GMO Searchteria BLOG

GMOサーチテリア株式会社のスタッフでお送りします。


  
公式ツイート
  
業界ニュースツイート

<< 六本木の「デザインあ展」 | main | まさかのフルマラソン参戦! >>
スポンサーサイト



一定期間更新がないため広告を表示しています

| - | | - | - | ↑TOP |
「統計学が最強の学問である」





ビジネス書籍のバイブルと呼ばれているもの意外は読まなくてもいいんじゃないかと思ってる自分が久々にビジネス書籍を購入。

バイブルとまで呼ばれているもの以外は、よくあるビジネス書籍の書き方というか論法に基づいたものがほとんどで。

専門用語で煙にまいたり、当たり前のことをさも凄いことのように書いてあったり、特定の事例をとりあげて、その成功例を提示するだけで汎用的な参考にならないものが非常に多い。

そんな理由で無駄とは言わないが値段も高めだし普段は買う気にならない自分が久々に購入。

スバリ、タイトルに引かれた!!

「最強」

まあ、タイトルも広告と考えると広告にひっかかったわけである
何をもって最強とするのか?そこが気になったのである



別に統計学を学ぶことにより全盛期の「マイク・タイソン」や「範馬勇次郎」や「鎧の巨人」やらを倒せるなどと思ってみて買ったわけではない。

まあ、倒せたらマジすげえ!!立体起動より統計学だな!!ってなるけど残念なことに、そうはなりませんでした。

統計学と聞くと高校の数学の一環で確率・統計を学んだ人も多いだろう。
それだけに難しそうとか面倒くさそうと思う人も多いかもしれない。

が、別にそんな難しいことじゃない。

そもそも人は自分がベスト、ベターと思う行動をする。

そこには、たぶんに経験則によるものが多いが、そこに確かな裏づけを与える程度のもんと気楽に考えるほうがいい。

無論、専門家レベルになろうとしたら非常に面倒くさい勉強しなくてはならないだろうが生活や仕事に少し活かす程度であれば難しいことはない。

統計学の概念を頭の隅っこにでも置いておけば十分である。

さて、肝心の中身の紹介を少々。

1章 なぜ統計学が最強の学問なのか?
01.統計学リテラシーのない者がカモられる時代がやってきた
   ・H・G・ウェルズの予言/あみだくじ必勝法
   ・統計学を制するものが世界を制する
02.統計学は最善最速の正解を出す
   ・統計学が最強の武器になるわけ
   ・「疫学の父」ジョン・スノウの活躍
   ・人類の寿命は疫学が延ばした
03.すべての学問は統計学のもとに
   ・「エビデンス」が医療を変えた
   ・教育にも活かされるエビデンス
   ・野球にも経済学にもおよぶ統計学の影響
04.ITと統計学の素晴らしき結婚
   ・なぜ今、統計学が花開いたのか
   ・フラミンガム研究の調査が2年に1回だったわけ
   ・退屈だった「紙とペンの統計学」
   ・「ビッグデータ」という言葉が流行るわけ
   ・これからの10年で最もセクシーな職業

2章 サンプリングが情報コストを激減させる
05.統計学が見たビッグデータ狂想曲
   ・狂想曲を盛り上げる専門用語
   ・データを活かすのにお金は要らない
06.部分が全体に勝る時
   ・失業率25%!
   ・ニューディール政策を支えた統計家たち
   ・全数調査vsサンプリング
07.1%の精度に数千万円をかけるべきか?
   ・サンプリング調査への「よくある反論」
   ・誤差を計算する方法
   ・サンプルを1万増やしても標準誤差は0.1%しか変わらない
   ・まずは正しい判断に必要な最小十分データを

