統計学で用いる確率分布 検定・推定、乱数発生に 確率の学習に [一般的注] まず、確率変数と確率分布の定義をおさえよう。 EXCEL では、必ずしも標準的・正統的でない用語が使用されているので、注意のこと。混乱が生じた場合は、下記解説あるいは統計学の一般的テキスト（例：『統計学入門』）、あるいは確率論ホームページを参照。 分布名からの検索

この単元では，高校｢数学Ｃ｣で扱う分野を，幅広くとらえ，｢各種分布｣の単元を除き，高校数学程度の知識で十分対応できるように工夫してあります。 このソフトの特徴は，二項分布において，ある時は正規分布で近似したり，ある時はポアソン分布で近似したりします。どうしてこのような時に，正規分布で近似するのか，または，ポアソン分布で近似したりするのか疑問に思う時があります。このような疑問に対し，なるべくグラフを用いて，また，シュミレーションを用いて表現するようにいろいろな工夫を行ないました。

日頃より楽天のサービスをご利用いただきましてありがとうございます。 サービスをご利用いただいておりますところ大変申し訳ございませんが、現在、緊急メンテナンスを行わせていただいております。 お客様には、緊急のメンテナンスにより、ご迷惑をおかけしており、誠に申し訳ございません。 メンテナンスが終了次第、サービスを復旧いたしますので、 今しばらくお待ちいただけますよう、お願い申し上げます。

このドメインは お名前.com から取得されました。 お名前.com は GMOインターネットグループ(株) が運営する国内シェアNo.1のドメイン登録サービスです。 ※表示価格は、全て税込です。 ※サービス品質維持のため、一時的に対象となる料金へ一定割合の「サービス維持調整費」を加算させていただきます。 ※1 「国内シェア」は、ICANN(インターネットのドメイン名などの資源を管理する非営利団体)の公表数値をもとに集計。gTLDが集計の対象。 日本のドメイン登録業者(レジストラ)（「ICANNがレジストラとして認定した企業」一覧（InterNIC提供）内に「Japan」の記載があるもの）を対象。 レジストラ「GMO Internet Group, Inc. d/b/a Onamae.com」のシェア値を集計。 2023年10月時点の調査。

多変量解析 回帰分析（あてはめ），判別分析，主成分分析，因子分析, SEM 数量化 I 類，数量化 II 類，数量化 III 類，数量化 IV 類 正準相関分析，クラスター分析，主座標分析 クロンバックの $\alpha$ 信頼性係数 生存率解析 Cutler-Ederer 法による生命表，Kaplan-Meier 法による生命表 多重ロジスティックモデル，Cox の比例ハザードモデル

統計 １．準備　　　　　　　　　　　　　　　２．データベース ３．度数分布　　　　　　　　　　　　　４．代表値と移動平均 ５．散布度と分布の形状　　　　　　　　６．相関係数と回帰係数 ７．物価指数と数量指数　　　　　　　　８．二項分布とポアソン分布 ９．正規分布と信頼限界　　　　　　　１０．ｔ分布・カイ２乗分布・Ｆ分布 １１．母平均の推定と検定(１)　　　　　１２．母平均の推定と検定(２) １３．母分散の推定と検定　　　　　　　１４．母比率の推定と検定 １５．平均の差の推定と検定(１)　　　　１６．平均の差の推定と検定(２) １７．分散の比の推定と検定　　　　　　１８．比率の差の推定と検定 １９．母相関係数の推定と検定　　　　　２０．適合度の検定・独立性の検定 ２１．分散分析　　　　　　　　　　　　２２．ノンパラメトリック検定 統計学自習ノート（青木繁伸先生） 表計算ソフトで統計分析（阿部

WWWで統計を学習しよう 検索系相談等｜統計教育リンク｜統計学用語集｜case study(問題集)｜統計学から分散分析・重回帰まで｜総合的｜特定分野 （統計教育・注意｜研究法｜歴史｜測定｜サンプリング｜分布｜検定力｜meta-analysis｜resampling|bootstrap|cross-validation|AIC, BIC, 情報量|nonparametric test｜exact test｜conjoint analysis｜実験計画法・分散分析 ｜多変量解析｜因子分析・共分散構造モデル｜multi level｜多次元尺度解析｜グラフ化｜本・論文案内 ）｜研究｜雑誌｜ソフト手引き（SPSS｜SAS｜S｜LispStat|Stata｜Statview｜Epi Info｜Excel）｜ ＜統計ソフト・統計学習用データ＞｜統計関係総合リンク｜統計ソフト紹介関係｜統計ソフト会社｜共

データマイニングに関することを、データの集め方から知識の獲得まで、幅広く丁寧に解説しています。データマイニングで用いられる知識発見技術は、バスケット分析・決定木・ニューラルネットワークなど多くの手法があります。だからといって全部を同時に利用することは考えられません。解析手法はそれぞれの役割があり、その目的に合わせて使い分けなければなりません。 それぞれの役割があると書きましたが、大きくわけると２つのタイプがあると思います。「データから本質を探る」タイプと「データから未知の現象を予測する」タイプです。 この章では、「データの洗浄」から「知識発見の方法」を交えて知識発見を考えてみます。