文科と理科両方の学生のために，統計的なものの考え方の基礎をやさしく解説するとともに，統計学の体系的な知識を与えるように，編集・執筆された．豊富な実際例を用いつつ，図表を多くとり入れ，視覚的にもわかりやすく親しみながら学べるよう配慮した． 第1章 統計学の基礎（中井検裕，縄田和満，松原 望） 第2章 1次元のデータ（中井検裕） 第3章 2次元のデータ（中井研裕，松原 望） 第4章 確率（縄田和満，松原 望） 第5章 確率変数（松原 望） 第6章 確率分布（松原 望） 第7章 多次元の確率分布（松原 望） 第8章 大数の法則と中心極限定理（中井検裕） 第9章 標本分布（縄田和満） 第10章 正規分布からの標本（縄田和満） 第11章 推定（縄田和満） 第12章 仮説検定（縄田和満，松原 望） 第13章 回帰分析（縄田和満） 統計数値表 練習問題の解答

この書籍は、数学が苦手な人でも理解できるように、統計学の基礎知識を丁寧に解説した入門書です。練習問題を通じて統計学のエッセンスを身につけられるワークブックで、内容は統計学の基本概念から始まり、標本分布、確率分布、仮説検定、相関分析、回帰分析などのテーマを扱っています。学習を通じて考える力を養うことを重視しています。

本書では、統計学があらゆる学問の中で最強である理由を解説し、現代社会におけるその重要性や影響力を最新の事例を通じて探求しています。著者は、統計学の基本概念や手法（サンプリング、誤差、因果関係、ランダム化など）を紹介し、統計学の魅力とパワフルさを伝えます。著者は東京大学出身の専門家で、データを活用した社会イノベーションに取り組んでいます。

データ分析と機械学習のための新しい教科書

この書籍は、統計学の基本を体系的に学べる内容で、初心者から統計学全般を理解したい人に適しています。公式の背後にある分析の考え方を重視し、例題や演習問題を通じて知識を深めることができます。第2版では、確率や仮説検定の内容が強化され、多変量解析やベイズ統計学の理論も追加されています。著者は千葉大学の教授で、農業経営や消費者行動分析の専門家です。

この書籍は、数理統計学の基礎概念と理論を数学的かつ言葉で丁寧に解説した新装改訂版です。新たに40題の練習問題が追加され、解答例はサポートサイトで提供されます。統計検定®1級試験の学習にも適しており、幅広い話題を統一的な視点で理解できる内容となっています。著者は竹村彰通で、経済学やデータサイエンスの専門家です。

この書籍は、数理モデルを用いて現象を理解するための基本的な統計モデルの考え方を、章ごとに異なる例題を通じて解説しています。前半では一般化線形モデル（GLM）の基礎を紹介し、後半では階層ベイズモデル化の手法をRとWinBUGSを用いて具体的に説明します。著者は久保拓弥氏で、生態学のデータ解析に関する統計学的方法を研究しています。

本書は確率についての基礎から応用までを扱っています。第1部では確率の定義や複数の確率変数、確率分布について説明し、第2部では推定や検定、擬似乱数の活用法を紹介しています。付録には数学の基礎事項や確率論の補足が含まれています。著者は数理工学の専門家で、機械学習や脳科学の研究に従事しています。

この書籍は、マーケティング調査や金融リスク、株・為替のボラティリティ、選挙の出口調査など、さまざまな分野でのデータ分析の基礎を解説しています。内容は、標準偏差や検定、区間推定などの基本的な統計手法から、観測データを用いた母集団の推定方法まで幅広くカバーしています。著者は帝京大学の助教授で、数理経済学を専門とする小島寛之氏です。

本書は、統計解析の基礎手法を幅広く解説した入門書であり、統計解析の全体像を把握することができます。目次には、データ整理、分布と期待値、検定・推定の考え方、分散分析、相関分析、回帰分析などが含まれています。

この書籍は、ベイズ統計の基本とその応用方法を、統計の基礎知識がない人にもわかりやすく解説しています。柔軟な事前確率を用いることで、あいまいな人間の経験則を取り入れ、実用的な情報を導き出すことができると説明されています。目次には、ベイズの定理や応用、MCMC法、階層ベイズ法などが含まれています。著者は涌井良幸で、数学教育と統計学の研究に取り組んでいます。