3章 誤差を因果関係が統計学のキモである
08.ナイチンゲール的統計の限界
   ・「ふ〜ん」としか言えないグラフ
   ・データをビジネスに使うための「3つの問い」
   ・「集計」だけでよかったのは19世紀まで
09.世間にあふれる因果関係を考えない統計解析
   ・ツッコミどころが多すぎるグラフ
   ・よく分からないまま使われる指標たち
   ・死者・犯罪・暴動を生み出す食べ物とは?
10.「60億円儲かる裏ワザ」のレポート
   ・買ってくれる人、買ってくれない人の違いは何か?
   ・「あるある」は当てにならない
   ・DMの送り方を変えるだけで売り上げが60億円アップする
11.p値5%以下を目指せ!
   ・「誤差」を考えない統計学は皮算用
   ・「A/Bテスト」とはお馴染みの比較検討のこと
   ・「0.1%」の差はでたけれど
   ・「カイ二乗検定」と「p値」の登場
12.そもそも、どんなデータを解析すべきか?
   ・裏ワザを見つける3つめのポイント
   ・ビジネスにおける明確なゴール
   ・それは利益に繋がっているのか?
   ・CPU温度の解析がコスト削減に繋がった
13.「因果関係の向き」という大問題
   ・因果関係には向きがある
   ・ゲームと少年犯罪の因果関係は明らかにできるのか?
   ・「フェア」じゃないからわからない
   ・2つの解決方法

4章 「ランダム化」という最強の武器
14.ミルクが先か、紅茶が先か
   ・「科学」の対象を拡大したランダム化比較実験
   ・なぜ、ランダムでなくてはならないのか?
   ・「1杯の完璧な紅茶の淹れ方」
   ・オカルトとペテンの見破り方
   ・研修やDMの効果測定にも
15.ランダム化比較実験が社会科学を可能にした
   ・科学は「観察」と「実験」からなる
   ・「誤差」あるものの科学
   ・「誤差」への3つ
16.「ミシンを買ったら1割引」で売り上げは上がるのか?
   ・「攻め」のための統計学
   ・「誤り」と決めつけることの愚かさ
   ・1億5000万ドルを稼いだクレーム対応
   ・ランダムは意外と難しい
17.ランダム化の3つの限界
   ・「現実」の壁
   ・「倫理」の壁
   ・「感情」の壁

5章 ランダム化ができなかったらどうするのか?
18.疫学の進歩が証明したタバコのリスク
   ・タバコの箱を見てみよう
   ・「ケースコントロール研究」の登場
   ・天才フィッシャーからの反論
   ・世界中のデータによる再反論
   ・「揃えきれてない条件」にどこまでこだわるべきか
19.「平凡への回帰」を分析する回帰分析
   ・回帰分析とはなにか
   ・背の低い野村くんの恋愛
   ・ダーウィンの従兄弟と優生学
   ・「平凡への回帰」の発見
   ・「オリンピックの魔物」の正体
20.天才フィッシャーのもうひとつの偉業
   ・ゴルトンの回帰分析の限界
   ・回帰係数自体にバラつきがある
   ・統計学者も理解できなかった「真値」というアイデア
   ・回帰分析を使うための基礎用語
21.統計学の理解が劇的に進む1枚の表
   ・統計学の教科書は一般化線形モデルの扱いで2種類に分けられる
   ・「1枚の表」の使い方
   ・どの方法でも同じp値が得られるわけ
   ・紛らわしい用語「一般線形モデル」
22.重回帰分析とロジスティック回帰
   ・学者も多用する統計手法の主役
   ・フェアな比較が崩れるシンプソンのパラドックス
   ・層別解析でパラドックスは防げるが・・・
   ・層分けを不要にする重回帰分析
   ・オッズ比を用いるロジスティック回帰
   ・回帰分析が読めれば「いいかげんな言説」が駆逐できる
23.統計学者が極めた因果の推論
   ・回帰モデルを使う際は交互作用に注意する
   ・ドツボにはまる変数選択作業
   ・限りなくランダム化に近づく「傾向スコア」

