機械学習エンジニア＆データサイエンティスト必携！ 初学者でもpandasによる前処理手法がわかる 【本書の背景】 機械学習やデータサイエンスでは、いかに「きれいなデータ」を用意できるかが非常に重要です。データクレンジングともいわれますが、実際の現場のデータは、機械学習やデータ分析にすぐ利用できるデータは皆無に等しく、エンジニアによりデータの前処理が必須となってきています。 【本書の概要】 本書は、機械学習やデータサイエンスの現場では、データ処理に必要な定番のライブラリ「pandas」を用いて、前処理の基本と様々な前処理手法について、あますところなく解説した書籍です。 初学者向けにシンプルでわかりやすいサンプルを用いていますので、pandasの基本操作方法やデータ構造、さらに前処理の基本の理解についてもしっかり学ぶことができます。 pandasを理解することで、様々な機械学習・データ分析タスクがスムーズに行えるようになります。 【本書の対象読者】 ・機械学習エンジニア（初学者） ・データサイエンティスト（初学者） 【著書からひとこと】 本書では機械学習「初学者向け」にpandasの基本的な操作を解説しています。初歩的な要約統計量の算出やグループ化やダミー変数、さらに文字列や時系列データの基本操作など、幅広い範囲をカバーしています。 日々、データを業務で取り扱う機械学習エンジニアやKaggle等のデータ分析競技をやられている方に向けて、pandasを使ったデータ前処理のお役に立てばと思い執筆いたしました。 ※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。

◆◆数式とコードの距離が近いJuliaで一生モノの考え方を身につけよう！◆◆ 線形代数、微積分、最適化、確率・統計の基本的な計算から、 ハミルトニアンモンテカルロ法、階層ベイズ、状態空間モデルの原理までをていねいに解説！ [サポートページ] https://github.com/sammy-suyama/JuliaBayesBook [主な内容] 第1章　Juliaの基礎 1.1　Juliaとは 1.2　基本文法 1.3　パッケージの利用 1.4　グラフの描画 第2章　数値計算の基礎 2.1　ベクトル・行列計算 2.2　統計量の計算 2.3　統計量と確率分布のパラメータ 2.4　微分計算 2.5　関数の最適化 2.6　最適化によるカーブフィッティング 2.7　積分計算 第3章　確率計算の基礎 3.1　表を使った確率計算 3.2　式を使った確率計算 3.3　連続値における周辺分布と条件付き分布 3.4　確率的試行のシミュレーション 第4章　確率分布の基礎 4.1　確率分布とは 4.2　Juliaでの確率分布の扱い（Distributions.jl） 4.3　離散型確率分布 4.4　連続型確率分布 4.5　統計モデルの設計 第5章　統計モデリングと推論 5.1　ベルヌーイモデル 5.2　線形回帰 5.3　ロジスティック回帰モデル 第6章　勾配を利用した近似推論手法 6.1　なぜ勾配を利用するのか 6.2　ラプラス近似 6.3　ハミルトニアンモンテカルロ法 第7章　発展的な統計モデル 7.1　ポアソン回帰 7.2　階層ベイズモデル 7.3　状態空間モデル

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 RとPythonで統計学を実践的に学ぶ！ 　本書はRとPythonを使って，統計学の基礎を実践的に学ぶテキストです． 　近年，IoTや人工知能ブームなどに代表されるように，人が日々扱うデータは増え続けています．データの量・種類が増えるにつれ，ただ闇雲にツールを使って分析するだけではなく，なぜその手法を使うのか，結果から何を読み取るのかなどといったことがポイントになってきます． 　このポイントを正しく理解し，適切にデータ分析を行うには十分な統計学の知識が必要になってきます．しかしながら統計学の土台は数学であり，数学に苦手意識をもつ方にとって純粋な統計学の教科書はハードルが高いと思われます．また，平易な参考書においても，結局のところ手元のデータをどうすればよいのかといったところで，また一つ壁があります． 　そこで本書は，データ分析に優れた環境であるRと，機械学習など大規模なデータ分析に定評のあるPythonによるプログラミングを通して統計学を解説します．統計学を学びたい，データを分析したいというエンジニアや学生に向けて，数学的な壁を取り払いつつ，実際にデータを分析するための統計学の知識を提供します． 第1章　データ分析と統計が注目される理由 第2章　基本統計量を知る 第3章　よく使われる分析手法を知る 第4章　確率の基本と推定を知る 第5章　検定の手法を知る 第6章　将来を予測する 付 録　数学知識の復習

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 Rによる実践と分析のセオリーを把握 数学の苦手な文化系の学生，実務者向けに、分析スキルの習得および理解を目的としてまとめたデータサイエンス（統計学）の入門書です。計算はRに任せ、数学的な理解よりもまずは実践・実際的な理解を促します。 実際の課題（研究課題）を取り上げ、それを解くためのセオリーおよびデータ分析、結果のまとめ方、最後にまとめ（考え方）と類題といった構成で解説することで、目的（テーマ）に応じた分析の流れを学ぶことができます。 【このような方におすすめ】 ◎卒論・修論，仕事で推測統計を使ったデータ分析を試みている文系の学生・実務者 ○文系研究者でデータ分析を使ってみたいと思ってる人やその予備軍 【主要目次】 準備 Chapter 0　Rはじめの一歩―これだけで使えるR― 第1部 Chapter 1　グラフを描き、記述統計量を出す―Rエディタを使う― Chapter 2 　統計分析はじめの一歩―標準化と統計的仮説検定― Chapter 3　同じ人の異なるテストの平均点を比較する―TOEIC のReading とListening はどちらが難しいのか― Chapter 4　異なる人のテストの平均点を比較する―音楽的能力は音楽経験の有無で異なるか― Chapter 5　サンプルの小さい外れ値のある二条件（群）を比較する―電話をかける頻度に性差はあるか― Chapter 5 発展　三条件（群）以上の対応のない順序データを比較する―サッカー選手はポジションによって性格が異なるか― Chapter 6　二つの変数の関係性を数値化する―音楽的能力と数学の力の相関― 第2部 Chapter 7　2×２のクロス集計表を分析する―ボディランゲージは聞き手の理解を促進するか― Chapter 8　名義変数の関係性を数量化し理論化を試みる―高校の時に好きだった科目と理系大学での所属学科に関連性はあるか― Chapter 8 発展　名義変数間の関係性を２次元で表現―対応分析－ Chapter 9　テキストマイニング―パートナーに求めるもの― 第3部 Chapter 10　同じ人の三つ以上の平均を比べる―理科嫌いは小中高のどこではじまるのか― Chapter 11　二つの要因の絡みを浮き彫りにする―TOEIC リスニングのスコアはどうすれば上がるのか― Chapter 12　複数の変数で一つの変数を説明する―キャンパス学食の満足度は何によって決まるか― Chapter 12 発展　説明変数から二値データを予測する―オンライン授業の印象を分ける要因は何か― Chapter 13　変数に共通する因子を見つける―自分の心配や悩みを相手が受け止めてくれたと感じる言葉とは― Chapter 14　人をグループに分ける―大学入学の動機によって人を分類してみる― 類題の解説・解答 参考図書 別表

