【感想・ネタバレ】統計学が最強の学問である［実践編］のレビュー

西内啓

[ブクログ · ★★★★★]

前著「統計学が最強の学問である」の続著で、ビジネスに統計学を応用するために必要な「把握」「予測」「洞察」を行うための具体的な考え方、適用の仕方、ビジネスに活かし方を解説してある。
数式は出てくるが全て巻末の補足に廻して読みにくくないようにしてある。

[ブクログ · ★★★★★]

統計学って、全部しらべなくても、〇〇％の確率でよければ、〇〇個調べてねというものなので、手間を省くための重要な方法です。そんなにサンプルがおおくなれけば、実際にしらべて納得してもらえば、そのすごさがわかると思います。

[ブクログ · ★★★★★]

少し数字が読めて、因果関係を読み解けることの大切さがわかる良書。数学的すぎないという点では「いかにして問題を解くか」などと並んで良書だと思う。

[ブクログ · ★★★★★]

最近読んだ統計学の本の中で1番面白かった。
統計学をビジネスとしてどう活用するのか？が非常に丁寧に書かれており、ビジネスマンは是非読んだ方が良い1冊だなと思いました。

[ブクログ · ★★★★★]

まずは、重回帰分析を最初にすればいいということが分かった。そうすれば一単位増えたらどれだけ増減するのかということがわかり、直観的にもわかりやすくなるからだ。

因子分析はカテゴリーの縮約に使えることも分かった。類似したカテゴリーがあると、データ的には情報量が増えないので、そういうデータはまとめてしまって、さらに重回帰分析に落としこめばいいということも分かった。

ただ、肝心なのは、自分の手元にそういうデータがないということである。統計学は最強であるといっても、目的がなければ何にもならないということが分かった。

[ブクログ · ★★★★★]

2018年に読んだ本BEST10

第9位 :『統計学が最強の学問である[実践編]―データ分析のための思想と方法』

・数学者の先生が書いた、ビジネスで統計学を活用するための入門書 第二弾。数年前に読んだ前著『統計学が最強の学問である』は、統計学がどのように世の中の役に立っているのかという事例などが書かれた、入門の入門だったが、今回は、問題の種類ごとにどのようなデータ分析手法を用いるのか、が中心。

・自分のSEの業務の中でも、BIツール、機械学習などを扱っているのだけれど、それらと統計学の繋がりが少し分かった気がする。統計学の使用目的には、「(1)現状の把握」「(2)因果関係の洞察」 「(3)今後の予測」があり、(1)が ExcelやBIツールによる「データ抽出・可視化」、(3)が機械学習による「回帰予測」と「クラス分類」。そして、(2)が本著で扱う「洞察のための統計学」である、という点は腑に落ちた。

・紹介されている分析手法は、重回帰分析、ロジスティック回帰、クラスター分析など。数式ほとんど無しで概要のみの説明なので、読みやすいのだけれど、正直ほとんど理解は出来ていない。でも、説明変数（入力項目）とアウトカム（出力結果）の種類（質的か量的か）ごとに、どのデータ分析手法を使うか、という表は、今後もっと深く勉強していってから立ち戻ると、重宝しそう。

・「データ分析・機械学習の手法の選択」は、近い将来 SEの仕事が定型化・効率化・自動化されて減っていった時でも、機械に出来ない仕事の一つになりそうなので、今の内に統計学を勉強しておきたい。今後も、同分野の本を継続して読んでいくつもり。学生の頃、社会に出て数学が何の役に立つのか、と疑問だったが、今は必要性を実感している。

[ブクログ · ★★★★★]

統計学をビジネスに活かすためのヒントやその手法。
ビジネスに当てはめると、解釈が難しく、実際の行動に活かせない事に対して、逆引き的に統計手法を教えてくれる。

[ブクログ · ★★★★★]

与えられた情報から、いかに正しい結論（アウトカム）を導き出すかということについて、統計学の重要性とその苦心の歴史が書かれた前著。それを通じて統計学に目覚めた読者に対して「では実践として」と書かれたものです。統計学に興味を持ってもらうことも意識されていた前著と違い、本書ではその次の段階として書かれています。ビジネスの現場で統計学をどのように使うのか、その手法をできるだけ数式を使わずに書かれているところに著者の苦心が見れます。文系の私では理解しにくいところも多く、難解さを感じながら読ませていただきましたが。著者の数式で解説すれば一行で済むところを、回りくどく根気を込めて書かれているおかげでなんとか読み切ることができました。
与えられたデータから、効果的なアウトカムを導き出す。その過程は完全に理解できたとは言えませんでした。しかし、そのアウトカムの持つ意味と、それがどのようなデータから導き出せるのかが理解できただけでも読む価値があったと思います。

