高橋 信(著), トレンドプロ(マンガ制作)「マンガでわかる統計学」

1週間あけてしまいました。今回は「マンガでわかる」シリーズ。一見ユルそうな本ですが、内容はいたってマジメです。

高橋 信(著), トレンドプロ(マンガ制作)「マンガでわかる統計学」
<https://www.amazon.co.jp/dp/4274065707/>
単行本: 215ページ
出版社: オーム社 (2004/7/1)
言語: 日本語
ISBN-10: 4274065707
ISBN-13: 978-4274065705
発売日： 2004/7/1

[書評] ★★★★☆

後輩が転居のため本棚を整理していたら出てきたという本。ハイ、私が貸していた本です(本書を含む統計学3部作の他にも色々出てきました…/苦笑)。時間が経っていたため貸した方も忘れていましたが、人の本を何年も寝かせておくなんて酷いよ、Mクン！(怒) お詫びに、と缶入りクッキー&チョコ詰め合わせを貰ったのですが、流れでその場で開封。殆ど女子に食べられてしまいました！(笑) おいM、お前まで一緒になって食べているんじゃないよ！！(爆)

…いけません、いけません。ノリがメインブログと同じになってしまいました(笑)。

・　　・　　・　　・　　・

さて、本書。一言で表せば、「とても解り易い統計学の入門書」。

内容を順に書き出すと、概ね以下の通り：

母集団と標本の関係

• 限られた数の標本から、母集団の状況を知る方法として、統計学を使うということ
  ※勿論、標本＝母集団という場合もある(学生なら学内や予備校での試験の得点、社会人なら国勢調査など)

数量データとカテゴリーデータの違い

• 数量データ … 身長や試験の得点など
• カテゴリーデータ … 好き・嫌いとか、支持政党とか、好きなブランド…などなど

1つの数量データの統計値

• 平均、分散、標準偏差、などなど。

2つのデータの関連性の数値的表現(→検定)

• 数量データと数量データ … 相関係数(単相関係数)
• 数量データとカテゴリーデータ … 相関比
• カテゴリーデータとカテゴリーデータ … クラメールの連関係数、カイ二乗検定(独立性の検定)

技術系の仕事をしている人間にとって、数量データ間の関係…平均・分散・標準偏差・単相関係数といった用語は既にお馴染みだろう(特に製造業では公差や不良率を考える上で必須)。だが、数量データとカテゴリーデータ、カテゴリーデータ同士の関連性というのは馴染みが無いかも知れない(私の場合、オペレータ毎や曜日毎の不良率という形では触れていたが)。そんな私にとって、カテゴリーデータの関連性というのは純粋な興味という点で面白かった。なお、MS-Excelで計算したりグラフを確認したりしながら読み進めると、より理解が深まるだろう(私は今回そうやって読んだ)。

• ちなみに、本書は初版発行が2004年と13年前だ。付録等に書かれているExcelの関数は、Office 2000の頃のものだ。今のOfficeにも同じ関数は残されているが、新しい関数(標準正規分布NORMSDIST()に対するNORM.S.DIST()など)で引数が違うなど、使い方が若干違うものがあるので、これは各自確認して欲しい。
• 本書で舌足らずな部分については、SSRI社(Social Survey Research Information Co., Ltd.)様の「統計学の時間」〈https://bellcurve.jp/statistics/course/〉と株式会社アイスタット様の「相関・検定の手法別解説」〈https://istat.co.jp/sk_commentary〉にかなりお世話になりました！ m(_ _)m これらのページ、初心者にも非常に解り易いですよ！ また、学術的にもう一歩先を行く場合は、産総研の「統計メモ」〈https://staff.aist.go.jp/t.ihara/memo.html〉の各項目もオススメです。数式追うの大変ですが(苦笑)。

先に「とても解り易い」と書いたが、強いて難点を挙げれば以下だろうか：

• 正規分布の話に続いて、唐突にカイ二乗分布、t分布、F分布が出てくる。碌に説明もされずに…。(しかもt分布、F分布は本書の後ろの方でも使わない)
• クラメールの連関係数(p.127-142)の例で、「男性と女性の好みが完全に異なる」⇔「クラメールの連関係数が1」(非常に強く関連している)、「男性と女性の好みが同一」⇔「クラメールの連関係数が0」(全く関連していない)、となっているが、これは日本語としてチョット解り難い。ここは「好みが性別にどの程度関連しているかを表す指数」といった表現にした方が良かったのではないか。
• クラメールの連関係数と、独立性の検定(カイ二乗検定)が別物であることがハッキリと書かれていない。これらは同じような目的で使う指標であることと、計算過程で「ピアソンのカイ二乗統計量」を算出するところまで共通なので、なおさら混乱しがちだ。
• グラフに一部間違いがある(縦軸の目盛りが正しくない；増刷時に修正されていれば良いのだが)。

まぁ細かいことは置いといて。久し振りに読み返してみて、学生時代にピンと来なかったカイ二乗検定が(四半世紀ぶりに！)スカッと理解できたということで、私は本書を良書と判定したい。幾つものサイトで「統計学の初心者が入門として最初に読むべき一冊」とされているが、大納得だ。

・　　・　　・　　・　　・

参考：オーム社「マンガでわかる」シリーズ
<http://www.ohmsha.co.jp/manga_guide/>
↑基礎的な物から最近ホットな話題まで、内容は多岐にわたる。イントロ本としてはオススメな物が多いと思う。私も何冊か持っていて(業務に活かせる本から趣味の本まで…)、後輩に回し読みさせたりしている(小難しい本よりも皆さんよく読んでくれるのですよね/笑)。