あらすじ

基礎理論を飛ばさない！
推定・検定から統計モデル・機械学習へ！

本書は統計学の理論をゼロから学べる教科書です。
IoTやビッグデータの発展によりさまざまなデータが社会にあふれ、
全てのデータを確認するのは難しくなってきています。
多くのデータから価値があるデータを作成するには統計学の知識が必須です。

【本書のポイント】
本書は統計学をはじめて勉強するかたでも、
読み進めていけるように、以下の3点を重点的に解説しています。
・データをどのように分析するのか
・なぜそのように分析するのが良いことなのか
・Pythonを使ってどのように分析するのか

【統計学を勉強するためのツールについて】
この書籍では、学習していく際のツールに、プログラミング言語のPythonを使用します。
PythonはExcelやRより自由度が高く、機械学習に多く利用されているので幅広い層から注目を集めています。
Pythonに馴染むことにより、機械学習を利用したデータ分析者になるための基礎的な技術も身に付けられます。

【本書の構成】
本書は全7部構成になっています。
それぞれの部で次のようなことを解説しています。
第1部では統計学の基本を解説しています。
第2部でPythonの基本やJupyter Notebookの使い方を説明します。
第3部でPythonを用いた統計分析の方法を学びます。
第4部からは統計モデルについて学んでいきます。
第5部では正規線形モデルを解説します。
第6部それを発展させた一般化線形モデルについて解説します。
第7部は、統計学から機械学習へのつながりを学びます。

統計学やPythonのことを何も知らない方にもオススメの一冊です。

※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。
※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。
※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。
※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

＼レビュー投稿でポイントプレゼント／ ※購入済みの作品が対象となります

レビューを書く

感情タグBEST3

＃タメになる＃深い＃共感する

並び替え

Posted by ブクログ

Pythonを使った実装を通して統計学の基礎から機械学習のさわりまで学べる本。第2版が出ているのでそちらを入手予定。

0

2024年11月22日

Posted by ブクログ

Pythonの基本事項から統計も中学生レベルから説明されており、非常に良かったです。複雑な統計学や、長くなるライブラリは一切排除し、それぞれの計算式と使い所をしっかりと載せてくれています。めっちゃ勉強になりました。

0

2019年02月21日

Posted by ブクログ

　説明がすっきりまとまっており頭に入りやすい。統計学の習得に最初に読む本ではないが、振り返りに良いと感じた。
使用しているPythonのライブラリはScipyとstatsmodels両方使用してあったがどちらかに統一してもらったほうが学習コストが下がったと思われる。

1部統計学の基本
　1章統計学
　2章標本が得られるプロセス
　3章標本が得られるプロセスの抽象化
　4章記述統計の基礎
　5章母集団分布の推定
　　省略
　6章確率質量関数と確率密度関数
　　離散型確率の確率関数のことを確率質量と言うのは知らなかった。
　7章統計学の計算
　　7-8の標本分散が偏りを持つ理由は直感的な理解に役立った。
　8章確率論の基本
　　このへんはサラリと説明
　9章確率変数と確率分布
　　確率分布（密度）から確率を計算する方法がある。実際はPythonでやるので難しくはない。
2部 PythonとJupyter Notebookの基本
　省略
3部 Pythonによるデータ分析
　1章 Pythonによる記述統計:1変量データ編
　　1変量の統計量の紹介
　2章 Pythonによる記述統計:多変量データ編
　　整然データのことは初めて知った。いわれてみればあとあと加工しやすい。ＤＢなどに保存している形に良く似ている。
　　共分散の説明がわかりやすい。
　3章 matplotlib,seabornによるデータの可視化
　　省略
　4章母集団からの標本抽出シミュレーション
　　省略
　5章標本の統計量の性質
　　バイオリンプロットの利点が今回初めてわかった。標準偏差と標準誤差の違いがわかってなかった。
　6章正規分布とその応用
　　t分布に母数の推定に使えることを知った。
　7章推定
　　点推定、区間推定、信頼区間の説明があった。
　8章統計的仮説検定
　　いままでわかりにくかった検定が少しだけわかった。実際検定をやろうとするとこれだけの知識だけではダメな気もする。t値、p値(p203-p211)の説明がある。
　9章平均値の差の検定
　　t検定は平均値の差の検定に使用される。
　10章分割表の検定
　　統計にだまされそうな事例でした。
　11章検定の結果の解釈
　　結構実務的な内容
4部統計モデルの基本
　ここから現代的な？統計に入るのかな？
　1章統計モデル
　　
　2章統計モデルの作り方
　3章データの表現とモデルの名称
　4章パラメタ推定:尤度の最大化
　5章パラメタ推定:損失の最小化
　　5-6最小二乗法と最尤法の関係はなるほどと思った。
　6章予測精度の評価と変数の選択
5部正規線形モデル
　1章連続型の説明変数を1つ持つモデル（単回帰）
　　このへんからライブラリstatsmodelsの使い方が出てくる。結果の解釈の説明があったの良い。Q-Qプロットはあまりわからなかった。
　2章分散分析
　　全体的にレベルが高くついていけなかった。
　3章複数の説明変数をもつモデル
　　実用に使用できる内容であった。
6部一般化線形モデル
　1章さまざまな確率分布
　2章一般化線形モデルの基本
　　線形予測子、リンク関数などかなり高度な内容であった。
　3章ロジスティック回帰
　4章一般化線形モデルの評価
　5章ポアソン回帰
7部統計学と機械学習
　省略