2023年11月19日に統計検定1級を受験し，統計数理，統計応用(社会科学)にダブル合格。 勉強期間半年(半分ダラダラ)で一発合格できた経験をもとに主観込み込みで綴っていきたいと思う。 結論 結論からいいます。統計検定1級に受かりたければやることはただひとつ。 現代数理統計学の基礎を完璧にする。 これだけです。現代数理統計学？統計検定準1級ワークブック？過去問？いりません。 現代数理統計学の基礎，この本を仕上げ切るまでは手をつけなくていいです。 なぜ僕がこう言い切れるのか軽く説明していきたいと思います。 簡単な自己紹介 某都内私立大学3年生。大学の授業で線形代数，微積，確率統計の基礎を履修。受験期は理系で数3も勉強していたためそこまで数学に対する抵抗はない。というか数学に抵抗のある方は統計検定1級に向いてないと思う。 なぜ現代数理統計学の基礎だけでいいのか 統計応用の勉強はどうするの？そう
慶應義塾大学・株式会社Nospareの菅澤です． 今回はベイズ統計学を勉強するための参考書の順番 (私見) について紹介していきます． 3年ほど前に『日本語で学べるベイズ統計学の教科書10冊』を紹介しましたが，今回は「どのような順番でどの参考書を読んでいくと比較的スムーズに勉強が進められるのか」に焦点を当て，比較的最近の書籍や英語の書籍まで含めて紹介していきます． まずは全体的なフローのイメージを提示しておきます． 今回の記事では，「ベイズ統計学を勉強すること」のスタートとゴールを以下のように定めます． (スタート) 統計学の基礎的な内容 (統計検定2級程度の内容) は身についている (ゴール) ベイズモデリングに関する最新の論文がある程度理解して読め，自力でモデルを組んだり実装することができる また，このゴールへの道のりとして，大きく2通りのルートを想定します． (ルートA: フルスクラ
2024年版：独断と偏見で選ぶ、データ分析職の方々にお薦めしたいホットトピックス＆定番の書籍リスト - 渋谷駅前で働くデータサイエンティストのブログ
毎年四の五の言いながら書いている推薦書籍リスト記事ですが、何だかんだで今年も書くことにしました。なお昨年度版の記事を上にリンクしておきましたので、以前のバージョンを読まれたい方はそちらをお読みください。 今回のバージョンでは、趣向をちょっと変えて「定番」と「注目分野」というように分けました。何故こうしたかというと、平たく言って 「初級＆中級向け」推薦書籍リストは定番化していて毎年あまり変更点がない 逆に直近のホットトピックスに関するテキストは毎年入れ替わりが激し過ぎて網羅しづらい という課題があり、特に2点目についてはあまりにもデータサイエンス関連書籍の新規刊行が多過ぎる＆僕自身がその流れについていけておらず完全に浦島太郎状態ですので、万人向けに等しくウケるようなリストを作るのは今回をもって完全に諦めたというのが実態です。 その上で、前回まで踏襲されていた定番書籍リストはバルクで提示すると
『ベイズデータ解析』はベイズ統計学を用いる全ての実務家が座右に置くべき第一級の鈍器 - 渋谷駅前で働くデータサイエンティストのブログ
ベイズデータ解析(第3版) 森北出版Amazon 先日のことですが、『ベイズデータ解析』を訳者のお一人菅澤さんからご恵贈いただきました。もう一目見ただけで「鈍器」以外の語が出てこないくらいの立派な鈍器で（笑）、原著のBDA3*1に負けないくらいの鈍器っぷりが見事な一冊です。菅澤さんといえば名著『標準ベイズ統計学』の翻訳も手掛けておられますが、先日直にお話を伺った際は「本書の方が標準ベイズよりもさらに理論的な内容に踏み込んでしっかり書かれていて良い」とのコメントでした。 ということで、早速本書をレビューしていこうと思います。ただ、何分にも全体で888ページもある大著であり、ぶっちゃけ斜め読みするだけでも1ヶ月近くかかるという有様でしたので、内容の理解が不完全であったり誤ったりしている可能性があります。それらの不備を見つけられた際は、何なりとご指摘くだされば幸いです。 本書の概要 第I部 ベイ
―本書は統計検定の準１級と１級（統計数理，統計応用）の内容にもほぼ対応している―初版第２刷以降の「はじめに」には，この文言が入っています。はたして，これは本当か，本稿では忖度なく一刀両断にしていきます。 本書（以下，青本と呼ぶ）は2023年10月に共立出版から出版されました。現在，著者の久保川達也先生は東大経済学研究科の教授であり，同じ出版社から出ている「現代数理統計学の基礎（以下，白本と呼ぶ）」の著者としても有名ですね。著者の慧眼によって様々な統計手法の本質が審らかにされていく様子は読んでいてとても刺激的であり，青本は私も好きな１冊です。本稿を読んで興味をもった人は，本書をぜひ購入してみてください。 青本は統計検定１級対策として適している 準１級は統計学の初学者や文系出身者でも努力すれば合格できる知識主体の試験であるのに対して，１級は難関国立大学理系２次試験を彷彿とさせるガチの数学力勝負