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 Excelでデータ分析はばっちり！ 本書は『Excelで学ぶ多変量解析入門』の最新版です。 多変量のデータ分析手法の理解のためには、実際にデータを解析してみるのがよいので、例題を設け、これについて計算方法や解釈の仕方を説明しています。 Excelによる分析を丁寧に解説し、つまずくことなく多変量解析を学ぶことができるようになっています。 はじめに 本書のねらい 第1部　多変量解析を学ぶための基本的統計解析法 第1章　基本統計量 第2章　相関分析 第3章　直線回帰分析 第4章　曲線回帰分析 第5章　CS分析 第2部　多変量解析法 第6章　多変量解析の概要 第7章　重回帰分析 第8章　時系列重回帰分析 第9章　主成分分析 第10章　コンジョイント分析 第11章　拡張型数量化1類・2類 付録 付　録 付-1 ゴールシークとソルバー 付-2 最小2乗法による回帰式の係数の算出方法 付-3 直交表 付-4 本書で利用する「多変量解析ソフトウェア」のダウンロード方法 付-5 Excelデータ分析の組み込み

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 統計解析は最強のツールである！ Excelの統計解析機能の活用術を学べる『Excelで学ぶ統計解析入門』のExcel 2016/2013対応版登場！！ Excel関数を使った例題をとおして学ぶことで統計の基礎知識が身に付くロングセラー『Excelで学ぶ統計解析入門 Excel2013/l2010対応版』のExcel2016/2013対応版です。本書は例題を設け、この例題に対して、分析の仕方と、Excelを使っての解法の両面を取り上げ解説しています。Excelの機能で対応できないものは、著者が開発したExcelアドインで対応できます。本書に掲載されているExcelアドインは、(株)アイスタットのホームページからダウンロードできます。 主要目次 第1章　統計解析の基礎 第2章　相関分析 第3章　確率分布 第4章　統計的推定と統計的仮説検定の基礎 第5章　母集団の平均と割合に関する推定 第6章　一つの母集団の平均と割合に関する検定 第7章　二つの母集団の平均と割合に関する検定 第8章　統計的推定、統計的仮説検定の理論と公式の導き方 第9章　母集団の分散・正規性・相関に関する検定 第10章　標本平均の分布、検定統計量Ｔ値の分布 第11章　Excelの統計解析機能 第12章　Excelのアドインソフトウェア

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 ツールの操作からレポートのまとめ方まで、データ分析のキホンが身につく！ この本は、データ分析の初心者、とくに文系の方を対象とした社会経済に関するデータ分析の入門書です。 前半は、プログラミング言語に抵抗のある方でも取り組みやすいよう、Excelで記述統計の解説を行います。Excelの基本操作もフォローするので、パソコンが苦手な方でも大丈夫です。 後半に入ったら、データ数が多い場合の分析方法をR（R Studio）で解説していきます。Rについても、もちろんインストールから使い方を説明します。経済データの分析でよく使われる回帰分析をしっかり理解し、レポートとしてまとめられるよう、ていねいに解説していきます。 卒論などで大量のデータ分析を必要とする文系学生のほか、アンケートなどのデータ分析が必要だけれど、数学が苦手な社会人の方にもおすすめです。 【本書の特徴】 ・ ExcelやRを使用した経済に関する例題および演習問題を、各章に掲載しています。数式を追うだけでなく、手を動かして実際の分析方法を身につけることができます。 ・ 演習問題には公的統計データを使用しているため、常に最新の情報を分析しながら学べます。 ・ExcelやRは、パソコンに苦手意識のある方でも取り組みやすいよう、使用方法をていねいに解説します。 Chapter 1　データと変数の種類 Chapter 2　データをグラフ化しよう Chapter 3　一つの変数による記述統計―中心と散らばりの統計量 Chapter 4　二つの変数による記述統計―相関係数と回帰分析 Chapter 5　推定の考えかた Chapter 6　検定の考えかた Chapter 7　回帰分析での推定と検定 Chapter 8　ダミー変数を用いた回帰分析 Chapter 9　レポートの作成