[ブクログ · ★★★★★]

以前に「統計学が最強の学問である」を購入し感銘を受けました。
この度、QC検定を受験することになり、さらに手法の考え方を深めるために、本書を読みました。
フィッシャーの統計論に基づき、基本統計量の説明から、検定・推定、回帰分析、因子分析、クラスター分析までを守備範囲とし、本質の理解と手法の活用プロセスについて、安易に解説頂いております。
GACCOでも統計の科目を受講しており、学びが一層深まりました。

[ブクログ · ★★★★★]

統計学の実践的な活用方法が満載。漠然としか知らなかった各種検定方法の違いもよくわかった。もう一度、読み直したいと思う。

[ブクログ · ★★★★★]

前半は分かりやすい平均値や中央値の話から始まりどの程度分析結果が正しいのか見極める検定についての説明となり闇雲にデータをたくさん集めようとするビッグデータ処理に警鐘を鳴らす。後半では様々なアウトカム（成果指標）に対応した統計手法を紹介している。一度読んだだけではとても理解できたとは言えないが、統計学の凄さが垣間見えた気がする。

[ブクログ · ★★★★☆]

実地での統計的手法の活用方法の基本（アウトカムを高めたいときの施策の抽出に限り、平均値などの現状分析や株価の予測などに関する内容はあまり掲載されていない。）がよくわかった。
データを整理したら、まずは重回帰分析（アウトカムが量的）かロジスティクス分析（アウトカムが質的）で影響している説明変数を見抜き、当該変数を操作することでアウトカムを変えられるのかどうか（当該説明変数とアウトカムの関係が、因果関係なのか相関関係なのか）をランダム化比較実験で検証し、その検証にあたってはz検定やt検定を行うと。
結局、χ２乗検定や分散分析は実用上あまり出番はないということか。
帰無仮説平均と対立仮説平均の差と、有意水準と望む検出力を設定すれば、これを満たすために必要な標準誤差がわかり、元データの標準偏差から必要なサンプル数が導出できるというのは、ちゃんとした順序で考えたら普通にそうなるだけの話だが、実用的で勉強になった。

[ブクログ · ★★★★☆]

「実践編」の看板に偽りなし。著者の「頭の良さ」みたいなものがなんだかヒシヒシ伝わってくる感じの本。仕事が数字を扱いながらもふつう統計をつかう分野でないので、どう実践に使えるか悩みつつ読んだ

ちょくちょく後戻りして理解を確かめながらでないと読めなかったので、電子書籍でなく紙の本向きだと思う

[ブクログ · ★★★★☆]

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。

[ブクログ · ★★★★☆]

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。

[ブクログ · ★★★★☆]

#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。

[ブクログ · ★★★★☆]

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。

[ブクログ · ★★★★☆]

統計学の意義、エッセンスをわかりやすくまとめた『統計学が最強の学問である』の続編。ビジネスで統計学を活かし、「洞察」を行うための具体的手法（統計的仮説検定、回帰分析、因子分析等）を解説している。卑近な事例を用いて、基本、数式を使わずに説明されており（しかも巻末に数式による補足もついていて重宝）、非常にわかりやすい。実務で実際に統計学の手法を使いたい場合の恰好の入門書である。

[ブクログ · ★★★★☆]

前著「統計学が最強の学問である」の続編．前著は統計学のビジネスへの適用に対する興味を抱かせる内容であったが，今回は実践編というだけあって，実際に使う気が出てきた人向けの内容となっている．といっても，実際に使う気になったらExcelやRについての実用書が必要になると思われる．本書は実用書との橋渡しのような位置づけで活用されてはどうかと思う．

[ブクログ · ★★★☆☆]

「統計学が最強の学問である」と比べると、内容が一気にレベルアップしていて、初心者にとってはかなり難解な内容となっている。

かといってすごく高度な内容を取り扱うわけでもなく、読者層を選ぶという一冊。

[ブクログ · ★★★☆☆]

前半は良かったが、後半は難しすぎた。実践編ということで、本気でマーケティングなどに取り組んでいる人のための本だと思った。

[ブクログ · ★★★☆☆]

◯1つの説明変数と1つのアウトカムとの間の関係性だけを分析してしまうと、見落としていた別の要因によって結果が歪められている、ということがしばしばある。(202p)