本書は、ビジネスにおけるベイズ統計学の基本をわかりやすく解説した入門書です。中学数学の知識がなくても理解できるように工夫されており、特にIT業界や統計に興味があるビジネスパーソンに最適です。内容は、ベイズ推定の使い方や確率論の基礎、確率分布などを含み、実用的な視点から未来を予測するための統計学を学べます。著者は帝京大学の教授、小島寛之氏です。

この文章は、永田靖著の書籍の目次と著者情報を紹介しています。書籍は3部構成で、基礎と1変数関数の微積分、線形代数、多変数関数の微積分について解説しています。著者は1957年生まれで、早稲田大学で教授を務めています。

本書は最適化手法についての入門書であり、経営学やオペレーションズリサーチだけでなく、統計的最適化や機械学習の話題も扱っています。計算機技術の進歩により、複雑な最適化問題が解決可能になった背景を踏まえ、各手法の原理や数学的背景を詳しく解説しています。内容は例題を多く用いて分かりやすく、関連する話題や注意点も随所に挿入されています。目次には数学的準備、関数の極値、最適化手法、最小二乗法、統計的最適化、線形・非線形計画法、動的計画法が含まれています。著者は岡山大学の金谷健一教授です。

この書籍は、地域密着型アウトドアショップがデジタルマーケティングを活用して業績を向上させるストーリーを通じて、デジタルマーケティングの基礎を学ぶ内容です。デジタル化を成功させるための条件や、重要な要素（MEO・SEO、データ分析、ECサイト構築、SNS活用など）が解説されています。著者は上野佑馬で、データ分析やデジタルマーケティングの専門家です。

本書は、欠測データの解析における多重代入法の実用的な手法を解説しています。従来の書籍では理論中心でしたが、本書では具体的な応用事例や手順を示し、社会科学の分析手法（t検定、重回帰分析、ロジスティック回帰分析など）における欠測データ処理を詳述しています。Rコードと実データを用いて、読者が実際に手順を再現しながら学ぶことができるようになっています。著者は、統計科学や不完全データ処理法の専門家です。

「統計検定準1級試験対応公式テキスト」は、統計学と機械学習の幅広いトピックをカバーし、実践的な例題を通じて学べる内容です。頻出項目に重点を置き、各トピックについて解説と例題が提供されています。統計的手法の辞典としても活用できる一冊です。目次には、確率、分布、統計的推定、検定法、回帰分析、多変量解析、時系列解析など、幅広いテーマが含まれています。

統計ソフトが行なっている推定・検定の背景の理論を知りたい。推定・検定を仕事で使っているけれど、結論の意味していることが実は理解できていない。そんな、文系・理系出身者の方々に向け、推定・検定の背景にある原理を難しい数式や確率変数の概念を使わずに図像を用いてわかりやすく説明しています(第1章)。 第1章 (相対度数分布グラフ 平均、分散・標準偏差 サンプルXの相対度数分布グラフ 正規分布 推定の考え方 検定の考え方) 第2章 (確率変数 二項分布 推定の応用 検定の応用 χ2分布、t分布、F分布) 第3章 (2変量の統計)

現代数理統計学の基礎

本書は、回帰分析、重回帰分析、ロジスティック回帰分析について解説しており、基礎知識から実践的な計算方法までをカバーしています。著者は高橋信氏で、統計学を基にした情報サービス業に従事しています。

初歩から段階を踏み解説。難しい箇所には印を付し、目的に合わせた学習ができる。新たにデータ・サイエンスとの関連の章を新設。 長年好評を博してきた，信頼の厚い定番テキスト。初歩から段階を踏んで解説。やや難しい箇所には印を付し，目的に合わせた学習ができる。練習問題も充実している。近年の動向に合わせて，新たにデータ・サイエンスとの関連を説明する章を設けた最新版。 序　章　不確かさの時代に向き合う基本統計学 第１章　平均値と分散 第２章　度数分布 第３章　回帰と相関の分析 第４章　確　率 第５章　確率変数と確率分布 第６章　主な確率分布 第７章　標本分布 第８章　推　定 第９章　検　定 第10章　回帰の推測統計理論 終　章　統計学の歴史，因果関係分析，データ・サイエンス

本書は、多変量解析法の入門書であり、統計的方法を習得した人を対象に、簡単な例を用いて理論を2次行列で解説しています。主要な内容には、単回帰分析、重回帰分析、主成分分析、クラスター分析などが含まれています。著者は早稲田大学の教授で、統計学に関する多くの著作があります。

