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

データ分析と機械学習のための新しい教科書

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)

Now in its third edition, this classic book is widely considered the leading text on Bayesian methods, lauded for its accessible, practical approach to analyzing data and solving research problems. Bayesian Data Analysis, Third Edition continues to take an applied approach to analysis using up-to-date Bayesian methods. The authors-all leaders in the statistics community-introduce basic concepts from a data-analytic perspective before presenting advanced methods. Throughout the text, numerous worked examples drawn from real applications and research emphasize the use of Bayesian inference in practice. New to the Third Edition Four new chapters on nonparametric modeling Coverage of weakly informative priors and boundary-avoiding priors Updated discussion of cross-validation and predictive information criteria Improved convergence monitoring and effective sample size calculations for iterative simulation Presentations of Hamiltonian Monte Carlo, variational Bayes, and expectation propagation New and revised software code The book can be used in three different ways. For undergraduate students, it introduces Bayesian inference starting from first principles. For graduate students, the text presents effective current approaches to Bayesian modeling and computation in statistics and related fields. For researchers, it provides an assortment of Bayesian methods in applied statistics. Additional materials, including data sets used in the examples, solutions to selected exercises, and software instructions, are available on the book's web page. FUNDAMENTALS OF BAYESIAN INFERENCE Probability and Inference Single-Parameter Models Introduction to Multiparameter Models Asymptotics and Connections to Non-Bayesian Approaches Hierarchical Models FUNDAMENTALS OF BAYESIAN DATA ANALYSIS Model Checking Evaluating, Comparing, and Expanding Models Modeling Accounting for Data Collection Decision Analysis ADVANCED COMPUTATION Introduction to Bayesian Computation Basics of Markov Chain Simulation Computationally Efficient Markov Chain Simulation Modal and Distributional Approximations REGRESSION MODELS Introduction to Regression Models Hierarchical Linear Models Generalized Linear Models Models for Robust Inference Models for Missing Data NONLINEAR AND NONPARAMETRIC MODELS Parametric Nonlinear Models Basic Function Models Gaussian Process Models Finite Mixture Models Dirichlet Process Models APPENDICES A: Standard Probability Distributions B: Outline of Proofs of Asymptotic Theorems C: Computation in R and Stan Bibliographic Notes and Exercises appear at the end of each chapter.

自然科学・工学・医学等への応用をめざしつつ，さまざまな統計学的考え方を紹介し，その基礎をわかりやすく解説する．シリーズIと同様に，豊富に実際例を用いつつ，図表を多くとり入れて，視覚的にもわかりやすく統計学を親しみながら学べるよう編集した． 第1章　確率の基礎（矢島美寛） 第2章　線形モデルと最小二乗法（廣津千尋） 第3章　実験データの分析（藤野和建） 第4章　最尤法（廣津千尋） 第5章　適合度検定（廣津千尋） 第6章　検定と標本の大きさ（竹村彰通） 第7章　分布の仮定（竹内 啓，藤野和建） 第8章　質的データの統計的分析（縄田和満） 第9章　ベイズ決定（松原 望） 第10章　確率過程の基礎（矢島美寛） 第11章　乱数の性質（伏見正則）

現代数理統計学の基礎

【数研講座シリーズの特徴】多くの学生の声から生まれた，丁寧な解説でわかりやすい今までにない大学教材。既刊と同様，以下の趣旨を引き継いでいる。POINT.1高校の教科書・参考書とおなじようなレイアウトを採用している。POINT.2内容は厳密さを重視。大学の統計学の講座で学ぶ主な内容を扱っている。POINT.3独習ができるようにしっかりと丁寧に書かれているので，オンライン講義で教員が居なくても不安なく読書を進められる。【教科書の特徴】■統計学の知識を用いて行う推定→検定の流れを段階ごとに解説している。■推定→検定の段階には，観察で得たデータをもとにデータからわかることについて仮説を立てる，データを整理しデータの特徴を 把握する，立てた仮説を数式を用いてモデル化する，そのモデルの正確性を見極める，モデルから検定を行うがある。章ごとに，これらについて詳しく解説している。■推定や検定には，大学で同時に学習する微分積分学や高校数学の復習の知識が必要不可欠である。これらについても必要に応じてその場で説明を加えている。■統計学は，純粋数学の教科書の展開である定義→定理(命題)の明示→その証明という流れとはと異なる独特の展開で解説される。■独特の展開の例　a 定義を用語として明示している。　b 定理(命題)の証明は重要であるが，統計学では，現実の数値が適応される実例で雰囲気を掴むことが重要であるので，例示が多くなっている。　c 例示の展開に倣う（慣れる）ことで，一般的な展開についても同時に読み取ることが可能である。■統計学を扱う専門書うち，一つの演習問題に対して，これほど詳説されたものは多くない。※多くの類書では，「～分布の確率を求めよ」のようにパターン的な問題が多く扱われている（本書では，これらの問題も扱う）。しかし，そのパターンの前にある根本的な計算に立ち返り，詳しい計算展開を示している。■教科書の問題についてそれを扱う例題で詳解すること，教科書にない問題についても例題化し詳解することで，教科書とチャートの相互補完を行い，２冊合わせて学習することで，理解の相乗効果を得られるように配慮している。 第0章　統計学を学ぶに当たって 第1章　標本とデータ 第2章　クロスセクショナルなデータのための記述統計 第3章　確率論の概要 第4章　モデルとパラメータの推定 第5章　統計的仮説検定

