統計分析入門（SI） Pythonを用いたデータ分析基礎

カリキュラム

1. 記述統計「データの傾向や性質を把握したり可視化したりする」

   • 図表・可視化による整理（度数分布表、ヒストグラム）
   • 特性量による整理1）（代表値：平均値、中央値、最頻値）
   • 特性量による整理2）（データの広がり：分散、標準偏差）
   • 相関（散布図、相関係数、相関と因果）
   • データの散らばり（確率変数、さまざまなデータの分布）

2. 推測統計「限られたデータから全体の様子をできるだけ正確に推測する」

   • 母集団と標本、標本の適切な抽出方法
   • 点推定（母集団の平均の推定、母集団の分散の推定）
   • 区間推定（信頼区間の考え方、信頼区間の算出方法）
   • 仮説検定

3. 回帰分析「未知の値について、データをもとに予測したり、傾向を説明したりする」

   • 単回帰分析（単回帰分析の考え方、単回帰分析の適用法）
   • 重回帰分析（重回帰分析の考え方、重回帰分析の適用法）
   • あてはまり具合を評価する方法（決定係数）
   • モデル選択（過学習、モデルの検証方法、赤池情報量基準）

4. 判別分析「どちらのグループに入るのかを予測したり説明したりする」

   • 判別分析の適用例
   • 線形判別分析（判別分析の考え方、線形判別分析の適用法）
   • k近傍法（k近傍法の考え方、k近傍法の適用法）
   • ロジスティック回帰（ロジスティック回帰の考え方、適用法）
   • さまざまな判別手法の特徴