  |
はてなキーワード:統計学とは
フェミニズムの分類が多すぎると聞いて
記述集合論（Borel階層, Projective階層, 汎加法族）
モデル理論（型空間, o-極小, NIP, ステーブル理論）
再帰理論/計算可能性（チューリング度, 0′, 相対計算可能性）
構成主義,直観主義,ユニバース問題,ホモトピー型理論（HoTT）
体論・ガロア理論
表現論
K-理論
初等数論（合同, 既約性判定,二次剰余）
解析数論（ゼータ/ L-関数,素数定理,サークル法, 篩法）
p進数論（p進解析, Iwasawa理論, Hodge–Tate）
超越論（リンドマン–ヴァイエルシュトラス, ベーカー理論）
実解析
多変数（Hartogs現象, 凸性, severalcomplex variables）
関数解析
バナッハ/ヒルベルト空間,スペクトル理論, C*代数, von Neumann代数
フーリエ解析,Littlewood–Paley理論, 擬微分作用素
確率解析
常微分方程式（ODE）
偏微分方程式（PDE）
非線形PDE（Navier–Stokes, NLS, KdV, Allen–Cahn）
幾何解析
リッチ流, 平均曲率流,ヤン–ミルズ,モノポール・インスタントン
エルゴード理論（Birkhoff, Pesin）,カオス, シンボリック力学
点集合位相,ホモトピー・ホモロジー, 基本群,スペクトル系列
4次元トポロジー（Donaldson/Seiberg–Witten理論）
複素/ケーラー幾何（Calabi–Yau, Hodge理論）
スキーム, 層・層係数コホモロジー, 変形理論, モジュライ空間
多面体, Helly/Carathéodory,幾何的極値問題
ランダムグラフ/確率的方法（Erdős–Rényi, nibble法）
加法的組合せ論（Freiman, サムセット, Gowersノルム）
彩色,マッチング,マイナー理論（Robertson–Seymour）
列・順序・格子（部分順序集合, モビウス反転）
測度確率, 極限定理, Lévy過程, Markov過程, 大偏差
統計学
ノンパラメトリック（カーネル法, スプライン,ブーストラップ）
時系列（ARIMA,状態空間, Kalman/粒子フィルタ）
非凸最適化
離散最適化
整数計画,ネットワークフロー, マトロイド, 近似アルゴリズム
Littleの法則, 重み付き遅延, M/M/1, Jackson網
エントロピー,符号化（誤り訂正, LDPC,Polar）, レート歪み
公開鍵（RSA,楕円曲線, LWE/格子）,証明可能安全性,MPC/ゼロ知識
計算複雑性
機械学習の数理
量子場の数理
相転移, くりこみ, Ising/Potts, 大偏差
数理生物学
数理神経科学
データ解析
この記事
https://posfie.com/@Elif87995911/p/XbxdGy4
の「点数順で合格者出していると、たぶん上位校では合格者の６割以上が女子になると思います。」という主張に対してブコメ
https://b.hatena.ne.jp/entry/s/posfie.com/@Elif87995911/p/XbxdGy4
では、当初は「データだせ」的なコメントが多かったが、途中から「元ポスト見ろよ」というコメントが出現。それによると
https://x.com/hUATTcSBW463PEl/status/1963855183768646098
確かに、中学受験、同じ共学校で、合格最低点が女子 ＞ 男子 であることが示され、点数順に取れば女子の方が多いであろうことが裏付けられる。
なんと。ビックリ。
しかしこの画像も切り抜きなので、元記事をGoogle画像検索で探すとこちらにある。
https://president.jp/articles/-/47254
これによれば
