データサイエンスの誕生：史上初の仮説検定とPythonの洞察

データサイエンスの誕生：仮説検定とPythonの洞察

データサイエンティストが知る必要のあるPythonを活用した洞察に飛び込む

18世紀の洗練されたロンドンの雰囲気の中で、先駆的な人々がデータと統計の理解を永遠に変えるクエストに乗り出しました。ジョン・アーバースノット博士、著名なスコットランドの医師兼数学者は、出生記録の細部を理解するための飽くなき好奇心に駆られて、驚くべき旅に出ました。彼が気づかなかったのは、彼の好奇心が統計革命の基盤を築くことになるということでした。

男の子の出生数は女の子よりも多いのでしょうか？

それが18世紀のジョン・アーバースノットを惹きつけたシンプルな質問でした。彼は、赤ちゃんの男の子の数が女の子よりも多いように見える理由があるのかを理解したかったのです。彼の好奇心は、ロンドンの出生記録を何年にもわたって分析することによって彼を導きました。基本的には、男女の出生数の違いには何か自然な要素やランダムな要素があるのか、あるいはより深い説明があるのかを探ろうとしていたのです。

データ収集

アーバースノットのデータ収集の努力は素晴らしかったです。1629年から1710年までの数十年にわたり、彼はロンドンの出生に関するデータを集めました。これらの記録は豊富で信頼性のあるデータソースであり、人口の重要な部分を捉えています。

• 「カスタムPyTorchオペレーターを使用してDLデータ入力パイプラインを最適化する方法」
• これらの4つのパッケージで、あなたの探索的データ分析を簡素化する
• 「過去のデータ、Ray、およびAmazon SageMakerを使用して装置のパフォーマンスを最適化する」

アーバースノットのこの歴史的な出生データの蓄積への献身は、後の分析の基盤を築きました。この広範な記録の収集は、出生の男女比のトレンドを調査する機会を提供し、画期的な統計分析の基礎を築きました。

帰無仮説

アーバースノットの研究の核心は、出生の自然な男女比を探求することでした。彼は、人口では男女の出生比がほぼ等しいはずだという仮説を立てました。言い換えれば、長期的には一方の性別に対する有意な偏りはないはずだということです。

この仮説は、男性と女性の子供の数における「自然な」バランスの考えに根ざしていました。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!