統計の基礎
平均・分散・標準偏差・正規分布といった、統計を学ぶうえで最初に押さえる考え方をまとめています。仮説検定や信頼区間の話もここに含みます。数字の背後にある「ばらつき」を読めるようになることが目標です。
-
FOBOとは？｜仕事が不要になる不安、米就業者の27%で過去最高
FOBOとは、技術の進歩で自分の仕事や技能が不要になるのではないかという不安です。身近な仕事の例から意味を説明し、米国調査の27%を読む際の注意点と、仕事を作業ごとに分けて考える方法を紹介します。
2026年10月1日
-
ブレインフライとは？｜米調査でAI利用者の14%が自己申告した頭の疲れ
ブレインフライは、AIの使用や出力の監視に伴う精神的疲労を表す言葉で、医学的な診断名ではありません。複数のAIの出力を確認する例から、米国調査の14%の注意点と、作業量・確認時間・休憩の見直しを考えます。
2026年9月28日
-
認知的降伏とは？｜AIの答えを確かめず、自分の判断にしてしまう状態
認知的降伏とは、AIの答えを吟味せず、自分の判断として受け入れる状態です。自分の見立てを確かめずに変える例から意味を整理し、自信と正しさを分ける確認方法、査読前研究の結果と限界を紹介します。
2026年9月26日
-
ミススキリングとは？｜AIの誤りを覚えてしまうリスクと防ぎ方
ミススキリングとは、AIの誤りを正しい知識として覚え、後の判断でも使い続けてしまうことです。統計手法の条件を誤って覚える仮の例で、気づきにくい理由と、出典確認・未確認の明記・訂正の方法を説明します。
2026年9月22日
-
生成AIの捏造はなぜ起きるのか｜OpenAI公式の6事例と、主要3モデル15問の実測
生成AIの捏造とは、根拠のない数字や出典を事実として示すことです。考えられる原因と限界を説明し、OpenAI公式の6事例、主要3モデル・計15通りの実測を紹介。数値の創作は観測されなかった一方、404の出典URLがありました。数値・年度・出典の確かめ方を整理します。
2026年9月21日
-
AI時代に必要なスキルはリーダーシップかAI活用力か｜経営層調査「リーダーシップ86.3%」を人間力優先と読んではいけない理由
経営層139人が今後3〜5年に必要と答えた力はリーダーシップ86.3%、デジタル・AI活用能力48.9%。日経ビジネスとグロービスの調査を、回答者の属性や自己選択、必要度と不足度の違いから読み解きます。
2026年9月21日
-
PISA2025の日本の結果｜3分野OECD1位でも低得点層が増えたのはなぜ？
PISA2025で日本は数学・読解力・科学の3分野でOECD加盟国中1位。一方、低得点層は3分野すべてで増えました。公表された平均得点と習熟度別の割合をもとに、順位だけでは見えない変化と有意差の読み方を解説します。
2026年9月16日
-
生成AI検索の利用率52.3%、AI経由の流入は0.72%｜2026年の実測
生成AIで検索する人は52.3%（サイバーエージェント調査・2026年8月）。一方、和からのGA4ではAI経由の流入は全体の0.72%でした。調査の偏りと定義の問題を統計の目で読み、中小企業のLLMOで何をすべきかを自社データで検証します。
2026年9月14日
-
GPT-6 Astraは99.9%か62.7%か｜ARC-AGI-3を統計で読む
GPT-6 AstraのARC-AGI-3スコアは、標準ハーネスのmaxで62.7%、Provider Adapterのhighで99.9%。ただし両者は推論量も異なるため、37.2ポイントすべてをハーネス差とは言えません。RHAE、同条件比較、実験計画の視点からAIベンチマークの読み方を整理します。
2026年9月5日
-
z得点（標準化）とは｜単位の違うデータを比べる方法をやさしく