この入門書は、パターン認識について基礎からわかりやすく解説しており、特にRを用いた実行例が含まれているため、実際の応用にも役立ちます。内容は識別規則や学習法、ベイズの識別規則、k最近傍法、サポートベクトルマシンなど多岐にわたり、最後には識別器の性能強化についても触れています。著者は筑波大学の名誉教授、平井有三氏です。

本書は、近年注目されている統計モデリングについて解説しており、特にフリーソフトのStanを用いた実践的なアプローチを提供しています。Stanは高い記述力を持ち、階層モデルや状態空間モデルを簡単に記述できるため、データ解析に非常に有効です。著者は、ベイズ統計の理解を深めるための実践的な内容を重視し、StanとRを通じて統計モデリングの考え方を学ぶことができるとしています。目次には導入編、入門編、発展編があり、幅広いテーマを扱っています。著者は統計モデリングやデータサイエンスの専門家です。

本書は、統計学の基礎から応用までを扱った内容で、基礎編ではR言語を用いた記述統計や統計的仮説検定について解説し、応用編ではベクトルや行列、データフレーム、外れ値の影響などを取り上げています。著者は、教育心理学を専門とする学者たちで、各自が教育機関での実績を持っています。

この書籍は、データ分析における視点を磨き、質の高い研究を行うためのガイドです。内容は、無作為性や統計的推測、研究デザイン、データ解析の基礎について解説しています。目次は基礎編とアラカルト編に分かれ、平均値や頻度、イベント発生時間の比較方法も取り上げています。著者は丹後俊郎氏で、医学統計学の専門家です。

この書籍は、時系列分析の基礎から応用までを詳しく解説しています。内容は、時系列分析の基礎概念、ARMA過程、予測手法、VARモデル、単位根過程、見せかけの回帰と共和分、GARCHモデル、状態変化を伴うモデルに分かれています。著者の沖本竜義は、経済学と統計学の専門家であり、実データへの応用に必要な知識を提供しています。

本書では、一般的に信じられている通説（例：健診で健康になる、テレビが学力を下げる、偏差値の高い大学が収入を上げる）が経済学の研究によって否定される理由を解説しています。著者は「因果推論」の手法を用い、数式なしでわかりやすく説明することで、根拠のない通説にだまされない力を養うことを目指しています。各章では、様々な因果関係を証明する方法（ランダム化比較試験、自然実験、差の差分析など）を紹介しています。

この文章は、異常検知に関する書籍の目次と著者情報を紹介しています。目次では、異常検知の基本から正規分布や非正規データ、性能評価、次元削減、入力・出力データ、時系列データに関する異常検知までの各トピックが列挙されています。著者の井手剛は、機械工学と物理学の学位を持ち、IBMでの研究経験があります。

確率編

本書『ビッグデータの正体』は、ビッグデータが私たちの生活や仕事、意識に与える影響を探る内容で、企業がどのように新たな価値を創造し、人々が物事の認知をどう変えるべきかを示しています。具体的には、グーグルやアマゾンのデータ活用法、電子書籍の進化、映画産業の予測能力などを例に挙げ、ビッグデータがもたらす変化を論じています。また、データの量が質を凌駕する時代や、因果関係から相関関係へのシフトについても触れています。著者はビッグデータの専門家であり、この分野の重要性を強調しています。

この書籍は、バイオサイエンス領域における統計検定法を解説した手引書です。基本概念から正しい使い方を身近な例を通じて学べる内容で、カラー図や漫画を用いたビジュアルが特徴です。初学者から上級者まで、レベルに応じた読み方が可能です。目次には、統計学の序説、検定の原理、さまざまな群の差の検定、回帰と相関、統計の利用と解釈についての項目が含まれています。

