コンテンツへスキップ ナビゲーションに移動

青の統計学

  • 統計学
    • 推定・検定
    • ベイズ統計学
    • 時系列解析
    • 計量経済学
    • 医薬・生物統計
  • 機械学習
    • 教師あり学習
    • 教師なし学習
    • Python
    • 深層学習
    • 自然言語処理
  • 統計検定対策
  • マーケティング
    • データ分析
    • 因果推論
  • DS Playground
  • 資料

数学

  1. HOME
  2. 数学
【大学数学の壁】イプシロン・デルタ論法をわかりやすく解説のサムネイル
11/21/2025 / 最終更新日時 : 11/21/2025 Blue 基礎数学

【大学数学の壁】イプシロン・デルタ論法をわかりやすく解説

大学数学の壁「イプシロン・デルタ論法」を、図解を用いてわかりやすく解説します。極限と連続性の厳密な定義、イプシロンとデルタの役割、そして一様連続性や確率収束への応用まで、データサイエンス学習に必須の基礎数学を徹底的に理解できます。

ヤコビアンをわかりやすく解説する
01/16/2024 / 最終更新日時 : 10/26/2025 Blue 基礎数学

ヤコビアンをわかりやすく解説【統計検定】|MCMCでの使用例

ヤコビアン 最初はなかなか理解が難しいかもしれませんが、MCMC法等の変数変換が必要な統計解析手法では必ず出てくる行列式です。 関連コンテンツはこちらをご覧ください。 【線形代数】固有値や固有ベクトルは機械学習にどう使わ […]

コサイン類似度を具体例も含めて解説する記事【青の統計学】
06/30/2022 / 最終更新日時 : 10/26/2025 Blue 数学

コサイン類似度とは?高校数学で理解する

1. コサイン類似度とは? ベクトル同士の“方向の近さ”を測る指標 コサイン類似度(Cosine Similarity)とは、主に2つのベクトルがどのくらい同じ方向を向いているかを測定するための指標です。計算結果の値は- […]

06/15/2022 / 最終更新日時 : 10/26/2025 Blue 基礎数学

【線形代数】固有値や固有ベクトルは機械学習にどう使われているのか|主成分分析

こんにちは、青の統計学です。 今回は、前回大好評だった「線形代数がデータサイエンスにどう使われているのかシリーズ」の第二弾です。 大学数学で勉強した固有値や固有ベクトルが一体何の役に立っているのか…対角化で冪 […]

ベルマン方程式をわかりやすく解説|動的計画法
05/11/2022 / 最終更新日時 : 10/26/2025 Blue 基礎数学

ベルマン方程式をわかりやすく解説|動的計画法

こんにちは、青の統計学です。 今回は、ベルマン方程式についてわかりやすく解説します。 ベルマン方程式とは ベルマン方程式は、「最適性の原理」を数学的に表現したものです。 最適性の原理とは、「ある時点での最適な意思決定は、 […]

分散と標準偏差を基礎から解説する
05/10/2022 / 最終更新日時 : 10/26/2025 Blue Python

【高校数学でわかる】分散と標準偏差をわかりやすく解説|散らばりの指標

分散(variance)と標準偏差(standard deviation) こんにちは、青の統計学です。 今回は、統計の基本である分散と標準偏差について解説していきます。 高校数学でも扱われる内容なので、高度な数学は必要 […]

【python】行列式や逆行列は機械学習でどう使われるのか|線形代数の活用方法
05/01/2022 / 最終更新日時 : 10/26/2025 Blue 基礎数学

【python】行列式や逆行列は機械学習でどう使われるのか|線形代数の活用方法

大学数学で習う線形代数は、統計学や機械学習ではどのように活用されているのでしょうか? なんとなく説明変数をたくさん書かなくても行ベクトル一つ書いておけば良いから楽、程度に考えているかもしれませんが、実はもっと役に立ってお […]

人気記事

統計検定2級の完全ガイド
青の統計学DsPlaygroundの販促バナー_統計検定2級
統計検定3級の徹底攻略
青の統計学DsPlaygroundの販促バナー_G検定
青の統計学DsPlaygroundの販促バナー_数学入門
大学生向けのG検定の攻略記事のサムネイル

Youtube

Udemy

バナー広告

Ds Playground

青の統計学|X

Update Contents

勾配ブースティング決定木(GBDT)の仕組みを理解|XGBoostとLightGBMの違いを理解する
01/06/2026
決定係数について使い方と注意点を丁寧に解説する
【R^2】決定係数をわかりやすく説明|python
01/06/2026
共変量シフトって結局なんなのか?|i.i.dを正しく理解するのサムネイル
共変量シフトって結局なんなのか?|i.i.dを正しく理解する
01/03/2026
活性化関数の完全ガイド|特徴と効果的な選び方について|ニューラルネットワークと非線形性のサムネイル
活性化関数の完全ガイド|特徴と効果的な選び方について|ニューラルネットワークと非線形性
01/03/2026
【アンサンブル学習】ランダムフォレストをわかりやすく解説|ブートストラップ法を決定木に応用のサムネイル
【アンサンブル学習】ランダムフォレストをわかりやすく解説|ブートストラップ法を決定木に応用
01/03/2026
【機械学習】決定木の仕組みと数学的背景をわかりやすく解説|線形回帰との違いのサムネイル
【機械学習】決定木の仕組みと数学的背景をわかりやすく解説|線形回帰との違い
01/03/2026
内生性と外生性を比較して正しく理解するための記事
内生性と外生性の概念と操作変数法による内生性の問題の解決方法をわかりやすく。
01/03/2026
母平均の区間推定と検定 - 正規分布と標準誤差の概念
母平均の区間推定と検定 – 正規分布と標準誤差の概念
12/31/2025
階層ベイズについてGoogleのMeridianを使った解説
階層ベイズをわかりやすく解説|Google Meridianを例に
12/27/2025
Weltchのt検定をわかりやすく解説する
【非等分散編】pythonでWelch(ウェルチ)のt検定をやってみた
12/22/2025