以下，記憶だけで書いたいい加減な話． 5%閾値を広めた責任者は，K.Pearson, Fisher, Neyman, Snedecor，そして，統計分析のハウツー本の著者ら，さらに，私自身も含めた統計関連従事者（←統計家や統計学者ではない）ではないだろうか．Fisherだけに責任を負わせるのは酷な話だと思う． まず，1900年初頭には，K. Pearsonの提案をもとに，probable errorの3倍以上のものを”almost certain significance”とする分類がBiometrikaを中心に利用されていた．このprobable error (PE)は，Xが正規分布に従っている時に，μ± PEにXが属する50%となるもの．このPEは，元々は，Galtonが多用していた．（Galtonは，いまでいう四分位点から，PEを求めていた．Galtonの文献では，標本と母集団の違い
統計検定(R)は一般財団法人統計質保証推進協会の登録商標です。 0.はじめに この記事は統計検定1級(R)を受けた著者が自身の実施した勉強の仕方や、有益だった書籍やwebコンテンツをまとめたものです。これから勉強を始める方の見通しになるようにしたつもりです。他の合格者の方も同じように書かれていますから、コレ以外にも良い方法はあるかもしれませんので参考程度に考えて下さい。 なお応用に関しては理工学の受験だったため、それを中心とした解説を行います。 これまでにも過去の合格者で同じような情報を書いている人はいましたが時代の変化と共に教材もアップデートされ傾向も変わりつつあります。こちらは2023年末に執筆しているため、その時点の情報を元に著者がやって良かった教材などを中心に紹介しています。将来陳腐化している可能性は十分にあるので、必要に応じて取捨選択してください。 結論が知りたい人は先に最後の方
【選考直結型】RECRUIT INTERNSHIP for Data Specialists 2024 | EVENT | Engineering at Recruit
※上記事例は全て社内セキュリティレベルと同様の環境下にて運用を行い、ご参加いただく学生の皆さんと機密保持に関する誓約を締結し、契約期間のみデータに触れることができる形で情報管理をしております。 過去の参加者の声 ・リクルートのデータスペシャリストとして１ヶ月半インターンシップに参加しました！ ・【リクルートインターン参加記】BigQueryの全社的なスロット利用状況を可視化するツールの制作 ・VertexAIを利用した機械学習モデルにおける評価・分析パイプラインの構築 こんな方にオススメ ・国内最大級の膨大なデータを扱い、プロダクトを改善するための施策立案〜推進、新たな機能の拡充・開発、中長期を見据えた事業戦略の提案など、データを使用した専門スキルをベースに新たな価値の創造に貢献したい方。 必須スキル・経験 ※下記のスキルのうちどれか一つ有している方を対象としています。 ・数理統計学/解析
こんなツイートを見た． 論理学を勉強しようとして，論理哲学論考とかいう怪文書 (失礼) を手に取っちゃうの，ほんとうにかわいそう．— Masaki Haga (@silasolla) 2023年3月9日 『論理哲学論考』は哲学書として大事な本らしいが，「論理」を勉強したい人間が最初に手を出してよい本でないことは間違いない．こういうことを防ぐためにも次のような記事の更新をたびたびしてきた． sokrates7chaos.hatenablog.com しかし，この記事は単に論理学およびその周辺領域の本を並べてコメントしているだけなので，上記の事態を防げていないような疑惑が常々あった．「論理」の「何を勉強すればよいか」がわからんから「とりあえず，有名な本を手に取ればいいだろう」という発想をし，結果上記のツイートのような事態になるわけだが，「何を勉強すればよいか」について『論理学およびその周辺領域
数理統計学の入門的な内容を扱います。 データ整理の基本的手法 I: 記述統計の概要,１次元データの整理 データ整理の基本的手法 II: 2次元データの整理, 単回帰分析，重回帰分析 確率の定義 確率の独立性, 条件付き確率, ベイズの公式 確率変数と確率分布 I: 確率変数, 確率分布等 確率変数と確率分布 II: 確率変数の期待値, 分散や確率変数の関数, 特性関数，モーメント母関数等 確率変数と確率分布 III: 多数の確率変数の同時分布と独立性等 具体的な離散確率分布について: 二項分布, ポアソン分布等 正規分布とその関連する話題：正規分布の性質，二項分布の正規近似，シュタインの等式等 極限定理：様々な収束概念，大数の法則，中心極限定理等 点推定: 不偏性, 有効性, 一致性, フィッシャー情報量，クラメール・ラオの不等式，最尤法等 区間推定: 母比率, 母平均 (分散既知), 母
