Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
仮説の取扱説明書/User_Guide_to_a_Hypothesis
Search
florets1
June 17, 2025
Education
4
320
仮説の取扱説明書/User_Guide_to_a_Hypothesis
florets1
June 17, 2025
Tweet
Share
More Decks by florets1
See All by florets1
人工知能はクロスジョインでできている/AI_Is_Built_on_Cross_Joins
florets1
0
24
複式簿記から純資産を排除する/eliminate_net_assets_from_double-entry_bookkeeping
florets1
1
390
カイ二乗検定は何をやっているのか/What_Does_the_Chi-Square_Test_Do
florets1
7
2.3k
直積は便利/direct_product_is_useful
florets1
3
390
butterfly_effect/butterfly_effect_in-house
florets1
1
200
データハンドリング/data_handling
florets1
2
220
カイ二乗検定との遭遇/The_path_to_encountering_the_chi-square_test
florets1
1
280
率の平均を求めてはいけない/Do_Not_Average_Rates
florets1
11
15k
請求と支払を照合する技術/using_full_join_in_r
florets1
2
260
Other Decks in Education
See All in Education
Webリテラシー基礎
takenawa
0
6.8k
2025年度春学期 統計学 第1回 イントロダクション (2025. 4. 10)
akiraasano
PRO
0
180
アントレプレナーシップ教育 ~ 自分で自分の幸せを決めるために ~
yoshizaki
0
130
View Manipulation and Reduction - Lecture 9 - Information Visualisation (4019538FNR)
signer
PRO
1
2.1k
生成AI
takenawa
0
6.8k
Info Session MSc Computer Science & MSc Applied Informatics
signer
PRO
0
190
The Art of Note Taking
kanaya
1
140
ARアプリを活用した防災まち歩きデータ作成ハンズオン
nro2daisuke
0
110
社外コミュニティと「学び」を考える
alchemy1115
2
170
自己紹介 / who-am-i
yasulab
PRO
3
5.2k
IMU-00 Pi
kanaya
0
370
Are puppies a ranking factor?
jonoalderson
0
870
Featured
See All Featured
Designing Experiences People Love
moore
142
24k
jQuery: Nuts, Bolts and Bling
dougneiner
63
7.8k
Measuring & Analyzing Core Web Vitals
bluesmoon
7
510
Understanding Cognitive Biases in Performance Measurement
bluesmoon
29
1.8k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
130
19k
The Cult of Friendly URLs
andyhume
79
6.5k
The Psychology of Web Performance [Beyond Tellerrand 2023]
tammyeverts
48
2.9k
Bash Introduction
62gerente
613
210k
10 Git Anti Patterns You Should be Aware of
lemiorhan
PRO
656
60k
What’s in a name? Adding method to the madness
productmarketing
PRO
23
3.5k
Practical Orchestrator
shlominoach
189
11k
Building an army of robots
kneath
306
45k
Transcript
1 2025.06.21 Tokyo.R #118 仮説の取扱説明書
2 はじめに • ビジネスの現場で多用される「仮説」 • それ、本当に「仮説」ですか?
3 仮説とは • まだ検証されていない前提的な考え • データによって真偽を確かめる対象 ポイント 仮説は「データを見る前に立てる」もの
4 よくある誤用① データを見ながら仮説を立てました 例: 売上が4月から伸びた→ 「春のキャンペーンが効いたのでは?」という仮説 これは「仮説」ではなく、後付けの「説明」
5 よくある誤用② データ駆動で仮説に基づいて意思決定 データ駆動:データから出発し、仮説に依存しない 仮説駆動:先に仮説を立て、データで検証 「データ駆動で仮説に基づいて…」は矛盾を含む言い回し
6 正しい仮説の扱い方 • 仮説を立てるのは「データを見る前」 • 仮説は「検証される前提」で立てる • データで仮説の真偽を確かめる
7 補足 1. データAを見る 2. 現象に気づき、仮説Bを立てる 3. データBを新たに取得して仮説を検証 →「後だし」ではなく、「次の検証へ」進むのはOK
8 仮説を立てることが目的? なぜ仮説を立てるのか? →意思決定や未知の検証のため 既存データから合理的な説明ができるなら、無理に 仮説検証にこだわらなくてもよくないですか?
9 自問してみよう • 「これは本当に検証すべき仮説か?」 • 「説明や観察ではダメなのか?」 問いを明確にし、適した方法を選ぼう
10 言葉の正確さが思考を鍛える • 言葉の誤用を減らすと認識のズレが減る • 正しい言葉遣いは、思考の正確さにつながる 「それ、本当に仮説ですか?」 この問いを忘れずに分析に向き合いましょう