HeadFirstデータ分析を読む。

データアナリストのための入門書。データアナリストの仕事内容が模倣されたストーリーが展開されていて、読んでて楽しい。
この本では解決するべき問題に応じて解析ツールを使い分けることと、そのツールの一端を紹介している。ツールは多岐にわたる。

• 実験計画法
• 最適化
• 適切な視覚化
• 仮説検定
• 現実の世界の事象の「要因」はネットワーク上に複雑に絡み合っているということを忘れてはいけない。また、その要因の絡まりを書き下して整理することで、見えてくるものもあることを忘れてはいけない。
• 複数の仮説のどれが正しいのかを検証するときは、「反証（立証されない仮説を取り除く）」によって行わないといけない。
• 最も適当だと思われる仮説を選ぶと、「満足化」してしまう。
• ベイズの定理
• 事後確率の概念は大事だ。
• 主観確率
• 主観の言葉（必ず、おそらく、ほぼ・・・など）を数値の確率で表わすことで、事実が見え課題解決の突破口が見えてくるストーリーは面白かった。また、数値の確率で表わすことで、ベイズの定理を応用できるようになる。
• ヒューリスティック分析
• 必ずしも課題解決のために必要なデータはそろわない。ならば、手に入れられるデータから（最適解である保障はないものの・・・）最善の結論を得ないといけない。
• 「高速で倹約的なロジックツリー」を描いて問題を整理する手法は、「なるほど」と関心したし実践していきたい。
• 問題の最適解を保証できないことは、計算アルゴリズムでもあって、保証はできないけれど経験的に最適解を得られるアルゴリズムを「ヒューリスティックアルゴリズム」という。
• その他、統計に関する全般のトピック
• RやExcelの分析機能

次は、「HeadFirst Statistics」を読む。