※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。 データ分析のための手法は、統計学の考え方に基づいています。だから、本格的なデータ分析に取り組むためには、統計学の知識と考え方を身に着けることが不可欠。にも関わらず、既存の統計学の本は「数学的な記述ばかりの難解な専門書」もしくは「広く浅くの超入門書」ばかりで、「データ分析の前提となる統計学」を本格的に学ぶには厳しい状況だと言わざるを得ません。対して本書は、データ分析には必須な仮説検定から統計モデリング、さらに因果推論、ベイズ統計、機械学習、数理モデルまで幅広いトピックを網羅的に扱っています。 記述については最大限にわかりやすく、数学的な説明をできるだけ減らし、図を多用することで、数学に自信のない読者の方でも読み通せるように工夫しました。統計学に苦手意識・不安のある方、文系の方やこれからデータサイエンスを本格的に始めてみたい方、生物学・医学・心理学などの研究分野でデータ分析が必須の学生の方など、統計学をきちんと学びたい全ての方に向けた一冊です。

※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を用いてデータを解析し、実践的な統計処理をマスターする!! 「どのような場合に、どのような統計的手法を用いれば、得られたデータから新たな知見が得られるか」ということを中心に、実際に企業で実践した、また、現在、大学で実践している例を交えて、丁寧に解説します。統計および確率の概念や、それぞれの解析手法の理論については、極力数式を省略して簡単にそのエッセンスを解説し、理解を深めていただきます。 第1章　はじめに～統計の知識はこんなに大事！～ 第2章　データの特徴をつかもう 第3章　正規分布とは何なのか？ 第4章　梅干しは本当に減塩か？～母平均を推定する～ 第5章　新薬は高血圧に有効か？～統計的仮説検定とt検定～ 第6章　専有面積が広ければ賃料も上がる？～相関～ 第7章　家賃は築年数だけで決まる？～統計モデリング（回帰分析）～ 第8章　補遺 8.1　数学的説明 8.2　分析ツールのセットアップ 8.3　練習問題の解答と解説

※この電子書籍は固定レイアウト型で配信されております。固定レイアウト型は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。 本書では、確率的グラフィカルモデルの統計的機械学習理論について、画像処理とパターン認識に応用例を絞りつつ概説することから始める。特にパターン認識では、クラス分類問題という視点において、多値ロジスティック回帰モデルと制約ボルツマンマシンという2つの確率的グラフィカルモデルを通し、深層学習の基礎となる数理を紹介する。その上で、グラフ構造の疎（Sparse）性という深層学習とは真逆の性質を元に急速に展開しつつあるスパースモデリングという新しい研究領域の最近の理論的基盤の深化の様子を、連続最適化問題という視点から解説する。

「基本をより実践的に！」学べる新シリーズの第一弾は、「統計モデリングの世界」へのファーストブック。基礎から学べる超入門！・チュートリアル形式だから、すぐに実践できる！・統計、確率、ベイズ推論、MCMCの基本事項から、やさしくサポート！・brmsやbayesplotなどのパッケージの使い方も、しっかり身につく！・一般化線形モデル(GLM)→一般化線形混合モデル(GLMM)→動的線形モデル(DLM)→動的一般化線形モデル(DGLM)を体系的に学べる！【本書のサポートページ】https://logics-of-blue.com/r-stan-bayesian-model-intro-book-support/　【実践Data Scienceシリーズ】　「基本をより実践的に！」を合言葉に、データサイエンスで用いられる各種手法の基本を、プログラミングの実装とともに解説していきます。はじめて学ぶ大学生、大学院生、ソフトウェアエンジニアに向けた注目の新シリーズです。【主な内容】1部　【理論編】ベイズ統計モデリングの基本　1.はじめよう！　ベイズ統計モデリング　2.統計学の基本　3.確率の基本　4.確率分布の基本　5.統計モデルの基本　6.ベイズ推論の基本　7.MCMCの基本／2部　【基礎編】RとStanによるデータ分析　1.Rの基本　2.データの要約　3.ggplot2によるデータの可視化　4.Stanの基本　5.MCMCの結果の評価　6.Stanコーディングの詳細／3部　【実践編】一般化線形モデル　1.一般化線形モデルの基本　2.単回帰モデル　3.モデルを用いた予測　4.デザイン行列を用いた一般化線形モデルの推定　5.brmsの使い方　6.ダミー変数と分散分析モデル　7.正規線形モデル　8.ポアソン回帰モデル　9.ロジスティック回帰モデル　10.交互作用／4部　【応用編】一般化線形混合モデル 1.階層ベイズモデルと一般化線形混合モデルの基本 2.ランダム切片モデル 3.ランダム係数モデル／5部　【応用編】状態空間モデル　1.時系列分析と状態空間モデルの基本 2.ローカルレベルモデル 3.状態空間モデルによる予測と補間 4.時変係数モデル　5.トレンドの構造　6.周期性のモデル化　7.自己回帰モデルとその周辺　8.動的一般化線形モデル：二項分布を仮定した例　9.動的一般化線形モデル：ポアソン分布を仮定した例

