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
    • 統計学基礎
    • ベイズ
  • 機械学習
  • 統計検定対策
  • 大学の試験対策
  • マーケティング
  • DS Playground
  • 資料

正規分布

  1. HOME
  2. 正規分布
確率密度関数とは?確率質量関数との違いも解説
02/25/2025 / 最終更新日時 : 03/15/2025 bluest 大学数学

確率密度関数とは?確率質量関数との違いも解説

1. 確率密度関数とは? 確率密度関数(PDF)は、ある範囲内で確率変数がどのように分布するかを表す関数です。 確率密度関数の値自体は「確率」を直接示すものではなく、ある区間内に確率変数が収まる確率は、確率密度関数をその […]

統計的なサンプルサイズ設計の手引き
01/10/2025 / 最終更新日時 : 01/11/2025 bluest マーケティング

サンプルサイズ設計のガイド:基礎理論と実践をわかりやすく

1. はじめに サンプルサイズ設計は、研究・調査・実験計画(例えばCMの効果を測りたいマーケティング検証、アプリのUX改善のためのABテストなど)において重要なプロセスです。 そもそも、サンプルサイズを設定しようという背 […]

統計検定3級の徹底攻略
11/02/2024 / 最終更新日時 : 01/13/2025 bluest 大学数学

統計検定3級|合格率や出題範囲、勉強法を徹底解説【2025年最新版】

統計検定3級とは? 統計検定3級は、統計学の基礎知識を評価するために設けられた重要な資格試験で、データを適切に扱う能力や、統計学の基本的な概念を理解していることを証明することを目的としています。 1級からさまざまなレベル […]

統計検定2級の完全ガイド
08/31/2024 / 最終更新日時 : 05/03/2025 bluest 大学数学

統計検定2級の難易度と範囲を徹底解説【2025年最新版】

統計検定2級とは? 統計検定2級は、統計の基礎を理解し、実務に活かすためのスキルを認定する試験です。 近年データサイエンスや生成AI等の盛り上がりもあり、G検定と並んで注目度が上がってきましたね。 ただ、簡単に取得できる […]

母比率の差の検定を正しく理解する
08/03/2024 / 最終更新日時 : 01/10/2025 bluest 大学数学

【統計検定でも頻出】母比率の差の検定と具体例

こんにちは、青の統計学です! 今回は、母比率の差の検定 について解説します。 母平均や母分散の検定については、こちらの記事をご覧ください。 青の統計学では、noteで統計検定やG検定に関するチートシートを掲載しております […]

母平均の区間推定と検定
07/21/2024 / 最終更新日時 : 08/03/2024 bluest 大学数学

母平均の区間推定と検定 – 正規分布と標準誤差の概念

こんにちは、青の統計学です! 今回は、母平均の区間推定と検定 について解説します 統計検定2級で頻出の分野ですので、分散が未知、既知の場合も含めてぜひ押さえて欲しいです。 母比率の検定についてはこちらをどうぞ 青の統計学 […]

F検定の使い方と数学的背景をわかりやすく解説する
07/14/2024 / 最終更新日時 : 02/09/2025 bluest 大学数学

F検定とは?F分布も含めてわかりやすく解説|分散分析

1. F検定の概要とその重要性 1.1 F検定とは? F検定は、2つ以上の母集団の分散の比を統計的に検定するための手法です。具体的には、2群の分散が等しいかどうか、または複数の群間で平均値に有意な差があるか(分散分析:A […]

多変量正規分布についてわかりやすく解説する
07/09/2024 / 最終更新日時 : 01/10/2025 bluest 大学数学

多変量正規分布の確率密度関数と主な性質を解説|機械学習・統計学の基礎

こんにちは、青の統計学です! 今回は、多変量正規分布 について解説します。機械学習、統計的推論で幅広く利用される基礎的な分布ですので、数学的背景も踏まえて、理解が深まる構成にしているのでぜひ最後までご覧ください。 青の統 […]

01/08/2023 / 最終更新日時 : 01/10/2025 bluest 大学数学

【統計検定】フィッシャー情報量とクラメール・ラオの不等式について解説|python

こんにちは、青の統計学です。 今回は、正規分布を例に取って、フィッシャー情報量とクラメール・ラオの不等式について深掘りできればと思います。 統計検定準一級の試験範囲にもなっておりますので、この機会に是非理解していきましょ […]

ロジスティック分布とは?シグモイド関数との関わりも解説
11/27/2022 / 最終更新日時 : 01/29/2025 bluest 大学数学

ロジスティック分布とは?シグモイド関数との関わりも解説

1. ロジスティック分布の定義と基本性質 「ロジスティック回帰」「シグモイド関数」といったキーワードを聞くと、0 から 1 までの連続値を確率のように扱うイメージを持つ方が多いかもしれません。 たとえば「あるメールがスパ […]

コーシー分布とは?わかりやすく解説
06/29/2022 / 最終更新日時 : 01/19/2025 bluest 大学数学

コーシー分布とは?わかりやすく解説

1. コーシー分布とは?ざっくり解説 はじめに、コーシー分布は「重い裾(fat-tail)を持つ分布」として知られ、平均や分散が定義できないという面白い特徴を持っています。 確率論を学ぶと真っ先に登場する正規分布とは異な […]

対数正規分布とは?ビジネスで使える便利な確率分布
06/29/2022 / 最終更新日時 : 01/19/2025 bluest マーケティング

対数正規分布とは?ビジネスで使える便利な確率分布

1. 対数正規分布とは? まず、抑えて欲しいのが 対数正規分布は、「ある変数 ${X}$ の対数 ${\ln(X)}$が正規分布に従う」ときに、変数${X}$そのものが従う分布のことです。より具体的には、確率変数${X} […]