昨今、AIをはじめとしてデータ分析に関する話題をニュースで見かけることが増えました。それによって、データ分析について学習したいと考えている方も多いのではないでしょうか。 データ分析の基礎となるのが統計学であり、統計に関する知識や活用力を評価する試験として「統計検定」があります。 統計検定に合格すれば統計に関する確かな能力を有していることの証明となり、就職や大学院への入学などでもアピールすることもできます。 この記事では、80,000 名以上の受講生に AI・データサイエンスの教育を行ってきたキカガクが、統計検定について詳しくお伝えします。 検定の詳細や取得のメリット、学習方法について解説していきます。ぜひ最後までご確認ください！ 目次 統計検定とは？ 統計検定の概要 統計検定取得のメリット 統計検定の試験概要と学習方法 統計検定 4 級 統計検定 3 級 統計検定 2 級 統計検定準 1
2024年6月21日：これまで大変お世話になった様々な方への感謝と後進の参考になればとの思いを込めて，これまでの研究の経緯や思い出をまとめたいと思います． 当初の想定よりだいぶ長くなったので自己責任で読んでください．関係する人が多く，載せられなかった方はすみません． 高校卒業まで 大学生活（学部） 下平研（前半：阪大） その他の阪大関係者 下平研（後半：京大） 統計数理研究所助教になってから １．高校卒業まで 私の実家は大阪と京都の境のあたりにあり，京都府の立命館中学高等学校に通っていました． 今はキャンパスが長岡京に移ったそうですが，私が在籍していたころはまだ伏見区深草にあり，伏見稲荷大社の横を通って通学していました． 当時は今ほど観光客が多くなかったので，授業の後で重い鞄を背負って山を登り参拝したことなどを思い出します．当時から数学が好きで勝手に自由研究もどきをしていました． 色々やっ
Remark 著作権は私とすうがくぶんかにあります。個人利用に留めていただき、営利目的の使用はお控えください。また解説に誤植がある場合は、メールにて私にお伝えいただければ幸いです。 対策講座もぜひ！すうがくぶんかでは、2024年度の統計検定1級に向けて対策講座を実施しています！ぜひご受講ください！ 講座『演習: 現代数理統計学の基礎』（1月開講、全問解説+添削あり！） 4月には統計検定1級対策、9月・10月には模擬試験を開催予定です！ Acknowledgementこのnoteは『統計・機械学習の数理 Advent Calendar 2023』の25日目のために作成しました。ご参加いただいた皆さま、大変ありがとうございました。
S-PLUS: EDA
探索的データ解析（Exploratory data analysis)とは？ 探索的データ解析は、1960年ごろより有名な統計学者J.W.Tukeyによって提唱されたもので、データの解釈にあたっては「まずモデルありき」ではなく、モデルを仮定する前に現実的な立場で、データの示唆する情報を多面的に捉えるという、解析初期のフェーズを重視したアプローチです。 それ以前は、あらかじめモデルを用意して、データをあてはめて確率計算を行っていました。しかし現実には、複雑な現実のデータ構造の中から、最適なモデルをあらかじめ用意することは簡単なことではありません。そのため、データを見てからモデルを修正したり、選択する必要が発生します。 また、数理統計学の理論的側面よりもむしろ、あくまでも応用面と結びついた、やさしく誰でも使えるような手法を重視しているために、ビジネスの現場での「データマイニング」などにも有効に
共役事前分布(Conjugate Prior Distribution)まとめ - あつまれ統計の森
共役事前分布(Conjugate Prior Distribution)はベイズ統計学に基づいてベイズの定理を用いるにあたって計算負荷を減らすことができるので抑えておくと良い。当記事では観測値に仮定される確率分布に対して共役なパラメータの事前分布に関して取りまとめを行なった。 「現代数理統計学」の$14$章「ベイズ法」や、「自然科学の統計学」の$9$章「ベイズ決定」などを参考に作成を行なった。 共役事前分布の概要 概要 ベイズ統計ではベイズの定理に基づいて、事後分布$P(\theta|X=x)$を事前分布$P(\theta)$と尤度関数$L(\theta)=f(x|\theta)$の積に基づいて導出する。 $$ \large \begin{align} P(\theta|X=x) &= \frac{P(\theta)f(x|\theta)}{P(X=x)} \\ & \propto P(\
この記事は何？ そもそもデルタ法とは 2変数のデルタ法 確率変数の比の分布における平均と分散 その他 参考 この記事は何？ Yandexが出したA/Bテストに関する論文 (R. Budylin, WSDM 2018) を眺めていたら、以下のような式が出てきました。 この式は、確率変数の比の分布における分散の式になっており、デルタ法を用いることで示せるとのことです。 この記事では、確率変数の比の分布における平均と分散をデルタ法で求めてみます。 そもそもデルタ法とは デルタ法についての説明は『現代数理統計学の基礎（久保川, 共立出版）』が詳しいです。 www.kyoritsu-pub.co.jp ざっくり言うと、デルタ法はテイラー展開を用いることで、変換された確率変数の平均や分散を、元の確率変数の平均や分散で近似的に表す方法です。 ５．正規母集団からの標本に基づく推論のデルタ法についての説明を
