Excelビジネス統計 パーフェクトマスター （単行本）

Excelを使った売上データの分析は、大企業のみならず個人事業所や飲食店でも利用されています。データ分析というと難しく聞こえますが、Excelを使えば難しいことは何もありません。本書は、統計学の基礎とExcelを使った統計解析のテニクニックをわかりやすく図解で解説します。「来客数を予測してスタッフの配置数を決める」「立地、競合、面積などから売上要因を割り出す」など、顧客マインドを予測して売上をアップしましょう！

【サポートはこちら】→https://www.shuwasystem.co.jp/support/7980html/4327.html

Chapter 1 統計解析で何ができるの？
1.1 そもそも統計解析って何なの?
1.1.1 比較こそが統計解析の基本
1.1.2 身のまわりは統計データだらけ？
統計のもとになるのは「集団」
母集団とは
1.1.3 「統計をとるように」っていわれたけど、何を用意すればいいの?
アンケートのテーマによって母集団は決まる
テーマに沿ったデータの選択がポイント
1.1.4 こんなときはこの分析を（事例別の分析手法）
1.2 統計解析で何ができるの？
1.2.1 ビジネス現場での統計解析とは？
1.3 この本の仕組み
1.3.1 この本は2部構成
1.3.2 習得したい分析手法が決まっている場合
1.3.3 統計分析の手法を網羅的に習得していきたい場合
メモ 統計分析に利用できるExcelの機能
本書で使う表やグラフ紹介

Part 1 売上アップのための統計解析
Chapter 2 全体を一言で表す代表値
2.1 売上の平均額は合計して割ればいいんですよね
2.1.1 売上高の平均を調べてみる
1年間の売上高を一覧にした表の作成
2.1.2 平均値を求める（データ分析）
Xiの「i」って便利な記号なのです
まず「Σ」について知っておこう
コラム Δや∫を使うことを決めたのは誰？
2.1.3 突出した値に引っ張られる平均値（問題発見）
平均って真ん中くらいの値ですよね
平均値とデータの散らばりには何の関係もない
2.1.4 昨年度の売上高の平均を報告
「売上の平均を出したんですけど、平均を下回る店舗が結構あるんです」
コラム ハレー彗星の発見者が統計の基礎を築いた
ワンポイント 貯蓄残高が平均よりもずっと少ない？
2.2 売上の大きな店舗が平均売上高を高くしています
2.2.1 実状をいい当てる「平均」を求める
突出したデータを除外する必要性
「割り勘」のときの平均の求め方を考えてみる
2.2.2 外れ値を除いて平均する
トリム平均を求める
突出した売上額を除いた平均売上額を計算する
上限から2件を除外した平均が下がった
メモ TRIMMEAN関数で上限、または下限だけのデータを除外する
2.2.3 売上が芳しくない店舗を抽出する
Excelのフィルター機能で条件に合致するデータを抽出する
ヒント フィルターの解除
2.3 売上がちょうど真ん中あたりの店舗はどこ？
2.3.1 全データの真ん中の値を突き止める
散らばったデータのど真ん中を指す中央値
中央値の定義
真ん中より上か下かは中央値でわかる
2.3.2 全体の売上高の真ん中に位置する店舗を見付ける
売上高が中央値となる店舗を見付ける
2.3.3 中央値をフィルターにして「外れ値」の有無を判断する
中央値の使いどころ
ヒント 中央値は本当に極端な値の影響を受けないのか
Chapter 3 データが分析するパターンを知る
3.1 到着時刻がバラバラでレジを開けるタイミングがわからない
3.1.1 データ全体のバラツキを数値で説明できないか（考察1）
データのバラツキを知ることの重要性
3.1.2 到着時刻のバラツキを判断する値を作る（データの収集と加工）
平均値からどのくらい「離れているか」を調べる
標準偏差でデータのバラツキ具合を知る
メモ べき乗の計算
メモ 平方根を求める
3.1.3 分散と標準偏差からのバスの到着時刻を予測する（データ分析）
シャトルバスの到着時刻の分散と標準偏差を求める
標準偏差からバスの到着時刻を見積もる
3.2 来客数を予測してスタッフの配置数を決めてくれ
3.2.1 標準偏差で全データの70パーセントが収まっている範囲がわかる（データの収集と加工）
1日あたりの平均来客数と標準偏差を求める
3.2.2. 標準偏差でデータの「特殊性」がわかる（考察1）
標準偏差でデータの特殊性を見極める
標準偏差±1個ぶんの範囲内は平凡なデータである