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

ネットワーク分析

初学者のための統計学のテキスト．豊富な図を用いて，統計学を学ぶ動機づけから，社会や経済への応用までを丁寧に説明．数学と統計ソフトについてもやさしく解説．著者たちの長年にわたる講義でのノウハウが詰まった，生きた学問としての「統計学」を学ぶための最適の書． はしがき 第1章　統計学とその役割 　1.1　データは語る 　1.2　統計の役割 第I部 基礎事項 第2章　分布の特徴を探る 　2.1　分布の特徴 　2.2　分布の中心 　2.3　分布の散らばり 　2.4　データの標準化と歪度，尖度 　2.5　発展的事項 　【問　題】 第3章　度数分布から不平等度を測る 　3.1　度数分布とヒストグラム 　3.2　ローレンツ曲線とジニ係数 　3.3　ローレンツ曲線の例 　3.4　発展的事項 　【問　題】 第4章　変数間の関係性をみる 　4.1　相関 　4.2　回帰 　4.3　偏相関 　4.4　発展的事項 　【問　題】 第II部 確　率 第5章　確率の基礎 　5.1　確率と事象 　5.2　条件付き確率と事象の独立性 　5.3　発展的事項 　【問　題】 第6章　確率分布と期待値 　6.1　離散確率変数と確率関数 　6.2　連続確率変数と確率密度関数 　6.3　確率分布の平均と分散 　6.4　確率変数の標準化と変数変換 　6.5　発展的事項 　【問　題】 第7章　代表的な確率分布 　7.1　離散確率分布 　7.2　連続分布 　7.3　発展的事項 　【問　題】 第8章　多変数の確率分布 　8.1　同時確率分布と周辺分布 　8.2　期待値，共分散，相関 　8.3　2つ以上の確率変数の分布 　8.4　発展的事項 　【問　題】 第III部 統計的推測 第9章　ランダム標本と標本分布 　9.1　標本と統計量 　9.2　標本平均の性質 　9.3　標本平均の分布 　9.4　代表的な統計量の性質 　9.5　正規母集団の代表的な標本分布 　9.6　発展的事項 　【問　題】 第10章　推定 　10.1　点推定 　10.2　最尤法とモーメント法 　10.3　平均2乗誤差による評価 　10.4　区間推定 　10.5　発展的事項 　【問　題】 第11章　仮説検定 　11.1　仮説検定の考え方 　11.2　正規母集団に関する検定 　11.3　近似分布に基づいた検定 　11.4　カイ2乗適合度検定 　11.5　発展的事項 　【問　題】 第12章　回帰分析 　12.1　単回帰モデル 　12.2　決定係数と残差分析 　12.3　重回帰モデル 　12.4　分散分析 　12.5　ロジスティック回帰モデル 　12.6　発展的事項 第IV部 社会・経済・時系列データ 第13章　経済・社会データと統計分析 　13.1　有限母集団と標本調査 　13.2　時系列データ 　13.3　経済指数の利用 第14章　時系列の統計分析 　14.1　時系列データと統計モデル 　14.2　自己回帰移動平均モデル 　14.3　発展的事項 　【問　題】 　時系列データの実習 付録1　統計計算ソフトウェア (1)R入門 (2)エクセル入門 付録2　数学の基礎知識 (1)基本事項 (2)微分積分 (3)行列と行列式 付　表 1．正規分布表（正規分布の上側確率） 2．t分布のパーセント点 3．カイ2乗分布のパーセント点 4．F分布のパーセント点 参考文献／あとがき／索引／著者紹介 STATISTICS Tatsuya KUBOKAWA and Naoto KUNITOMO

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

分割表・回帰分析・ロジスティック回帰

StanとRでベイズ統計モデリング

初歩から段階を踏み解説。難しい箇所には印を付し、目的に合わせた学習ができる。新たにデータ・サイエンスとの関連の章を新設。 長年好評を博してきた，信頼の厚い定番テキスト。初歩から段階を踏んで解説。やや難しい箇所には印を付し，目的に合わせた学習ができる。練習問題も充実している。近年の動向に合わせて，新たにデータ・サイエンスとの関連を説明する章を設けた最新版。 序　章　不確かさの時代に向き合う基本統計学 第１章　平均値と分散 第２章　度数分布 第３章　回帰と相関の分析 第４章　確　率 第５章　確率変数と確率分布 第６章　主な確率分布 第７章　標本分布 第８章　推　定 第９章　検　定 第10章　回帰の推測統計理論 終　章　統計学の歴史，因果関係分析，データ・サイエンス

確率編

2012年初版の全面改訂版。検定・推定の原理を理解した上でデータをソフトで解析でき、その結果を解釈できるようになる一冊。 2012年初版の全面改訂版。検定・推定の原理を理解した上で、与えられたデータをソフトで解析でき、その結果を解釈できるようになる一冊。 2012年初版のロングセラーを大幅にリニューアル！ 20世紀初頭、統計学は確率論と結びついて、現象を解析する手法を編み出しました。その手法が、農場試験場で開発された「検定」です。「検定」は、私たちが観察した結果が偶然に起こったのか、それとも何か特定のパターンやメカニズムが働いているのかを判断するための手段です。本書の目的の一つは「検定」の原理を理解し、与えられたデータをソフトで解析でき、その結果を解釈できるようになることです。 1章では、検定・推定の原理の理解、検定・推定における前提と結論の解釈に重点をおいて改訂を行いました。2章では、オーソドックスに数学的な準備をしてから、検定・推定の細かな論理的展開を追っていきます。

統計編