〈大手の模擬試験の結果を分析すると、学力のトップレベルに相当する層（偏差値70以上）は男子のほうの占める割合がかなり高くなる一方、学力上位層・中位層（偏差値45以上70未満）は女子の占める割合が高くなります。そして、学力下位層（偏差値45未満）では男子の占める割合がやや高いのです。これは毎年見られる傾向です〉
これは中学受験組の私の実感とも普通に合う。しかしそれでどうしてあの記事の数字になるのだろう。記事ではこの後に、男子校・女子校の存在があり、私立女子校の数が圧倒的に多く、全体としては女子に不利になっていないのではないか、ということが書いてあるが、あの点数表についても男子校・女子校の存在が原因として考えられる。
男子は筑駒＋開成＋麻布+駒東=1000人くらいの上位が男子校で抜け、一方で女子は桜蔭で300人弱のトップしか抜けないので、共学トップ層の受験集団とは、男子の方が切断点が左側にシフトした片側切断正規分布になっているのであろう。この分布について上から男女同数を取れば、当然、男子の方が最低点が低くなるに決まっている。
そうだとすると、これは中学受験の特殊な状況において成立することなので、大学などでは容易に当てはまらない。少なくとも、条件を整備して再度考察すべきことだろう。
それで、それは当然なのだが、内田樹のような大学教授も務めたような人間が、こんな最低限の統計すら思い浮かばないのはなぜか。
もちろん一つは統計学教育の敗北。もう一つは、ドメイン知識の欠如であろう（内田樹自身は都立日比谷→東大、のようなので、私立男子校全盛時代を知らないと思われる）
デスノートの最大の欠点は、結局のところ人力で文字を書き続けることでしか効力を発揮しないことだ。
出力に限界がある以上、費用対効果で対象者を選別する必要がある。
例えばアラビア文字は書くのがめんどくさいから後回し、となれば対象者に偏りが出てしまうし、偽装の為に対象者を分散させると本来の目的である犯罪抑制が達成できなくなる。
検挙されていないマフィアやギャングには全く効果がないし、統計を取れば対象者の名前と顔写真が必要なことはすぐにバレるので皆が偽名を使うことになるだろう。
既存のメディアが被疑者の名前を公表しなくなれば特定班の出番となるが、誰かがフェイクニュースを流せば何が信頼できる情報かもわからなくなる。
デスノートには、その信奉者が思っているほどの効力はない。カルト集団の教祖や独裁者にはなれるかもしれないが、それはデスノートがなくてもできることだ。
統計学がわからないから自分は万能だと思い込むし、近代哲学や社会契約説を知らないから、どういう順序で社会が成り立っているかわからない。
疑わしきは罰せず、法の不遡及の原則といった言葉の意味も理解できないかもしれない。ひろゆき信者が詭弁論や合成の誤謬を知らないのと同じだ。
デスノートは正義ではないが力であり、力こそが正義だというのであれば、その使用者と支持者にとっては正義でもある。
被害者の気持ちを想像することは容易だが、冤罪で投獄されるリスクを考えることは難しい。この仕組みを利用して、みんな騙される。
言い切れるぞ。毎日のようにバズった増田に種種雑多なスタンスの何十というトラバがついてるがあれ全員同一人物か？宇宙が永劫回帰するぐらいあり得ない確率は統計学上無いこととしていいんだぞ。
-----BEGINPGP SIGNEDMESSAGE-----Hash: SHA512https://anond.hatelabo.jp/20250818185323# -----BEGINPGP SIGNATURE-----iHUEARYKAB0WIQTEe8eLwpVRSViDKR5wMdsubs4+SAUCaKL4FQAKCRBwMdsubs4+SFtdAQDJIBWu/tJI6bBBp2+cYBVKSFEddz/yQrQgfHWjPjHNqwD/Z8zmPhAa3PmHFJs7w8FrRAjfyNkTq80Qq+lXLYIsRwc==JCMT-----ENDPGP SIGNATURE-----