コラム 星空観測から生まれた正規分布
3.2.3 データの標準化（考察2）
データの標準化
標準化した値の平均値は0で標準偏差は1となる
メモ 標準化を行うSTANDARDIZE関数
ヒント 偏差値の仕組み
3.2.4 標準正規分布（考察3）
正規分布のグラフの形は平均と標準偏差で決まる
3.2.5 標準正規分布の数表とグラフを作る（考察4）
数表の作成
メモ EXP関数
標準正規分布のグラフを作る
3.2.6 標準正規分布の確率を計算する（考察5）
区間ごとに占めるデータの割合を見る
3.2.7 一般正規分布（考察6）
標準正規分布を一般正規分布に置き換える
一般正規分布のグラフを描いてみる
3.2.8 来客数のデータから正規分布のグラフを作る（もう一度データ分析）
来客数をもとにした一般正規分布グラフを作成
3.3 売上目標を実現可能な範囲で決めてくれ
3.3.1 正規分布における確率を求める（考察1）
正規分布の性質
3.3.2 売上の平均と標準偏差（データの収集と加工）
各店舗の平均値と標準偏差を求めておく
3.3.3 目標額が出現する確率を求める（データ分析）
売上額ごとの確率を求める
累積確率を求める
3.3.4 目標額を超える確率を求める（データ分析2）
目標額40万円をクリアできる確率を求める
◯◯万円以上◯◯万円以下の売上が発生する確率を求める
グラフを描いて目標達成の確率を見る
3.3.5 ◯◯万円以上◯◯万円以下の確率を求める（データ分析3）
NORM.DIST関数で指定した範囲の確率を求める
3.3.6 目標額を達成できる確率を報告
売上目標を達成できる確率を上司に報告
ヒント 標準正規分布の表を作る
Chapter 4 関連性を見付けて予測する
4.1 使い捨てカイロが売れると生姜ドリンクも売れる!?
4.1.1 データ間の相関関係を分析する
相関分析でデータ同士の関係をあぶり出す
相関で2つのデータの関係を見る
相関分析を行う意義って何？
4.1.2 散布図で相関関係をビジュアル化する（データの収集と加工）
2つの商品の売上を折れ線グラフにしてみる
散布図を作成して相関関係を見る
散布図を見て相関関係を見極める
思い込みではなくしっかりとした裏付けを
4.1.3 2つのデータの散布の中心に直線を引く（回帰直線）
グラフ上に回帰直線を描く
回帰直線はどのように引かれるのか
メモ 紙おむつとビールの関係
4.1.4 2つのデータの関係の強さを求める（相関係数の計算）
2つのデータの相関係数を求める
4.1.5 定義式を使って相関係数を求める（データ分析1）
式のとおりに計算して相関係数を求めてみよう
4.1.6 Excelの関数を利用して相関係数を求める（データ分析2）
CORREL関数で相関係数を求める
4.1.7 分析ツールを利用して相関係数を求める（データ分析3）
分析ツールの「相関」を実行して相関係数を求める
分析ツールの計算結果を確認しよう
ヒント CORREL関数と分析ツールはどちらを使えばいい？
4.1.8 相関そのものを検証する（データ分析4）
計算式を使って相関の有無を判定する
外れ値の存在に気を付けよう
4.1.9 相関分析のポイントと注意点
相関分析を行うにあたってのポイント
相関分析を行う際の注意点
A to Z 正の相関と負の相関
4.2 暑い日に清涼飲料水がよく売れたけど…
4.2.1 売上数とその日の気温を一覧にする（データの収集）
毎日の気温と「清涼飲料水」の売上数の一覧を入手
4.2.2 散布図に回帰直線を描いて売上を予測する（データ分析1）
単回帰式で2つのデータの関係を見る
散布図に回帰直線を引いて単回帰式を求める
実測データのない区間の清涼飲料水の売上を予測する
単回帰式の精度は何パーセント信頼できるのか
さらに気温が上がったら何個売れるのか
4.2.3 Excelの分析ツールで単回帰分析を行う
分析ツールで単回帰分析を行う
チップス FORECAST関数で手早く予測する
4.2.4 1℃上昇するたびに33個売上が増えます！（単回帰分析の結果を報告）
A to Z 回帰分析でデータ間の関連性を突きとめる
4.3 店は広い方がいいんじゃないですか？
4.3.1 既存店舗の面積と売上額を調べる（データの収集）
既存の店舗の面積と売上高を調べる
4.3.2 結果の値を先に決めてから原因の値を求める（データ分析）
店舗面積と売上高の相関係数を求める
目的変数yに売上額を代入して面積を求める
4.4 高級ワインは値引きしても売上が変わらない!?
