| 統計的にモノを見るとは? : 数字にだまされないために |
|
| サンプルは母集団を代表しているか? : 「無回答による偏り」を中心に |
|
| 全数調査と抽出調査 : 厚生労働省「毎月勤労統計問題」報道の問題点を例に |
|
| 率の弱点 : 割る数(分母)が小さいと当てにならない |
|
| 割り算がからんだ数値にはご用心 : まずは分子と分母の確認を! |
|
| 意味をなさない%データ : 児童虐待相談虐待者別構成割合の年次推移を例に |
|
| 偽薬効果 : 比較対象のない実験結果は信じてはいけない |
|
| 小さなサンプルサイズの問題点 : ランダム化で生まれる偏り |
|
| 反復体の独立性と偽反復 : 反復しているようでしていない?! |
|
| 偽反復の罠 : あなたも陥っていませんか? |
|
| 相関と因果 : 相関があるから因果関係があるとは限らない |
|
| 相関と交絡 : 二つ以上の変数の影響が区別できないこともある |
|
| 簡単な「表」でも隠れた変数を考えよう : シンプソンのパラドックスを例に |
|
| ビッグデータの落とし穴 : 偏ったデータからは偏った結果しか生まれない |
|
| AIの時代だからこそ求められるもの : データの質とデータサイエンティストの倫理 |
|
| 統計検定の考え方とは? : p値って何?統計的有意差って何? |
|
| 統計検定と確率 : なぜ確率という考え方が必要になるのか |
|
| 統計検定の限界 : 「効果あり」とは断定はできないし、「効果なし」ともいえない |
|
| 統計的有意差と生物学的重要性 : ふたつは別物 |
|
| 外れ値をどうするか? : 正当な理由なしに除外してはいけない |
|
| ピアソンの相関係数r : 散布図をまず見ることが大切 |
|
| 数値のカテゴリーへの変換には要注意 : 変換しないに越したことはない |
|
| 数打ちゃ当たる統計的有意差とQRP : あなたもやっていませんか? |
|
| 統計的有意差の誤用 : 有意差の差を効果の差の判定に使ってはいけない |
|
| 統計的にモノを見るとは? : 数字にだまされないために |
|
| サンプルは母集団を代表しているか? : 「無回答による偏り」を中心に |
|
| 全数調査と抽出調査 : 厚生労働省「毎月勤労統計問題」報道の問題点を例に |
|
| 率の弱点 : 割る数(分母)が小さいと当てにならない |
|
| 割り算がからんだ数値にはご用心 : まずは分子と分母の確認を! |
|
| 意味をなさない%データ : 児童虐待相談虐待者別構成割合の年次推移を例に |
|