データ解析のための数理統計入門 - 共立出版
本書は、好評書『現代数理統計学の基礎』の著者による、データ解析のための数理統計の基礎をわかりやすく解説する書籍である。難易度は前著よりもやや下がり、統計検定®でいうと準1級レベルとなる。 前半では、確率、確率変数、確率分布、期待値と共分散、大数の法則と中心極限定理などの基礎知識と必要な道具を学習した上で、パラメータの推定や信頼区間、仮説検定などの推測統計の方法を説明する。後半では、線形回帰、ロジスティック回帰、分散分析、ベイズ統計とMCMC法、ブートストラップ法、ノンパラメトリック検定、生存時間解析、多変量解析などの様々なトピックを扱い、統計分析の幅広い知識と手法を述べる。ウィルス検査などの具体的な数値も要所要所に交え、また各章末に基礎的な問題を豊富に用意して、知識を定着しやすくしている。 「統計検定」は、一般財団法人 統計質保証推進協会の登録商標です。 第1章 確率モデル 1.1 標本空
情報幾何学 - Wikipedia
情報幾何学（じょうほうきかがく、英: information geometry、仏: géométrie de l’information、独: Informationsgeometrie、略称: IG[1]）とは、確率分布を要素とする統計モデルに関する微分幾何学的研究[2]のことであり、狭義には双対アフィン接続の微分幾何学[3]を指す。「数理統計学の微分幾何学化」[4]や「統計的推論の幾何学的方法論」[5]や「情報理論における微分幾何を用いた定式化」[6]と表現されるように、情報幾何学は統計学・情報理論・確率理論（大偏差理論）にまたがる[7]学際的な分野である。 概要[編集] 情報幾何学の理論的な枠組みは統計学の言葉を必要とせず、純粋な微分幾何学の概念のみで定式化できる。 統計多様体の定義にはいくつかの流儀が存在するが現在最も標準的[8]なのは黒瀬 (1994)[9] によるものであり、
この記事には広告が含まれます。 この記事では、統計検定１級の統計数理を最優秀成績賞で取得した私が、統計検定１級(統計数理)の攻略法について紹介したいと思います！ １級合格を目指す方の力になれれば幸いです。 統計検定のラスボス、１級を攻略する上で必要なことを余すことなく伝えられたらと思います！ ちなみに、数理・応用両方で最優秀成績賞を取得しています！ 応用は医薬生物学分野を選択しましたが、この分野は統計数理とはまた別物と考えていいと思うので、別の記事にまとめています。 統計応用が気になる方は是非、こちらの記事をご覧ください！ 最優秀賞取得者による、統計検定1級攻略法！！！～統計応用(医薬生物学)編～統計検定１級の最優秀成績賞を取得した筆者による、統計応用(医薬生物学)の勉強法を紹介！使った参考書も紹介してます！！情報の少ない医薬生物学分野において、最優秀成績賞を取った視点から、合格の極意をお
さて、いよいよ遅いですが2023年10月〜12月、Final Quarterの振り返りを書きたいと思います。 2023年10月~12月で何をしていたか Final Quarterではベイズ統計学の学習にのみ専念しました。 使用した教科書は前回の振り返りでも紹介した『標準 ベイズ統計学』です！ 標準 ベイズ統計学 朝倉書店Amazon 目次は以下の通りです: １．導入と例 １．１ 導入 １．２ なぜベイズか １．３ 本書の構成 １．４ 補足と文献案内 ２．信念，確率，交換可能性 ２．１ 信念関数と確率 ２．２ 事象，分割，ベイズルール ２．３ 独立性 ２．４ 確率変数 ２．５ 同時分布 ２．６ 独立な確率変数 ２．７ 交換可能性 ２．８ デ・フィネッティの定理 ２．９ 補足と文献案内 ３．二項モデルとポアソンモデル ３．１ 二項モデル ３．２ ポアソンモデル ３．３ 指数型分布族と共役事前分
名寄せの定量評価とGroup Sequential Test - Sansan Tech Blog
こんにちは、技術本部Sansan Engineering UnitのNayoseグループでバックエンドエンジニアをしている上田です。 普段はデータの名寄せサービスを開発しています。Sansanの名寄せというのは、こちらのページに記載のとおり、別々のデータとして存在する同じ会社や人物のデータをひとまとめにグルーピングすることを言います。 下記の記事のとおり、前回は名寄せアルゴリズムを定量評価する際に利用する統計的仮説検定において、固定サンプルサイズ検定の課題を解決する逐次検定の手法SPRT（Sequential Probability Ratio Test、逐次確率比検定）を紹介しました。SPRTには別の課題があるため、今回は実務で重宝する特徴をもつGroup Sequential Testという逐次検定について紹介します。 buildersbox.corp-sansan.com この記事の
