
データで意思決定できる人になる:Python×A/Bテスト統計解析入門
Udemy · 日本語
この講座について
- 言語
- 日本語
- カテゴリ
- 提供元
- Udemy
- データ更新日
この講座では、t検定をなんとなく使うから自信を持って使い分けるレベルに引き上げます。Pythonコードとシミュレーションを通じて、数式に頼らず直感的に統計を理解できるよう設計されています。こんな方におすすめA/Bテストの結果を正しく解釈して、ビジネス判断に活かしたいマーケター・データアナリスト統計学は学んだことがあるが、実務での使い分けやサンプルサイズ設計に自信がない方p値って何?と聞かれたとき、自分の言葉で説明できるようになりたい方数式よりコードとグラフで直感的に理解したい方この講座で得られることp値の正体をサンプリングの偶然という観点から正確に説明できるt検定3種(1標本・独立2標本・対応あり)をビジネスシナリオに応じて使い分けられるテスト開始前に必要なサンプルサイズと日数を逆算して設計できる効果量(Cohen's d)を使って統計的有意とビジネス的に意味のある差を区別できる検定結果からビジネス判断を含む分析レポートを作成できるこの講座の特徴動かして、見て、納得する学習スタイル中心極限定理をグラフで目の当たりにしたり、サンプルサイズを変えて検出力がどう変わるかをシミュレーションで確認したりと、すべての理論をPythonコードで体験できます。難しい数式の証明は一切ありません。5つのビジネスケースで即実践アプリのセッション時間は目標を達成しているか、バナー広告のA/Bテスト、研修前後のスコア比較など、実務でそのまま使えるシナリオで検定を練習します。テスト設計まで一気通貫多くの統計講座が検定の実行で終わるのに対し、本講座はその一歩手前——何人集めればいいかのサンプルサイズ設計まで扱います。分析だけでなく、テスト企画の段階から統計を活かせるようになります。カリキュラム概要イントロダクションと環境構築 :講座の全体像と Google Colab の準備p値の正体とサンプリング :母集団・標本の関係、中心極限定理をシミュレーションで体験t検定3種の使い分け: 1標本・独立2標本(ウェルチ)・対応ありの実装と5ケーススタディサンプルサイズ設計 :効果量・検出力・statsmodels を使った必要人数の逆算最終演習:実務A/Bテストレポート作成 :ECサイトのデータを使ったエンドツーエンドの分析






