「暮らし向き」を正確に知るのは難しいが、手掛かりとなる統計としては総務省の生活意識調査や日銀の「生活意識に関するアンケート調査」がある。図表１では、25年７月に公表された日銀調査（調査時点は25年６月）のうち、暮らし向きについてのD.I.2を示している。D.I.はリーマンショックからの回復を経て、2013年のアベノミクスの下ではマイナス40程度を維持してきたが、長らく政策の目的であったインフレ（物価高）が現実のものになると、マイナス50程度まで低下し、さらに直近では３か月前から一気に5.2％ポイント低下しマイナス57.2まで下落している。掲載は省くが、総務省調査も同様の傾向であり、政府はインフレにより経済を再生しようとしてきたが、現時点までではインフレにより暮らし向きはむしろ悪化している。この調査は統計学上の問題はないとはいえ、サンプルが比較的少数（約４千人）のほか、設問に「ゆとり」という言葉が使われ曖昧ではないかとの指摘もされる。しかし「ゆとり」は、「満足感」や「幸福感」にもつながることから、経済学で重視される「効用」をより反映しているともいえる。デフレ脱却で目指したインフレは、それが実現しても人々の満足度を高めているとはいいがたいのが現状だ。
本よんでいると東大の学力が下がってるという主張をちらほら見るんだけどどうなんだろうね
かたやフィールズ賞取った小寺が天才を除いて学力が下がってると言ってるし、かたや東大出た塾講が東大京大学力崩壊として統計学？いや全然違うかもしれんけどとにかくなんらかの数学系の単位を95%以上とかそんなレベルの割合で落としてるって新聞記事引用してるし…
-----BEGINPGP SIGNEDMESSAGE-----Hash: SHA512https://anond.hatelabo.jp/20250730023223# -----BEGINPGP SIGNATURE-----iHUEARYKAB0WIQTEe8eLwpVRSViDKR5wMdsubs4+SAUCaInZcgAKCRBwMdsubs4+SMkZAQC3B6jlupOOySuQDJntwhiCeFlQJLBorxhuzGyu5Ytg6AEA6c/kNSvK/wT/Vh/3VE/erxSaJhg+EPuPs18CapTeDA0==4QsM-----ENDPGP SIGNATURE-----
コンサルとか広告、マーケティング、IT、それに物流の現場で飛び交う言葉、ホンマにええんか？
「ストラテジー」とか「ターゲット」「デプロイ」「ミッション」「オペレーション」とか、聞いてて「これって、ビジネスの話だよな…？」ってなるわ。
「PDCAサイクル回すぞ！」なんて息巻いとるけど、あれも元々は軍事作戦の考え方やで。
具体的には、第二次世界大戦中にアメリカの統計学者、ウィリアム・エドワーズ・デミング博士が品質管理のために広めた考え方なんやけど、そのルーツは
計画（Plan）→実行（Do）→評価（Check）→改善（Act）っていうサイクルが、軍のオペレーションと似とるってことやな。
でもな、疑問に思うんよ。軍隊のロジックがビジネスに役立つからって、なんで言葉まで軍事に関連する物騒なもんにしとるんや？
お客さんを「敵」みたいに見て、市場を「占領地」みたいに考えるって、ホンマにまともなビジネスなんか？
俺らがやってるのは、お客さんの困り事を解決したり、世の中に新しい価値を届けたりすることやろ。お互いに協力して、信頼関係を築いていくのが大事なはずや。
なのに、知らん間にビジネスを「戦争」とか「攻撃」みたいに捉える言葉を使っとるせいで、なんかギスギスした雰囲気になっとるんとちゃうか？
軍事用語をビジネスで使うって、もしかして俺らは、遠い国の紛争を他人事として見ながら、実はそのロジックを経済活動に持ち込んで、うっすら戦争ごっこを楽しんでるだけなんちゃうか？
なんか、モヤモヤするわ。
統計検定準1級ってどのくらいすごいの？
いい質問です！
「統計検定準1級」のレベル感を、内容や評価、他の資格と比較してわかりやすくお伝えしますね。
✅統計検定とは？
4級（高校基礎）～1級（高度専門家レベル）まであり、準1級はその間。
✅ 準1級はどのくらいのレベル？