【統計検定1級】現代数理統計学 v.s 現代数理統計学の基礎
どうも。こんにちは。 ケミカルエンジニアのこーしです。 本日は、「現代数理統計学（竹村著）」と「現代数理統計学の基礎（久保川著）」を比較して感じた特徴をお伝えします。 上記2冊は、統計検定1級の参考書としてよく知られていますが、どちらがより統計検定1級向けなのか検証してみました。 これから統計検定1級の受験を考えている方は、ぜひ参考にしてみてください。 本記事の内容 ・まとめ（結論） ・目次の比較 ・特徴 この記事を書いた人 こーし(@mimikousi) まとめ（結論） 結論、統計検定1級（統計数理）向けなのは、「現代数理統計学の基礎（以下、久保川本）」です。 現代数理統計学の基礎 posted with ヨメレバ 久保川 達也/新井 仁之/小林 俊行/斎藤 毅/吉田 朋広 共立出版 2017年04月07日頃 楽天ブックス Amazon Kindle 理由は、統計検定1級で頻出の確率分布
問題演習で使えそうだったので計算したのですが，あまり他のサイトに載っていなかったので記事にしました． 仮定 r.v. \{X\}_{i=1,...,n}. \quad \text{* 独立ではない} 結論 \text{Var}\left(\sum_{i=1}^n X_i\right) = \sum_{i=1}^n \text{Var}(X_i) + 2\sum_{i=1}^{n-1}\sum_{j=i+1}^n \text{Cov}(X_i, X_j) 証明 n = 2の時 \begin{align*} V(X+Y) &= E[((X+Y) - E[X+Y])^2] \\ &= E\left[(X - E[X])^2 + (Y - E[Y])^2 + 2(X - E[X])(Y - E[Y])\right] \\ &= V(X)+V(Y)+2Cov(X,Y) \end{align*} n
現代数理統計学の基礎 - 共立出版
近年注目を集めているビッグデータという言葉に代表されるように、データのもつ価値についての認識はますます高まっている。さらに、自然科学分野から社会科学の分野、さらには政府関係の様々な施策に至るまで、データに基づいた意思決定の大切さが認識されている。数理統計学は、（ランダムネスを伴った確率現象として現れる）データの背後に確率モデルを想定して推測を行うための土台となる、数学的基礎を提供する。本書は、数理統計学に関する基礎的な内容はもとより、近年広く利用されている現代的な内容までを盛り込んだテキストである。 最初に、統計的推測を行う上で必要な確率・確率分布の基本的な事項を説明する。次に、最初に準備した道具立てに基づいて、確率分布に関する推測方法を説明する。ここまでにおいては、必要な知識をシンプルに解説し、また内容の理解を深められるように、演習問題を豊富に盛り込んでいる。最後に、最も役に立つ統計モデ
2012年10月にデータサイエンティストが「21世紀で最もセクシーな職業」と名指しされてから10年以上が経ちました。2022年度から高校では「情報Ⅰ」が必修科目となり、社会人がリスキリングでデータサイエンスを学びなおす例も増えています。 さて、そんなデータサイエンスの基礎たる「統計学」はいったいいつ生まれ、どのようにしてその知を積み上げられてきたのでしょうか？ 長大な歴史のなかから重要な出来事や流れを踏まえて、世界・日本の統計史をご紹介します。 「統計」は国家の実態を知るために古代から用いられていた：紀元前 「統計（statistics）」とは、“ある集団の傾向や性質を数量的に表すこと”と定義されます。統計局はその源流を「①国の実態を捉えるためのもの」「②大量の事象を捉えるためのもの」「③確率的事象を捉えるためのもの」の3つに分類しており、①については、古代エジプトや古代ローマ帝国、中国前
『ベイズデータ解析』はベイズ統計学を用いる全ての実務家が座右に置くべき第一級の鈍器 - 渋谷駅前で働くデータサイエンティストのブログ
ベイズデータ解析(第3版) 森北出版Amazon 先日のことですが、『ベイズデータ解析』を訳者のお一人菅澤さんからご恵贈いただきました。もう一目見ただけで「鈍器」以外の語が出てこないくらいの立派な鈍器で（笑）、原著のBDA3*1に負けないくらいの鈍器っぷりが見事な一冊です。菅澤さんといえば名著『標準ベイズ統計学』の翻訳も手掛けておられますが、先日直にお話を伺った際は「本書の方が標準ベイズよりもさらに理論的な内容に踏み込んでしっかり書かれていて良い」とのコメントでした。 ということで、早速本書をレビューしていこうと思います。ただ、何分にも全体で888ページもある大著であり、ぶっちゃけ斜め読みするだけでも1ヶ月近くかかるという有様でしたので、内容の理解が不完全であったり誤ったりしている可能性があります。それらの不備を見つけられた際は、何なりとご指摘くだされば幸いです。 本書の概要 第I部 ベイ
