After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
コース説明
「Pythonで学ぶ統計思考（パート1）」を終えた皆さんは、確率的なものの見方とハッカースタッツの基礎力を身につけ、データセットから有用な情報を引き出す準備ができています。本コースでは、まさにそれを実践します。統計的推論の2つの要であるパラメータ推定と仮説検定を行うために、ハッカースタッツの道具箱をさらに広げ、磨いていきます。学習を通じて実データを扱い、最後はダーウィンの有名なフィンチのくちばし測定データを分析して締めくくります。コース修了時には、新しい知識と豊富な練習を携えて、現実の推論課題に自信を持って取り組めるようになります。
前提条件
カリキュラム
コース概要
1
最適化によるパラメータ推定
統計的推論では、確率の言葉で物事を表現します。データを記述する確率分布にはパラメータがあります。つまり、統計的推論の大きな目的は、これらのパラメータの値を推定することです。そうすることで、データを簡潔かつ明確に表現し、結論を導けます。この章では、データを最もうまく表す最適なパラメータを見つける方法を学びます。
2
ブートストラップによる信頼区間
「pull yourself up by your bootstraps」という表現は、誰の助けも借りずに難しいことを成し遂げるという古典的な比喩です。統計的推論では、もしデータ取得を無限回繰り返せたら何が起こるのかを知りたくなります。これは実際には不可能ですが、手元のデータだけを使って、無数の実験に近い結果に迫ることはできるでしょうか。答えはイエスです。そのための手法が、名前の通りブートストラップ法です。この章では、この非常に強力なツールを紹介します。
3
仮説検定入門
モデルが与えられたときにパラメータを定義し推定する方法は、すでに学びました。では、そのモデルが正しいと仮定したときに、観測したデータがどの程度もっともらしいのかはどう判断すればよいでしょうか。この問いに答えるのが仮説検定です。推論を仕上げる最後の一手と言えます。この章を終えると、ハッカースタッツを用いて、仮説を丁寧に構築し検定できるようになります。
4
仮説検定の具体例
前の章で見たように、仮説検定は少し厄介です。帰無仮説を定義し、その状況をどのようにシミュレートするかを考え、p値を計算するために「より極端」とは何かを明確に定義する必要があります。どんなスキルも練習が上達の近道です。この章では、仮説検定をしっかり練習できます。
5
すべてを統合する：ケーススタディ
過去40年以上にわたり、Peter と Rosemary Grant は毎年ガラパゴス諸島のダフネ・メジャー島に赴き、ダーウィンフィンチのデータを収集してきました。この章では、統計的推論のスキルを使って彼らのデータを分析し、データを通じて進化が現に起きている様子を目の当たりにします。コースの締めくくりにふさわしい、わくわくする体験になります。
Pythonで学ぶ統計思考（パート2）
コース修了
