| English | 意味 |
|---|---|
| data science/ˈdeɪtə ˈsaɪəns/ | データサイエンス |
| descriptive statistics/dɪˈskrɪptɪv stəˈtɪstɪks/ | 記述統計学 |
| visualisation/ˌvɪʒuːəlaɪˈzeɪʃn/ | 可視化 |
| correlation is not causation/ˌkɒrɪˈleɪʃn ɪz nɒt kɔːˈseɪʃn/ | 相関と因果は一致しない |
5人の学生が回答したが、4人だけが時間を提示した
- 架空の通勤調査には5つの行があり、10、20、30、40、および1つの空白が含まれ、単位は分である。空白をゼロとみなすと結果が変わる。
- データサイエンス は、質問、データの準備、分析、解釈を組み合わせる。まず、どの学生について、どの経路に関する質問か明記すること。
疑わしい値の意味を確認する
- 単位、不可能な値、重複行、欠損フィールドを検査する。同じ値が複数あることは自動的に同一人物の重複を意味せず、異常な値が自動的にエラーを意味するわけではない。
- 各修正や除外の記録を残す。1つのフィールドが空白であっても、その行の他の利用可能なフィールドによって、別の分析が仍然に可能である場合がある。
空白フィールドがある行をすべて削除することは、常に中立的なクリーニング判断であるとは限らない。
難易度 1/5 · 100 コイン + 今日初回完了時に小ボーナス付与
有用なフィールドが残る可能性があり、欠損は保持される観測値にバイアスをもたらすことがある。
2つの等しい通勤時間が、ある行が重複した回答者であることを証明する。
難易度 1/5 · 100 コイン + 今日初回完了時に小ボーナス付与
異なる回答者が同じ時間を返すことがある。データを削除する前に、同一性と登録記録を確認せよ。
質問に適合する分母を使用する
- 記述統計は、観測されたデータを要約する。ここでは4つの記録された時間の合計が100分であり、平均値は25、中央値は25である。5人の回答者から有効な4つの時間が得られている。
- 可視化には、単位と対象集団を明記すべきである。欠損値が補完されていない限り、平均値を全5人分のものとしてラベル付けしてはならない。
記録された時間は 10、20、30、40 分であり、さらに空白が一つある。記録された時間の平均は何か？
難易度 2/5 · 140 コイン + 今日初回完了時に小ボーナス付与
合計 100 を有効な記録された時間4つで割ると、25 分となる。
比較に適したグラフを選択する
- カテゴリ間の比較には棒グラフ、順序付き時系列には折れ線グラフ、2つの数値変数の関係性を確認するには散布図を使用する。
- グラフには適切なタイトル、軸のラベル、単位、関連するサンプルサイズを示す。見る人は各値が何を表しているかを明確に理解できる必要がある。
各比較に適した初期チャートに対応させよ。
難易度 2/5 · 140 コイン + 今日初回完了時に小ボーナス付与
データの関係を表現するチャートを選べ。
ラベルのない軸でも、読者は単位と測定変数を信頼性を持って把握できる。
難易度 1/5 · 100 コイン + 今日初回完了時に小ボーナス付与
変数と単位を提供し、読者が推測する必要がないようにすべきである。
パターンと原因を分離する
- 相関は因果ではない: 観察された関係自体だけでは、一方の変数が他方を変化させたと示すものではない。他の要因や研究デザインも重要である。
- 調査で通勤時間が長いほど睡眠時間が短いという結果が出た場合、回答者内の相関関係を記述する。通勤時間の変化だけが睡眠時間を変えるという結論を下してはならない。
通勤時間が長い回答者は、睡眠時間が短いと報告している。どの結論が支持されるか？
難易度 1/5 · 100 コイン + 今日初回完了時に小ボーナス付与
この観察では因果効果は分離されておらず、より広い集団への主張も正当化されていない。
限界を含む発見を報告する
- 報告例:「4つの記録された通勤時間の平均は25分です；5人の回答者のうち1人は時間を回答していない」。欠損は結果の代表性に影響を与える可能性がある。
- 行動を推奨する前に、サンプルと収集方法の限界を明記する。1つのクラスへの調査では、市内の全学生に対する結果を担保するものではない。
質問 → データ確認 → 透明性の高い計算 → ラベル付きグラフ → 限定的な結論。欠損値やサンプルの範囲は説明に含まれるべきである。
60 人の学生からなる一つのクラスによる調査の限界の一つを記述せよ。
難易度 3/5 · 200 コイン + 今日初回完了時に小ボーナス付与
一つのクラスは他のクラスと異なるため、結果を自動的に都市全体に一般化してはならない。
通勤の結果を透明に報告しているのはどれか？
難易度 1/5 · 100 コイン + 今日初回完了時に小ボーナス付与
有効な分母と欠損数を明記せよ。