データサイエンスのための統計学入門 第2版 ―予測、分類、統計モデリング、統計的機械学習とR/Pythonプログラミング

12 0

■

3

章 統計実験と有意性検定

基本事項

26

■

研究調査やデータマイニングプロジェクトにおける多重性（多重比較、多数の

変数、多数のモデルなど）は、何かがただの偶然によるにもかかわらず有意で

あると結論付けてしまうリスクを増大させる。

■

多重統計比較（すなわち、有意差の多重検定）を含む状況には、統計的な調整

手続きがある。

■

データマイニングにおいては、ラベル付き目的変数のホールドアウト集合を

使って誤解を招く結果を排除できる。

3.6.1

 さらに学ぶために

●

多重比較の調整手続きの

1

つ（

Dunnett

の 手 続 き ）に つ い て は 、

David Lane

のオン

ラ イ ン 統 計 学（

http://davidmlane.com/hyperstat/B112114.html

）に 短 い 説 明 が あ る 。

●

Megan Goldman

は、

Bonferront

調整手続きについてもう少し長い説明をしてい

る（

https://www.stat.berkeley.edu/~mgoldman/Section0402.pdf

）。

●

より柔軟な

p

値を調整する統計的手続きを深く掘り下げた本には『

Resampling-

Based Multiple Testing

』［

Westfall-1993

］が あ る 。

●

予測モデルにおけるデータ分割とホールドアウト集合の使用についての議論は、

『

Data Mining for Business Analytics

』［

Shmueli-2020

］の 第