z得点は「（値−平均）÷標準偏差」で相対的位置を表す標準化得点です。Excelでの計算、外れ値判定の注意点に加え、和から式「5点チェック」と売上・苦情率の向きをそろえる実務例を解説します。
2026年8月21日
-
加重平均と単純平均の違い｜評価・指標での使い分けをやさしく
単純平均と加重平均の違いは「重みをつけるかどうか」。件数が偏っていると単純平均は実態とずれます。店舗の客単価の例で違いを示し、ExcelのSUMPRODUCTでの計算まで、和からの統計講師がやさしく解説します。
2026年8月1日
-
二項分布とは｜コインや不良品の確率をやさしく解説
二項分布とは「成功か失敗かをn回くり返したときの成功回数の分布」。コイン投げや不良品の例で、成り立つ4条件・平均np・ExcelのBINOM.DISTでの計算まで、和からの統計講師がやさしく解説します。
2026年7月30日
-
中心極限定理とは｜なぜ平均は正規分布に近づくのかをやさしく解説
中心極限定理とは「データの平均をたくさん集めると正規分布に近づく」という統計学の最重要法則。なぜそうなるのかをサイコロの例で、信頼区間や検定を支える土台としての意味まで、和からの統計講師が解説します。
2026年7月20日
-
社会人のための統計学入門｜何を・どの順番で学べば実務で使えるか
統計学を学び直したい社会人へ。「記述統計→推測統計」の順に、何を・どの順番で学べば実務で使えるかを5ステップで整理。数式が苦手でも大丈夫な理由まで、和からの統計講師がやさしく解説します。
2026年7月8日
-
信頼区間の意味｜「95%」が示すものと示さないもの
信頼区間の95%が何を意味するのかを正しく解説。よくある誤解、計算方法、実務での使いどころを整理。
2026年5月10日
-
データドリブンチェック問題｜たった2問でわかる「数字の考え方」
CVRが2.0%から2.4%に上がったら成功か、平均が同じ施策はどちらでもよいか。たった2問で「何と比べているか」「平均だけで判断していないか」を確かめる、データドリブンの考え方の入門チェック問題です。
2026年2月6日
-
ヒストグラムの「正解」はどこにある？理論と現場のリアルな最適解
和からの数学講師の岡本です。普段、データ分析や統計学の講座を担当していると、受講生の方から非常によくいただく質問があります。それが、「ヒストグラムの階級幅（棒の太さ）はどのように決めればいいのですか？」という質問です。 ヒストグラムはデータの分布を可視化する基本のグラフですが、この「区切り方」一つで印象がガラリと変わっ…
2025年12月10日
-
箱ひげ図で学ぶデータのばらつき－第3回：外れ値は“間違い”か“ヒント”か？ビジネスでの見極め方【統計学をやさしく解説】
はじめに：外れ値は“無視すべき値”ではない 第1回では箱ひげ図の読み方、第2回では1.5×IQRルールによる外れ値の見つけ方を学びました。最終回となる今回は、もっとも実務的で重要なテーマ──「見つけた外れ値をどう扱うのか？」を解説します。 ビジネスでは、外れ値をただ除外するだけでは不十分です。外れ値は、 ・データ入力ミ…
2025年11月21日
-
箱ひげ図で学ぶデータのばらつき－第2回：1.5倍ルールで外れ値を簡単に見つけよう【統計学をやさしく解説】
箱ひげ図で外れ値を見つける1.5×IQRルールを、IQR（四分位範囲）の意味から具体例の計算まで図解で解説します。なぜ1.5なのかという考え方や、ビジネスで使うときの注意点も紹介します。
2025年11月20日
-
箱ひげ図で学ぶデータのばらつき－第1回：一本の箱で“データの性格”が丸わかり【統計学をやさしく解説】
箱ひげ図の読み方を、最小値・四分位数・中央値・最大値の5つの値から初心者向けにやさしく解説します。平均だけでは見えないデータのばらつきや偏りを、店舗の売上や従業員の年齢の例で読み解きます。
2025年11月18日