New Contents

共変量シフトって結局なんなのか?|i.i.dを正しく理解するのサムネイル
共変量シフトって結局なんなのか?|i.i.dを正しく理解する
12/30/2025
【大学数学の壁】イプシロン・デルタ論法をわかりやすく解説のサムネイル
【大学数学の壁】イプシロン・デルタ論法をわかりやすく解説
11/21/2025
【超入門】統計学とは?文系でもわかる『データを武器にする』ための第一歩
【超入門】統計学とは?文系でもわかる『データを武器にする』ための第一歩
08/07/2025
ローレンツ曲線・ジニ係数・パレート分布をまとめて理解|不平等を数学で捉える
ローレンツ曲線・ジニ係数・パレート分布をまとめて理解|不平等を数学で捉える
07/15/2025
【カイ2乗検定】独立性検定と適合度検定についてわかりやすく解説
【カイ2乗検定】独立性検定と適合度検定についてわかりやすく解説
06/23/2025
中心極限定理についてわかりやすく解説|大数の法則との違い
中心極限定理についてわかりやすく解説|大数の法則との違い
06/07/2025
大学生向けのG検定の攻略記事のサムネイル
【体験談】G検定は大学生でも受かる?合格率、難易度、試験範囲を徹底解説
05/17/2025
スペクトラルクラスタリングとは?非線形データの分類
スペクトラルクラスタリングとは?非線形データの分類
03/18/2025
DBSCANとは?密度ベースのクラスタリング
DBSCANとは?密度ベースのクラスタリングを解説
03/16/2025
確率密度関数とは?確率質量関数との違いも解説
確率密度関数とは?確率質量関数との違いも解説
02/25/2025

Tag Cloud

AIC DID F統計量 GBDT GLM K-means法 KL divergence MCMC法 MSE PCA p値 ridge回帰 t検定 カイ2乗分布 ガンマ分布 ポアソン分布 マルコフ連鎖 モーメント法 ラグランジュの未定乗数法 ランダムウォーク ランダムフォレスト ロジスティック回帰 一様分布 不偏性 中心極限定理 二項分布 信頼区間 傾向スコア 再生性 分散分析 回帰分析 固定効果 多重共線性 大数の法則 尤度関数 層化抽出法 幾何分布 指数分布 最尤法 標準偏差 標準誤差 正規分布 決定木 相関係数 統計検定対策

Recent

勾配ブースティング決定木(GBDT)の仕組みを理解|XGBoostとLightGBMの違いを理解する
01/06/2026
決定係数について使い方と注意点を丁寧に解説する
【R^2】決定係数をわかりやすく説明|python
01/06/2026
共変量シフトって結局なんなのか?|i.i.dを正しく理解するのサムネイル
共変量シフトって結局なんなのか?|i.i.dを正しく理解する
01/03/2026
活性化関数の完全ガイド|特徴と効果的な選び方について|ニューラルネットワークと非線形性のサムネイル
活性化関数の完全ガイド|特徴と効果的な選び方について|ニューラルネットワークと非線形性
01/03/2026
【アンサンブル学習】ランダムフォレストをわかりやすく解説|ブートストラップ法を決定木に応用のサムネイル
【アンサンブル学習】ランダムフォレストをわかりやすく解説|ブートストラップ法を決定木に応用
01/03/2026
【機械学習】決定木の仕組みと数学的背景をわかりやすく解説|線形回帰との違いのサムネイル
【機械学習】決定木の仕組みと数学的背景をわかりやすく解説|線形回帰との違い
01/03/2026
内生性と外生性を比較して正しく理解するための記事
内生性と外生性の概念と操作変数法による内生性の問題の解決方法をわかりやすく。
01/03/2026
母平均の区間推定と検定 - 正規分布と標準誤差の概念
母平均の区間推定と検定 – 正規分布と標準誤差の概念
12/31/2025
階層ベイズについてGoogleのMeridianを使った解説
階層ベイズをわかりやすく解説|Google Meridianを例に
12/27/2025
Weltchのt検定をわかりやすく解説する
【非等分散編】pythonでWelch(ウェルチ)のt検定をやってみた
12/22/2025

サイトマップはこちら

青の統計学|Follow Me!

青の統計学DsPlaygroundの販促バナー_統計検定2級
青の統計学DsPlaygroundの販促バナー_G検定

チートシート

バナー広告


バナー広告

バナー広告
バナー広告
バナー広告

シミュレーション

サンプルサイズ設計ツールのサムネイル

問題演習

統計検定2級問題演習へのリンク
  • 統計学
  • 機械学習
  • 統計検定対策
  • マーケティング
  • DS Playground
  • 資料

Copyright © 青の統計学 All Rights Reserved.

Powered by WordPress with Lightning Theme & VK All in One Expansion Unit

MENU

  • 統計学
    • 推定・検定
    • ベイズ統計学
    • 時系列解析
    • 計量経済学
    • 医薬・生物統計
  • 機械学習
    • 教師あり学習
    • 教師なし学習
    • Python
    • 深層学習
    • 自然言語処理
  • 統計検定対策
  • マーケティング
    • データ分析
    • 因果推論
  • DS Playground
  • 資料
PAGE TOP