大学学部の統計学をしっかり理解し、実際のデータ解析に応用できる力が求められます。
実際には「回帰分析」「分散分析」「多変量解析」「一般化線形モデル」「ベイズ推定」などを理論と計算の両面で問われます。
✅難易度感
合格率は20〜30%程度と低め（年度や分野により多少変動）。
計算問題も多く、公式を覚えているだけでは解けない応用力が必要。
データサイエンス系修士課程の基礎としても十分通用する知識レベル。
データサイエンティスト、マーケティングアナリスト、品質管理などの職種で有利になることもある。
✅ 他の資格と比べると？
✅ どんな人が持ってると強い？
データサイエンティスト志望の人（実務と理論の両方を強調できる）。
社内で統計解析を担う人。
🎓総評
「単に知識を暗記している」ではなく、
必要なら、勉強法のアドバイスやおすすめ教材もまとめてお伝えします！
統計検定準1級は、日本の統計学の資格試験の中でもかなり高いレベルの資格です。
統計検定は4級から1級まであり、準1級は上から2番目の難易度にあたります。この資格は統計学の理論的な知識だけでなく、実際のデータ分析における応用力も問われるため、取得するには相当な勉強が必要です。
具体的な難しさとしては：
データサイエンティストや統計解析を専門とする研究者、品質管理の専門家などが持っていると評価される資格です。大学院レベルの統計学の知識が求められるため、文系出身者にとっては特にハードルが高いとされています。
製薬会社の臨床統計、金融機関のリスク管理、マーケティングリサーチ会社、コンサルティングファームなどで重宝される資格です。
合格率も比較的低く、しっかりとした統計学の基礎から応用まで身についていることの証明になるので、統計・データ分析分野では「かなりすごい」資格と言えるでしょう。
ライン工にしてはやるじゃん。
勉強してるときに、範囲の広さに心が折れそうになってSNSで同じ声を探してたら、「準1級って1級より難しいんじゃね？」って声があって、なんなら1級のほうがよかったかなぁってはちょっと思った。
統計って、現実をうまいこと解釈するためのもんで、統計学の公式の証明とかできても仕方ないんじゃないかなと思った。
これが、数学の勉強だったら証明は大事だろうけど、統計の勉強であそこまで踏み入るのはどうかなぁっと。
それから、あそこまで踏み込むならアクチュアリーのほうが実益があるんじゃない？って思ったりした。
あと、統計検定って2級より準1級が上、準1級より1級が上っていう単純な序列でもないんじゃないかなと。
2級で出てくるラスパイレス指数とかパーシェ指数とか、いきなり準1級やってたら知らんかったろうし、準1級で出てくる範囲も1級では出てこないところがごまんとあるわけじゃん。
1級とってから準1級の勉強をする価値はあると思うけど、それはだるいし、準1級、1級と1つずつステップアップしたほうが幅広い知識がつくんじゃないかな。
にしても、準1級の範囲は広すぎだろって思うけど。
まだ受かったばかりだけど、様々なジャンルの専門書を読むときに、準1級の知識があるとわりと挫折して読んでいけるんじゃないかなって期待してる。
昔読んだ、森岡毅の『確率志向の戦略論』を読み返してるんだけど、ガンマ分布の理解があがったのでそこで躓かないし、負の二項分布の数式が準1級でやったときと違うのでそこでいろいろ考えるところもあるし、自分のなかのレベルが上がってきてるのは実感してる。
続き。
先に言いたい。
ついひと月くらい前、統計検定準1級に受かった！
何章か飛ばしながらもとりあえずテキスト（統計学実践ワークブック）の一周が終わった。
たった一周のために、数章読んでは数か月休憩を何度繰り返したことか。
落ちて奮起する起爆剤になればいいと思ってたところ、蓋を開けてみたら合格ラインは60点合格（100点満点）のところ70点台
（受ける前の感触だと、80%の範囲を60%の理解度で48点（0.8×0.6）くらいかと思ってたが、意外とスラスラ解けた）
統計検定がどんくらいの難度かというと、大学院の入試くらいっぽい。
