出版書誌データベース

ロジスティック回帰モデル、一般化線形モデル、混合分布モデルまで、この一冊で！

・確率分布、推定、検定などの基本的な内容から、ロジスティック回帰モデル、一般化線形モデル、混合分布モデルまでを一冊で解説した、稀有の入門書
・Rによるデータ分析例およびコードを多く掲載！

【データサイエンス入門シリーズ】
第2期として、以下の2点を同時刊行!

『統計モデルと推測』松井秀俊・小泉和之（著）竹村彰通（編）
『Pythonで学ぶアルゴリズムとデータ構造』辻真吾（著）下平英寿（編）

第3期の刊行は2020年2月の予定(^o^)/

【「巻頭言」より抜粋】
　文部科学省は「数理及びデータサイエンスに係る教育強化拠点」6 大学(北海道大学、東京大学、滋賀大学、京都大学、大阪大学、九州大学)を選定し、拠点校は「数理・データサイエンス教育強化拠点コンソーシアム」を設立して、全国の大学に向けたデータサイエンス教育の指針や教育コンテンツの作成をおこなっています。
　本シリーズは、コンソーシアムのカリキュラム分科会が作成したデータサイエンスに関するスキルセットに準拠した標準的な教科書シリーズを目指して編集されました。またコンソーシアムの教材分科会委員の先生方には各巻の原稿を読んでいただき、貴重なコメントをいただきました。
　データサイエンスは、従来からの統計学とデータサイエンスに必要な情報学の二つの分野を基礎としますが、データサイエンスの教育のためには、データという共通点からこれらの二つの分野を融合的に扱うことが必要です。この点で本シリーズは、これまでの統計学やコンピュータ科学の個々の教科書とは性格を異にしており、ビッグデータの時代にふさわしい内容を提供します。本シリーズが全国の大学で活用されることを期待いたします。
――編集委員長 竹村彰通(滋賀大学データサイエンス学部学部長、教授)

【推薦の言葉】
データサイエンスの教育の場や実践の場で利用されることを強く意識して、動機付け、題材選び、説明の仕方、例題選びが工夫されており、従来の教科書とは異なりデータサイエンス向けの入門書となっている。
――北川源四郎(東京大学特任教授、元統計数理研究所所長)

国を挙げて先端IT人材の育成を迅速に進める必要があり、本シリーズはまさにこの目的に合致しています。本シリーズが、初学者にとって信頼できる案内人となることを期待します。
――杉山将(理化学研究所革新知能統合研究センターセンター長、東京大学教授)

第1章　確率分布

1.1　確率変数と確率
1.2　離散型確率変数
1.3　連続型確率変数
1.4　多次元確率分布

第2章　統計的推定

2.1　母集団と標本
2.2　最尤推定
2.3　不偏推定量・一致推定量
2.4　中心極限定理
2.5　区間推定

第3章　統計的仮説検定

3.1　統計的仮説検定とは
3.2　1標本の平均の検定
3.3　2標本の平均の差の検定
3.4　分散分析

第4章　線形回帰モデル

4.1　線形単回帰モデル
4.2　線形重回帰モデル
4.3　当てはまりの評価と変数選択
4.4　適用例

第5章　ロジスティック回帰モデル

5.1　ダミー変数
5.2　ロジスティック回帰モデル
5.3　推定
5.4　モデルの評価
5.5　多項ロジスティック回帰モデル
5.6　適用例

第6章　一般化線形モデル

6.1　指数型分布族
6.2　一般化線形モデル
6.3　推定
6.4　モデルの評価
6.5　過分散
6.6　擬似尤度
6.7　適用例

第7章　混合分布モデル

7.1　混合分布モデル
7.2　2 成分混合正規分布の推定
7.3　一般の混合分布の推定
7.4　混合分布に基づく回帰モデル
7.5　適用例

著：松井　秀俊
滋賀大学データサイエンス学部　准教授

著：小泉　和之
横浜市立大学データサイエンス学部　准教授

編：竹村　彰通
滋賀大学データサイエンス学部学部長、教授