• はじめに
• 謝辞
• サンプルデータのダウンロード

第1章　データ分析がなぜ必要なのか──客観的な分析がもたらすもの

1.1　はじめに

• 本書の目的
• 本書の使い方
• ビッグデータ時代の到来と統計学との付き合い方
• 必要なツール
• アドインの設定

1.2　統計学の概要

• 統計学とは
• 統計学が可能にすること
  • 仮定が正しいかを検証する
  • データを予測する

1.3　セイバーメトリクス──野球に導入された統計学

• [Column]早すぎたセイバーメトリシャン
• 経験則から統計学へのシフト
• 新しい指標
• 究極の目標と現実的な運用
• なぜ野球からイノベーションは起こったのか
  • ビル・ジェームズの存在
  • データが充実している
  • 野球のデータの性質が統計解析に向いている

1.4　多領域への汎用性

第2章　データ分析の基礎知識──野球にちりばめられた記録の意味

2.1　数値が表すもの──そもそもデータとは何か

• データの種類
  • 名義データ
  • 順序データ
  • 間隔データ
  • 比率データ
  • コンピュータはわかってくれない
  • [Column]やってしまいがちな誤用──順位と勝率

2.2　記述統計

• 2つの統計学──記述統計と推測統計
• 代表値──データを要約する
  • 平均値（Mean）
  • 中央値（Median）
  • 最頻値（Mode）
  • 代表値の使い分け

2.3　データの散らばりをつかむ

• 分散と標準偏差──データの散らばりを数値化する
• 四分位偏差
• 度数分布表──データの全体像をつかむ
• 正規分布──データの分布のカタチ

2.4　傑出度──データを変換しわかりやすくする

• 3割打者はなぜ優れているのか
• データの標準化
• 非線形変換

2.5　まとめ

第3章　グラフの作成──データの可視化で見えてくること

3.1　データを可視化するメリット

• 直感的にわかりやすい情報を示すことができる
• 自らの直観・気付き・ひらめきを導くのを助ける

3.2　各種グラフの作成

• 棒グラフ1──データ間の大きさの違いを比較する
  • チームの勝率を比較する
  • 「縦棒」「横棒」どちらを使うべきか
• 棒グラフ2──データの内訳を比較する
  • チームのヒットの内訳を比較する
  • グラフの複製
• 棒グラフ3──積み上げ式のグラフで内訳を比較する
  • チームのヒット数を比較する
  • その他の棒グラフ
• 折れ線グラフ1──データの推移を表現する
  • 勝率の浮き沈みを表現する
• 折れ線グラフ2──内訳・積み上げ式の折れ線グラフ
• 散布図──2つのデータ間の関係を理解する
  • 2つのデータに関係がある場合
  • 3次元の散布図
  • 散布図の応用──モザイク図的活用法
• 円グラフ──データの内訳をつかむ
  • 球種の内訳をつかむ
• レーダー──複数のデータを一覧する
• 箱ひげ図──複数の情報を一度に表現する
  • 打率の分布を比較する
  • 箱ひげ図を作成する

3.3　データを視覚化する際に気を付けること

• 詰め込みすぎ
• 印象操作

3.4　まとめ

第4章　母集団と標本──データを取り巻く誤差との付き合い方

4.1　データが示すものとは

• どこまでを母集団と考えるか
• 母集団と標本の関係
• 母集団と標本の平均と分散
  • 母集団と標本の平均
  • 母集団と標本の分散
  • 標本誤差を小さくするには
• 信頼区間
• 比率を使った信頼区間の計算

4.2　幅をもってデータを見る

• 打撃成績の信頼区間
• 二項分布による成績の幅

4.3　誤差を評価する

• [Column]1点差勝利の反動

4.4　まとめ

第5章　相関分析──2つのデータの関係性を数値化する

5.1　相関分析とは

5.2　相関関係とは

• 相関係数の計算
• 共分散
• 共分散から相関係数へ
• 順位相関
  • スピアマンの順位相関係数

5.3　相関係数の解釈

• 相関係数から見る関係の強さ
• 相関係数と散布図
• 相関関係ではないが関連はあるケース
• サンプルが少ないケースとはずれ値

5.4　野球における相関分析の適用例

• 年度間相関
  • データの作成方法と情報源
• 相関係数から見る勝利のために重要な指標
  • フォアボール
  • 送りバント

5.5　相関分析を行う際に気を付けること

• 擬似相関
• 相関関係が示すもの──因果関係と共変関係
• データ分析の手始めとしての相関分析

5.6　まとめ

• [Column]相関関係がなかったとき

第6章　統計検定──データの差に意味があるのかを調べる

6.1　統計検定とは何か

• 統計検定の考え方──仮説検定
• 有意水準（危険率）
  • 片側検定と両側検定
• 判断を誤るリスク

6.2　ｔ検定──2つのグループの平均値の比較

• 分析のための準備──データの並び替え
• t検定の実施
  • 等分散性の検定（F検定）
  • 等分散の場合のt検定
  • 不等分散の場合のt検定
• t検定の計算方法
  • F検定
  • 等分散のt検定
  • 不等分散のt検定
• 対応のあるt検定
  • 対応のあるt検定とは
  • 対応のあるt検定の計算

6.3　χ二乗検定──2つのグループの比率の比較

• χ二乗検定の計算方法の解説と実施
• CHISQ.TEST関数における計算

6.4　無相関検定──相関係数の有意性を調べる

• 無相関検定を行う方法
• 無相関検定の計算方法

6.5　まとめ

• [Column]これからの統計検定──アメリカ統計学会からの提言

第7章　分散分析──より複雑な関係を分析する

7.1　分散分析とは

• 分散分析のポイントと用語
  • 要因と水準
  • 独立変数と従属変数
• 分散分析の実施
  • 分析ツールを使った分散分析
  • 分散分析の計算
  • 分散分析の計算過程
  • 繰り返し分散分析を行う場合
  • 多重比較

7.2　2要因の分散分析

• 2要因の分散分析の手順
• 交互作用
• 2要因の分散分析のしくみと計算
• 2要因の分散分析の実施
  • 主効果の検定
  • 交互作用の検定
  • 個々の水準の差の検定
• 結果の表記

7.3　まとめ

• [Column]常識や先入観にとらわれないために

第8章　回帰分析──あるデータから別のデータを予測する

8.1　回帰分析とは

• 予知ではなく予測
• 回帰分析のポイント
  • 説明変数と目的変数
  • [Column]予測的中の落とし穴
  • 予測式の計算──最小二乗法
  • 決定係数
• 回帰分析の実施
  • 分析ツールを使った回帰分析
  • 回帰分析の計算

8.2　重回帰分析

• 重回帰分析のポイント
  • 分析の前に
  • 偏回帰係数と標準回帰係数
  • 分析ツールを使った重回帰分析
  • 重回帰分析の計算
  • 説明変数の有意性の検定
• 重回帰分析の目的と予測式
  • 多重共線性の問題
  • 交互作用

8.3　説明変数が質的データの場合の回帰分析，重回帰分析

• 質的データが2つの場合
• 質的データが3つ以上の場合

8.4　まとめ

Appendix　野球における未解決問題

A.1　より高度な評価指標を求めて

• 打撃指標
• 運の影響

A.2　数値化が難しいテーマ

• 勝負強さ
• 捕手のリード
• 監督の采配

A.3　環境の変化

A.4　最新のデータが正解ではない

• おわりに
• 索引
• プロフィール