こんにちは、ふぁいちです。
本業でデータ分析を行なっており、
「統計学難しすぎね?」
と感じたので、なんで難しいのかを考えてみました。
これからデータサイエンティストになりたい方や、目下苦しみ中の方に向けて何か参考になる部分があれば幸いです。
※ちなみに、普段はWeb広告データの分析や機械学習モデルの構築、MLOpsを中心に開発・運用業務を行っています。人手不足で色々やりすぎて何でも屋みたいになっています。
※また、「一通り座学では理解したけど、結局何が重要なのかわからん」という方に手っ取り早くおすすめなのが以下の書籍です。
ページ数も少ないのでとりあえず一通り読んでみてください。
「ああ、そこが大事なんだ!」を理解できて、実務でもすぐに役に立ちます。
数学的な基礎が必要
統計学は、数学を基礎とした学問分野であり、数学的な知識が必要不可欠です。
例えば、微積分や線形代数などの高度な数学的概念を理解していなければ、統計学を理解することが難しくなります。
数学的な基礎が必要とされることから、統計学は高度な数学的スキルを必要とする学問分野であることが分かります。数学に苦手意識を持っている人にとっては、統計学を学ぶことが困難になる場合があります。
とはいえ、数学をゼロから学び直すのもまた大変ですよね。
そのため私のおすすめとしては、統計学の勉強を始めてしまってからつまづく度にその項目を学びなおすという方法です。
その際のおすすめとしては以下の「入門はじめての統計解析」です。
とにかくわかりやすいのですが、中途半端な解説ではなくちゃんと数学的に学ぶこともできるため、確実に力がつきます。
また、より実務的な内容で学びたい方は「入門統計解析法」もかなりおすすめです。
永田先生のほぼすべての書籍に言えたことですが、理解しやすい解説と「実務に数学をどうやって用いるの?」を知ることができる良書です。
※本記事の最後におすすめ教材をまとめた記事のリンクを用意しておりますので、ご参考までに!
大量のデータを扱う必要がある
統計学では多くの場合、大量のデータを扱う必要があります。
例えば、経済指標やマーケティングデータなどの膨大な量のデータを解析することが必要になる場合があります。
そのため、専門的なツールやソフトウェアが必要であり、その使い方を熟知している必要があります。
また、データの解析や処理には、多くの場合、膨大な時間がかかることがあります。
そのため、統計学を学ぶ上では、プログラミングなどのデータ処理についてのスキルを身につけることも重要になります。
プログラミングなんてやったことないよ!何から学べばいいかわからないよ!という方は、まずは以下の2つのプログラミング言語から書籍やWebで調べだすと良いと思います。
- Python
- R
上記の二種類は、機械学習や統計学の処理を行うことができ、Pythonに関してはWebサービスやゲーム作りまで行うことができるので、長期的に見た有用なスキルとしても学ぶ価値があります。
また、「キカガク」という無料のWeb講座を取り扱っているサービスで学ぶこともおすすめです。
無料で良いはずがないような充実な内容で、実際に手を動かしながら「Python」という言語を学ぶことができます。
数学のおさらいもできるので、数学が苦手な方にとっては一石二鳥ですね!
ちなみに私もキカガクで学ぶことで、線形代数がなんで大事だったのか?を理解することができました。
確率や推論を理解する必要がある
統計学では、確率論や推論の概念を理解する必要があります。
例えば、確率分布や統計的推測などの概念を理解していなければ、データの解析や処理に失敗する可能性があります。
確率論や推論の概念は、抽象的な概念であり、理解することが容易ではありません。そのため、統計学を学ぶ上で、継続的な学習や理解に努めることが重要になります。
こちらに関しても冒頭でおすすめさせて頂いた以下の書籍が役に立ちます。
精度や信頼性に関する課題がある
統計学は、データの解析や処理において、精度や信頼性に関する課題ぎあります。
例えば、サンプリング誤差や標本の偏りなどがあります。
これらの問題を解決するためには、見極めるための専門的な知識やスキルが必要であり、それを身につけることが大切です。(それが難しいって話ですが)
こちらのスキルについては座学で養うには限界があり、実務で経験を積んでいくしか解決する方法はないかなと思います。
どこまで許容できて、どこまで突き詰めなければいけないのかは所属する業界にもよるためです。
論文やレポートの作成には、高度な技能が必要
統計学を学ぶ上で、論文やレポートの作成が必要になる場合があります。
これらの文書には、専門的な用語や概念が多く含まれており、適切な文書構成や論理的な説明力が求められます。また、適切な文献の引用や参照も必要になります。
これらのスキルは、統計学だけでなく、他の学問分野でも必要なスキルですが、統計学においては、特に高度なスキルが求められます。論文やレポートの作成にあたっては、学術誌の論文形式やプレゼンテーションのスキルも必要になります。
実践的な応用が必要
統計学を学ぶだけでなく、実際に応用することが重要です。
例えば、ビジネスや経済分野において、マーケティング調査や投資分析、web広告配信などの分野で応用されます。そのため、統計学を学ぶ上では、実践的な応用力を身につけることが必要です。
実践的な応用にあたっては、統計的手法を適用するだけでなく、問題の定義やデータの収集、解釈や提案までを行うことが求められます。統計学を学ぶ上で、実践的なプロジェクトやインターンシップなどの機会を活用することが大切です。
まとめ
統計学を学ぶには、高度な数学的スキルや抽象的な概念を理解することが必要です。
また、実践的な応用力も必要となります。これらの課題を克服するためには、継続的な学習や実践的な経験を積むことが不可欠です。
別サイトにはなってしまいますが、おすすめの勉強方法などについては以下記事でまとめておりますのでご興味ある方は是非ともご覧になってみてください!
それではまた別の記事でお会いしましょう!