データサイエンス

NO IMAGE 応用情報

応用情報午前 単語

応用情報の午前試験を過去問する中で気になった単語をピックアップ テクノロジ ハフマン符号 出現頻度に対して文字のビット列を最適化する。 出現頻度が高い文字は短いビット列にする。 ラフレングス符号 ex) AAABB→A3B2...
NO IMAGE 応用情報

応用情報 経営戦略 午後 用語集

応用情報技術者の午後試験の第2問に当たる「経営戦略」の過去問を解く中で気になった用語や、知らなかったら一発で失点する致命的な語句をピックアップした。 会計用語 キャッシュフロー 営業、投資、財務の各活動で現金が出たか入ったかで+か-か...
NO IMAGE 応用情報

応用情報技術者 セキュリティ午後 用語集

応用情報技術者の午後試験のセキュリティの過去問を解く中で気になった用語 試験前に見返すといいかもしれない。 直接問われたり、知らなくて詰んだ事が多いので...... あくまでも私なりの言い回しであって、不適な説明や表現のわ...
NO IMAGE 統計検定

【2015年版】統計検定準1級 論述問題 解説

問1 上の遷移図において、 $$\begin{pmatrix}a_1\\a_2\\a_3\\a_4\end{pmatrix}=\begin{pmatrix}1\\2\\3\\4\end{pmatrix}$$ の...
NO IMAGE 統計検定

【2016年】統計検定準1級 解説 短答問題

問1 変動係数 $$(変動係数)=\frac{標準偏差}{平均}$$ で表され、「平均値の何%の散らばり具合なのか」を知る指標とでも把握しておく。 $$\frac{11}{55}=\frac{1}{5}$$ ...
NO IMAGE 統計検定

【2017年】統計検定準1級 論述

問1 主成分分析 (1) 分散共分散行列の性質がわかっていればワンパン。 $$V=428.6$$ $$Cov=42.9$$ $$\rho_{x_1x_2}=0.1075$$ (2) $$第一主成分得点をz_1とする...
NO IMAGE 統計検定

【2016年】統計検定準1級 論述問題 解説

2016年 統計検定準1級 論述 解説 問1 適合度検定 (1) ポアソン分布において、 $$E=V=\lambda$$ $$1.67^2=2.7889$$ となり、平均≒分散となっていることと、発生頻度...
NO IMAGE 統計学

線形代数が苦手な人のための行列表記の正規方程式 (重回帰分析)

統計検定準1級の過去問をみていると、論述問題で2015,2016年に出ており、自分の理解の確認もかねて回帰分析について簡単に纏めなおした。 今回は正規方程式にフォーカスしている。 前半→補足→後半という構成にした。 自分が...
統計検定

【2015年】統計検定準1級 解答 短答問題

概観 難易度は2級と変わらないが、多変量解析、時系列解析、ベイズ統計の範囲が加わり、軽い積分などの計算を要するようになった感じがする。 問8の多変量正規分布の条件付き期待値だけは厳しいように感じた。 その他は問13のベイズ統計...
NO IMAGE 統計検定

【2018年】統計検定準1級 選択式問題 解説

問1 ベイズの定理 ベイズの定理に従って分解していくことも可能だが、ミスが起こりやすいので個人的には好きじゃない。 問2 期待値、分散の性質 $$E=0^2\cdot P(X_i=0)+1^2\cdot P(X_i=1...
NO IMAGE 統計検定

【2018年】統計検定準1級 論述問題 問1 解説

概観 テーマ的には共分散構造分析か......? パッと見イカツイ感じがしますが、論述問題の他の2問と比べれば問題文をなぞっていくだけで解けるので希望が持てる問題かと思っています。 なんとなーく時系列の問題のような感覚で読んで...
統計検定

統計検定準1級 傾向と出題範囲の整理

統計検定準1級を勉強していて感じていたが、出題範囲が非常に広いので、合格を考えると効率よく出題範囲を抑える必要を感じて、整理した。 過去問を漫然と解くよりも、類題をまとめて解いていったほうが知識の確認もしやすいと思い、準1級対策時に分...
統計検定

統計検定準1級対策の書籍紹介

統計検定準1級が対策しづらいのは公式テキストのせい!? 統計検定準1級は正直言って一番対策が難しいです。 2級までの様に暗記だけで乗り切るには少々範囲が広いしすべてをカバーしたテキストがない。 かといって1級の様に数学力で押し...
データサイエンス

【厳選3冊】ビジネスを見据えたデータサイエンスや統計学の入門書

統計学に立脚した高度なデータ分析のビジネスユースをかんがえたい。統計学の入門書の様なアカデミックの本はいくらでもあるけれど、ビジネスライクな応用的な本は意外と少ない。そこで、主観で3冊セレクトしてみました。
NO IMAGE データサイエンス

データサイエンスや統計学における線形代数って何なのか

端的に言えばただの記法。 結局は多変量を扱うためのスキル 実際、データを扱う場面でモデリングしたり分析したりするときはデータが1変量であることのほうが稀。 そこで、複数の数値を一括で扱える行列を使いましょう。というだけの話。 ...