なんでも、横浜市立大学だと100点満点中の100点をくれるらしい。
https://www.yokohama-cu.ac.jp/ds/admis/fsnbt50000000b99-att/2026_dsboshuyoko.pdf
（試験結果レポートの点数 − 60）× 1.25 ＋ 150
だから、200点満点中の160点台
https://www.shiga-u.ac.jp/wp/wp-content/uploads/R7dskenkyukayoko_syuusei0508.pdf
ところで、博士課程前期って、修士課程のこと？（それすら知らない低学歴ですまん）
まあ、無能の終着点としてはまあまあのところな気がする。
俺は、年に数冊が限界だし、統計検定のテキストなんて3年くらいかけてしまった。
なにか役に立ってるか？立ってねーな。
あえていうと、ファイナンスとか管理会計の本を読んでるんだけど、式を追っていくのが楽。
そんくらい。
「増田くんも長いんだから、QC検定くらいとったらどうだ？3級あたりから挑戦するといいと思う」
って話をされたんだが、問題をみると、2級でも統計検定2級より易しそうな雰囲気。
といってQC数学と統計学はイコールじゃないから単純に難易度を比べるわけにはいかないけど、なんか舐められてる？
別にいいんだけど。
勉強の軌跡を書こうと思ったけど、思いのほか前置きが長くなったので次回にする。
続く
続き
2023年の下期で、放送大学の科目群履修制度っていうやつの「データサイエンスエキスパート」っていう要件を満たした。
次の目標は卒業くらいだけど、もともと三流とはいえ大卒だし、学割さえ使えれば永年在籍したいくらいなんだよな。
とはいえ、せっかく入学したんだから卒業もしたくないわけでもなく。
とりあえず、「自然言語処理」を履修。
なんか2023年の終わりごろにChatGPTが注目され始めてたから、興味本位。
もてはやされてなかった？
転職サイトのデータサイエンス関係の求人要件みると「自然言語処理」って単語が並んでた気がする。
なにが知りたいってわけでもなく、流行りのTransformerだけ知れればいいと思ったんだけど、BERTとかTransformerが出てくるのは教科書も折り返し地点を過ぎたあたり。
いやはや、俺はただ、Transformerの仕組みをドヤ顔で語ってモテたかっただけなのになんでこんなことに・・・
仕組みはわかっても、自然言語処理でなにやっていいのかさっぱりわからん。
で、統計検定準1級の勉強が進むかといえば、このころはやってない。
やっぱ、机に向かう習慣がなかった人間がコンスタントに勉強するのは無理無理無理。
寝る前にインターネットで放送大学の授業を聴くとか、寝ながら教科書を黙読するくらいが精いっぱい。
統計検定準1級は受かる気がしないし、かといってなんもしないのもあれだし、唐突に日商簿記でも取るかなと思い始める。
元々は、資格も免許も関係なく勉強してたわけだし、統計やらプログラミングで資格を取ったのも力試しみたいなもんだったのだけど、
工場は年取ったときに管理部門にいないと辛そうだし、日商簿記って知名度あるみたいだから、事務方に異動したときに便利かなぁと。
障害者が何を言ってんだよって話だけど。
知名度抜群の日商簿記でも取れば、みんなが見る目が変わるかなとか思ったり。
手始めに簿記3級。
放送大学の「簿記入門」っていう科目があるから、それで受験対策になるだろって思って、問題集とか買わずに突撃。
見事爆死。
2回目で受かった。
でも、3級じゃあまり役に立たんらしい。
2級も一回目は落ちて、結局問題集を買ってみて、2回目でリベンジ。
そんなこんなで簿記2級をゲット。
さあて、簿記2級をとったら、次は何かを考える。
簿記2級はコスパがいいけれど、この道（会計）の道はこれ以上いくのはコスパが悪そう。
簿記1級⇒同上
税理士⇒同上
そんなら、統計検定準1級を再開するわと、ほぼ1年越しに統計学の勉強再開！
続く
すっかりどこまで書いたか忘れた。
2021年の終わりに↓これを読んだあたりまでだったな。