時系列データを分析するとき、時系列データの性質を知るために自己相関と相互相関を求めたりします。 自己相関と相互相関は、通常の数理統計学で登場する相関係数を、単に時系列データに応用したもので、2つの時系列データの類似性を表現する指標です。 過去の自分との類似性を見るのが「自己相関」、他の時系列データとの類似性を見るのが「相互相関」です。 ポイントは、時間をずらして相関係数を求めるところです。 1期ずれ、2期ずれ、3期ずれ、……のように一方の時系列データをずらして相関係数を求めます。 このずれをラグという表現で表したりします。例えば、1期ずれのことをラグ1、2期ずれのことをラグ2、3期ずれのことをラグ3、……などなど。 このような相関係数を求めることで、時系列データの季節性や因果関係などを検討する材料にします。 ということで今回は、「時系列データの自己相関と相互相関をPythonで求めてみよう
理工学部のリニューアルおよび新学科の設置を計画しています
理工学部のリニューアルおよび新学科の設置を計画しています 帝京大学は、2025年4月に理工学部をリニューアルし、総合理工学科（仮称）とデータサイエンス学科（仮称）の設置を計画しています。理工学部の在学生および2024年度入学者対象のカリキュラムは2025年以降も継続し、現行の理工学部4学科は、在学生および2024年度入学者が卒業するまで維持されます。新学科で開講する新しい科目の多くは、在学生および2024年度入学者も履修可能となりますので、在学生のカリキュラムも一層充実したものとなります。 ※計画であり変更の可能性があります。総合理工学科（仮称） 宇都宮キャンパスに設置された理工学部の4学科（機械・精密システム工学科、航空宇宙工学科、情報電子工学科、バイオサイエンス学科）を再編し、新たに本学科の設置を計画しています。「機械・航空宇宙コース」「ロボティクス・Alコース」「情報科学コース」「環
はじめに つい先日、統計検定準1級に無事(?)合格してくることができました。 試験対策の中で、先人達の合格体験記には大変お世話になったので、 自身の体験もネットの海に放流し、今後受験を考えている方々の参考に なったりならなかったりすればいいなといったモチベーションでまとめていきます。 目次 自身のスペック 勉強期間 CBT試験の難易度 学習に使用した教材 「学習開始〜3回連続不合格〜試験合格」までの時系列 今後 自身のスペック 自身のスペックを3行でまとめると 国立情報系院卒 2年ほど前に統計検定2級を取得済み 現在はアラサーIT作業員として中小IT企業に勤務 みたいな感じです。学生時代は確率統計・機械学習分野に割りかし親和性の高い専攻に所属していましたが、 社会人になってからはこれらの知識（というか数学全般）を業務で使用することが皆無であり、 また、2級を取得したのがおよそ2年前だったの
統計学SDS研究科の筆記試験では統計学・情報学と社会科学の2つに試験科目が分かれています。私は予め統計学・情報学では統計学を筆記試験で選択すると決めて、統計学のみ対策を行っていました。なお、時間に余裕のある方は統計学・情報学のどちらの対策も行うのが良いと思います。 また、統計学・情報学の試験の特徴として、試験時間が60分と短い点が挙げられます。そのため、本番では詰まることなく問題を解き切ることが求められます。 私は統計学で参考図書に指定されている「現代数理統計学の基礎」を中心に勉強を進めました。具体的には1〜9章までの内容を理解し、例題や各種証明、章末問題を自力で解き切れる様にしました。なお、受験で求められているレベルを超える問題も混じっているので、基本的な問題を優先して進めるのが良いと思います。また、章末問題を解く際は下記のQiitaのページの答案を参考にしました。 なお、参考図書では上
情報って何でしょう？ちゃんと定義しようとすると意外と難しいと思いませんか。「情報とは何か？」を科学する、それが情報科学科の目的です。情報は人や組織の意思決定を行う拠り所になります。信頼できる情報をいかに取得するか 、生産するか、配信するか、処理するか、蓄積・検索するか、提示するか、 などを学問的にきちんと研究しておくことは、21世紀の情報化社会の礎となるものです。本学情報科学科は情報数理と情報処理の観点から情報とは何かを学び、研究します。 カリキュラム紹介 1年 必修 線形代数学1・2・3・4、微分積分学1・2・3・4、数理基礎論、コンピュータシステム序論、データ構造とアルゴリズム、コンピュータ基礎演習、プログラミング実習、確率序論 選択 初等代数学 2年 必修 離散数学、システムプログラミング実習、コンピュータアーキテクチャI、 コンピュータアーキテクチャII、 コンピュータネットワーク
第232話｜3タイプの特徴量エンジニアリング（feature engineering）基礎テクニック