【数研講座シリーズの特徴】多くの学生の声から生まれた，丁寧な解説でわかりやすい今までにない大学教材。既刊と同様，以下の趣旨を引き継いでいる。POINT.1高校の教科書・参考書とおなじようなレイアウトを採用している。POINT.2内容は厳密さを重視。大学の統計学の講座で学ぶ主な内容を扱っている。POINT.3独習ができるようにしっかりと丁寧に書かれているので，オンライン講義で教員が居なくても不安なく読書を進められる。【教科書の特徴】■統計学の知識を用いて行う推定→検定の流れを段階ごとに解説している。■推定→検定の段階には，観察で得たデータをもとにデータからわかることについて仮説を立てる，データを整理しデータの特徴を 把握する，立てた仮説を数式を用いてモデル化する，そのモデルの正確性を見極める，モデルから検定を行うがある。章ごとに，これらについて詳しく解説している。■推定や検定には，大学で同時に学習する微分積分学や高校数学の復習の知識が必要不可欠である。これらについても必要に応じてその場で説明を加えている。■統計学は，純粋数学の教科書の展開である定義→定理(命題)の明示→その証明という流れとはと異なる独特の展開で解説される。■独特の展開の例　a 定義を用語として明示している。　b 定理(命題)の証明は重要であるが，統計学では，現実の数値が適応される実例で雰囲気を掴むことが重要であるので，例示が多くなっている。　c 例示の展開に倣う（慣れる）ことで，一般的な展開についても同時に読み取ることが可能である。■統計学を扱う専門書うち，一つの演習問題に対して，これほど詳説されたものは多くない。※多くの類書では，「～分布の確率を求めよ」のようにパターン的な問題が多く扱われている（本書では，これらの問題も扱う）。しかし，そのパターンの前にある根本的な計算に立ち返り，詳しい計算展開を示している。■教科書の問題についてそれを扱う例題で詳解すること，教科書にない問題についても例題化し詳解することで，教科書とチャートの相互補完を行い，２冊合わせて学習することで，理解の相乗効果を得られるように配慮している。 第0章　統計学を学ぶに当たって 第1章　標本とデータ 第2章　クロスセクショナルなデータのための記述統計 第3章　確率論の概要 第4章　モデルとパラメータの推定 第5章　統計的仮説検定

自然科学・工学・医学等への応用をめざしつつ，さまざまな統計学的考え方を紹介し，その基礎をわかりやすく解説する．シリーズIと同様に，豊富に実際例を用いつつ，図表を多くとり入れて，視覚的にもわかりやすく統計学を親しみながら学べるよう編集した． 第1章　確率の基礎（矢島美寛） 第2章　線形モデルと最小二乗法（廣津千尋） 第3章　実験データの分析（藤野和建） 第4章　最尤法（廣津千尋） 第5章　適合度検定（廣津千尋） 第6章　検定と標本の大きさ（竹村彰通） 第7章　分布の仮定（竹内 啓，藤野和建） 第8章　質的データの統計的分析（縄田和満） 第9章　ベイズ決定（松原 望） 第10章　確率過程の基礎（矢島美寛） 第11章　乱数の性質（伏見正則）

Now in its third edition, this classic book is widely considered the leading text on Bayesian methods, lauded for its accessible, practical approach to analyzing data and solving research problems. Bayesian Data Analysis, Third Edition continues to take an applied approach to analysis using up-to-date Bayesian methods. The authors-all leaders in the statistics community-introduce basic concepts from a data-analytic perspective before presenting advanced methods. Throughout the text, numerous worked examples drawn from real applications and research emphasize the use of Bayesian inference in practice. New to the Third Edition Four new chapters on nonparametric modeling Coverage of weakly informative priors and boundary-avoiding priors Updated discussion of cross-validation and predictive information criteria Improved convergence monitoring and effective sample size calculations for iterative simulation Presentations of Hamiltonian Monte Carlo, variational Bayes, and expectation propagation New and revised software code The book can be used in three different ways. For undergraduate students, it introduces Bayesian inference starting from first principles. For graduate students, the text presents effective current approaches to Bayesian modeling and computation in statistics and related fields. For researchers, it provides an assortment of Bayesian methods in applied statistics. Additional materials, including data sets used in the examples, solutions to selected exercises, and software instructions, are available on the book's web page. FUNDAMENTALS OF BAYESIAN INFERENCE Probability and Inference Single-Parameter Models Introduction to Multiparameter Models Asymptotics and Connections to Non-Bayesian Approaches Hierarchical Models FUNDAMENTALS OF BAYESIAN DATA ANALYSIS Model Checking Evaluating, Comparing, and Expanding Models Modeling Accounting for Data Collection Decision Analysis ADVANCED COMPUTATION Introduction to Bayesian Computation Basics of Markov Chain Simulation Computationally Efficient Markov Chain Simulation Modal and Distributional Approximations REGRESSION MODELS Introduction to Regression Models Hierarchical Linear Models Generalized Linear Models Models for Robust Inference Models for Missing Data NONLINEAR AND NONPARAMETRIC MODELS Parametric Nonlinear Models Basic Function Models Gaussian Process Models Finite Mixture Models Dirichlet Process Models APPENDICES A: Standard Probability Distributions B: Outline of Proofs of Asymptotic Theorems C: Computation in R and Stan Bibliographic Notes and Exercises appear at the end of each chapter.