「Pythonで学ぶ実験計画法入門 ベイズ最適化によるデータ解析」
すげーいい本だったんだけども、実際に活用する場がないんで（なにせ頭を使わない仕事なんで）読みっぱなし。
今考えるとよくないね。
実は、この本に出てくるD最適計画、それからサポートベクター回帰っていうやつが1年後くらいにちょっと役立ったのだけど、それは後の話。
「ゼロつく」のときは理解できなかったクラスの概念も、このころにはすっかり便利さを実感することに。
ここで、もう一度「ゼロつく」に戻ればよかったんだけど、ここまでくると、自分の仕事周りのデータに対しては深層学習って不要だなって思って、戻ることはなかった。
前のエントリで書いた放送大学で「Rで学ぶ確率統計」の単位を無事に取れて調子に乗ってたので、せっかく入学したのだからといくつか授業取ってみた。
統計とかプログラミングの勉強については、「データの分析と知識発見」「コンピュータービジョン」「データベース」の三つかな。
それとは別に人文系の科目も調子に乗って履修してる。もともと数学とか嫌いで歴史とかのほうが好きだし。
「データの分析と知識発見」ってのは、Rを使うやつで、今考えれば多変量解析の入門って感じ。
「コンピュータービジョン」はクッソ難しかったな。
OpenCVってやつの使い方をサクっとパパっと知れるんかと思ったら、ガッツリとエピポーラ幾何とかいうやつから入って行列三昧だったし。
線形代数を知らないエセ理系舐めんなよ！わかるわけねーだろ（今までの本でも行列を触ってきてたけど、雰囲気でなんとかいける、あるいは読み飛ばしてもそういうもんと思って次に進めた。うまく言えないんだけど、100次元とかあるともう諦めてそういうもんだって割り切れるじゃん？3次元くらいだと、ちゃんと現実に戻ってこれないと困るから、ホントに理解できてないのが自覚させられる）
「データベース」もお気楽にSQLマスターできるもんかと思ったら、歴史から入ってガッツリと三層スキーマなにやら、SQL触るのなんてちょびっとだった。
で、このへんでいろんな方向に手を延ばすのもだけど、1つ資格でも取ってみようかなと思って、統計検定に手を出してみた。
大学がエセ理系のポンコツとはいえ、高校出てるんだし大村平の本を読みまくったんだし、受かるだろと思ったが、2級初受験は58点で不合格。
すっかり統計学に恐怖が出てしまったので、2級リベンジの前に「Python3エンジニア認定データ分析試験」とかいうやつに挑戦。
こっちは、ホントに易しくて、統計学がわかってなくてもライブラリの使い方がわかればまあなんとかなるもんだった。
ほぼ満点で弾みをつけて、2級リベンジ。
今度は過去問を買って真面目に机に向かう。
自分、机に向かうってことが嫌いで、ひたすら通読を繰り返すやりかたしか勉強法を知らなかったんだけど、この時ばかりは体に叩き込む作戦。
電卓で計算しては、分布表を読んで、判定して、みたいなルーチンを体で覚えて、見事リベンジ。
しかし、統計検定2級も受からないくせによく、背伸びしていろんな本読んでたもんだよ。
たぶん、わかったつもりになってなんもわかってなかったな。
統計検定2級を取った勢いで、準1級とやらもとっちまうかと手をだしたら、テキストが超難しいの。
4章くらい読んで、挫折して、数か月寝かせる、みたいな感じを何度か繰り返すことになった（結局、準1級に受かったのは2025年になってからだ）。
準1級は、統計学以前に、微分積分とか線形代数の知識がないとテキスト読めない仕様。
日本統計学会公式認定統計検定準1級対応統計学実践ワークブック
「式変形については行間を読んで解釈してくれページの都合で次行くからよろしく！」
っていう感じ。
見事に挫折。
統計も、微分積分も、線形代数も徐々にってことで、準1級はいったん休止。
それから、バイオインフォマティクス技術者認定試験とかいう試験をみつけて、興味が出たので公式テキストをとりよせて挑戦することに。
バイオインフォマティクス入門 第2版