近年，確率分布を使った数理モデルをデータにあてはめることで現象の理解と予測を促す「統計モデリング」が注目されている。既存の手法と比べた時の利点は解釈のしやすさと予測のよさの両立である。解釈がしやすいので，モデルに含まれる値を推定した後で次のアクションにつなげやすい。このため現実のデータ解析に極めて有効な手法と評価されている。 背景には，コンピュータの計算速度の向上，大規模のデータが入手しやすくなったこと，モデリングの試行錯誤を極めて簡単にする確率的プログラミング言語の進歩がある。こうした言語の中から，本書ではフリーソフトであるStanを紹介する。Stanは優れたアルゴリズムを搭載し開発も急速に進んでいるパッケージであるが，R用のパッケージであるRStanが並行して公開されているためRから手軽に利用することができる。Stanの記述力は高く，階層モデルや状態空間モデルをわずか30行ほどで書くことができ，推定計算も自動で行なわれる。さらに解析者の問題にあわせたオーダーメイドの拡張が簡単に可能だ。 一般にベイズ統計を扱う書籍は初歩的な内容にとどまるものか，難解な数式が多く実際の問題への応用が難しいものが多い。しかし，本書はこれらの書籍とは一線を画し，現実のデータ解析を念頭に置いて非常に実践的な内容に仕上げた。本書でStanとRを介して身につけた統計モデリングの考え方は，Stanの文法が変化しても，他の統計モデリングツールを扱う場合にも，大いに役に立つと確信している。

※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。 本書は統計モデルの発想、練り上げ、検証、改良にかかわる「統計モデリング」の過程を理解し、扱えるようになることを目的する。第1章では基礎論としてデータの関係を統計モデルの形で記述する方法を解説し、第2〜4章では時系列解析（過去と将来のデータの因果関係）、空間統計学（測定した位置とそれ以外の位置との関係性）、医療統計（診断における統計的検定の使い方）の分野における統計モデリングの具体例を詳述する。

※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。 著者が実際の現場で集めたフィールドデータを材料にして、現場視点と統計モデリング視点とで複眼的に考察し、素直にデータを見ることによってフィールドワークだけでは得られない発見を得ることが出来ることを詳説している。数理を得意としないフィールドワーカーと、フィールド経験が少なくフィールドデータに馴染みの薄い数理系の読者を対象に、赤池情報量規準AICとそれを用いたモデル評価という統計数学についての異色の入門書である。

※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。 ◆◆ロングセラー、10年ぶりの改訂◆◆ ・全ページをフルカラー化したので、図表もさらにわかりやすく！ ・非定常時系列データ解析の基本を加筆（第8章を新設） データの見方や考え方から述べられた本当にほしかった入門書。 それぞれがもつ「予測したい」課題に自ら取り組むための基本を１冊にまとめた。 「モデリングが使えるということはわかった、これからは使いたい！」という人は必読。 統計のプロ中のプロが伝授する「匠の技」「匠の知恵」コラムも多数収録。 【推薦の言葉】 本書は予測のための統計的モデリングの方法を，基礎から具体的実践例に亘るまで明快に解説している特色ある著作である． 平易な記述でベイスの定理などの基礎から粒子フィルタやデータ同化などの先端的な内容までをカバーしている． 便利なブラックボックス型のAI予測では飽き足らず，自分が抱える具体的な課題に対して自らのアイデアを投入し，説明可能な予測をしてみようと思い立った人には必読の書である． ――北川 源四郎先生(東京大学特任教授、数理・データサイエンス教育強化拠点コンソーシアム　議長) 【まえがき（抜粋）】 統計学の強みは，生成モデルの構築に関する，さまざまな知見とノウハウの蓄積，またモデルに基づく意思決定の綿密な評価にある．ある種，モデリングに関する匠の技とも言える暗黙知に，統計学の存在感が増していくであろう．読者が本書を通じてこの暗黙知を習得されることを期待したい． 【目次】 〈基礎編〉 第1章　予測とは何かを考える 第2章　確率による記述：基礎体力をつける 第3章　統計モデル：予測機能を構造化する 第4章　計算アルゴリズム1：予測計算理論を学ぶ 〈展開編〉 第5章　計算アルゴリズム2：モデルを進化させる 第6章　粒子フィルタ：予測計算を実装する 第7章　乱数生成：不確実性をつくる 〈実践編〉 第8章　時系列解析の基本：傾向をつかむ 第9章　経験知の総結集：売上予測の精度を上げる 第10章　データ同化：シミュレーションの予測性能を向上させる 第11章　確率ロボティクス：お掃除ロボをつくる ※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。