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 【社会調査に必要なテクニックのすべてが分かる】 社会調査データの特徴を捉え、統計学の分析方法の目的と考え方をきちんと理解し、応用へつなげることができる貴重な1冊。中学生レベルの数学でだいじょうぶです。また、ダウンロード可能な練習問題もご用意しました。理解度の確認にご活用ください。 ■目次 ●第1章 データと変数 　　1-1 社会学におけるデータ分析 　　1-2 データとは何か 　　1-3 ケース・変数・値 　　1-4 変数の性質を理解しよう ●第2章 変数の特徴を分析しよう（1） 　　2-1 質的変数の特徴を調べよう：度数分布表 　　2-2 量的変数の特徴を調べよう（1）たくさんある値を区切る（階級） 　　2-3 度数分布表をグラフにする 　　2-4 量的変数の特徴を調べよう（2）変数の「中心」はどこにある？ 　　2-5 平均値・中央値・最頻値の違いを理解しよう ●第3章 変数の特徴を分析しよう（2）変数のちらばり 　　3-1 量的変数のちらばりを把握しよう（1）範囲 　　3-2 量的変数のちらばりを把握しよう（2）分位数 　　3-3 ちらばりをグラフで表現する「箱ひげ図」 　　3-4 量的変数のちらばりを把握しよう（3）分散 　　3-5 量的変数のちらばりを把握しよう（4）標準偏差 　　3-6 標準偏差の応用：標準化・標準得点・偏差値 ●第4章 変数の関係を分析しよう（1）クロス集計表 　　4-1 度数分布表だけで大丈夫？ 　　4-2 クロス集計表 　　4-3 比率で分布を比べる 　　4-4 クロス表のグラフ表現 　　4-5 関連を1つの数値でまとめるには：関連係数 ●第5章 変数の関係を分析しよう（2）平均値の比較と相関関係 　　5-1 質的変数と量的変数の関係の分析 　　5-2 量的変数どうしの関係の分析（1）散布図を描いてみよう 　　5-3 量的変数どうしの関係の分析（2）相関係数 　　5-4 共分散と相関係数の意味を理解しよう 　　5-5 相関係数による分析の例 　　5-6 関係のしかたは1つじゃない ●第6章 変数の関係をより深く考えよう：原因と結果の考え方 　　6-1 因果関係の3 つの基準 　　6-2 見かけ上の相関と第三変数 　　6-3 原因と結果をつなぐもの ●第7章 変数の関係をさらに分析しよう（1） 　　7-1 2重クロス表の限界 　　7-2 3重クロス表 　　7-3 3重クロス表をグラフ化しよう 　　7-4 変数のコントロール 　　7-5 3重クロス集計における関連のパターン ●第8章 変数の関係をさらに分析しよう（2） 　　8-1 変数を組み合わせた平均値の比較 　　8-2 独立変数の影響のパターン 　　8-3 偏相関係数 　　8-4 生態学的相関 ●第9章 そのデータは信頼できますか？母集団と標本の関係 　　9-1 母集団と標本 　　9-2 偏った標本の危険性 ●第10章 部分から全体を知る（1） 　　10-1 推測統計学とは 　　10-2 母数と標本統計量 　　10-3 推測統計学と確率 　　10-4 「確率に基づく判断」の意味 　　10-5 推定の理論的背景 ●第11章 部分から全体を知る（2） 　　11-1 統計的検定の必要性 　　11-2 帰無仮説と対立仮説 　　11-3 統計的検定の考え方 　　11-4 統計的検定の実際 　　11-5 統計的検定の基礎知識 ●第12章 クロス表のカイ2乗検定 　　12-1 クロス集計表の統計的検定 　　12-2 クロス集計表における統計的独立 　　12-3 カイ2乗検定の方法 　　12-4 有意水準と関連の大きさ 　　12-5 カイ2乗値に基づく関連係数：クラメールのV係数 ●第13章 平均値の差の統計的検定 　　13-1 2つの平均値の差の統計的検定：t検定 　　13-2 3つ以上の平均値の差の統計的検定：分散分析 ●第14章 回帰分析の基礎 　　14-1 回帰分析とは 　　14-2 回帰分析の基本的な考え方 　　14-3 予測値と残差 　　14-4 回帰直線の引き方：最小２乗法 　　14-5 あてはまりの良さを調べる：決定係数 　　14-6 回帰分析の統計的検定 　　14-7 分析結果を表にまとめる ●第15章 重回帰分析 　　15-1 独立変数を増やす：重回帰分析 　　15-2 回帰係数の標準化 　　15-3 ダミー変数 　　15-4 重回帰分析の結果のまとめかた ■著者プロフィール ●神林博史：東北学院大学人間科学部 教授。研究分野は社会意識論、社会階層論。 ●三輪哲：立教大学社会学部 教授。研究分野は社会階層・社会移動、計量社会学。

ゲームや賭け事の研究に端を発した確率論と社会調査から始まった統計学は，いまや自然科学・社会科学やデータ分析など幅広い場面で活用される強力なツールである．確率の公理，確率変数，2項分布や正規分布といった確率論の基礎を解説し，標本と統計量の分布，推定と検定，確率過程へとつなげる．ロングセラーの新装版．※この電子書籍は「固定レイアウト型」で作成されており，タブレットなど大きなディスプレイを備えた端末で読むことに適しています．また，文字だけを拡大すること，文字列のハイライト，検索，辞書の参照，引用などの機能は使用できません．

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 画像処理の基礎知識をポイントを押さえて、わかりやすく、コンパクトにまとめた大学学部向け教科書の改訂版。 定評ある「コンピュータ画像処理」の代表的教科書，ロングセラーの約20年ぶりの改訂で，以下の点に配慮されている． ①深層学習等の最新の話題をカバーしつつ，10年後も生き残っていると思われる技術を厳選した． ②画像処理技術体系の俯瞰に適していて，これから登場する新技術も位置付けやすくなっている． ③大学の学部教育，大学院教育，独習での利用方法が案内されていて，多目的に利用できる． ④実務面から画像処理に興味をもった技術者が，改めて基礎から学びたいと感じたときに手にすべき本．いつまでも座右に置いておきたくなる． 第1章　総　論 1.1　コンピュータ画像処理とは 1.2　コンピュータ画像処理の特質 1.3　コンピュータ画像処理の利用目的 第2章　基本概念 2.1　コンピュータでの画像データの取扱い 2.2　画像の統計量 2.3　画像処理アルゴリズムの形態 2.4　周波数領域での処理 2.5　各種直交変換 2.6　画像の表現とデータ構造 2.7　色彩情報の取扱い 第3章　画像情報の圧縮 3.1　画像情報の圧縮の意義 3.2　画像のデータ量と圧縮の目安 3.3　画像符号化の枠組み 3.4　予測符号化 3.5　変換符号化 3.6　動画像符号化 3.7　エントロピー符号化 3.8　実用的な画像符号化方式 第4章　画質改善と画像の接合・再構成 4.1　強調，復元，接合，再構成 4.2　コントラスト強調 4.3　鮮鋭化 4.4　平滑化と雑音除去 4.5　画像の復元 4.6　幾何学的変換と画像接合 4.7　画像の再構成 第5章　2値画像処理 5.1　2値画像処理の意義とその流れ 5.2　画像の2値化処理 5.3　2値画像の連結性と距離 5.4　2値画像の解析と変換 5.5　モルフォロジー演算 5.6　形状の特徴と表現 5.7　3次元2値画像処理 第6章　画像特徴の抽出 6.1　画像解析・認識のための特徴抽出 6.2　エッジ検出 6.3　コーナー検出 6.4　安定した特徴点の検出 6.5　直線・曲線の抽出 6.6　領域分割 6.7　テクスチャ解析 第7章　立体情報と動きの抽出 7.1　2次元画像から奥行きや動きを求める 7.2　距離情報の抽出 7.3　3次元形状の復元 7.4　距離画像からの特徴抽出 7.5　時系列画像からの動きの抽出 7.6　動きからの3次元形状復元 第8章　画像認識の手法 8.1　画像認識の概要 8.2　2次元画像照合による位置検出 8.3　2次元画像照合による形状認識 8.4　3次元物体の認識 8.5　統計的パターン認識 8.6　部分空間法 8.7　ニューラルネットワークと深層学習 8.8　画像分野への深層学習の効果的利用