元々、生物系だったので、なんとなくわかる単語も多かったし（理系のくせに微分積分も線形代数もヘナチョコって生物系だって丸わかりかもだが）。
これが、ほどよく多変量解析から機械学習からいろいろ網羅されていて、いい勉強に。
重いもの運ぶくらいしか取り柄がない腹が出て禿てきたオッサンが、若い院卒様に頼られるって自己肯定感高まる良い体験。
そこで使ったのが、D最適計画とサポートベクター回帰。
まだまだ鼻くそのようなもんなのに、意外と頼られるっていうことになったんだけど、まあ多いのはデータの可視化だったんで、データの可視化を学んでみることに。
本当は、ggplotとmatplotlibとかplotlyを100本ノックしようと思ったんだけど、やっぱり急がば回れ、有名な教科書の和訳らしいので↓をチョイス
「データビジュアライゼーション ―データ駆動型デザインガイド」
すげーお堅いｗ
やっぱ、こころのどっかで、「チャっとやったらパパっとできる！」みたいなのを求めてるんだよな。
そんで、二冊目はもうちょっと実務的に↓を選んだ。
『データ分析者のためのPythonデータビジュアライゼーション入門コードと連動してわかる可視化手法 』
この本はかなり実務的、というかどうすればお手軽に可視化できるかって話だけなんだけど、おかげさまでキレイに見せるテクニックだけは上がり、職場でも評価は上々。
「なんかよくわかんないけどアイツに持っていけば綺麗なFig作ってくれる。ポンコツだからいつも暇だし！」
という状態に。
放送大学で「データ構造とアルゴリズム」とかいう科目を取ったおかげで、意図せずC言語と関わる。
二度とC言語を使うことなんかないだろうけど、グラフ理論がコンピュータと相性がいいのが、データ構造の勉強をしてよくわかった。
そんで、やっとこさ挫折していた統計検定準1級の勉強を再開する。
で、また数章読んで飽きた。
だって、難しいんだもん。
っていうか、線形代数と微分積分の学力不足で投げたことをすっかり忘れて、もう一度開いて投げ出すんだから世話ないわなw
仕方ないから、微分積分は高校三年生の使う黄チャートを買って目を通した。
線形代数は
を一周。
部分積分と置換積分を手足のように使えるようになってやっとこさ、統計学実践ワークブックを読めるように。
読めるようになってから読むと、因数分解くらいの感じでマクローリン展開してきてることがわかって草。
統計の勉強のリハビリにと、放送大学でも「統計学」という授業をとってみたけれど、統計検定2級より易しかった感じ。
プログラミングの勉強はほとんどしなかったけど、Githubのアカウントつくって、renderとかherokuでウェブアプリを公開したりした。
Gitを覚えてみて初めて分かる、「名前を付けて保存」以外のファイル管理を知らなかった自分のヤバさ。
続く。
信用もなにもそもそも変えたらいけないってルールさえ最初からないからなあ
ラスベガスとかは法律で例えばルーレットの台の角度を変えてはいけないとかあるけど
オンラインは別に何やったらいけないとかないので全部ハズレにしても合法
ただ、心理学者とか統計学者とか雇ってどうやったら一番儲かるかを最適化してて
100％負けさせるのは全然搾り取るのに最適ではないから一番「ハマる」割合とかタイミングその他で出すようにしてて
それにハマっちゃったやつ（普通の人間はハマるようにできている）は最悪何千万とか負けてるわけ
それでも7割くらいは返ってきてるよね
ここ数年の飯田泰之、面白い論考もあるが首をかしげる主張も多い。
それに対し飯田泰之は、九州は女性にとって暮らしやすいと思われているとデータで主張していた。
https://note.com/iida_yasuyuki/n/n498ed70f9010
「さす九」については以下の記事が、実証の専門家の誠実な主張だと思う。
https://news.yahoo.co.jp/expert/articles/04fc4beba1099620abe1dd31a9033505c6c2bc98