4.4.1 割引率と販売数の散布図を作成（データの収集と加工）
割引率と販売数を一覧にして散布図を作成する
4.4.2 データをさらに分解して真の姿を探す
分析対象のデータを分解できないか考える
価格帯で分けてワインの販売数と値引率の関係を見る
4.4.3 安いワインは値引きするほど確実に売れます！
価格帯を分けて分析した結果を報告
4.5 媒体ごとに効果を分析してCMを増やしましょうよ
4.5.1 広告費の内訳と売上高を一覧にする（データの収集）
分析の対象は年度別の売上額と広告費の内訳
4.5.2 分析ツールを使って広告方法ごとの相関係数を求める
分析ツールで広告方法と売上高の相関係数を求める
分析結果を確認する
4.5.3 単回帰式の「傾き」で費用対効果の関係を見る
散布図を作成して回帰直線と単回帰式を表示する
「傾き」の度合いで費用対効果の関係を見る
「傾き」で費用対効果を判断する際の注意
ヒント 商品の値段を1円上げるとどれだけ売上が落ちる？
4.5.4 テレビCMの費用対効果の予測を立てる
単回帰式を使って支出額に対する売上額を試算する
4.5.5 広告活動すべての効果を見る
切片は広告活動費が0のときの売上高を示す
4.6 アンケートから改善点を順位付けしてみます
4.6.1 顧客満足度の調査結果を集計する（データの収集）
顧客の満足度をアンケートで調べる
4.6.2 顧客が重視している項目を割り出す
総合評価と各項目の相関を求める
項目別の相関係数一覧を作る
各項目の相関係数が比較できる棒グラフを作成する
4.6.3 散布図を解析して緊急に改善すべき点を見付ける
評価を縦軸、相関係数を横軸にした散布図を作成する
Chapter 5 複数の要因で予測する
5.1 キャンペーン、折込み、ディスカウントのうち、2つを組み合わせて予測
5.1.1 年度ごとの販促費の内訳と売上高を入手（データの収集）
キャンペーンにかかった費用と売上高の一覧を入手
5.1.2 重回帰分析とは（考察1）
まずは単回帰分析のおさらい
2つ以上の要因を使って予測を行う重回帰分析
予測値を示す重回帰分析の式とは
重回帰分析のメリットは何？
重回帰分析を理解するために必要な7つの用語
重回帰分析の手順
重回帰分析で陥りがちな7つのパターン
これから行う重回帰分析の手順を確認する
5.1.3 すべての要素を説明変数に指定して重回帰分析を実行（データ分析1）
まずは重回帰分析にかけてみる
分析結果の見るべきポイントは3つ
5.1.4 多重共線性の確認（データ分析2）
キャンペーンと売上額の相関を調べる
相関の強すぎる説明変数を突きとめる
売上額を含めてもう一度相関を調べる
A to Z 3つ以上の要因の関連性を突きとめる重回帰分析
5.1.5 データを絞り込んでもう一度重回帰分析を行う（データ分析3）
「折込チラシ」と「ディスカウント」で重回帰分析を行う
予測値はどのくらいの精度で言い当てているのか
5.1.6 折込みチラシ、ディスカウントにかける費用で売上額を知る
回帰係数で売上高を予測する
式をコピーしていくつものパターンで予測値を予測する
5.2 広告費600万、販促費400万とすると何個売れる？
5.2.1 商品別の広告費と販促費、販売数を入手（データの収集）
広告費と販促費に対する売上数の一覧を用意
5.2.2 広告費と販促費
広告費と販促費を説明変数にして重回帰分析を行う
回帰式の精度を確認する
広告費を600万円、販促費を400万円にしたときの売上個数を予測する
A to Z その回帰式はどの程度信頼できるのか？
A to Z データ同士の関連性が強すぎると、分析自体が成立しなくなる
5.3 立地、競合、面積などから売上要因を割り出す
5.3.1 売上に影響しそうな要因の採点（データの収集）
売上に影響すると思われる5つの要因
アンケートの結果を入手
5.3.2 すべての項目に対して重回帰分析を実行（データ分析1）
とにかく5つの要因を重回帰分析にかけてみる
「重決定R2」「補正R2」で分析の精度を確認する
「t値」で5つの要因それぞれの影響度を見る
