<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>itoy82</author_name>
  <author_url>https://blog.hatena.ne.jp/itoy82/</author_url>
  <blog_title>双子ママ、今日も楽しい！</blog_title>
  <blog_url>https://yukichan-mama.com/</blog_url>
  <categories>
    <anon>統計の勉強</anon>
  </categories>
  <description>先週までは、大学生の頃に学んだような「帰無仮説検定」について、復習してきました。 （過去の記事はこちら → t検定、回帰分析、回帰分析と分散分析の違い） これまでの分析 なにが足りなかったのか？ 統計モデリングとは？ 用語の整理 確率モデルとは？ データ生成のメカニズムとは？ 線形モデルだけで大丈夫？ まとめ これまでの分析 これまでの手法では、「分析に合わせてデータを整える」というアプローチを取ってきました。 たとえば： 分散分析を行うために、あらかじめ実験計画を立てる 反応時間データを対数変換して、分析しやすくする といった工夫をしていたと思います。 ただし、これらの方法には限界があります…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Fyukichan-mama.com%2Fentry%2F2025%2F06%2F21%2F070000&quot; title=&quot;統計モデリングって何？〜帰無仮説検定から予測モデルへ - 双子ママ、今日も楽しい！&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>https://cdn-ak.f.st-hatena.com/images/fotolife/i/itoy82/20250621/20250621072738.png</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2025-06-21 07:00:00</published>
  <title>統計モデリングって何？〜帰無仮説検定から予測モデルへ</title>
  <type>rich</type>
  <url>https://yukichan-mama.com/entry/2025/06/21/070000</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