混合ガウス分布とは?図解しながらわかりやすく解説
06/28/2022 / 最終更新日時 : 02/08/2025 bluest ベイズ

混合ガウス分布とは?わかりやすく解説

はじめに 正規分布(ガウス分布)は、統計学や機械学習における基本的な確率分布であり、データが平均を中心に左右対称に分布する特徴を持ちます。この分布を拡張したもの混合ガウス分布(Gaussian Mixture Model […]

等分散の仮定をした2標本検定について解説する
06/28/2022 / 最終更新日時 : 09/22/2024 bluest 統計学基礎

【等分散の仮定編】2標本問題をわかりやすく解説|推定と検定

こんにちは、青の統計学です。 今回は、2標本問題について扱います。 確率変数が2つ登場するため難しいですが、応用上用いられることが多いのが「2標本問題」です。 中でも今回は、二つの確率変数が同一の分散であると仮定した「等 […]

正規分布をわかりやすく解説【青の統計学】
06/04/2022 / 最終更新日時 : 02/08/2025 bluest 大学数学

正規分布とは?図解と合わせわかりやすく解説

こんにちは、青の統計学です。 二項分布やポアソン分布のようなカウントデータを扱う離散分布の他に、連続データを扱う連続分布があります。 今回は、連続分布の代表格である「正規分布」について扱います。 確率密度に関する例題とと […]

t検定についてわかりやすく解説【青の統計学】
05/17/2022 / 最終更新日時 : 01/29/2025 bluest マーケティング

【t検定】t統計量(t値)の求め方

t統計量(t value)について t統計量とは、t検定で使う検定統計量のことです。 t統計量は、回帰分析や仮説検定において重要な役割を果たす検定統計量です。特に、回帰係数の統計的有意性を評価する際に用いられます。 統計 […]

人気記事

統計検定2級の完全ガイド
統計検定3級の徹底攻略

Udemy

バナー広告

新サービス

青の統計学|X

Update Contents

統計検定2級の完全ガイド
統計検定2級の難易度と範囲を徹底解説【2025年最新版】
05/03/2025
自己組織化マップとは?データの視覚的探索と次元削減の手法
自己組織化マップとは?データの視覚的探索と次元削減の手法
03/18/2025
階層型クラスタリング徹底比較|ウォード法・最短距離法などの使い分け
階層型クラスタリング徹底比較|ウォード法・最短距離法などの使い分け
03/18/2025
k-medoidsとは?k-meansとの違いをわかりやすく解説
k-medoidsとは?k-meansとの違いをわかりやすく解説
03/18/2025
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
【完全ガイド】k-means法とは?周辺のクラスタリング手法と比較
【完全ガイド】k-means法とは?周辺のクラスタリング手法と比較
03/15/2025
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
03/15/2025
多重共線性を正しく理解する
【完全攻略】多重共線性をわかりやすく解説
02/20/2025
パレートの法則についてわかりやすく解説
パレートの法則についてわかりやすく解説
02/12/2025

New Contents

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
効果量とは?サンプルサイズ設計を実務で使うには
効果量とは?サンプルサイズ設計を実務で使うには
02/03/2025
統計的なサンプルサイズ設計の手引き
サンプルサイズ設計のガイド:基礎理論と実践をわかりやすく
01/10/2025
グラフニューラルネットワークの基礎と応用事例
グラフニューラルネットワークの基礎と応用事例
01/08/2025
パレートの法則についてわかりやすく解説
パレートの法則についてわかりやすく解説
01/07/2025
負の二項分布を実験に活かした具体例
負の二項分布をわかりやすく解説
01/04/2025
ベイズ因子をABテストに使ってみる
ベイズ因子とは?──定義と直感的解釈
01/01/2025
マーケティングミックスモデリング(MMM)について理解
【完全版】MMMを課題設定から考える|Google Meridian
12/26/2024

Tag Cloud

AIC 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 ブートストラップ法 ポアソン分布 マルコフ連鎖 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 共分散 再生性 分散分析 回帰分析 固定効果 多重共線性 尤度比検定 尤度関数 層化抽出法 幾何分布 指数分布 最小二乗法 最尤法 標準偏差 標準誤差 正規分布 決定木 深層学習 相関係数

Recent

統計検定2級の完全ガイド
統計検定2級の難易度と範囲を徹底解説【2025年最新版】
05/03/2025
自己組織化マップとは?データの視覚的探索と次元削減の手法
自己組織化マップとは?データの視覚的探索と次元削減の手法
03/18/2025
階層型クラスタリング徹底比較|ウォード法・最短距離法などの使い分け
階層型クラスタリング徹底比較|ウォード法・最短距離法などの使い分け
03/18/2025
k-medoidsとは?k-meansとの違いをわかりやすく解説
k-medoidsとは?k-meansとの違いをわかりやすく解説
03/18/2025
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
【完全ガイド】k-means法とは?周辺のクラスタリング手法と比較
【完全ガイド】k-means法とは?周辺のクラスタリング手法と比較
03/15/2025
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
03/15/2025
多重共線性を正しく理解する
【完全攻略】多重共線性をわかりやすく解説
02/20/2025
パレートの法則についてわかりやすく解説
パレートの法則についてわかりやすく解説
02/12/2025

サイトマップはこちら

青の統計学|Follow Me!

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
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
  • 大学の試験対策
  • 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
    • 統計学基礎
    • ベイズ
  • 機械学習
  • 統計検定対策
  • 大学の試験対策
  • マーケティング
  • DS Playground
  • 資料
PAGE TOP