『風が吹くと桶屋が儲かる』を現代ビジネスに置き換えて考察してみた|Dandelion|Note
風が吹くと桶屋が儲かる 英語
ということで、今回の諺は『風が吹けば桶屋が儲かる(かぜがふけばおけやがもうかる)』でした。
風が吹くと桶屋が儲かる
この記事は約 8 分で読むことができます。 皆さんは、普段自分がどのくらい正確に物事を見ているのか考えてみたことはあるでしょうか。 たとえば、こちらの図を見てください。 この図では大きさの異なる円に囲まれた円が二組ありますが、中央の円の大きさを比べた時左右どちらの円が大きいでしょうか。 正解は…「 どちらも同じ大きさ 」です。周りの円の影響で左の円は小さく、右は大きく見えますが、マウスカーソルなどを当てて確認してみれば全く同じサイズの円であるとわかるでしょう。 この現象はエビングハウス錯視といい、図形を使った錯視の中でも有名なものです。本当は同じサイズの図形であっても見せ方次第で全く違う大きさであるかのように錯覚してしまうあたり、人間の目は案外だまされやすいもののようです。 それと同じように、 本当は違うものであっても見え方や考え方次第で錯覚を起こせるもの があります。それは、アンケートや試験の結果のような数字です。 今回は、データや数字に潜む錯覚と偏見――『 バイアス 』について紹介していきたいと思います。 バイアスとはなにか?
風が吹くと桶屋が儲かる 理由
2021/04/15 風が吹くと桶屋が儲かる 最近季節の変わり目ということもあり、風が強い日が多いですね。 ふと昔のことわざを思い出しました。 全く関係のないような事柄が関係し、変化への影響を及ぼすという。 因果関係を表したことわざです。 仕事でもプライベートでもこの因果関係を感じることが多々あります。 大したことではないと思うことが結果に大きな違いを生むこともあります。 小さな出来事も大切に考えて行きたいものです。 過去の記事 2021年 2020年 2019年
風が吹くと桶屋が儲かる 論理
5万程度と、減っているように見える。実際「大学生」の数字としては6800人以上も減っている。 これは顕著な人数で、統計的に有意な割合に達していると十分判断することができるでしょう。 ではなぜ「コロナになると大学中退者が減る」のか?
0)) (リンクは削除されました) 「一人あたりのチーズ消費量は、ベッドシーツに絡んで亡くなった人の数と相関がある」(黒がシーツ、赤がチーズ)(By Tyler J. 風 が 吹く と 桶屋 が 儲からの. 0)) (リンクは削除されました) 「メイン州の離婚率は、一人当たりのマーガリンの使用量と相関がある」(黒がマーガリン、赤が離婚率)(By Tyler J. 0)) (リンクは削除されました) そんなわけないでしょうっ! と突っ込まずにいられない「疑似相関」が次から次にでてきて笑わせてくれます。 しかも、その事例数がモノスゴイんです。その数、なんと約3万。オモシロ事例集も、内容が数万事例という数になってくると、執念のようなものを感じずにはいられません。そんなクレイジーな(誉め言葉)ところもイグノーベル賞にふさわしいと思っております。 実際にサイトを見に行って笑っていただけると嬉しいです(最新版は掲載事例数が少ないですが、"old version"を見ればモノスゴイ数のグラフを見ることができます。 ■「相関関係」「有意差」という言葉の魔力 イグノーベル賞には、「考えさせられる」要素も重要なので、その話をさせてください。 私たちの周りは、たくさんの"相関"であふれています。 テレビやウェブサイト、中吊り広告、雑誌、行政の文書などなど、色んなところに「〇〇を食べている人ほど成績が良い」とか、「××を使っている人ほどダイエットに成功している」とか、「△△を消費しているほど病気になりやすい」とか、「□□は、災害の前兆だ」とか言う情報を目にしますよね。そこには、"Spurious Correlation"と同じようなグラフとともに、「統計的に有意な相関関係」という但し書きが添えられていたりすることもあります。 「統計的に有意」と言われると、「そうなのか」と信じそうになりますが、本当にそれで良いのでしょうか? 試しに、"Spurious Correlation"のグラフのデータに、統計的に有意な相関関係があるかを計算してみました。Vigen氏のお気に入りだという、ニコラス・ケイジさんのグラフでやってみます。 Excelを使い、「無相関の検定」という方法で、上記のように算出しました(※)。間違いがあったら教えてください。 ※『サイコロとExcelで体感する統計解析』石川 幹人著(共立出版)、及びこちらのページ(首都大学東京 大学教育センター 情報教育担当 & 学術情報基盤センター 情報メディア教育支援部門)を参考にしました。 11年間で、それぞれの年に「ニコラス・ケイジさんが映画に出た本数」と、「プールに落ちて溺死した人の数」との間に、実はなんの関係もないことを仮定します。その仮定のもとで、「取れたデータがたまたま偶然偏って」相関があるように見えてしまう確率(いわゆる"p値")を計算すると、2.