6章 統計家たちの仁義なき戦い
24.社会調査法vs疫学・生物統計学
   ・統計学の6つの分野
   ・正確さを追求する社会調査のプロたち
   ・「妥当な判断」を求める疫学・生物統計家
   ・終わりのない言い争い
25.「IQ」を生み出した心理統計学
   ・「一般知能」の発明/知能を7つに分けた多因子知能説
   ・心理統計家の考え方と手法
   ・心理統計家は「質問紙」に命をかける
   ・IQへの結論
26.マーケティングの現場で生まれたデータマイニング
   ・意外なほど新しいデータマイニングの歴史
   ・「おむつとビール」でバスケット分析
   ・バスケット分析よりもカイ二乗検定を
   ・人工知能の研究から生まれた高度な手法
   ・なぜ、データマイニングの専門家は回帰モデルを「古臭い」と言うのか?
   ・「予測」に役立つデータマイニング
27.言葉を分析するテキストマイニング
   ・計量文献学が否定した「シェイクスピア=ベーコン説」
   ・テキストマイニングの王道「形態素解析」ちGoogleを支える「N-Gram」
   ・ビジネスにおけるテキストマイニングの活用法
   ・テキストマイニングを活かすコツはそれ以外の統計リテラシー
28.「演繹」の計量経済学と「帰納」の統計学
   ・統計学と計量経済学の「表面的」な違い
   ・統計学と計量経済学の「本質的」な違い
   ・よりよいモデルを求める計量経済学者
   ・影響力を強める計量経済学
29.ベイズ派と頻度論派の確率をめぐる対立
   ・頻度論派はシンプルに考える
   ・ベイズ派は「事前確率」と「事後確率」を考える
   ・計量経済学と相性がいいベイズ統計
   ・迷惑メールの判別に威力を発揮するベイズ統計

7章 巨人の肩に立つ方法
30.「最善の答え」を探せ
   ・エビデンスのヒエラルキー
   ・最高のエビデンス「系統的レビュー」と「メタアナリシス」
   ・「最善の答え」は公開されている
31.エビデンスを探してみよう
   ・日本語文献の探し方
   ・英語文献の探し方/明らかになる課題
以上、7章構成である。

だらだらと目次を書いてみたが、この項目に中に興味を覚えるものがあれば立ち読みでもかまわないので少し読んでみることをオススメする。

んで、読んだ結果。

統計学の啓蒙書としては素晴らしいと思う。

1章2章のつかみの部分が非常に面白い。
普段、統計学とかに触れない人ほど一読すべき本。
また、統計学に触れたことのない人にこういうものだよって教えるのによさげな内容だとは思う。

解析系のことをしてないSE、PGも読んでおくとアイデアストックにいいかも。
データマイニングをやるような人であれば、これよりは専門書籍を読むほうが良いと思うが概念とかをお気楽に学ぶには良い本だと思う。

なお、この本を読んだことにより統計学を語る詐欺というか騙しにあわなくなり、騙すための方法を思いついたりしたり。
業務改善に使えそうなアイデアを3つほど思いついたり個人的には有用であったと思う。

まあ、買って損だったかというと損じゃないけど得と言えるほどでもなかったり。
それなりにオススメっていう曖昧な感じですw

とりあえず本をいっぱい読めばそこに書かれた世界に多少なり触れることになるのでビジネス書だろうと何だろうと色々読むことをオススメします。

で、読んだ結果「何故、統計学が最強なのか?」
分かりませんでしたwww

生活に活かすにもそこまで必要としないので、やっぱ自分は経験則でOKです。

ボンクラですんません!!

ちょっと奇行種に挑んできます!!

---
筆者:@hujimasa



看護師 / 婚活 / カラコン / 仕事探し
英会話 / スマホデコメ / スマホ壁紙
性格診断 / アダルト / 出会い
子役 / 派遣 / 健康 / 医学


| @hujimasa | 10:48 | comments(2) | trackbacks(0) | ↑TOP |
スポンサーサイト



| - | 10:48 | - | - | ↑TOP |
 統計学はそれを基礎とする確率密度関数が現象に適合しているかどうかできまる。その源泉はやはり物理学・熱力学あたりから来ていて、前者の代表例が正規分布、後者の代表例がボルツマン(アレニウス)因子という。後者の表現がばらばらで自覚性がないのは日本の科学者の怠慢である。そいつを3次元まで拡張すると、マニアックなワイブル分布も克服できるのではないか?キチガイどもを押しのけ若き科学者の奮起を願う。
| 老冶金学者 | 2013/07/17 12:28 AM |
管理者の承認待ちコメントです。
| - | 2015/06/06 10:46 PM |
コメントする









この記事のトラックバックURL
トラックバック機能は終了しました。
トラックバック
ADs
 iTunes Store(Japan)
オススメAPP
IT・ビジネスなどに関する厳選した最新ニュースを毎日お届けします。 無料ですのでマーケットからダウンロード(iPhone / android)して、是非お試しください。




オススメ♪
PROFILE

LINKS
ARCHIVES
CATEGORIES
MOBILE
qrcode
SPONSORED LINKS