統計学 のおすすめの教材8選！ 【 2023年3月 最新版】

統計学の基礎をゼロから学べます．学習した理論をPythonでどのように実際のデータに適用できるのかも学習でき，理論x実装の相乗効果で確実に統計学を習得できます．

【特徴】

- 米国で働く現役データサイエンティストから学ぶ

- 統計学や数学の知識は不要

- 全くの未経験者でも本講座を受講すれば統計学の基本を理解することができる

- Pythonでの実装も紹介

- 学習したことをすぐに実データに適用可能

- DockerとJupyterLabを使った本格データサイエンス環境 (Dockerを使って簡単環境構築)

- これ1本で理論x実装が同時に，着実に学べる

統計学の理論とPythonの実装のレクチャーは別になっているため，理論だけを学習することも可能です．そのためPythonを知らなくても本講座で統計学を学ぶことができます．

Pythonの実装のレクチャーは，Pythonの基礎知識とデータサイエンスに必要なPython(NumpyやPandasなど)の知識が必要です．

Macを使って講義を進めますが，環境が作れればWindowsでも問題ありません．

DockerとJupyterLabを使った本格的なデータサイエンスの環境を使いますが，WindowsでDocker環境を作れれば，全く同じ環境を構築することができます．(Windowsでの環境構築のサポートはしておりません．あらかじめご了承ください)