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 SAS社のソフトウェア、SAS Enterprise Guideを解説したシリーズのアンケート解析編!! 　SAS社が開発・販売するSAS Baseに含まれているEnterprise Guide（EG）の操作解説書のシリーズ「SAS Enterprise Guide」の『アンケート解析編』です。 　本編では、アンケートの考え方、回答方法、データの型、データ入力をていねいに解説しています。統計の基礎である要約統計量をはじめ、アンケートに必要な複数回答集計、クロス集計、ノンパラメトリック検定なども触れています。 目次 著者のことば 第1章　アンケートの考え方とデータ入力 1.1 ● アンケートについて考える 1.2 ● 本書でのアンケート例 1.3 ● EGへのデータ入力 第2章　基本統計量（度数集計と要約統計量） 2.1 ● 度数集計 2.2 ● 要約統計量 第3章　クロス集計とχ2乗検定 3.1 ● クロス集計表（分割表）の作成 3.2 ● 分割表から行う検定 3.3 ● EGで行う分割表分析とχ 2 乗検定 3.4 ● 分割表とχ2乗検定の結果出力 3.5 ● 順序尺度の分割表の検定 第4章　2 群の平均値の差の検定（t検定） 4.1 ● 平均値の差を比べてみる 4.2 ● t検定について 4.3 ● EGで行うt 検定 4.4 ● t検定の結果出力 第5章　3群以上の差の検定（分散分析） 5.1 ● 3群の差を比べてみる 5.2 ● 分散分析と多重比較について 5.3 ● EGで行う分散分析 5.4 ● 分散分析の出力 第6章　順序データなどのノンパラメトリック検定 6.1 ● ノンパラメトリック検定とは 6.2 ● EGで行う正規性の検定と結果出力 6.3 ● EGで行うノンパラメトリック検定 6.4 ● ノンパラメトリック検定の結果出力 6.5 ● 順序尺度に対するノンパラメトリック検定 第7章　相関分析 7.1 ● 相関係数について 7.2 ● 相関の種類 7.3 ● EGで行う相関分析　Pearsonの積率相関 7.4 ● 相関分析の出力 7.5 ● EGで行う順位相関 7.6 ● 順位相関の出力 第8章　複数回答の集計・分析とダミーデータ 8.1 ● 複数回答データの度数集計 8.2 ● EGで行う複数回答データの検定 8.3 ● 複数回答データと相関係数 8.4 ● 名義変数とダミーデータ 第9章　EGのグラフ作成 9.1 ● グラフ作成の基本的な考え方 9.2 ● 分析メニューからのグラフ作成 9.3 ● グラフメニューからのグラフ作成 参考文献 索引

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 SAS EGで顧客分析、市場動向をさぐる!! 　SAS社が開発するSAS Baseに含まれているEnterprise Guide(EG)の操作解説書のシリーズ、「SAS Enterprise Guide」の第5弾、『SAS Enterprise Guide+Enterprise Miner 顧客分析編』です。 　本書はSAS Enterprise Guide+Enterprise Minerを使って顧客分析、マーケティング分析を行うものです。ソフトの解説のみならず、顧客分析のためのデータ整理の仕方から顧客分析に必要な統計手法を解説します。 主要目次 第1章　顧客分析のためのデータ整理 第2章　基本の統計量とグラフによるデータの把握 第3章　傾向をつかむ相関分析 第4章　EM の基本操作 第5章　EM の回帰分析―ロジスティック回帰分析 第6章　セグメントに分類・ディシジョンツリー 第7章　ニューラルネットワークと予測の比較、当てはめ 第8章　パターンの発見・アソシエーション分析

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 社会調査データの基礎的な集計と分析方法がわかる!! 　本書はExcelを中心に、汎用的なソフトウェアを用いた社会調査データの基礎的な集計と簡単な分析を扱う。その際、社会調査そのものについての基本知識や社会調査データのデータ型についても随時解説する。「社会調査士」資格に必要な、単位認定科目【C科目】に対するテキストになるが、それ以外にも文系のためのデータ分析の入門書や統計の入門書としても利用できる。 第1章　社会調査とデータ分析 第2章　社会調査データの基礎知識 第3章　Excel による社会調査データの操作・加工 第4章　1 つの質的変数を記述する：単純集計 第5章　1 つの量的変数を記述する：基本統計量 第6章　異なる尺度上の値を比較する：標準化 第7章　データを視覚化する：グラフの読み方・つくり方 第8章　2 つの量的変数の関連をみるI：相関係数 第9章　2 つの量的変数の関連をみるII：回帰分析 第10章　3 つの量的変数の関連をみる：偏相関係数 第11章　2 つの質的変数の関連をみるI：クロス集計 第12章　2 つの質的変数の関連をみるII：関連係数 第13章　3 つの質的変数の関連をみる：エラボレイション 第14章　データを提示する：論文・レポートとプレゼンテーション 第15章　推測統計学と多変量解析 付録

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 様々な統計手法を学んでいく上の基礎的知識を取り上げて解説したテキスト。本書では，記述統計量、相関係数、正規分布、統計的仮説検定、ｚ検定を重点的に取り上げた。統計学に初めて触れる読者でもスムースに理解できるよう、数式もできるだけ文字にて説明するなど高度な数式を極力避けて解説している。

★「いつか学ぼう」と思っていたなら、今！★ 初歩から実装まで悩まず進める！ GISの基本から始まり、今ホットな時空間データの解析まで解説。 サンプルコードと出力結果が詳細だから実践しながら学べる、最高のガイド！ [主な内容] 第1部〈導入編〉　空間データの統計解析の基礎 　第1章　はじめよう！　地理空間データの統計解析 　第2章　統計学の基本 　第3章　回帰モデルの基本 　第4章　Rの基本 　第5章　Rによる空間データ処理・可視化の基本 第2部〈基礎編〉　地域データの記述統計 　第6章　空間相関と近接行列 　第7章　大域空間統計量 　第8章　局所空間統計量 第3部〈基礎編〉　地域データの統計モデリング 　第9章　同時自己回帰モデル 　第10章　条件付き自己回帰モデル 第4部〈基礎編〉　点データの統計モデリング 　第11章　空間過程とバリオグラム 　第12章　地球統計モデル 　第13章　地理的加重回帰 第5部〈応用編〉　非ガウス空間データの統計モデリング 　第14章　一般化線形モデルの基礎 　第15章　空間相関を考慮した一般化線形モデル 　第16章　INLAによる空間モデリング 第6部〈応用編〉　時空間データの統計モデリング 　第17章　時空間データの統計モデリングの概略 　第18章　時空間CARモデル 　第19章　時空間過程モデル 第7部〈応用編〉　一般化加法モデルと時空間モデリング 　第20章　一般化加法モデルの基礎 　第21章　一般化加法モデルによる時空間モデリング 　第22章　加法モデルによる空間可変パラメータモデリング 補章　空間統計と機械学習

