【みやもと統計講座】ノンパラメトリック法【統計検定®準1級 得点力向上講座 その2】
What you'll learn
- ノンパラメトリック法による仮説検定・相関係数
- ウィルコクソンの順位和検定
- 並べ替え検定
- クラスカル・ウォリス検定
- 符号検定
- ウィルコクソンの符号付き順位検定
- スピアマンの順位相関係数
- ケンドールの順位相関係数
Requirements
- 統計検定®2級合格レベルの統計学の基礎知識を前提としています。
- 例えば「仮説検定の流れ」「相関係数の計算式」「標本分布の種類」などについて概ね把握できている程度の基礎知識を前提としております。
Description
＼基礎から一歩先へ 新しい統計手法を学んでみませんか？／
本講座は、統計検定®準1級の出題範囲である「ノンパラメトリック法」をテーマに、基礎的な内容を体系的に学べる内容となっています。
ノンパラメトリック法は、母集団の分布や母数を仮定せず、データの「順位」や「並べ替え」に着目して分析を行う手法です。本講座では、この方法論を体系的に整理し、試験で求められる実践力を身につけることを目指します。
本コースでは以下のような内容を学習します。
基本概念の理解
ノンパラメトリック法の全体像を、パラメトリック法との違いから丁寧に解説します。2群の差の検定
ウィルコクソンの順位和検定と並べ替え検定を用い、2群のデータ間の差を検定する方法を学びます。3群以上の差の検定
クラスカル・ウォリス検定を用い、複数群の間の統計的差を検定する方法を学びます。1群データの検定
符号検定やウィルコクソンの符号付き順位検定を用い、1群データや対応のある2群のデータに対する検定手法を学びます。順位相関係数
スピアマンおよびケンドールの順位相関係数を用いた相関分析を学び、データ間の関係性を順位データによって評価する方法を学びます。
※広義の「ノンパラメトリック法」の枠組みに含まれる確率密度推定（カーネル密度推定、ブートストラップ等）や機械学習（より柔軟な回帰分析、非線形モデル等）については、本コースでは取り扱っておりませんのでご了承ください。
本コースでは、各手法の理論的背景を理解した後、具体的な例題を用いて、検定統計量やp値の計算手順を解説します。
統計検定準1級の合格を目指し、統計学の応用力をさらに高めたい方に最適な講座です。
本講座でノンパラメトリック法を学び、統計検定®準1級の合格へと一歩近づきましょう！
（注１: 本コースは統計検定®準1級の合格を保証するものではありませんのでご了承ください）
（注２: 本コースは統計検定®準1級の出題範囲のうち「ノンパラメトリック法」のみを取り扱うもので、出題範囲のすべてを網羅するものではありませんのでご了承ください）
（注３: 統計検定®は一般財団法人統計質保証推進協会の登録商標です。また、本コースは統計検定主催社側から公認されたコンテンツではございません）
（注４：本コースは統計検定®2級合格レベルの統計学の基礎知識を前提としています）
《技術情報》2023年2月 統計検定®準1級CBT方式受験済み(優秀成績賞)
Who this course is for:
- 統計検定®準1級の受験を検討されている方
- 統計学のノンパラメトリック法について理解したい方
- 統計検定®2級の内容を超えてさらに知識を深めたい方
Instructor
- 4.4 Instructor Rating
- 16,147 Reviews
- 66,698 Students
- 15 Courses
Miyamoto Shota: 講師 / リサーチャー
DXの時代に不可欠となるデータ分析に関する学びを基礎からわかりやすく提供していきます。
独学でデータ分析を学んだ後、シンクタンク在籍中に統計学や機械学習を基礎から丁寧に学び直しています。
基礎的な内容への深い理解をベースとしながら、独学における苦労や難所に関する理解を踏まえ、初心者でもわかりやすく学べるようなコース設計を心がけています。
この機会にぜひ一緒にデータ分析を学んで一生モノのスキルを身につけていきましょう！！
《経歴》
慶應義塾大学法学部卒業後、大手インフラ企業を経て国内シンクタンクにてデータ分析やリサーチ活動に従事。公的統計データやマーケティングデータの分析に加え、統計的手法や機械学習モデルを用いた需要予測、売れ行き要因分析等のリサーチ活動を行ってきました。その後、国内MBAを取得、現在は会社を設立しリサーチ活動や講師業を行っています。
********************
In the era of digital transformation, I am committed to providing a clear and foundational understanding of data analysis, an indispensable skill set. After self-learning data analysis, I revisited statistics and machine learning from the ground up while at a think tank.
With a deep understanding of the basics, I design courses that are accessible to beginners, taking into account the struggles and challenges of self-learning. Let's learn data analysis together and acquire a skill set that will last a lifetime!
Background:
After graduating from the Faculty of Law at Keio University, I worked at a major infrastructure company, before engaging in data analysis and research activities at a domestic think tank. I have conducted research activities including analysis of public statistical data and marketing data, as well as demand forecasting and sales factor analysis using statistical methods and machine learning models. Following this, I obtained an MBA in Japan and currently run my own company, focusing on research activities and teaching.