データサイエンスの基礎

第1章　リテラシーとしてのデータサイエンス
1.1　データサイエンスの目的と必要性
　1.1.1　データサイエンス
　1.1.2　フィッシャーによる三原則
　1.1.3　統計、データサイエンスの歴史的推移
　1.1.4　ランダムネスの懐柔と活用
1.2　リテラシーとデータの見方
　1.2.1　第2 回メディアに関する全国世論調査
　1.2.2　自動車事故死、飛行機事故死
1.3　確率的現象と決定論的現象
　1.3.1　市町村人口の先頭桁の数字例
　1.3.2　フィボナッチ数列の先頭桁の数字

第2章　確率
2.1　確率の定義と役割
　2.1.1　確率のさまざまな定義
　2.1.2　ベン図
2.2　確率の公理的定義
　2.2.1　ベンフォードの法則
2.3　条件付き確率とベイズの定理
　2.3.1　条件付き確率
　2.3.2　ベイズの定理

第3章　データからの情報抽出
3.1　度数分布表とヒストグラム
3.2　統計グラフの活用
3.3　データの特性値(代表値、ばらつき)
　3.3.1　データの代表値
　3.3.2　データのばらつき
3.4　標準化と標準得点
3.5　散布図、共分散
3.6　相関係数と回帰直線
　3.6.1　マーコヴィッツのポートフォリオ理論
3.7　回帰直線
　3.7.1　ガウスの最小二乗法
　3.7.2　アンスコムの回帰直線
　3.7.3　OECD データの再考

第4章　確率的な現象の扱い
4.1　確率的な現象と確率変数(離散型・連続型)
4.2　確率変数の期待値(平均) と分散
4.3　確率分布
　4.3.1　ベルヌーイ分布
　4.3.2　二項分布
　4.3.3　ポアソン分布
　4.3.4　連続一様分布
　4.3.5　正規分布
　4.3.6　指数分布
4.4　同時分布と周辺分布、独立性
　4.4.1　離散型確率分布の同時確率
　4.4.2　同時確率分布と共分散、相関係数
4.5　2次元正規分布
4.6　大数の法則、中心極限定理
　4.6.1　大数の法則
　4.6.2　中心極限定理
　4.6.3　視聴率調査における誤差

第5章　統計的な話題
5.1　シンプソンのパラドックス
5.2　無作為化回答法