相関分析を実施して多重共線性がないかを調べる
5.3.3 説明変数を減らして重回帰分析を実行（データ分析2）
要因を4つに減らして重回帰分析を実施する
棒グラフを描いて影響度の強さを見る
5.3.4 最終的に3つの説明変数で重回帰分析を実行（データ分析3）
影響度の強い3つの要因だけで重回帰分析を実施する
3要因の分析結果の確認とグラフの作成
売上に対する影響度が強いのは立地（km）、サービス満足度、商品の充実度
A to Z t値もP値も「確かさ」を表すけど何が違う？
ヒント 一般正規分布を標準正規分布に変換する
ヒント 重回帰分析の例題をピックアップ
5.4 新店舗の売上額を報告してくれ
5.4.1 前回の結果を利用して売上予測（データの収集）
首都圏20店舗の分析結果の確認
5.4.2 未知の項目に「目標値」を設定して分析を実施する
目標値を設定して予測分析を行う
Chapter 6 数値でないデータを数値にする
6.1 割引、広告、ゴンドラ陳列のどれを実施したら売上が伸びるか
6.1.1 販売促進策ごとの売り上げ一覧を入手（データの収集)
今回のデータには〇と×しかない
6.1.2 数字にならないデータをどうやって分析するのか（考察1）
「男性」は「1」、「女性」は「0」
6.1.3 数量化理論?類（考察2）
数値で表わされない定性的データを扱う
数量化理論では数値化したあとで重回帰分析を行う
定性的データはダミーデータに直して分析に取り込む
6.1.4 数量化理論に基づいてデータを数値化する
定性的データをダミーデータに置き換える手順
さっそくデータを加工しよう
6.1.5 分析用に作成したデータを使って回帰分析（データ分析1）
回帰分析を実行する
エラーの原因は冗長なデータが含まれていたから
6.1.6 2つのカテゴリから1つを削除して再度、回帰分析（データ分析2）
表の中から「無し」カテゴリを削除
「○○有り」のデータのみで再度、回帰分析を実行する
6.1.7 回帰式の作成（データ分析3）
数量化理論?類の回帰式を求める
売上数が一番伸びる要因の売上を予測する
6.1.8 カテゴリ削除の考え方（データ分析4）
回帰係数がマイナスにならないようにカテゴリを削除する
「割引有り」「チラシ有り」「ゴンドラ無し」に絞って回帰分析を実行する
新しい分析結果で回帰式を作って売上数を予測する
6.1.9 要因分析を行って売上数に対するアイテムの影響度を見る（データ分析5）
要因分析を行う
A to Z 数量化できないデータを使って分析する
6.2 晴れた日にイベントを実施したら売上は伸びる？
6.2.1 売上と天候、イベントの実施状況（データの収集）
今回は天気のデータが含まれている
数量化理論?類モデルのパターンを複数作成して回帰分析にかける
6.2.2 数量化理論?類による定性的データの数量化（データの加工1）
「曜日」を1と0のデータに数量化する
「曜日」アイテムのカテゴリを作って数量化しよう
「天気」アイテムのカテゴリを作って数量化しよう
「店頭イベント」アイテムのカテゴリと売上高を追加する
6.2.3 不要なカテゴリの削除（データの加工2）
1アイテムから1カテゴリを削除してデータの冗長化をなくす
6.2.4 回帰分析の実行（データ分析1）
回帰分析で「曜日」「天気」「店頭イベント」の最適な組み合わせを知る
回帰式を作成する
ちなみに「月」カテゴリを削除した場合を見てみよう
6.2.5 要因分析を行って各アイテムの影響度を見る（データの加工3）
要因分析を行って各アイテムの影響度に順番を付ける
回帰係数にマイナスの値がある場合の要因分析
6.2.6 変数減少法で予測の精度を上げる（データ分析4）
予測の精度を見極めるためのRuを求める
影響度の高い「曜日」「店頭イベント」だけで回帰分析を行う
「曜日」「店頭イベント」だけの場合のRuを求める
「曜日」「店頭イベント」だけの回帰式を作る
「曜日」「店頭イベント」だけの要因分析を行う
「店頭イベント」だけで分析したときの予測精度を調べる
3回の変数選択パターンの分析結果を比較する
