概要

膨大なデータを扱うときに基本となる知識が統計解析です。本書はこれから統計解析を学びたいと考える方に向けて，プログラミングの力を借りて実際にデータを確認することで，直感的な理解を促します。プログラミング言語にはPythonを利用します。
Pythonで統計解析を解説するメリットはいくつかあります。Python自体がシンプルで可読性が高い上に逐次実行できるため初心者でも理解しやすいと言えます。これ以外にも，Pythonは統計解析に関するライブラリが充実しており，複雑な計算やグラフの描画がかんたんにできます。また，Pythonは汎用的な言語ですので，システムの中にシームレスに組み込むことができます。本書によって統計解析を学習することで，Pythonのデータ解析スキルもあわせて習得できるでしょう。

こんな方におすすめ

• 統計解析を学びたいPythonユーザ

目次

第1章　データについて

• 1.1 データの大きさ
• 1.2 変数の種類
• 1.3 まとめ

第2章　1次元データの整理

• 2.1 データの中心の指標
• 2.2 データのばらつきの指標
• 2.3 データの正規化
• 2.4 1次元データの視覚化

第3章　2次元データの整理

• 3.1 2つのデータの関係性の指標
• 3.2 2次元データの視覚化
• 3.3 アンスコムの例

第4章　推測統計の基本

• 4.1 母集団と標本
• 4.2 確率モデル
• 4.3 推測統計における確率
• 4.4 これから学ぶこと

第5章　離散型確率変数

• 5.1 1次元の離散型確率変数
• 5.2 2次元の離散型確率変数

第6章　代表的な離散型確率分布

• 6.1 ベルヌーイ分布
• 6.2 二項分布
• 6.3 幾何分布
• 6.4 ポアソン分布

第7章　連続型確率変数

• 7.1 1次元の連続型確率変数
• 7.2 2次元の連続型確率変数

第8章　代表的な連続型確率分布

• 8.1 正規分布
• 8.2 指数分布
• 8.3 カイ二乗分布
• 8.4 t分布
• 8.5 F分布

第9 章独立同一分布

• 9.1 独立性
• 9.2 和の分布
• 9.3 標本平均の分布

第10 章統計的推定

• 10.1 点推定
• 10.2 区間推定

第11 章統計的仮説検定

• 11.1 統計的仮説検定とは
• 11.2 基本的な仮説検定
• 11.3 2標本問題に関する仮説検定

第12 章回帰分析

• 12.1 単回帰モデル
• 12.2 重回帰モデル
• 12.3 モデルの選択
• 12.4 モデルの妥当性

サポート

正誤表

本書の以下の部分に誤りがありました。ここに訂正するとともに，ご迷惑をおかけしたことを深くお詫び申し上げます。

P132の数式

s_var

u_var