☆事前にGoogleで「Anaconda」を検索し、「Anaconda Individual Edition」の
インストールをお願いします。
1 なぜ今、統計解析にPythonか
1.1 統計解析が重要視される背景【データ分析】
1.2 統計解析ソフトの選択肢の増大【統計ソフトの現状】
1.3 プログラミング言語の多様化とPythonの位置づけ
1.4 PythonとRの違い【両者の特徴】
1.5 Pythonを使うために【PC環境の構築】
1.5.1 簡単プログラミング【演算、変数、条件分岐など】
1.5.2 基本モジュールとそのインポート【numpyの使い方】
1.5.3 データを読み込もう【pandasの使い方】
2 Pythonによる記述統計
2.1 データを整理してわかりやすく伝えよう
2.1.1 データを要約する【要約統計量】
2.1.2 いろいろな要約統計量【平均値、中央値、標準偏差】
2.1.3 要約統計量をPythonで計算する【pandasとnumpy】
2.2 データを視覚化してわかりやすく伝えよう
2.2.1 データを視覚化する【散布図、ヒストグラム】
2.2.2 視覚化をPythonで行う【matplotlibとseaborn】
3 Pythonによる推測統計
3.1 統計解析における確率と統計的推測
3.1.1 確率の基本を理解しよう【データの確率的変動】
3.1.2 測定値は正規分布をする【正規分布の特徴】
3.1.3 統計的推測【母集団と標本】
3.2 大きな集団を推定しよう
3.2.1 母集団を推定する【標本の無作為抽出】
3.2.2 標準誤差を理解しよう【母平均の推定】
3.2.3 95％信頼区間を理解しよう【母平均の推定】
3.2.4 Pythonを使って95％信頼区間を計算しよう
3.3 差があることを証明しよう【仮説検定】
3.3.1 仮説検定における仮説の設定
3.3.2 2群の平均値の差からp値を求める【t-検定】
3.3.3 2群の有効率の差からp値を求める【カイ2乗検定】
3.3.4 多群の群間差からp値を求める【分散分析】
3.3.5 Pythonを使って仮説検定を行ってみよう【numpy】
4 Pythonを用いた線形モデルによる予測
4.1 直線回帰分析【直線的予測】
4.2 重回帰分析【説明変数が複数ある場合の予測】
4.3 ロジスティック回帰分析【2値の予測】
4.4 Pythonでモデルによる予測をやってみよう