6.2.7 最適なアイテムの組み合わせで9月31日の売上を予測する
「曜日」と「店頭イベント」のデータで9月31日の売上を予測する
最適な数量化理論?類モデルを求める手順のまとめ
6.2.8 日付のデータを分析に使えないのか考える
日付と売上高の関係をグラフにしてみる
折れ線から日付と売上高の関係を見る
6.2.9 混合モデルによる回帰分析（データ分析5）
分析データの用意
回帰分析を実行
Ruを求める
回帰分析の結果とRuを確認する
要因分析を行って日付を含む影響度を見る
「日付」「曜日」「店頭イベント」で回帰分析を実施する
最後の要因分析
これ以上ない最高の精度で回帰式を作る
6.3 テレビ、新聞、ネットで最も認知率が上がる組み合わせは？
6.3.1 データの収集
データは各種広告の実施状況と商品15品目の認知度の一覧
6.3.2 数量化理論?類の方法でデータを加工しよう（データの加工）
コピーして分析用の表を作る
ヒント 商品の認知率を調査するアンケートの例
データの冗長化をなくす
6.3.3 すべてのアイテムを使って回帰分析を実施する（データ分析）
すべてのアイテムで回帰分析を実施
回帰式を作って各アイテムごとの認知率を予測する
広告媒体の組み合わせによる認知率を予測する
要因分析を行って各アイテムの影響度を見る
6.3.4 アイテムの数を減らしてより精度の高い回帰式を作る（データ分析）
「テレビCM」と「新聞広告」の2アイテムで回帰分析
より精度の高い回帰式を作って認知率を予測する

Part 2 現状を分析してさらに売上アップ
Chapter 7 ランダムなサンプルで全体を知る
7.1 一部のデータで全体を言い当てる
7.1.1 工場で10個のサンプルを採取する（データの収集）
7.1.2 全数調査と標本調査（考察1）
「すべてのデータ」と「一部のデータ」
全数調査と標本調査
7.1.3 標本の抽出（考察2）
母集団と標本
無作為抽出（ランダムサンプリング）
7.1.4 標本調査（考察3）
標本調査を行うときの大前提
意図的に選別したデータとランダムに取り出したデータ
7.1.5 関数によるランダムサンプリング（考察4）
RANDBETWEEN関数によるランダムな抽出
RANDBETWEEN関数では重複した値が作られることがある
ヒント データを重複なしでランダムに抽出する方法
7.1.6 分析ツールによるランダムサンプリング（考察5）
分析ツールを使ってランダムサンプリングを行う
7.1.7 標本平均は母平均を表しているのか（考察6）
母集団の平均値と標本の平均値
標本平均と母集団の関係を調べる
7.1.8 データ全体の散らばりと標本平均の散らばり（考察7）
標本平均の分散を調べる
母分散と標本平均の分散の関係を調べる
メモ 分散を手入力で求める
7.1.9 標本の分散（考察8）
標本分散を求める
標本分散の平均と母分散の関係
標本分散と不偏分散のそれぞれの平均を母分散と比較する
7.1.10 採取したデータは全体を言い当てているのか
A to Z データのバラツキ具合を測る物差し（分散と標準偏差）
A to Z 母平均、標本平均、母分散、標本分散、不偏分散
Chapter 8 わからないことを予測する
8.1 ハズレなしの抽選会で損をしない参加費を割り出してくれ
8.1.1 景品を金額換算した表を入手（データの収集）
8.1.2 「やってみるまでわからない」結果を期待値で表す（考察1）
試行と確率変数
確率変数が取る値の平均を求める
8.1.3 サイコロを25回ずつ投げる実験（考察2）
サイコロ投げを疑似的に再現する
8.1.4 損をしない参加費を割り出す（データ分析）
「年末ハズレくじなし大抽選会」の参加費を考える
コラム 確率論はギャンブルから生まれた
A to Z 統計分析には、なぜ確率が出てくるのか
8.2 1パックあたりポテトが60本になる確率は？
8.2.1 1パックのポテトの本数を記録（データの収集）
8.2.2 データ分布から見た正規分布の性質
データ分布から見た正規分布の特徴
メモ クジの「アタリ」と「ハズレ」は二項分布