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 【世界的名著『アルゴリズムイントロダクション』第4版の翻訳第1巻！】 　本書は、全世界で標準的なアルゴリズムの教科書として位置づけられてきた『Introduction to Algorithms』の第4版の翻訳書である。 　第4版ではコンピュータサイエンスの第一線を捉えるために、安定結婚問題（2 部グラフでのマッチング問題）、オンラインアルゴリズム、機械学習などの新しい章や、再帰的漸化式の解法、ハッシュアルゴリズムなど、新しい話題を豊富に取り入れている。これまでの版と同様、各節末には多様なレベルの問題が配置され、学部や大学院の講義用教科書として、また技術系専門家の手引書、あるいは事典としても活用できる。 　第1巻ではPart1～3までの「基礎」「ソートと順序統計量」「データ構造」を収載。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ［商品について］ ―統計学は、数値の寄せ集めである「データ」を「情報」に変える― データに基づいて判断を行うときに考慮しなければならないデータのばらつきという不確かさを、確率モデルという形で表して分析を行う方法として、統計学の検定や推定という方法がある。本書は、主に学部生を対象として、この確率モデルに基づく統計学的分析の基礎的な考え方を、データ分析の基礎であるグラフから母集団を想定しない分析まで、図と数式で分かりやすく解説する。これから本格的に統計学を学びたい方にとっても格好の一書。 ［目次］ １　グラフ：データの図示 　　１.１　１変量の場合 　　　　　　ヒストグラム 　　　　　　棒グラフ（柱状グラフ、柱状図）と折れ線グラフ 　　１.２　２変量の場合：散布図 ２　統計量 　　２.１　１変量の場合 　　　　　　位置と散らばりの指標（平均、分散など） 　　　　　　データの標準化 　　　　　　分布の形状の指標（歪度と尖度） 　　　　　　順序統計量（中央値など） 　　　　　　ヒンジと箱ひげ図 　　２.２　２変量の場合 　　　　　　共分散 　　　　　　相関係数 　　　　　　回帰分析と相関係数 　　　　　　回帰（regression） 　　　　　　擬似相関と変量間の関係 　　　　　　順位相関係数 　　補足２.Ａ　計算の有効桁 　　補足２.Ｂ　和と積の記号：ΣとΠ 　　補足２.Ｃ　データに定数を足した場合、掛けた場合の平均と分散 　　補足２.Ｄ　標準得点の平均値と分散・不偏分散 　　補足２.Ｅ　順序統計量をｐ：１－ｐに内分する値 　　補足２.Ｆ　相関係数と内積 ３　検定 　　３.１　検定の考え方 　　　　　　２項検定（帰無仮説と対立仮説） 　　　　　　２項検定の例 　　３.２　正規分布を仮定する検定 　　　　　　平均値の差のｔ検定(条件間で独立なデータの場合) 　　　　　　等分散の仮定を置かない場合 　　　　　　平均値の差のｔ検定(条件間で対応のあるデータの場合) 　　　　　　等分散の検定 　　　　　　相関係数の検定 　　３.３　ノンパラメトリック検定 　　　　　　カイ２乗検定：適合度の検定 　　　　　　分割表の分析：分布の違いの検定 　　　　　　分割表の分析：カテゴリの独立の検定 　　補足３.Ａ　メタ分析 ４　分散分析 　　４.１　多重比較 　　４.２　分散分析の考え方と方法 　　　　　　被験者間１要因の場合 　　　　　　被験者内１要因の場合 　　　　　　被験者間２要因の場合 　　　　　　その他の分散分析 　　４.３　重回帰分析と分散分析 　　補足４.Ａ　球形仮定（the assumption of sphericity） ５　効果量と検定力 　　５.１　平均値の差の効果量（独立なデータの場合） 　　５.２　分散分析の場合の効果量（被験者間１要因） ６　推定 　　６.１　点推定（モーメント法） 　　　　　　不偏推定量と一致推定量 　　６.２　区間推定 　　６.３　最尤法 　　　　　　尤度関数 　　　　　　尤度比検定 　　　　　　情報量基準ＡＩＣ 　　　　　　信頼区間とフィッシャー情報量 　　６.４　ベイズ的方法 　　６.５　ブートストラップ 　　　　　　ノンパラメトリック・ブートストラップ 　　　　　　パラメトリック・ブートストラップ ７　母集団を想定しない分析 　　７.１　ランダマイゼーション検定 　　７.２　サブサンプルによる分析 　　　　　　データの収集方法に構造がある場合 　　　　　　データの収集方法に構造化がない場合 付録　確率 　　　Ａ　集合 　　　　　Ａ.１　定義 　　　　　Ａ.２　集合の演算 　　　Ｂ　数え上げることのできる事象の確率 　　　　　Ｂ.１　基礎的性質 　　　　　Ｂ.２　条件付確率と独立 　　　　　Ｂ.３　期待値 　　　　　Ｂ.４　ベイズの定理 　　　　　Ｂ.５　補足 　　　Ｃ　積分 　　　　　Ｃ.１　１変数関数の積分 　　　　　Ｃ.２　多重積分 　　　Ｄ　連続量の確率 　　　　　Ｄ.１　分布関数 　　　　　Ｄ.２　条件付確率密度関数 　　　　　Ｄ.３　期待値・平均・分散 　　　Ｅ　確率の例 　　　　　Ｅ.１　ベルヌーイ分布 　　　　　Ｅ.２　２項分布 　　　　　Ｅ.３　正規分布 　　　　　Ｅ.４　カイ２乗分布 　　　　　Ｅ.５　ティ分布 　　　　　Ｅ.６　エフ分布 　　　　　Ｅ.７　非心カイ２乗分布 　　　　　Ｅ.８　非心ティ分布 　　　　　Ｅ.９　非心エフ分布 　　　　　Ｅ.10　２変量正規分布 　　　付表１～付表５ 解答例 引用・参考文献 ［担当からのコメント］ 私たちの生活に欠かすことのできない統計分析は、文系・理系を問わず現代学問体系の基礎知識といっても良いのではないかと思います。学生の方はもちろん、仕事で統計を学ぶ必要があるという方にとっても有用な内容となっています。 ［著者紹介］ 岡本 安晴（おかもと やすはる） 1972年、京都大学理学部（数学専攻）卒業 1977年、京都大学大学院文学研究科博士課程（心理学専攻）単位取得満期退学 1983年、文学博士（京都大学） 日本女子大学名誉教授 専門領域：心理学データ分析、心理学シミュレーション 主要著書及び論文 「Delphiで学ぶデータ分析法」ＣＱ出版社　1998． 「計量心理学」培風館　2006． 「聴取実験データにおける統計的分析・尺度」日本音響学会誌　1999, 55, 723-729． 「エントロピー最小化基準による適応型テスト―テスト情報関数の問題点―」日本テスト学会誌　2007, 3, 36－47．

