QUOTES

キャラクター名セリフ集

先生と18〜19歳の学習仲間3人の印象的な会話を、キャラクターごとにピックアップしました。

白河 恭子 先生 のセリフ集 (44 発言)

ふふっ、それぞれ公式を覚えて、電卓で機械的に解けるようにしましょうね。
→ 期待値の頻出問題
あらあら、データの分布の形と尺度水準で使い分けるのが基本よ。
→ 平均・中央・最頻のどれを使うか
系統抽出は、リストの中から等間隔に選ぶ方法 (例: 100人ずつのリストから10番目、20番目…)。
→ 無作為抽出と層別抽出
たとえば『身長と数学得点』に正の相関があっても、年齢別に層別すると相関が消えることがあるの。
→ 擬似相関と層別
他にも、(1)逆因果(BがAを引き起こす)、(2)偶然の相関(サンプル数が少ない)、(3)選択バイアスなども注意が必要よ。
→ 相関と因果の違い
目安として、|r|=0.7以上で強い相関、0.4〜0.7で中程度、0.2〜0.4で弱い相関、0.2未満でほぼ無相関と解釈することが多いわ。
→ 相関の強さと符号
外れ値の影響を抑えたいなら中央値、名義尺度なら最頻値、対称分布なら平均値、と覚えるといいわ。
→ 平均・中央・最頻のどれを使うか
度数分布表の最頻値は、最も度数が多い階級の階級値で代用するわ。
→ 最頻値 (モード)
ただし精度は √n のオーダーでしか上がらないから、10倍精度を上げるには100倍のサンプルが必要、というのが統計の現実ね。
→ 標本平均の分布
たとえば靴のサイズ調査で『24.0cm が一番多い』なら最頻値は24.0よ。
→ 最頻値 (モード)
サイコロを振った時の出目をXとすれば、Xは1〜6のいずれかの値を確率1/6ずつで取る確率変数ね。
→ 確率変数
たとえば『2020年・2025年・2030年の自動車のエンジン形式の構成比』のように、年ごとの構成比の変化を見比べたい時に便利よ。
→ 帯グラフと積み上げ棒グラフ
ふふっ、選択肢で『棒グラフのY軸が0始まりじゃないのに、見た目で2倍と判断する』ような誤りには注意してね。
→ グラフの誤読問題
あらあら、本番は時間がない中で正規分布表を引くことになるから、表の引き方を10問くらいは事前に練習しておきましょうね。
→ 確率まとめ・頻出問題
母集団がどんな分布(歪んだ分布、一様分布など)でも、x̄の分布は正規分布N(μ, σ²/n)に近づくの。
→ 中心極限定理 (直感)
そして指数は、ある基準時点を100として、それ以降の値を相対表示する手法よ。
→ 時系列データの基本(変化率と指数)
試験では、選択肢に『相関が強いので因果関係があると言える』のような断定を1つ混ぜて、それが誤りと見抜けるかを問うのが鉄板なのよ。
→ 相関と因果の違い
切片を含む通常の最小二乗回帰を、式を作った同じデータで評価する範囲では 0 ≤ R² ≤ 1 と覚えましょう。
→ 決定係数の直感
一方で、視聴率調査は全世帯を計測するのは現実的でないから、関東地区では約2700世帯のパネルでその地区の視聴率を測定するのよ。
→ 標本調査と全数調査
今の3級はCBT方式(コンピュータで受験する形式)が中心だから、出題範囲や形式に合わせた対策には『CBT対応版』を併用する必要があるの。
→ 統計検定3級 過去問はどれを使う?電子書籍版とCBT対応版の使い分け完全ガイド

茶谷 結 のセリフ集 (41 発言)

ヒストグラムの形には、対称か歪んでいるか、山がいくつあるかなど、色々なパターンがあるのよ。
→ データの分布の形
グラフの誤読問題は、(1)Y軸省略、(2)対数軸の誤解、(3)割合と絶対量の混同、(4)3D歪み、の4パターンが中心ですね。
→ グラフの誤読問題
ステップ: (1)平均、(2)偏差、(3)偏差の二乗、(4)二乗の和、(5)分散(/n)、(6)√で標準偏差。
→ 平均・分散・標準偏差の手計算パターン
補足すると、たとえば身長150〜180cmのデータで作った回帰式で『身長220cmの人の体重』を予測すると、そんな極端な値で線形関係が続くとは限らないの。
→ 回帰による予測
相関係数 r = s_xy / (σx × σy) を電卓で計算するんですよね。
→ 相関係数の計算演習
AとBが排反(同時に起こらない)なら、P(A∩B)=0 だから、P(A∪B) = P(A) + P(B) と単純に足し算できるのよ。
→ 加法定理
たとえば全国調査で都市部と地方の意見をバランスよく拾いたいとき、人口比に応じて各地域から取れば偏りが減らせるのよ。
→ 無作為抽出と層別抽出
標準偏差そのものは絶対的な値だから、平均が違うとばらつきの『大きさの感覚』も変わってきちゃうの。
→ 変動係数
補足すると、毎日5問でも電卓計算を続ければ、本番では1問1分以内で解けるようになるわ。
→ 平均・分散・標準偏差の手計算パターン
二項分布 B(n, p) の期待値と分散には便利な公式があるの。
→ 二項分布の期待値・分散
補足すると、範囲は外れ値の影響をまともに受けやすいから、本格的なばらつき指標には分散を使うの。
→ 範囲と分散
グラフは便利ですが、軸の取り方や省略の仕方で印象が大きく変わってしまうんです。
→ グラフの誤読を防ぐコツ
補足すると、階級内のデータが中央付近に均等に散らばっていれば、近似はかなり正確になるわ。
→ 平均値の計算
前者は“どこへ”近づくか、後者は“どんな形で散らばるか”を言っている、と整理すると混ざらないわ。
→ 中心極限定理 (直感)
正規分布表の引き方は、(1)Zを計算、(2)P(Z≤z)を表で引く、(3)対称性で変換、(4)区間なら引き算、の4ステップですね。
→ 正規分布表の引き方
たとえば 23, 28, 35, 41, 47 のデータなら、幹2に葉3,8、幹3に葉5、幹4に葉1,7と並べるの。
→ 幹葉図・レーダーチャート
そう、累積相対度数 0.25・0.5・0.75 の階級値が、第1四分位・中央値・第3四分位の含まれる階級にそれぞれ対応するの。
→ 累積度数グラフ
電子書籍版が加わったことで、過去問演習そのものの入手性が上がった点も見逃せません。
→ 統計検定3級 過去問はどれを使う?電子書籍版とCBT対応版の使い分け完全ガイド
補足すると、目安として n ≥ 30 あれば十分よく近似できる、と言われているわ。
→ 中心極限定理 (直感)
補足すると、負の値が含まれるデータや、平均が0に近いデータには使えないので注意が必要です。
→ 変動係数