メモ 二項分布って？　離散分布って？
メモ クジを20回引いたときの「アタリ」の確率を求める
二項分布での確率の散布図を描く
二項分布の確率の散布図と正規分布
チップス 説明変数も目的変数も数値以外のときの分析法
8.2.3 A工場とB工場で加工するポテトの本数の確率を求める（データ分析）
1パックあたりのポテトの本数に対する確率を求める
確率の分布を表すグラフを作成する
1パックあたりポテトが60本になる確率を比較する
8.3 工場で加工された肉の重さの平均を知りたい
8.3.1 母集団から取り出した標本による全体の推定（考察1）
点推定と区間推定
8.3.2 信頼区間の確率変数を求める（考察2）
信頼区間の確率変数を求める
標本の大きさが30件以上の場合の母平均を推定する式
ワンポイント 信頼区間を示す確率変数
8.3.3 大標本における母集団の平均の推定（データ分析）
50件の標本から工場で加工される平均を求める
コラム 一部から全体を推定できる仮説検定
8.4 10個のサンプルですべての肉の重さの平均が知りたい
8.4.1 採取した10個のデータを用意（データの収集）
8.4.2 10個の小標本から母集団の平均を推定する（データ分析）
小標本における区間推定
10個の標本から工場で加工される肉の平均を求める
8.4.3 t分布における区間推定の範囲は広くなる
少ない標本で母平均の範囲を推定するt分布
t分布の定義式
t分布の定義式を見る
自由度3のt分布を作ってみる
母集団からランダムにデータを取り出してt分布を求める
標準正規分布とt分布を比較する
t値を求めたデータからz値を求める
自由度が30を超えると標準正規分布とほぼ同じになる
A to Z その値は「普通」？　それとも「特殊な値」？（推定と検定）
Chapter 9 2つの標本の平均の差を調べる
9.1 一押しメニューが中目黒店では人気がないようです
9.1.1 2店舗の売上データを入手（データの収集）
「差はない」のか「差はある」のかを見極めるχ2検定
9.1.2 データの分布を検証するχ2検定（カイ2乗検定）（考察1）
9.1.3 サイコロを投げて1から6までの目が出る確率
サイコロ投げの結果をχ2検定で調べる
χ2検定を行う手順
有意水準5％のχ2値を求めてχ2検定を行う
χ2検定を行う
9.1.4 χ2分布の作成（考察2）
正規分布から抽出した標本のχ2を求める式
ランダムに取り出した5×300のデータのχ2分布をみてみよう
χ2分布のヒストグラムを作成する
自由度4のχ2分布の確認
9.1.5 データ分布
「差はない」という仮説を立てる
χ2検定の実施
検定に使用するχ2値を求める
自由度1、有意水準5％のχ2値を求める
中目黒店と恵比寿店の売上に差はあるのか
9.2 ライバル店のハンバーグとどっちがおいしい？
9.2.1 2つのメニューのおいしさを採点（データの収集）
テスターの採点一覧
9.2.2 検定の手順（考察1）
小標本による母平均の検定（t検定）
対応のないt検定を始める前のF検定
9.2.3 F検定でデータの散らばりを検定する（データ分析1）
F検定は「分散比の検定」
F検定を実施して2つのデータの分散に差があるのかを調べる
F検定の結果を確認する
9.2.4 t検定で母平均を検定する（データ分析2）
t検定の手順を確認する
検定に使用するt値の求め方
コラム t検定の生みの親はペンネームが有名
検定に使用するt値を求めよう
有意水準5％のt値を求める
ライバル店との「味の採点」に差はあるのか
9.2.5 分析ツールのF検定とt検定を使う
分析ツール「F検定」を使ってみる
分析ツール「t検定」を使ってみる
9.3 新規オープン店の人気が高いようだけど…
9.3.1 各店舗の満足度調査を実施（テータの収集）
顧客満足度調査の一覧
9.3.2 F検定による分散比の検定（データ分析1）
F検定の実施
F検定の結果を確認する
9.3.3 ウェルチのt検定で母平均を検定する（データ分析2）
ウェルチのt検定の手順
ウェルチのt検定に使用するt値を求める
有意水準5％のt値を求める