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 親しみやすいイラストを使って統計とSASの基礎を学ぶ!! SAS(バージョン9.1.3)を用いた統計入門書でSASの使い方及び統計の基本を丁寧に解説する。SASは上級者が用いるものであるという認識がある。しかし、統計処理の基本はデータに含まれる情報を要約し、その解析結果を正しく理解・利用することであり、そのために有効なソフトとしてSASは適している。 この本では、親しみやすいイラストと解説文によって、SASと統計の基礎について学ぶことができる。 ※本書は、新興医学出版社の「月刊モダンフィジシャン」の雑誌連載「サルにもわかるSAS講座」に加筆・修正を加えて発行するものとなる。 ●第1部　SASとは● プロローグ ●第2部　SASによる統計入門● 第1章　SAS の導入とインストール 第2章　環境整備とはじめての解析 第3章　プログラムの流れと各ウィンドウの役割 第4章　DATA ステップの基礎 第5章　DATA ステップの応用 第6章　プロシジャ（PROCEDURE）に関する考察 第7章　基本統計量を求める 第8章　データを数えるということ（頻度集計） 第9章　検定の考え方（1） 第10章　検定の考え方（2） 第11章　ノンパラメトリックな検定 第12章　多群の比較（1） 第13章　多群の比較（2） 第14章　回帰と相関 ●第3部　医療における多変量解析● 第15章　医学における多変量解析（1） 第16章　医学における多変量解析（2） 第17章　SAS に関する考察と小技集

トレーダブルな戦略とは自分のリスク・リワード目標に一致し、リアルタイムでもバックテストと同様のパフォーマンスが得られる戦略のことを言う。しかし、カーブフィッティングから貪欲まで、さまざまな落とし穴が待ち受けているため、トレーダブルな戦略を開発するのは容易なことではない。しかし、正しい方法で行えば、トレーダブルな戦略を開発することは可能である。 このことをだれよりも理解しているのは、トレードシステム開発の第一人者であるキース・フィッチェンだ。彼が開発した不動の人気を誇るアベレイションシステムは、『フューチャーズ・トゥルース』誌の「史上最高のトレードシステムトップ10」の常連だ。25年以上にわたり実績のあるシステムを開発し、彼自身それらのシステムを使って活発にトレードしてきたフィッチェンは、トレードの豊富な経験を読者のみなさんと共有したいという思いで本書を執筆した。 本書は、トレード戦略によってどういったことが達成可能かという現実的な話から始まる。世界の最も優れたマネーマネジャーたちの過去5年にわたるパフォーマンスに始まり、トレード戦略のパフォーマンスを最もよく特徴づける統計量、個人的なリスク許容量に合った「トレーダブルな戦略」を構成するものは何かを定義するうえで手助けとなる一連の質問のほか、戦略開発における最大の問題の1つであるカーブフィッティングについても議論する。さらに、「Build,Rebuild,andCompare」（構築、再構築、比較）、またの名をBRACテストとも言う独特の手法も紹介する。BRACテストは戦略開発におけるカーブフィッティングの度合いを知るための方法だ。 本書の後半では2つのトレーダブルなシステムを開発する。1つは株式用の短期スキャルピングシステム、もう1つは商品用の中期トレンドフォローシステムだ。これらのシステムを開発しながら、仕掛け、手仕舞い、トレードフィルターについても議論する。これら2つのシステムは両方とも現状のままでも「トレーダブル」だが、株式や商品の大口口座から小口口座まで、さまざまなリスク・リワード特性に合わせて調整するためにはあるテクニックが必要になる。それがマネーマネジメントテクニックだ。また、株式戦略や商品戦略を単独でトレードするよりも一緒にトレードしたほうが効果的であるため、両方の戦略を一緒にトレードするためのマネーマネジメントも開発する。本書の戦略についてもっと詳しく知りたい人は、両方のシステムのトレードをウェブサイトで閲覧できる。 真剣なトレーダー向けに書かれた本書は、BRACテストからバースコアリングまで、ほかでは入手不可能な情報が満載だ。本書を読めば優れたリターンを達成するうえで優位な立場に立つことができるはずだ。

【内容紹介】 本書は日本統計学会による統計検定「データサイエンス基礎」の公認テキストです。 急速に進展したデジタル社会では、規模の大小に係わらず多種多様なデータを処理し、目的に応じた問題解決的思考に基づくデータアナリティクス能力が要求されます。 「統計検定」では問題解決に資する統計思考力と活用力を評価する各級として確立してきました。この試験ではCBT方式である機能を活かし、具体的なデータセットをコンピュータ上に提示して、分析目的に応じて、解析手法を選択し、表計算ソフトExcelによるデータの前処理から解析の実践、出力から必要な情報を適切に読み取り、当初の問題の解決のための解釈を行う一連の能力を「データサイエンス基礎」として評価・認証します。 この試験は、データサイエンスとその応用分野の専門家が活用力を重視した問題を開発し、生徒・学生・社会人を問わず、AI・デジタル社会の共通スキルである「データサイエンス基礎」力を評価し、認証するための検定試験となっています。 本書はこの「データサイエンス基礎」の出題範囲に対応したテキストです。統計のテキストとしての内容以外にも、問題に使用するデータセットがダウンロードでき、Excelでの処理の仕方や、その手順を動画で確認できるQRコードなど、試験での解答能力とともに実践できるデータアナリティクス能力が身につく内容になっています。 【目次】 PART 1 データサイエンスの基本 第1章 データの構造化とデータマネジメント 1 データアナリティクスと問題解決 2 構造化データと非構造化データ 3 データマネジメント PART 2 質的データのアナリティクス 第2章 重点志向とパレート分析 1 パレート分析の手順とパレート表 2 層別パレート分析 3 問題の解答と演習問題 第3章 データ項目間の関連性とクロス集計分析 1 クロス集計表(同時分布・周辺分布・条件付き分布) 2 2 つのデータ項目の間の関連性の強さを測る:連関係数とχ2 検定 3 問題の解答と演習問題 PART 3 量的データのアナリティクス 第4章 分析構造の把握と基本統計量 1 分布の把握 2 基本統計量 3 グラフと統計量 4 代表的な変数変換 5 問題の解答と演習問題 第5章 相関・予測と回帰分析 1 相関分析 2 回帰分析 3 問題の解答と演習問題 PART 4 確率・確率分布・推測のアナリティクス 第6章 確率に基づく判断 1 二項分布を用いた分析 2 正規分布を用いた分析 3 いろいろな確率分布を用いた分析 4 クロス集計表と条件付き確率/ベイズの定理を用いた分析 5 問題の解答と演習問題 第7章 統計的な推測 1 推定に伴う誤差 2 区間推定 3 仮説検定の考え方 4 仮説検定 5 問題の解答と演習問題 PART 5 時系列・テキスト・乱数データのアナリティクス 第8章 時系列データの分析 1 指数・増減率・成長率 2 問題の解答と演習問題 3 移動平均・季節調整・寄与度分解 4 問題の解答と演習問題 第9章 テキストデータの分析 1 文書データの処理 2 文書データの統計処理 3 問題の解答と演習問題 第10章 シミュレーションと乱数 1 シミュレーション 2 代表的なシミュレーション 3 問題の解答と演習問題 PART 6 実践模擬問題 第11章 模擬問題と解答

