たっさんの行動日記

昨日も統計学の（初心者）勉強に熱中した。

「帰無仮説」や「標準偏差」などの考え方が面白い。
数値からターゲットの動向を見るのだが、「なるほど」と感じる事が多い。「帰無仮説」は『ある事』を証明するために『ある事』の逆説を掲示し、この逆説を否定する事で証明する方法だ。

例えば・・「学校で一番人気がある生徒はＡ君である」という事を証明するために、『Ａ君の人気が一番では無い』という仮説を否定する。

「Ａ君以外の生徒」が一番人気と考える人の確率が【ある水準】以下であれば、『Ａ君の人気が一番では無い』という仮説を否定できるので、「Ａ君が一番人気」という事が証明されるわけだ。

この【ある水準】というのは、自由に設定できる。
６０％なのか、９５％、９９％・・この確立を設定した上での証明というわけである。

人気投票数であれば、過半数や２／３という水準でも良さそうだな・・面白い。

ついでに「標準偏差」も勉強になる。
これは「偏差値」の計算で使用する値でもある。算出方法は面倒だが、意味が深い。


　まず各データ毎に、平均値からの差を算出し、絶対値で表す。

　上記の値を【二乗】する。

　各データ毎の数値を全て足す。

　合計の値を、データ数で割る。・・ここで算出された値を「分散」という。

　割った数字（分散）の平方根を求める。・・これが「標準偏差」。


何だか理解し難いのだが、「平均からの差」を面積（平方）に表し、面積の平均（分散）を算出するところが要点だと考える。

なぜ、この数値を算出するかというと、全体の「ばらつき」を見るためであるとの事。
つまり、平均値だけではデータの分布が分からないので、この分布も考慮した評価を表したいという訳である。

例えば・・「テストの成績」を評価する時。
私的であるが、点数が悪かった時などは「全体の分布図」を考慮した上での、評価点が欲しい。そこで標準偏差を利用した「偏差値」が嬉しいというわけである。


[Dell]数量限定在庫一掃モデルがお得！



これを競輪のデータ分析に反映させたら面白そうだ。
まずはデータ分析に必要な知識を取得することに集中しよう。

ちなみに、昨日も競輪の予想を２レース分（Ｇ�Vグレートレース）やってみた。
結果は一勝一敗。３位入着する内の二車を予想してみたのだが、予想材料としてライン構成が重要だと再認識した。

まずは勉強、勉強だね。

空き時間に読書するのだが、先日読み始めた「ラクをしないと成果は出ない」（著：日垣隆氏）は読み終わってしまった。

１００項目を挙げて、それぞれに意見が記載されている。
幾つか勉強になったが、内容が単発である項目を１００項目も記述するのは大変だ。題名と反して内容は効率化を求める考え方が記述されている。

過去の本を掘り出して、次は何を読もうかな・・（おつかれさま）。