2店舗の満足度には差があるか
9.3.4 分析ツール「t検定: 分散が等しくないと仮定した2標本による検定」を使う
まずは分析ツール「F検定」で分散の違いを検定する
分析ツール「t検定: 分散が等しくないと仮定した2標本による検定」を使ってみる
9.4 対応有りのt検定
9.4.1 当社とライバル店の味を評価（データの収集）
テスターの採点一覧
9.4.2 どのようなt検定を実施するのか（考察1）
「対応のあるt検定」を実施
9.4.3 対応のあるt検定の実施（データ分析）
「対応のあるt検定」での「検定に使用するt値」の求め方
検定に使用するt値を求める
有意水準5％、自由度7のt値を求める
炭焼きハンバーグと粗びきグリルハンバーグの点差は
ライバル店と味に差はなかった？
9.4.4 分析ツール「t検定：一対の標本による平均の検定ツール」を使う
分析ツール「t検定：一対の標本による平均の検定ツール」を使ってみる
Chapter 10 3つの標本の平均の差を調べる
10.1 いまのメニューと改良版メニュー1、2のうちおいしいのは？
10.1.1 3つのメニューを個別に採点（データの収集）
3つのメニューの採点一覧を入手
10.1.2 t検定は3つ以上の標本間の差の検定には使えない
t検定が3つ以上の標本間の差の検定には使えない理由
コラム 分散分析を発明したフィッシャーは頑固者?
10.1.3 3つの平均に差があるかは分散分析で調べる
まずは帰無仮説と対立仮説を立てる
分散分析の手順
10.1.4 分散分析を理解する
標本平均間のズレと標本内部のデータのズレ
標本平均間のズレと標本内部のデータのズレを見る
平均のズレを分散のズレで分析するのが分散分析
10.1.5 全体の偏差の平方和と群内の偏差の平方和を求める（分散分析の実施1）
サンプルサイズ、平均、分散、偏差の平方和を求める
10.1.6 群間の平方和を求める（分散分析の実施2）
群間の平方和を計算する
10.1.7 分散分析用の表を作ってF値を求める（分散分析の実施3）
群間の平方和、群内の平方和、全体の平方和と入力する
分散分析では、F検定を実施して分散に違いがあるかを調べる
不偏分散の比を求める
有意水準5％のF値を求める
F検定を実施して分散分析の結果を求める
Chapter 11 コンジョイント分析に挑戦
11.1 何をどれだけ製造するのが効率的かを分析する
11.1.1 まずは「コンジョイント分析」でできることを知る
コンジョイント分析で購入者の心理を操る
タブレットPCについての質問を考えてみる
スペックの組み合わせを決めて商品案として提示する
11.1.2 顧客満足度から顧客が重視している要因を探り出す
iPhone6をコンジョイント分析するってどういうこと？
商品を構成する要素は「属性」、要素の中身は「水準」
11.1.3 コンジョイント分析の手順を確認しよう
「直交表」による質問数の絞込み
「直交表」の実物を見る
コラム 「直交表」を使って品質工学の基礎を築いた日本人
11.1.4 アンケートが終了しました。集計もしました
人気のあるモデルはわかったけど…
11.1.5 水準を示す定性的データを定量的データに変換する
数量化理論の考え方を応用する
定量的データへの変換
データの冗長化をなくす
11.1.6 売れるiPhone6の要因を探そう
「ディスプレイ」「本体の色」「記憶容量」のどれが重視されているのか
11.1.7 売れる要因は何か？
顧客が最も重視するのは「ディスプレイのサイズ」
記憶容量は価格よりも性能で選ばれている
本体色はそれほど重視されていない
メモ Excelの解析機能を拡張する統計用アドインプログラム
メモ ビッグデータ分析にも対応する統計解析ツール「Power BI」
11.2 どんな食材をどんなの味付けでいくらで出したらいい?
11.2.1 まずは直行表を使って質問数を絞り込む
質問の内容を考える
11.2.2 アンケート結果を分析可能な表に置き換えて分析！
選択肢をすべて数量化して分析可能な表を作る
数量化したデータをもとに回帰分析を実施