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
460
4
Share
仮説の取扱説明書/User_Guide_to_a_Hypothesis
florets1
June 17, 2025
More Decks by florets1
See All by florets1
なぜSQLはAIぽく見えるのか/why does SQL look AI like
florets1
0
600
Tableauとggplot2の背景/Background_of_Tableau_and_ggplot2
florets1
0
71
Rで学ぶデータハンドリング入門/Introduction_to_Data_Handling_with_R
florets1
0
140
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
100
複式簿記から純資産を排除する/eliminate_net_assets_from_double-entry_bookkeeping
florets1
1
470
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
2.5k
直積は便利/direct_product_is_useful
florets1
3
470
butterfly_effect/butterfly_effect_in-house
florets1
1
290
データハンドリング/data_handling
florets1
2
280
Other Decks in Education
See All in Education
教育現場から見た Ruby on Rails
yasslab
PRO
0
110
共感から、つくる: 変わり続ける自分と、誰かのための創造
micknerd
1
300
0203
cbtlibrary
0
150
GOBUSATA紹介
chankawa919
0
140
この講義について / 00-setup
kaityo256
PRO
2
310
Gitの中身 / 03-a-git-internals
kaityo256
PRO
0
170
Virtual and Augmented Reality - Lecture 8 - Next Generation User Interfaces (4018166FNR)
signer
PRO
0
2.1k
良い塩梅を実現する、AWSネットワーク3分クッキング
masakiokuda
1
230
Flinga
matleenalaakso
4
15k
160人の中高生にAI・技術体験の講師をしてみた話
shuntatoda
1
430
Referendum Costituzionale Giustizia
nostradalmine
0
120
「機械学習と因果推論」入門 ② 回帰分析から因果分析へ
masakat0
0
530
Featured
See All Featured
Winning Ecommerce Organic Search in an AI Era - #searchnstuff2025
aleyda
1
2k
First, design no harm
axbom
PRO
2
1.2k
Side Projects
sachag
455
43k
Exploring the relationship between traditional SERPs and Gen AI search
raygrieselhuber
PRO
2
3.8k
Producing Creativity
orderedlist
PRO
348
40k
The AI Revolution Will Not Be Monopolized: How open-source beats economies of scale, even for LLMs
inesmontani
PRO
3
3.3k
AI in Enterprises - Java and Open Source to the Rescue
ivargrimstad
0
1.2k
The World Runs on Bad Software
bkeepers
PRO
72
12k
Designing for humans not robots
tammielis
254
26k
Designing for Performance
lara
611
70k
From Legacy to Launchpad: Building Startup-Ready Communities
dugsong
0
190
GraphQLとの向き合い方2022年版
quramy
50
14k
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