★終章のビジネスで用いる場合の分析の手順が本書のキモであると思う。

[ブクログ · ★★★☆☆]

前著よりそれらしいことが書かれている

書籍の冒頭で，前著である「統計学が最強の学問である」が1冊まるごとを導入として書いたなどという言い訳から始まっており，心配になった。しかし，前著に比べればよりそれらしいことが書かれている。平均や各種手法について説明されている。
しかし，なんとなくわかったようなわからないようなという域を出るものでもなかった。

結局のところ，データあってもどうにもできないことや変化させられないことというのが大部分を占める。予算であったり天気であったり。
統計学が有効な場面はあるだろうが，それは結局十分に学習を積み，そういう経験・場面に出くわした場合に限るように感じた。

[ブクログ · ★★★☆☆]

統計学の基礎から回帰分析までを実践的に解説している。筆者はおそらく天才なのであろう。文才もあるし、説明の仕方も明瞭ではあるが、本文中には数式があまりでて来ないため、理屈ではわかるが、実践に至るまでには到達できないと感じた。

[ブクログ · ★★★☆☆]

前作の「統計学が最強の学問である」で統計学がどれだけすごいのかということが書かれていたのに対して、さらに具体的にどうすれば統計学を最大限活用していけるのかについて書かれていました。
ただ、読めばすぐに現実社会で使いこなせるのかというと、そうでもなくさらにもっと勉強はしないといけないなという印象です。その勉強に取り組んでいくためのとっかかりとしては非常にいい本だと思いました。

[ブクログ · ★★★☆☆]

この本の理解が統計学のスタート地点と書かれているが、一回読むだけでは人に教えるレベルにならない。

偉大な統計学の変遷からいろいろな手法が載っているが、やはり数学的思考がないと理解は難しい。

さわりだけという感じではなく、使いこなしたいという人は時間をかけて身につけたほうがいいように思う。

僕は今から二周目やります。

[ブクログ · ★★★☆☆]

２章終わりで挫折。
理系卒でも興味関心が無ければ敷居は高い。

それでも、一般の統計学の本より読みやすいか。

[ブクログ · ★★★☆☆]

終章「巨人の肩に立つ」の系統的レビュー、メタアナリシスは、普段ざっくりやってることだったり。もう少し精度を上げて取り組めそう。フリーでは範囲が限られるとはいえ、論文にネットからアクセスできるって素敵。
統計そのものの実務的なことについてはやはり別の本を読もうと思うが、統計に関わる専門家の人々の統計に対する態度の違いは面白く読んだ。

[ブクログ · ★★★☆☆]

頻度論とベイズ論　分析と洞察は頻度論、予測はベイズ論。

代表値は平均、中央値、最頻値など。数が多ければ平均を考えれば良い。
中心極限定理＝元のデータを足し合わせれば、正規分布に収束する。

分散と不偏分散（データ数マイナス１で割る）

αエラー＝慌てもの、βエラー＝ぼんやり者

有意水準と最強力検定
平均値の標準誤差を考える
平均値と標準偏差を使えば、サンプルサイズ設計ができる＝標準誤差が平均値±２SDに入るためのサンプルサイズ。

帰無仮説、p値
ｚ検定よりもｔ検定のほうが問題が少ない（少数のデータでも使える）
カイ二乗分布
フィッシャーの正確検定

回帰分析（説明変数が量的なものの場合）
重回帰分析

SAS　R　エクセル　SQL

項目反応理論
バラつきがどんなものでも、±２SDの間に、3/4以上入っている。正規分布では95％が入っている。
ヘンペルのカラス＝カラスは黒いは証明できない。

[ブクログ · ★★★☆☆]

【複雑系解法】
たまたま、ジェノサイドという小説を読んだところだったので思ったのですが、この小説には進化した人間が出てきて、現在で言われるところの複雑系（天気、火山の噴火、人の行動など）を瞬間的に解くことができます。

われわれは、今現在では解くことのできない（非線形）事象を複雑系として簡単に表現してしまっています。
人間の脳で解くことができない事象を、解けないので複雑系という言葉で解かなくてもよい状態をつくりあげています。

統計学は今現在の人間が解くことのできない、複雑すぎて直接解を導くことができない事象をある程度の精度でもとめる手法のように感じます。
もし、複雑系の事象を直接解くことができれば、統計学に頼る必要性はありません。

逆に、解く手法がない状況だから統計学が活きてくるともいえます。