本書は、ビジネスにおけるデータ分析の重要性とそのバイアスを取り除くための手法を解説しています。特に、意思決定に影響を与えるデータの生成過程におけるバイアスの存在を指摘し、単純な比較が誤った結論を導く可能性について警鐘を鳴らします。著者は、RCT（ランダム化比較試験）を理想的な分析手法として紹介し、RCTが実施できない場合でも因果推論を用いて効果的な分析が可能であることを説明します。目次には、セレクションバイアスや回帰分析、傾向スコア、差分の差分法などの具体的な手法が含まれています。著者は経済学の専門家で、データサイエンスの分野でも活躍しています。

この書籍は、R言語を用いたデータ解析の入門書で、進化し続けるRの機能を活用する方法を紹介しています。初版以来、多くのRユーザーに支持されてきたロングセラーで、第2版では深層学習やネットワーク分析など新たな内容が追加されています。データマイニングの基礎から始まり、主成分分析やクラスター分析、ニューラルネットワークなど多岐にわたる分析手法を学ぶことができます。著者は金明哲で、統計科学の専門家です。

初学者のための統計学のテキスト．豊富な図を用いて，統計学を学ぶ動機づけから，社会や経済への応用までを丁寧に説明．数学と統計ソフトについてもやさしく解説．著者たちの長年にわたる講義でのノウハウが詰まった，生きた学問としての「統計学」を学ぶための最適の書． はしがき 第1章　統計学とその役割 　1.1　データは語る 　1.2　統計の役割 第I部 基礎事項 第2章　分布の特徴を探る 　2.1　分布の特徴 　2.2　分布の中心 　2.3　分布の散らばり 　2.4　データの標準化と歪度，尖度 　2.5　発展的事項 　【問　題】 第3章　度数分布から不平等度を測る 　3.1　度数分布とヒストグラム 　3.2　ローレンツ曲線とジニ係数 　3.3　ローレンツ曲線の例 　3.4　発展的事項 　【問　題】 第4章　変数間の関係性をみる 　4.1　相関 　4.2　回帰 　4.3　偏相関 　4.4　発展的事項 　【問　題】 第II部 確　率 第5章　確率の基礎 　5.1　確率と事象 　5.2　条件付き確率と事象の独立性 　5.3　発展的事項 　【問　題】 第6章　確率分布と期待値 　6.1　離散確率変数と確率関数 　6.2　連続確率変数と確率密度関数 　6.3　確率分布の平均と分散 　6.4　確率変数の標準化と変数変換 　6.5　発展的事項 　【問　題】 第7章　代表的な確率分布 　7.1　離散確率分布 　7.2　連続分布 　7.3　発展的事項 　【問　題】 第8章　多変数の確率分布 　8.1　同時確率分布と周辺分布 　8.2　期待値，共分散，相関 　8.3　2つ以上の確率変数の分布 　8.4　発展的事項 　【問　題】 第III部 統計的推測 第9章　ランダム標本と標本分布 　9.1　標本と統計量 　9.2　標本平均の性質 　9.3　標本平均の分布 　9.4　代表的な統計量の性質 　9.5　正規母集団の代表的な標本分布 　9.6　発展的事項 　【問　題】 第10章　推定 　10.1　点推定 　10.2　最尤法とモーメント法 　10.3　平均2乗誤差による評価 　10.4　区間推定 　10.5　発展的事項 　【問　題】 第11章　仮説検定 　11.1　仮説検定の考え方 　11.2　正規母集団に関する検定 　11.3　近似分布に基づいた検定 　11.4　カイ2乗適合度検定 　11.5　発展的事項 　【問　題】 第12章　回帰分析 　12.1　単回帰モデル 　12.2　決定係数と残差分析 　12.3　重回帰モデル 　12.4　分散分析 　12.5　ロジスティック回帰モデル 　12.6　発展的事項 第IV部 社会・経済・時系列データ 第13章　経済・社会データと統計分析 　13.1　有限母集団と標本調査 　13.2　時系列データ 　13.3　経済指数の利用 第14章　時系列の統計分析 　14.1　時系列データと統計モデル 　14.2　自己回帰移動平均モデル 　14.3　発展的事項 　【問　題】 　時系列データの実習 付録1　統計計算ソフトウェア (1)R入門 (2)エクセル入門 付録2　数学の基礎知識 (1)基本事項 (2)微分積分 (3)行列と行列式 付　表 1．正規分布表（正規分布の上側確率） 2．t分布のパーセント点 3．カイ2乗分布のパーセント点 4．F分布のパーセント点 参考文献／あとがき／索引／著者紹介 STATISTICS Tatsuya KUBOKAWA and Naoto KUNITOMO