★ 実験を効率化する強い味方 ★ もう実験で疲弊しない。次に試す実験条件は、データと統計学が教えてくれる！ ベイズ最適化とPythonを駆使して、効率よく研究・開発を進めよう！ 《すぐに試せるサンプルデータセット・サンプルコード付き》 ■ データ解析の初歩から、モデルの設計、実践的な応用事例までを導く。 ■ 実験時間や人数が限られる今、絶対に役立つスキルが身につく！ ■ 入門書であり、実践書。フルカラー！ 【目次】 第1章　データ解析や機械学習を活用した分子設計・材料設計・プロセス設計・プロセス管理 ・ケモ・マテリアルズ・プロセスインフォマティクス ・分子設計 ・材料設計 ・なぜベイズ最適化が必要か ・プロセス設計 ・プロセス管理 ・データ解析・人工知能（モデル）の本質 第2章　実験計画法 ・なぜ実験計画法か ・実験計画法とは ・適応的実験計画法 ・必要となる手法・技術 第3章　データ解析や回帰分析の手法 ・データセットの表現 ・ヒストグラム・散布図の確認 ・統計量の確認 ・特徴量の標準化 ・最小二乗法による線形重回帰分析 ・回帰モデルの推定性能の評価 ・非線形重回帰分析 ・決定木 ・ランダムフォレスト ・サポートベクター回帰 ・ガウス過程回帰 第4章　モデルの適用範囲 ・モデルの適用範囲とは ・データ密度 ・アンサンブル学習 第5章　実験計画法・適応的実験計画法の実践 ・実験候補の生成 ・実験候補の選択 ・次の実験候補の選択 ・ベイズ最適化 ・化学構造を扱うときはどうするか 第6章　応用事例 ・複雑な非線形関数を用いた実験計画法・適応的実験計画法の実践 ・分子設計 ・材料設計 ・プロセス設計 第7章　さらなる深みを目指すために ・Gaussian Mixture Regression（GMR） ・GMR-Based Optimization（GMRBO）（GMRに基づく適応的実験計画法） ・複雑な非線形関数を用いたGMRBOの検証 第8章　数学の基礎・Anaconda・Spyder ・行列やベクトルの表現・転置行列・逆行列・固有値分解 ・最尤推定法・正規分布 ・確率・同時確率・条件付き確率・確率の乗法定理 ・AnacondaとRDKitのインストール・Spyderの使い方

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 成果に結び付くデータの集め方・処理の仕方の基本となる考え方をわかりやすく解説！ データを利用・活用しようとしたとき、目の前の状況や蓄積されたデータと、データを扱うさまざまな手法・データサイエンスの知見が結び付かず、「どうやって分析したら良いか思いつかない」、「他人の分析例を見ても，実際に手元のデータに応用することができない」ということが起こりがちです。 そこで、ビジネスシーンを念頭に置いた事例をとおして、データの扱い方を ・そもそもビジネスで活用するためには、データをどのように捉え、考えれば良いか ・現場で使いやすい分析手法には何があるか ・どのようなアウトプットになり、どのような状況で利用できるか といった視点で整理し、わかりやすく、やさしく解説します。 第1章　実務に使うためのデータ分析とは？ 1.1 ビジネスにおけるデータ分析の役割とは 　1 分析の必要性を確認する 　2 ビジネスデータ分析と行動経済学 　3 顧客が合理的に動かない理由を説明する「プロスペクト理論」 　4 数字の見せ方で印象が変わる「フレーミング効果」 　5 顧客には安心するメニューがある「極端の回避性」 　6 「カンと経験」と「データ分析」の関係 　7 現場におけるデータ分析の使いどころ 1.2 現場におけるデータ分析時に意識すべきこと 　1 最も優先的に意識すべきこと 　2 分析の目的を見失わないために重要なこと 　3 データを収集するときに意識しておきたいこと 　4 データ分析を行う際に意識すべきことのおさらい 　5 分析プロジェクトの2つのタイプ「探索型」と「予測型」 　6 分析結果にどのように向き合うか 第2章　分析ロジックとビジネスをつなげる思考メソッド 2.1 ビジネスにおける「原因と結果・効果」 　1 「表」を「ビジネスで使えるツール」として捉える 　2 「原因と結果・効果の表」で商いを捉える（情報の取捨選択） 2.2 「原因と結果・効果の表」を深掘りする 　1 現実のビジネスデータをどのように捉えるか 　2 「原因と結果・効果の表」の中身は4パターン 　3 4パターンの詳細解説 2.3 ビジネスの課題への適用メソッド 　1 ビジネスデータ活用の構造 　2 見える部分と見えない部分 　3 時間の変化・期間設定について 　4 介入できるデータと介入できないデータ 　5 過去の解析と未来の予測 2.4 データと分析手法の関係 　1 データが多数あることのメリット 　2 データと分析手法の関係 第3章　ビジネス現場で使える分析手法 3.1 データ分析で最低限知っておきたいこと 　1 集計できたら，まずチェック～基本統計量（平均値，標準偏差，最頻値，中央値）～ 　2 データ同士の「つながり」を見る～相関関係と因果関係～ 　3 データ間に「真の関係」はあるか？～因果推論～ 3.2 ビジネスデータを扱ううえで知っておきたい「多変量解析」 　1 「統計モデル」の基本～回帰分析～ 　2 データを上手にグループ分けする～クラスター分析～ 　3 データの特徴をシンプルに探る～主成分分析～ 　4 データに隠れる要因を推測～因子分析～ 3.3 ビジネス現場の「予測」で使いやすい分析手法 　1 「何が決め手になったのか？」を探る～決定木分析～ 　2 予測精度の高い手法～ランダムフォレスト～ 　3 予測精度の評価方法 3.4 ライバルに差を付ける「確率論」の視点 　1 未来を見るために重要な視点～確率分布～ 　2 カンと経験をビジネスに使う～ベイズ確率～ 3.5 いろいろな場面で使えるその他手法 　1 「使えるペア」を探索～アソシエーション分析～ 　2 時系列データの読み取り方～時系列分析～ 　3 レコメンデーション（推薦システム）の仕組み 　4 テキストデータの分析方法～テキストマイニング～ 3.6 マーケティング理論への拡張 　1 マーケティング理論への分析手法適用メソッド 　2 STP分析にデータ分析手法を使う 　3 イノベーター理論に確率のテクニックを使う 　4 RFM分析に確率分布のテクニックを使う 第4章　実務への適用メソッド 4.1 「なぜ売れるのか・誰が買うのか」を探る 　1 二項対立を図で考察 　2 想像力や推理力を発揮するポイント 4.2 サブスクリプション商材をどのように考えるか 4.3 従業員に関するデータの活用法 　1 従業員が分析対象となっているケース 　2 従業員データを分析の材料とするケース 4.4 実務データで生じる各種問題への対処アイデア 　1 欠損値への対処法 　2 はずれ値の対処法 　3 有意差検定における「P値」の解釈 　4 何でも正規分布を仮定 参考文献