橙川 こよみ のセリフ集 (122 発言)

変化率って、対前月比とか対前年比のやつですかぁ?
→ 時系列データの基本(変化率と指数)
わぁ、じゃあ中央値はCDFが0.5になるxってことですねぇ♪
→ 累積分布関数の直感
難しそう…!
→ ベイズの定理 (基礎)
ふぇぇ…身長(cm)と体重(kg)も比べられちゃうんですかぁ?
→ データの標準化
わぁ、便利ですぅ♪
→ 度数分布表からの諸統計量
あの…標本誤差と偏りって違うものなんですかぁ?
→ 標本調査と全数調査
選挙の出口調査もそうなのぉ?
→ 母集団と標本の関係
切片 a の解釈は、ちょっと注意が必要なんですよねぇ?
→ 回帰直線の解釈
わたしは相関と因果の引っ掛けが苦手でしたぁ…『一緒に動く』だけで『原因』とは限らないんですよねぇ。
→ 2変量まとめ・読み取り問題対策
今までの度数を足していくんですねぇ♪
→ 累積度数グラフ
全パターン見えるから安心ですぅ♪
→ 樹形図・2×2表による確率整理
お店のかき氷も、暑いほど売れるけど、暑すぎる日はみんな外に出ないから逆に売れない…みたいな山なりの感じですかぁ?
→ 散布図の見方
あ、合計が100%になるときに使うんですねぇ♪
→ 棒・折れ線・円グラフ
なるほどぉ、計算できないときは数えればいいんですねぇ。
→ 確率の定義
えへへ、箱が長いとばらつきが大きくて、短いと集中してるってことですねぇ♪
→ 箱ひげ図の読み方
ふぇぇ…じゃあ実際には出ない値が、平均としては意味を持つんですねぇ。
→ 期待値の頻出問題
あれぇ? 表が1回だけのところが1/2で一番大きいのは、なんでですかぁ?
→ 確率分布
コインを2回投げた時の表の回数Xも、確率分布になるのぉ?
→ 確率分布
なんで分散だけ a の二乗になるんですかぁ?
→ データの線形変換と平均・分散
基準を変えれば、見え方が変わるんですねぇ♪
→ 時系列データの基本(変化率と指数)

墨谷 まる のセリフ集 (99 発言)

じゃあプラスマイナスの向きは分からなくなる代わりに、どれくらい説明できてるかが見えるってわけだね!
→ 決定係数の直感
要は10回じゃ偏ることもあるけど、1万回投げれば0.5に近づくってこと?
→ 大数の法則
中央値が箱の右端寄りなら左に裾が長い、左端寄りなら右に裾が長い分布だね!
→ 箱ひげ図の読み方
あ、切片 b は分散には効いてこないんだね!
→ データの線形変換と平均・分散
なるほど、円グラフを横に並べるよりずっと比べやすいじゃん!
→ 帯グラフと積み上げ棒グラフ
じゃあ観察研究のほうは?
→ 実験と観察研究
時系列データって、要は時間と一緒に変わる数値のことだよね?
→ 時系列データの基本(変化率と指数)
要は、その歪み具合を数値化したのが歪度ってこと?
→ データの分布の形
料理でたとえると、過去問集は『昔のレシピ本で腕試し』、CBT対応版は『今のお店のメニューに合わせた練習』って感じ?
→ 統計検定3級 過去問はどれを使う?電子書籍版とCBT対応版の使い分け完全ガイド
あ、年齢が上がれば身長も伸びるし、難しい問題も解けるようになるからってこと?
→ 擬似相関と層別
へぇ、ヒストグラムっぽいけど、元データも残ってるんだね!
→ 幹葉図・レーダーチャート
なるほど、階級が多すぎるとガタガタで、少なすぎると平らすぎちゃうんだね。
→ 度数分布表の作り方
残差って何のために見るの?
→ 残差の見方
えっ、どう違うの?
→ 相関と因果の違い
サイコロを2回振ったら、1回目と2回目は独立ってこと?
→ 独立性
じゃあさ、点が一直線でも、ほぼ水平に並んでたら相関は強いの?
→ 散布図と相関の読解
それは簡単だね!
→ 範囲と分散
R²が高ければ、xがyの原因だって言える?
→ 決定係数の直感
じゃあR²が1に近いほど良い回帰モデルってこと?
→ 決定係数の直感
なんで σ を μ で割るの?
→ 変動係数