本書は「統計モデリングの世界」への入門書で、統計、確率、ベイズ推論、MCMCの基本をチュートリアル形式で学べる内容です。RやStanを用いたデータ分析の基礎から、一般化線形モデルや一般化線形混合モデル、状態空間モデルまでを体系的に解説しています。データサイエンスを学ぶ大学生やエンジニア向けの実践的なシリーズの一環として、すぐに実践できるスキルを身につけることができます。

この書籍は、RとPythonの両方を学べるデータサイエンスの入門書です。プログラミング経験がなくても理解できるように、データサイエンスの基礎や環境構築について詳しく解説しています。内容は、データサイエンスの準備、機械学習の手法（回帰、分類、深層学習など）に分かれており、実践的なサンプルコードも提供されています。著者は東京大学と千葉工業大学の教授で、情報処理技術者試験委員を務めています。

本書『Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2, 3rd Edition』は、機械学習の理論とPythonによる実践を解説するベストセラーの第3版です。分類、回帰、深層学習、強化学習など幅広いトピックをカバーし、最新のPythonライブラリに対応しています。特に、敵対的生成ネットワークと強化学習の新章を追加し、従来の内容を刷新しました。機械学習の理解を深めるための実用的な一冊です。

本書は、データ分析に必要な知識を包括的に解説した教科書で、分析手法だけでなく、データの質や解釈方法にも焦点を当てています。実践的なデータの扱いや心理学的バイアス、サンプリング方法、数理モデリングのポイントなどを幅広くカバーし、数学に自信のない読者でも理解できるよう工夫されています。データサイエンティストや研究者、ビジネスマンにとって有益な内容で、興味深い事例も豊富に紹介されています。著者は東京大学の特任講師で、さまざまな分野の問題に取り組んでいます。

序章 知っておきたい基礎知識 第1章 確率 第2章 確率分布と期待値 第3章 主な確率分布 第4章 時と共に変化する確率変数 第5章 統計学の基本的な考え方と準備 第6章 推定 第7章 検定 第8章 最小2乗法による回帰分析 第9章 最尤推定法

統計編

分割表・回帰分析・ロジスティック回帰

この書籍は、データサイエンスにおける統計学と機械学習の52の基本概念を簡潔に説明し、必要な数式やグラフ、RとPythonのコードを提供します。データの分類、分析、モデル化、予測において、統計学の重要な要素を明確にし、効率的に学ぶことができます。改訂版ではPythonにも対応し、コードはGitHubからダウンロード可能です。著者はデータサイエンスの専門家であり、幅広い経験を持っています。

2012年初版の全面改訂版。検定・推定の原理を理解した上でデータをソフトで解析でき、その結果を解釈できるようになる一冊。 2012年初版の全面改訂版。検定・推定の原理を理解した上で、与えられたデータをソフトで解析でき、その結果を解釈できるようになる一冊。 2012年初版のロングセラーを大幅にリニューアル！ 20世紀初頭、統計学は確率論と結びついて、現象を解析する手法を編み出しました。その手法が、農場試験場で開発された「検定」です。「検定」は、私たちが観察した結果が偶然に起こったのか、それとも何か特定のパターンやメカニズムが働いているのかを判断するための手段です。本書の目的の一つは「検定」の原理を理解し、与えられたデータをソフトで解析でき、その結果を解釈できるようになることです。 1章では、検定・推定の原理の理解、検定・推定における前提と結論の解釈に重点をおいて改訂を行いました。2章では、オーソドックスに数学的な準備をしてから、検定・推定の細かな論理的展開を追っていきます。