特徴量エンジニアリング（feature engineering）は、私がデータ分析を始めた20数年前から非常に重要なものでした。 特徴量（feature）とは、数理モデルの説明変数Xを指します。 ドメイン（データ活用の現場）理解とデータ理解なくしては、特徴量エンジニアリング（feature engineering）は非常に難しいものです。 データ理解のためのデータ分析の技術がEDA（探索的データ分析）です。 では、何のために特徴量エンジニアリング（feature engineering）を実施するのでしょうか？ ざっくり言うと、以下の2つです。 適切なデータセットを作る 数理モデルのパフォーマンスを上げる 構築する数理モデルが予測モデルであれば、それは予測精度を上げるということです。構築するモデルが構造理解（要因分析など）のためのものであれば、それは起こった現象の再現性が高い（納得性がある
日記 - 淀みに浮かぶ泡沫は
昨日は飲み会から帰ってから結局午前4時近くまで起きていた．酔い覚ましが半分と，昼間に指導教員と進路の話をして色々考え込んだのが半分である．今日も用事は午後からだったので9時過ぎに起きてゆっくり準備をした．昨晩の残りをお弁当にしたのも昨日と同様である． 大学に着いてからお弁当を食べて指導教員の担当する集中講義へ．昨日よりも人がかなり増えており，指導教員も困惑しながら半分くらいは昨日の振り返りをしていた．来ていた学生も数学が専門というよりは応用寄りの学生が多く，突然のことでも受講生に合わせて講義を組み直して講述していたのはやはりさすがだった． 講義が終わってバイトへ向かった．電車での移動中は今日から数理統計学の本を読むことにした．現実逃避で訳のわからないことをするよりはマシな気がする． それではまた． 2024年2月6日
統計検定®１級模試 | 集団授業 | すうがくぶんか
模試を通して実戦経験を養おう！ 数理統計学の運用能力を基礎から発展まで満遍なく問う統計検定一級、模試を受けて理解の最終チェックをしませんか。問題はすべて統計検定一級を取得したすうがくぶんかの講師陣が作問し、本番さながらの問題を出題します。 答案を提出していただければ、講師陣による添削・採点も実施します。時間配分、作成した答案が採点者にどう見えるのか、新しい問題に自分がどれだけ対応できるのかといった不安を、模試とその添削で解消しましょう！ また、統計検定一級を受験しない方からの力試しとしての受験もお待ちしております。 ※2024年9月のご受講についてお申し込み受付中です。アーカイブ視聴による参加、途中参加も可能です。 この講座では、統計検定一級の統計数理および統計応用全分野の模擬試験の出題、答案の添削、解説を行います。問題は統計検定一級を取得した講師陣が作問するため、本番を見据えたレベル・内
統計検定準１級合格のために学習したこと - Qiita
1.はじめに 先日ようやく統計検定準１級から解放されました。 １回目の受験で不合格で、2回目の受験で合格。 合格したと言っても結果は以下の通り散々でした 確率分布と統計的推測は良かったのですが多変量解析と応用はボロボロです。 偉そうにアドバイスができる立場ではありませんが、合格するために学習したことについてまとめます。 2.受験前のスキルレベル 大学では統計学(統計検定2級レベル)と線形代数の単位をぎりぎり取得できる程度の数学力しかなく、それ以降は数学に触れずに過ごす 2年ほど前に統計検定2級に合格 3.ざっくりとした学習方針 1回目の受験 2級と比べて試験範囲が驚くほど広いので、ワークブックと過去問で満遍なく勉強する(結果的にこれがダメでした) 試験範囲を見る限り高度な計算力は求められないと思ったので、ワークブックに記載されている数式だけは理解することを徹底した(この方針も僕には合わなか
本記事は、G検定のチートシートです。 「ディープラーニングG検定公式テキスト」と「ディープラーニングG検定問題集」を中心にまとめています。 どちらも代表的なG検定のテキストです。（代表的というか、これくらいしか無いです。。） また、機械学習やディープラーニングについては、モデルごとの解説動画を日々更新しているので、ぜひこちらもお役立てください。 ■Youtube:https://www.youtube.com/channel/UCwlSTr8FIuNnaNPZIzDghAA ■ブログ：https://datascience-lab.sakura.ne.jp/ 1.1 人工知能の定義 人工知能とは何か コンピュータを使って、学習・推論・判断など人間の知能のはたらきを人工的に実現したもの。 AI効果 人工知能で何か新しいことが実現され、その原理が分かってしまうと、「それは単純な自動化であって知
最もシンプルで始めやすいデータ活用の1つに、ABテストというものがあります。ABテストでは、統計的仮説検定に纏わる数理統計学の概念を最低限理解して置く必要があります。初学者にとって、ABテストの最初のハードルは統計的概念の理解です。今回は「生まれて初めてのABテスト超入門」というお話しをします。 ◆データ分析講座の注目記事紹介 1. ABテストのシナリオ例 あなたがECサイトを運営しているとしましょう。購入ボタンの色を、灰色から橙色に変えようと思っています。 次の3つの仮説が思い浮かびます。 橙色のボタンは、灰色のボタンと同じ平均購入数をもたらす 橙色のボタンは、灰色のボタンより多くの平均購入数をもたらす 橙色のボタンは、灰色のボタンより少ない平均購入数をもたらす この仮説を次の2つに集約します 橙色のボタンは、灰色のボタンと同じ平均購入数をもたらす 橙色のボタンは、灰色のボタンの異なる平