「さす九」といえるような体験があったことは否定しないが、それを九州全体の意識に原因を求めてもそれが正しいかどうかは判定が難しい。
それよりも家事の偏りなど明確になっていることを議論した方がいいというわけ。
「さす九」のような議論は定義が曖昧なため、数量データでは「わからない」と書いているのだ。
けれど飯田の記事は、直接明言はしていないけれど「さす九は存在しない」と主張していると解釈できると思う。
でもその根拠は微妙だ。飯田の記事は有料なので全部は出さないが、根拠のひとつとして九州の女性は幸福度が高いというアンケートがあると主張している。
主観データをそのまま信用するわけではないと飯田自身が留保をつけてはいるが、それなりのエビデンスにはなると紹介している。
https://www.hakuhodo.co.jp/uploads/2014/11/20141120.pdf
上記以外にも同様のデータを複数noteで挙げているが、それらを見ると沖縄がどれも結構な上位なんだよね。
で、沖縄はDVやシングルマザーの貧困が多い県であることは知られている。
つまり沖縄は女性が生活する上での困難が多いわけで、これは「幸福度アンケートだけで判断するのは危うい」ということだろう。
（尚、飯田の記事はアンケート以外の行動データもあるがそれでも沖縄は高い）
他にも社会保障関連で「20代が最も負担率が大きい！そんな国聞いたことない！」と煽っていたが、突っ込まれて訂正とかしている。
https://x.com/iida_yasuyuki/status/1923519888762732802
下記で「飯田泰之は信頼しているが・・・」とあって、自分もかつてはそう思っていたが、今はもう信頼できないと思う。
https://x.com/michihito_ando/status/1923404258910576967
実証の専門家なら上記のようなデータの解釈は注意するべきでしょう。
確か小島寛之の初学者向け統計学の本で、謝辞の中に内容をチェックしてもらったと飯田泰之の名前があったと記憶しているが、
初学者向けの本に名前が載っている人がこういう振舞いをして、それが統計学だと思われるのはまずいだろう。
飯田本人も「さす九」の記事内で「データ分析のコツ」とか言っちゃてるし……
まぁ色々書いてきたが、まともだと思う記事も結構あるんだけどね。
下記は小泉時代の空気って確かにそうだったし、説得力があった。
https://note.com/iida_yasuyuki/n/n4bce9a8714db
地に足の着いた議論を大事にする姿勢も好きだった。この記事だけ読むと良質な保守派の感覚を持っている人だと感じる。
https://note.com/iida_yasuyuki/n/n73e316e18af1
今もしっかりした人だと思うことはある。
先ほど挙げた社会保障関連でもまず訂正をちゃんとしてるわけだし。
あと、下記で確か「査読付きの論文を出さない人は経済学者と名乗らないでほしい」って感じのこと言ってたと記憶しているが（違ってたらすみません）、
あまり論文を書いていない現在の飯田泰之はそれをちゃんと守っているようにも思える。
エコノミストを名乗っているよね。
たまに経済学者と紹介されたりしているけど本人がそう主張しているわけではないんだろうな。
https://www.videonews.com/marugeki-talk/473
でもなぁ、大学の女子枠に批判的だからって、レーサムの事件が流れたときに「この学生は女子枠かな」とXで書いてそのポスト消したり、
「飯田泰之が〇〇を批判しないのは卑怯だ」みたいな意見に対して「こういう態度がダメなんだ」と反論しておきながら、
「フェミはイスラムを批判しないのはダメだ」みたいな意見をリポストしているのを見ると悲しくなるよ。
リポストが同意とは限らないけど、普段フェミに批判的なポストが多いしこのリポストは同意だろう。
フェミ批判やるならちゃんとやればいいのに、なんでここまで雑なんだろう。
自分が気に食わない主張をするやつは馬鹿に決まってるって思考なのかな。
