
ただ、内容的には難しく、統計的な知識を持ち合わせていないと一度で理解するのは難しいです。
数式に馴染みのある方は、巻末の数式での解説を読んだ方が理解が早いです。

どのようなケースでどのような手法を用いれば良いかなどは、わかりやすい表にまとめられており、有用です。

著者が言うように本書を読んだ後であれば、EXCEL等でデータまとめをする場合に各関数を使ってみようという気になれます。

統計学を軽く使ってみたいと思っている方には良書になると思います。

１億人のための統計解析 エクセルを最強の武器にする

Excelにおいて統計解析を用いた分析の全体感を掴めるとても参考になった1冊。
ケースに準えて分析できるので自分が何を目指して（目標）目的変数を設定し、結果を得ようとしているのか、そのプロセス（仮説検証）の部分をしっかり自分で手を動かして学習できるので、分析結果にとても納得が行き、分析手法の定着が深まると思った。また何度か手を動かして通して行うつもりである。

統計学が日本を救う 少子高齢化、貧困、経済成長

＜少子高齢化＞
子育て支援を含む家族政策費はGDP比1.25％で、イギリスの3分の1、ドイツやフランスの半分。高齢者向けの社会保障（年金、医療、介護）に対して25兆円が使われているのに対して、少子化対策には2兆円しか使われていない。

年金の運用は、今の現役世代が支払ったお金や税金を高齢者に支払うという賦課方式をとっているため、少子化対策を進めることが年金運用を破綻させない対策にもなる。

OECDが2005年に発表したレポートがあげている4つの少子化対策のうち、育児にかかる経済的負担の軽減と、公的保育サービスの拡充の2つは改善の余地がある。日本における標準的な世帯収入に占める児童給付の割合は2％ほどで、3～18％を占める他のOECD諸国の中で最低水準。保育所に在所している2歳以下の児童は22％で、OECDで最も恵まれた水準である50％の半分程度。

＜社会保障＞
生活保護などの社会保障制度は、これまでの歴史の結果として定着している。生活保護受給者の年間支給額は180万円だが、受刑者1人当たりの収容費用は300万円。

幼児教育は、その費用に対する社会的なメリットの方が高く、収益率は6～17％と推計されている。教育による効果が高いのは、長期的な計画を遂行したり、感情を制御して他人と協働するといった非認知能力。

高齢者の就業状態で比較すると、就業者の方が無職よりも幸福度が高く、前期高齢者における死亡率も4割以上低い。

＜医療＞
高齢者にかかる医療費のうち、2兆円以上が1年以内に失われた命のために使われている。

＜経済成長＞
各国の国際テストの成績と経済成長率は相関が高い。しかし、日本の政府支出に占める公的教育費はOECD諸国では最低レベル。教育費のうち、就学前は57％、高等教育では68％を家計が負担している。

統計学が最強の学問である［ビジネス編］

通常版、実践編に続いてビジネス編を読みましたが、タイトルの通り今までの本に比べると統計学よりはビジネスでの考え方が中心になっていた本でした。

ビジネスの分野も経営、人事、マーケティングと幅広くカバーできているので、データに基づいた意思決定をするための考え方を学べる内容でした。

ただ具体的な分析手法については詳しくは書かれていないので、その場合は実践編を読んだ方が良いなと思いました。また内容も統計学というよりはビジネスによっていたなと思います。

統計学が最強の学問である［実践編］

統計の実践編ということですが、実際のビジネスでは平均値くらいしか使わず、、。ただ「何となく平均値を出す」から、「意図的に平均値を出す」ことが出来そうです。まずは実践するためにも自信を持って平均値を使いたいと思います。

今後分析する機会があれば、その都度当てはまる章を熟読しようと思います。

統計学が最強の学問である

[じゃがいも]

統計学の現在 過去 未来

統計学について網羅的に分かり易く書かれた本である。
エビデンスベースという考えに基づいた統計学は政府民間を問わず現在の様々な施策のベースになっているし、より一層活用されるべきである ということがよく分かった。
さらに、現在流行しているAIの構築ベースに統計学が生かされているということを具体的に知ることができた。

東大の先生が実践する確率思考のコツ

確率、統計的な考え方を人生にどう生かすかという本
この人の考え方が自分と似てて読んでて気持ちがいい

最良の選択のために、直感を歪めるのに敏感になる、真実を把握する、真実の不正確さを知る、出来るだけ間違いの少ない意思決定をもたらす、組み合わせ状況を整理し答えにたどり着く。

確率思考による気楽さ、良い選択でも失敗はある、ただ最良を選び続ける
都合の良い話は広めやすいバイアス、フィルター
推定の幅と目的を考える
すべてのモデルは間違っている。だが有用なものもある
神様はサイコロである
本気の努力はエキサイティングである、努力というギャンブル
幸運を信じる

データでもっと儲ける方法 経営とマーケティングのためのアナリティクスデザイン

「#データでもっと儲ける方法」翔泳社、西口啓著
セミナーのお土産、然程期待せずに読み始めたが、とてもよくできた本。
データを使える（キレイにする）ことの難しさ。
タイトルのとおり「儲ける」ためには何が必要？
100%の精度などありえない、外すならどちら側に外すのか？最後に実践してナンボ、社内政治重要！
うちのメンバーにも勧めるとしよう。

サラリーマンの悩みのほとんどにはすでに学問的な「答え」が出ている

全部で30以上の悩み事について書かれていて、そのうち自分がいま悩んでいることは２つしかなく、いかに自分が恵まれた環境に置かれているかを認識しました。

環境に安住することなく、精進します。

統計学が最強の学問である［数学編］―――データ分析と機械学習のための新しい教科書

初学者向き

しかし、よくまとまっていて勉強になった。
前半は中学生レベルなので、つまらないと思ったが、後半はとても良かった。

特に統計学と機械学習がよく似ているというところを示していたところが良かった。

積極的な高校生なら、この本は読めるだろうと思う。

シグナル&ノイズ 天才データアナリストの「予測学」

予測情報とベイズ定理について。確かにメディアで大胆な予測をする人は言い切る分目立つが多面的な予測力に欠ける。

サラリーマンの悩みのほとんどにはすでに学問的な「答え」が出ている

【社会人生活で悩むことの半分以上がココにある】
あるある、という悩みを言語化してくれ、世界の学者はこう分析し、こう解決するのが良いよというペーパーをベースにしている。

メモ魔的に2点書いてみる。
◎心の会計により、より非合理的な選択をしている。
◉可視化して全てのお金が大事である(電子マネーもクレカも現金も同一のもの)というリアリティを持つことが重要。
★マネーフォワードを1日1回みるようにして、無駄な出費や固定費を抑える。サブスクリプションモデルで課金しているものの一覧をつくる。

◎現状維持バイアス、損先維持バイアスに侵されている(心理的)。現金のまま保有するとか。
◉インフレしたときに株などの資産を持っていないと、投資していないこと自体がリスクに。
★1.07倍で毎年運用する。10年後には100万が200万になる。

本の中で研究のことを噛み砕いて説明してくれている。改善してほしい点として、そのペーパーをエビデンスとして後ろで参照できるとなお良かった。