はじめに

統計学が最強の学問であるというフレーズがブームになって久しいですが、正直この言葉に少し距離を感じていませんか？

統計モデリング（statistical modeling）は、そんな統計を実務で使えるツールに変えてくれる考え方です。実務の課題を統計的なモデルに落とし込むことで、勘や経験ではなく「データと数値」に基づいた判断を可能にします。

ただし、課題をモデルに落とし込むには、

を網羅的に理解しておく必要があります。本記事ではこのような知識を身につけたい方のために、

実務で使える統計モデリング手法とユースケースを網羅的に学べる

コンテンツを目指していきます。

サンプルコード

統計モデリングはRを用いた実装が多いですが、本記事ではAPIやクラウド等のシステム連携機能が豊富なPythonでの実装法を解説します。サンプルコードは以下のGitHubリポジトリにアップロードします。

1. 統計と統計モデリングの基礎

2. Pythonで統計モデリングを実装するために

3. 確率分布によるモデリング

4. 多変数確率分布によるモデリング

5. GLMによる予測

5-1 GLMとは
 5-2 1変数線形回帰モデル
 5-3 多変数線形回帰モデル
 5-4 その他のよく使われるGLM

6. カウントデータのモデリング

7. 時系列データのモデリング

8. ベイズ統計モデリング

9. GLMMと階層ベイズモデル

筆者の著書『まるごと学べる異常検知の実践知』では、統計モデリングを異常検知で実践的に役立てる方法を紹介しています。本記事とセットで用いることで、実務での活用イメージがより湧くと思うので、興味があればぜひ手に取っていただければと思います！