文科と理科両方の学生のために，統計的なものの考え方の基礎をやさしく解説するとともに，統計学の体系的な知識を与えるように，編集・執筆された．豊富な実際例を用いつつ，図表を多くとり入れ，視覚的にもわかりやすく親しみながら学べるよう配慮した． 第1章 統計学の基礎（中井検裕，縄田和満，松原 望） 第2章 1次元のデータ（中井検裕） 第3章 2次元のデータ（中井研裕，松原 望） 第4章 確率（縄田和満，松原 望） 第5章 確率変数（松原 望） 第6章 確率分布（松原 望） 第7章 多次元の確率分布（松原 望） 第8章 大数の法則と中心極限定理（中井検裕） 第9章 標本分布（縄田和満） 第10章 正規分布からの標本（縄田和満） 第11章 推定（縄田和満） 第12章 仮説検定（縄田和満，松原 望） 第13章 回帰分析（縄田和満） 統計数値表 練習問題の解答

データ解析に必要な基本技術、多変量解析では、どう分析して何が得られるのか。その意味を理解できるよう図版とともに詳しく解説。 あらゆるものがデジタルデータとして整理できるようになり、統計学の重要性が急速に再認識されてきています。科学、ビジネス、学問、スポーツなど、様々な分野において、データの解析は非常に重要な意味を持ちます。そこで必要な“基本的技術”となっているのが「多変量解析」です。本書では、その概略をしっかりつかみ、さらに、どう分析して何が得られるのか、多変量解析のソフトの中では何が行なわれているのか、その意味を理解できるよう、図版を駆使しながら詳しく丁寧に解説していきます。 第1章　多変量解析のマップ 第2章　統計・確率の準備 第3章　相関分析 第4章　回帰分析 第5章　判別分析 第6章　主成分分析 第7章　因子分析 第8章　数量化分析 第9章　数学的準備

統計ソフトが行なっている推定・検定の背景の理論を知りたい。推定・検定を仕事で使っているけれど、結論の意味していることが実は理解できていない。そんな、文系・理系出身者の方々に向け、推定・検定の背景にある原理を難しい数式や確率変数の概念を使わずに図像を用いてわかりやすく説明しています(第1章)。 第1章 (相対度数分布グラフ 平均、分散・標準偏差 サンプルXの相対度数分布グラフ 正規分布 推定の考え方 検定の考え方) 第2章 (確率変数 二項分布 推定の応用 検定の応用 χ2分布、t分布、F分布) 第3章 (2変量の統計)

分割表・回帰分析・ロジスティック回帰

現代社会においては，さまざまなデータを正しく扱うことが全てに優先する．本書は，われわれの生活や社会と直接・間接にかかわりをもつ分野で用いられている統計的方法の基礎から応用までを，具体例に即して分かりやすく解説する． 第1章　統計学とデータ（高橋伸夫） 第2章　データの分析（竹村彰通） 第3章　標本調査法（竹村彰通） 第4章　統計調査と経済統計（廣松 毅） 第5章　地域統計（中井検裕） 第6章　経済分析における回帰分析（縄田和満・松原 望） 第7章　経済時系列データの分析（国友直人） 第8章　社会調査（盛山和夫） 第9章　社会移動データの分析手法（盛山和夫） 第10章　要因探究の方法（盛山和夫） 第11章　心理測定データの解析（渡部 洋） 第12章　テスト理論（渡部 洋） 第13章　心理・教育データのための統計的方法（渡部 洋）

StanとRでベイズ統計モデリング

個人の地域密着型アウトドアショップがデジタルマーケティングで業績を飛躍的にアップさせていくストーリーに乗せて、DMの基礎を… 個人の地域密着型アウトドアショップがデジタルマーケティングで業績を飛躍的にアップさせていくストーリーに乗せて、DMの基礎を学ぶ

時系列解析 : 自己回帰型モデル・状態空間モデル・異常検知

ネットワーク分析

平均値から個性へ 階層モデルで「個性」をとらえる 個人差・地域差をとりこむ統計科学 全体モデルから局所モデルへ 生きた言葉をモデル化する ポスト近代科学としての統計科学 階層ベイズ講義

本書ではExcelの機能「ソルバー」を活用し、さまざまな多変量解析を行う。「ソルバー」をフルに活用すれば、「分析ツール」だけではできないような多変量解析も、マクロ機能や高価な専用ソフトを使わずにExcelだけで可能である。「因果関係分析・予測手法編」では、方針や戦略を導いて締めくくる「終わりの言葉」のための手法に当たる単回帰分析、重回帰分析、ロジスティック回帰分析、判別分析、数量化理論1類、数量化理論2類、正準相関分析、コンジョイント分析を網羅し、解説した。 第1章 多変量解析の概要 第2章 単回帰分析 第3章 重回帰分析 第4章 ロジスティック回帰分析 第5章 判別分析 第6章 数量化理論 第7章 正準相関分析 第8章 コンジョイント分析

本書ではExcelの機能「ソルバー」を活用し、さまざまな多変量解析を行う。「ソルバー」をフルに活用すれば、「分析ツール」だけではできないような多変量解析も、マクロ機能や高価な専用ソフトを使わずにExcelだけで可能である。「ポジショニング編」では、仮説を発見し、手掛かりを見つけるために有効な「始めの言葉」のための手法に当たる主成分分析、因子分析、多次元尺度構成法、数量化理論3類、数量化理論4類、クラスター分析を網羅し、解説した。 第1章 多変量解析の概要 第2章 主成分分析 第3章 因子分析 第4章 多次元尺度構成法 第5章 数量化理論 第6章 クラスター分析

ビジネスや意思決定の場面で，データを活用したい方に手にとっていただきたいデータサイエンスの入門書。目的別の分析手法を幅広く… ビジネスや意思決定の場面で，データを活用したい方に向けたデータサイエンスの入門書。データの種類ごとの性質や収集時の注意点，目的別の分析手法からデータ可視化まで幅広く扱う。各章末には課題を設置し，最終章ではデータサイエンスの展望や限界についても言及。 第１章　データサイエンスとは 第２章　データ収集のための基礎知識 第３章　データ空間の構成法 第４章　データ生成のメカニズム 第５章　データの可視化手法 第６章　データ分析の手法 第７章　データ活用のフレームワーク 第８章　データの分析事例 第９章　データ分析上の注意点と応用知識

RとPythonによるプログラミングを通して統計学を解説。エンジニアや学生に向け、数学的な壁を取り払いつつ知識を提供する。 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。 RとPythonによるプログラミングを通して統計学を解説。エンジニアや学生に向け、数学的な壁を取り払いつつ知識を提供する。