統計検定2級を学んでいるものです。 過去問で合格点を取れるようにまでは知識を身につけましたが。 母分

統計検定2級を学んでいるものです。

過去問で合格点を取れるようにまでは知識を身につけましたが。

母分散の検定→χ二乗検定
対応のない2標本の母平均の差の検定→z検定(プールした分散)

のようにケースバイケースで検定を選択はできるのですが、

何故χ二乗分布を用いるの？と聞かれたら
うーんという感じです。

その統計量が自由度n-1のχ二乗分布に従うからとういうような理解の程度なのですが、

そう言った深いところまで理解していないと
実践において使えない知識になってしまいますか？

No.5 回答者： stomachman 回答日時： 2023/03/22 08:41

No.2へのコメントについて

> 社会に出て実践を積んでいく中で、培われるものでしょうか？

　「社会に出て」って、先送りしてどうする。「もしかしたら仮定にムリがあるかもしれない」という問題意識を持った上で、自分でデータを集めて仮定を確かめながら解析する、ということをいくつかやってみれば、どこがムリそうかを嗅ぎつけられるようになると思う。まずは、条件を比較的コントロールしやすい物理実験でも良いんです。「あ、今の測定は失敗だからナシね」とやりたくなる誘惑の強さが実感できるでしょう。
　もちろん、疑い過ぎて萎縮するようでは薬が効き過ぎってことですが。

No.4 回答者： kamiyasiro 回答日時： 2023/03/22 01:53

#3です。

結果を疑うとは、「その結果は間違いじゃないの？」という疑いではなく、「なんでそうなったのか？メカニズムは合ってるの？」という「従来の知見、あるいは固有技術と照らして整合しているか？」という疑いで、前向きな姿勢です。
盲目的に信じるのではなく、エビデンス（証拠）を求めるということです。
あるいは、実態と異なるのであれば、「どこで違ってきたのか」を明確化することです。

データサイエンスも同じで、企業では数学だけやってきたデータサイエンティストを採用するのではなく、製品設計や品質保証で実績を積んだ技術者に対してデータサイエンスを教えるというリスキリングを進めています。
これも、現実での再現を重視しているからです。そのセンスは実務者には豊富にあります。

大学生であれば、インターンシップとか企業との共同研究に参加して、実践の場で繰り返し精度や再現性について学ぶと良いと思います。

No.3 回答者： kamiyasiro 回答日時： 2023/03/21 14:19

＞実践において使えない知識

深いところまで理解するというのが、手法を全て知っていて使いこなせるということですと、違うと思います。

サンプリングされた少数のデータから良し悪しを決める時、見誤るというケースが多々あります。その統計上のリスクをどれだけ分かっているかが「理解」だと思っています。
（リスクとは、例えば３大バイアス（サンプルセレクションバイアス・削除変数バイアス・内生性バイアス）などです）

私は企業人ですが、企業の統計屋は、教科書に書いてある基準はおおむね守りません。常に安全側安全側に考えます。

例えば、ｐ値を計算して閾値以内であれば棄却されずに「差があるとは言えない」と結論付けるのではなく、ギリギリであれば（少しでも疑わしければ）、必ず「ｎ増し」して違う側面から検討を加えます。
（同じ検討を行うときは多重比較に要注意）

実践において使える知識とは、統計上の結果を疑う知識だと思います。

No.2 回答者： stomachman 回答日時： 2023/03/21 12:00

使えないのならまだ良い。

誤った使い方をしてトンデモな結論を引き出したりする。だったら、統計など知らない方がマシです。

　「どんな実験でどんなデータをどうやって取るか」というところを考えずにただ数値しか見ないとか、「リクツはともあれ、気に入った結論が出てくれればOK」とか、アルアルです。
　むしろ「統計のコマカイことは知らんけど、でも、これっぽっちのデータで（or こんな調査・実験で）そんなことまで分かっちゃうのって、オカシクない？」と疑うセンスの方が、実践ではよほど重要。たとえばデータが100個しかないのにp値を有効数字5桁も書いたりするのは、どこか肝心なところがヌケてるんです。

　「現実の世界でデータを取って、数学の確率論の言葉で議論する」というのが統計です。このとき、数学にとっては現実がどうなってるかなんて知ったことじゃないんで、扱おうとしている現象に確率論が適用できるかどうかは保障してくれない。言い換えれば、「現実の対象と数学の対象というまるで別物同士を同一視しよう」ということをやるんです。だから、現象が何らかの

> 分布に従うから

と言うためにどんな仮定が置かれているか、また、使っている技法がその仮定にどのぐらい敏感なのか、そして、実験がその仮定をどの程度の精度で満たしていると信じられるか、ってことが肝心。
　キチンとした教科書の例題・練習問題や検定試験問題では、この仮定を全くスットバスような迂闊なことはしませんが、「ある仮定が絶対成り立っている」ということをサラリと前提する。そうしなきゃ話が進まんわけですが、しかしこれは統計を学習している人に「仮定に鈍感になる癖」をつけることになる、という弊害がありそう。

この回答へのお礼

そういうような疑うスキルはやはり社会に出て実践を積んでいく中で、培われるものでしょうか？

私は大学生でデータサイエンスに興味があるので、統計学を勉強し始めたのが背景なのですが、

stomach manさん以外にも
疑うセンスが大事と言っていますが、

なかなか過去問や参考書を読むだけじゃ
培われませんよね。、。

お礼日時：2023/03/21 21:40

No.1 回答者： yhr2 回答日時： 2023/03/21 00:43

＞そう言った深いところまで理解していないと

実践において使えない知識になってしまいますか？

はい。そうです。
それは「それがどんな分布に従っているのか」「その分布を使って何をするのか」という基本的な戦略を理解できていないということですから。

この回答へのお礼

「それがどんな分布に従っているのか」は理解してます。

「その分布を用いて何をするのか」は
統計量(z値)などを計算して、それらが分布のどの点を指していて、定められた有意水準においてp値がいくらになるか

棄却するか受容するか判断する

という認識だけでは不十分ですかね。。。

お礼日時：2023/03/21 05:24