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 丁寧な図と解説で、初学者でもExcelを使ってデータ解析や統計処理ができる！ 　本書は、得られたデータの解析手順やその後の統計処理までをExcelを使って自学できるよう、分かりやすく丁寧に解説したものです。また、「ノンパラメトリック検定」もExcelで扱えるように解説してあります。統計学で必要な難しい数式は省略せずに掲載してありますが、エクセル操作部分を丁寧に解説しているので、数式が理解できていなくても、データ解析から目的の結果へと進めることができます。本書を片手に同じように操作を進めていくだけで、データ解析や統計処理で使える技術（目的に合わせて使いこなす技術）を習得でき、応用できるようになります。 ＜解析編＞ 第1章　ヒストグラム 第2章　基本統計量 第3章　正規分布 第4章　相関分析 第5章　回帰分析 第6章　周波数解析 第7章　グラフ 第8章　モデル関数のあてはめ ＜統計編＞ 第9章　関連2群の差の検定 第10章　独立2群の差の検定 第11章　独立3群以上の差の検定 第12章　関連3群以上の差の検定 第13章　分割表の検定 第14章　生存時間解析 ＜付録＞ 付録1　正規分布 付録2　t検定表 付録3　ウィルコクスンT検定表 付録4　F検定表 付録5　U検定表 付録6　クラスカル・ウォリス検定表 付録7　x2検定表（上側確率） 付録8　フリードマン検定表

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 薬学系コアカリ「薬学の基礎としての数学・統計学」に対応したテキスト。解法がしっかり身につくよう、解答を導く過程や各数値の意味まで、フルカラーでていねいに解説した。 【本書の特徴】 ・薬学教育で要求される比例計算、濃度計算、指数・対数、数列、三角関数、微積分、確率、統計、線形代数をすべて網羅 ・式の展開を省かず、懇切丁寧に解説を書いているので、自主学習にも役立つ ・例題と演習問題を豊富に掲載し、計算力を高める学修ができる ・薬剤師国家試験に出題された基礎的問題や実務的問題も取り入れ、学んだ数学が専門科目の授業や国家試験でどのように活かされるのかがわかる 【目次】 第1章　数値の扱い 1.1　連分数 1.2　割合・比・率 1.3　薬学への応用 第2章　指数関数 2.1　指数と計算 2.2　指数関数とそのグラフ 2.3　薬学への応用 第3章　対数関数 3.1　対数とその性質 3.2　対数関数とそのグラフ 3.3　薬学への応用 第4章三角関数 4.1　一般角と三角関数 4.2　三角関数のグラフ 4.3　加法定理と三角関数の合成 第5章　数列 5.1　等差数列と等比数列 5.2　無限数列とその極限 5.3　薬学への応用 第6章　微分法 6.1　微分の定義 6.2　導関数 6.3　指数関数、対数関数、三角関数の導関数 6.4　偏微分・全微分 6.5　薬学への応用 第7章　積分法 7.1　不定積分 7.2　定積分と面積 7.3　薬学への応用 第8章　微分方程式 8.1　変数分離形の微分方程式 8.2　1階線形微分方程式と身近な微分方程式 8.3　薬学への応用 第9章　行列 9.1　平面ベクトルと空間ベクトル 9.2　行列 9.3　行列式 第10章　確率 10.1　順列と組合せ 10.2　確率と確率変数 10.3　代表的な確率分布 第11章　統計 11.1　データの尺度水準 11.2　母集団と標本 11.3　基本統計量 11.4　相関と回帰分析 11.5　推定と検定 11.6　薬学への応用 ※この商品は紙の書籍のページを画像にした電子書籍です。文字だけを拡大することはできませんので、タブレットサイズの端末での閲読を推奨します。また、文字列のハイライトや検索、辞書の参照、引用などの機能も使用できません。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 高校レベルの内容から学べる、これまでになく丁寧な人気テキストが改訂！ 薬剤師国家試験の新出題基準に対応し、疫学を充実させた。 国家試験やCBTを吟味し、本当に必要な内容だけを厳選。解答を導くまでの考え方をしっかり解説！例題や練習問題も充実。フルカラー。 豊富な例題・練習問題では、薬剤投与の影響を検定するなど、薬学の現場で遭遇する題材を扱う。 解答を導く過程や各数値の意味まで、フルカラーでしっかり解説。 【目次】 第1章 基本的な統計量 第2章 確率と確率分布 第3章 母集団と標本 第4章 推定と検定 第5章 平均値の差の検定（t検定） 第6章 χ2検定 第7章 分散分析 第8章 多重比較 第9章 ノンパラメトリック検定 第10章 相関と回帰分析 第11章 重回帰分析 第12章 ロジスティック回帰分析 第13章 記述疫学と分析疫学 第14章 分析疫学研究に必要なリスク因子の評価法 第15章 生存時間解析 第16章 臨床試験（市販前）における統計学 第17章 薬剤疫学（市販後）における統計学 第18章 検査の診断能 ※この商品は紙の書籍のページを画像にした電子書籍です。文字だけを拡大することはできませんので、タブレットサイズの端末での閲読を推奨します。また、文字列のハイライトや検索、辞書の参照、引用などの機能も使用できません。