Up

データを使いこなすための

統計入門

確率モデルに基づく統計学的分析の基礎と考え方を学ぶ

岡本安晴

22世紀アート (電子書籍)

 

統計分析の考え方を解り易く丁寧に説明した。現在の統計学の利用には、誤解や誤用のあることが注意されている。統計学的問題に関するアメリカ統計学会(ASA)のstatement (R. L. Wasserstein & N. A. Lazar (2016) The ASA Statement on p-values:Context, Process, and Purpose. The American Statistician, 70:2, 129-133)に、「p値は有用であるが、誤用あるいは誤解が多く見られる(p. 131)」とある。統計学の考え方を正しく学ぶことに拙著が少しでも役立つことを願っている。

グラフの描き方を第1章で、平均値などの統計量を第2章で説明している。第3章では検定を取り上げ、平均の差、度数を扱った。第4章は分散分析である。検定における効果量と検定力の問題を第5章で扱った。第6章では推定を扱い、モーメント法、最尤法、ベイズ法、ブートストラップを取り上げた。最尤法とベイズ法は現在注目を集めている統計的分析法であるが、それぞれ基礎的な考え方について説明した。これらのより進んだ学習の出発点になればと考えている。第7章では、ランダマイゼーション検定とサブサンプルによる分析を取り上げた。

計算の有効桁、和と積の記号などを第2章の補足として説明した。また、統計学では確率が基礎概念として用いられている。確率についての初歩的、基礎的事項について付録(pp. 179-219)で詳しく説明した。

 

 本書の内容に対応したPythonスクリプトも用意した。以下のウェブサイトで説明している。

 

1 グラフ:データの図示、 2 統計量、 3 検定

 

4 分散分析、 5 効果量と検定力、 6 推定

 

7 母集団を想定しない分析

 

 

Pythonの注目度が近年急上昇したことは、ツイッターの頻度の時系列変化を分析したものにも明瞭に表れている(データは、山形大学の加納寛子准教授から頂いた)。このツイッターの分析で用いたPythonスクリプトと実行結果も示しておく。

 

Pythonの準備、およびスクリプトファイルなどのダウンロードと使い方の説明ウェブサイトも用意している。

Pythonの準備のためのLinuxあるいはWindows用の説明ウェブサイト

http://y-okamoto-psy1949.la.coocan.jp/Python/tips/UsingPython/

も用意している。

実用性を重視した、Excelなどの表計算ソフトでデータを用意して分析するスクリプトは

http://y-okamoto-psy1949.la.coocan.jp/Python/IntroPyStat/

に用意している。

 

 

Up