データ分析のための統計学入門 原著第4版 | Data Learning Bibliography
データサイエンス初学者学生統計学（基礎） データサイエンス力特になし 本書のポイント 「データ分析のための統計学入門」というタイトルのとおり、データ分析を始めるにあたって必要な最低限の統計知識がまとめられている。 数学的な理解・導出よりも、より実践的なノウハウの提示にフォーカスされた入門書。 なにより原書がOpenIntroというNPOにて無償公開されており、翻訳書となる本書も電子版は無償公開されている。（練習問題回答以外） レビュー 「本書は大学に入学して初めて統計学を学ぶ学生、大学に進学を目指す高校生、ビジネスなどの諸分野でデータ分析をしている社会人のために書かれた書籍である。」（訳者まえがき引用） データ分析の学習を始めるとすぐに統計学という学問分野に遭遇する。しかし本格的な統計学の学習はそれだけでも奥深い内容であり、データ分析初学者が最初に感じるハードルとなる。本書はそんな初学者に
厦門大学 - Wikipedia
人文学部 ジャーナリズムコミュニケーション学部 外国言語文化学部 海外教育学部 法学部 公共事務学部 国際関係学部 国際学部 経済学部 経営学部 芸術学部 数学科学部 物理科学技術学部 電子科学技術学部 航空航天学部 化学工学部 材料工学部 生命科学部 海洋地球学部 環境生態学部 情報科学技術学部 ソフトウェア工学部 土木建築工学部 医学部 薬学部 公衆衛生学部 エネルギー学部 人文学研究科 ジャーナリズムコミュニケーション学研究科 外国言語文化研究科 海外教育研究科 法学研究科 公共事務研究科 国際関係学研究科 経済学研究科 経営学研究科 芸術学研究科 数学科学研究科 物理科学技術研究科 電子科学技術研究科 航空航天研究科 化学工学研究科 材料工学研究科 生命科学研究科 海洋地球学研究科 環境生態学研究科 情報科学技術研究科 ソフトウェア工学研究科 土木建築工学研究科 医学研究科 薬学研
統計検定準1級合格体験記 - Qiita
初めに 筆者が統計検定準1級に合格するまでに行った「勉強方法」・「合格に必要なこと」・「合格して思うこと」を書いています。 成績は74点で、ありがたいことに優秀成績賞を頂けました！せっかく優秀賞を頂いたので、体験記を書いてみました。 筆者の勉強方法 やったことは統計学実践ワークブック本文の行間埋めです。ひたすら載っている数式や定理の導出をしていました。例題の方は、一周目は理解の助けになるものだけにざっと目を通すだけでした。例題も全て解いていると、ワークブックのあのスカスカな行間を埋めながらでは時間がかかり過ぎると思ったからです。 ですが、行間埋めにも非常に時間がかかりました…。一週間の勉強時間が平均10時間くらいで7、8ヶ月かかりました。その間、何度も心が折れそうになってました…。後述もしますが、正直、合格にはそこまで丁寧にワークブックを読み込む必要はなかったのですが、統計学の知識を網羅的
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
統計検定1級に受かりたければこれをやれ - Qiita
ベイズ統計学を勉強する参考書のフロー - Qiita
【統計検定１級】データ解析のための数理統計入門を読む | とけたろうブログ
Fisherだけに5%閾値の責任を負わせるのは少し酷な気がする - Tarotanのブログ
統計検定1級(R)の勉強の仕方【2023年末版】 - Qiita
今，「論理」を学ぶ人のために - Sokratesさんの備忘録ないし雑記帳
Ryoichi Suzuki's website - 「数理統計学」
統計検定とは？1級取得者が難易度とメリットを徹底解説！
A. Okuno
統計検定1級®「統計数理」解説｜Takayuki Uchiba
確率変数の比の分布における平均と分散をデルタ法で求める - 人間だったら考えて
最優秀賞取得者による、統計検定1級攻略法！！！～統計数理編～
2023 Final Quarter 振り返り - janos0207の日記
独立ではない確率変数列の和の分散 (変数の数がnの場合)
統計学の歴史：統計学っていつからあるの？ いつから日本で使われている？
時系列データの自己相関と相互相関をPythonで求めてみよう
統計検定準1級を4回受験した民の話し - ジャポニカ学習帳^^（きかいがくしゅう）
【外部大学院入試 合格体験記】一橋大学ソーシャル・データサイエンス研究科修士課程入学試験｜@ABC123
学科概要、カリキュラム、教員紹介 | お茶の水女子大学
【2022年3月受験版】G検定チートシート - Qiita
シンプルで始めやすいABテスト入門 データ分析講座（その299） - ものづくりドットコム