1. 紹介
2. 紹介
3. 準備
4. 本セクション補足
5. 環境構築概要(Docker + JupyterLab)
6. M1チップをお使いの方へ
7. DockerHubアカウント作成
8. Docker環境構築
9. Dockerの基本操作
10. 次レクチャーの補足
11. JupyterLabの基本操作
12. データ準備
13. 記述統計
14. 本講座の資料とコード
15. 分布(distribution)
16. Pythonの実装レクチャーを受ける前に
17. 分布(distribution)【Python】
18. 記述統計と推測統計
19. 平均(mean)
20. 平均(mean)【Python】
21. 中央値(median)
22. 中央値(median)【Python】
23. 最頻値(mode)
24. 最頻値(mode)【Python】
25. 範囲(range)
26. 範囲(range)【Python】
27. 四分位数(quartile)
28. 四分位数(quartile)【Python】
29. 平均偏差(MD)
30. 分散(variance)
31. 標準偏差(standard deviation)
32. 分散と標準偏差【Python】
33. セクションまとめ
34. 2変数間の記述統計
35. 共分散(covariance)
36. 共分散(covariance)【Python】
37. 正の相関と負の相関
38. 相関係数(correlation coefficient)
39. 相関係数(correlation coefficient)【Python】
40. 連関(association)
41. カイ二乗
42. 分割表とカイ二乗値【Python】
43. クラメールの連関係数
44. クラメールの連関係数【Python】
45. セクションまとめ
46. 確率
47. 確率とは
48. 確率変数(random variable)
49. 確率分布(probability distribution)
50. 確率分布(probability distribution)【Python】
51. 離散型と連続型
52. 確率分布(probability distribution)【Python】
53. 確率密度と確率
54. 累積分布関数(CDF)
55. 累積分布関数(CDF)【Python】
56. 正規分布(normal distribution)
57. 正規分布(normal distribution)【Python】
58. カーネル密度推定(KDE)
59. カーネル密度推定(KDE)【Python】
60. セクションまとめ
61. 正規分布と標準化
62. 本セクション概要
63. 68-95-99.7ルール
64. 68-95-99.7ルール【Python】
65. 標準化(standardize)
66. 偏差値(T-score)
67. 標準正規分布
68. 標準化(standardize)【Python】
69. 二項分布(binomial distribution)
70. 二項分布(binomial distribution)【Python】
71. 二項分布と正規分布
72. 二項分布と正規分布【Python】
73. セクションまとめ
74. 推測統計入門
75. 母集団(population)と標本(sample)
76. 標本分布(sampling distribution)
77. 推定量(estimator)
78. 不偏性(unbiasedness)
79. 平均の標本分布
80. 平均の標本分布【Python】
81. 不偏分散(unbiased variance)
82. 不偏分散の平方根
83. 不偏分散(unbiased variance)【Python】
84. 不偏分散の不偏性【Python】
85. セクションまとめ
86. 区間推定
87. 区間推定とは
88. 信頼区間(CI)
89. 比率の標本分布
90. 比率の区間推定
91. 比率の区間推定まとめ
92. 比率の区間推定【Python】
93. 比率の区間推定Challenge【Python】
94. 平均値の区間推定
95. 標本分布の標準化
96. 平均値の区間推定(Z分布)【Python】
97. t分布
98. t分布【Python】
99. 平均値の区間推定(t分布)【Python】
100. 平均値の区間推定まとめ
101. 統計的仮説検定とは
102. 統計的仮設検定とは
103. 帰無仮説と対立仮説
104. 統計的仮説検定の流れ
105. 2群の比率差の検定(Z検定)
106. 比率差の検定とは
107. 比率差の検定の帰無仮説と対立仮説
108. 標本観察
109. 比率差の標本分布
110. 帰無仮説を正しいとした場合の標本分布
111. 有意水準(α)
112. 標本分布の標準化
113. 共通の母比率の推定
114. p値(p value)
115. 検定結果の解釈
116. 比率差の検定まとめ
117. 2群の比率差の検定【Python】
118. 連関の検定(カイ二乗検定)
119. 連関の検定とは
120. カイ二乗分布
121. カイ二乗分布のp値の求め方
122. 連関の検定(カイ二乗検定)まとめ
123. 連関の検定【Python】
124. イェイツの修正
125. カイ二乗検定とZ検定
126. カイ二乗検定と比率差の検定【Python】
127. 2群の平均値差の検定(t検定)
128. 平均値差の検定とは(対応なしと対応あり)
129. 平均値差の検定のパターン
130. 平均値差の標本分布
131. 大標本の場合の平均値差の標本分布
132. 標本分布の標準化
133. スチューデントのt検定概要
134. 二つの母集団に共通な分散の推定値
135. スチューデントのt検定
136. ウェルチのt検定
137. t検定【Python】
138. 平均値差の検定まとめ
139. 正規性と等分散性の検定
140. 正規性の検定と等分散性の検定
141. シャピロ-ウィルクの検定とは
142. Q-Qプロット
143. Q-Qプロット【Python】
144. シャピロ-ウィルクの検定
145. シャピロ-ウィルクの検定【Python】
146. F検定とは
147. F分布
148. F検定
149. F分布【Python】
150. F検定【Python】
151. セクションまとめ
152. 対応ありの平均値差の検定
153. 対応ありの平均値差の検定とは
154. 変化量
155. 変化量の平均の標本分布
156. 標本分布の標準化
157. 対応ありの平均値差の検定【Python】
158. 対応ありの平均値差の検定まとめ
159. 検定の誤りと検定力
160. 検定の誤りと検定力
161. 第１種の誤りと第２種の誤り
162. 第１種の誤りを起こす確率α
163. 第２種の誤りを起こす確率β
164. αとβのトレードオフ
165. 検定力(power)
166. 検定力と有意水準
167. 検定力とサンプルサイズ
168. 検定力と効果量
169. セクションまとめ
170. 検定力分析
171. 検定力分析(power analysis)とは
172. 効果量(effect size)
173. Cohen's d
174. Cohen's d 【Python】
175. 検定力分析【Python】
176. 検定力の推移を描画【Python】
177. セクションまとめ
178. ボーナスレクチャー
179. ボーナスレクチャー

統計学の基礎を効率的に学べるベーシック講座です！

• 「データを標準化してその特徴を確認しておくように」

• 「このデータの信頼区間を求めておいてくれないか」

• 「今回の調査結果が統計的に有意と言えるか調べておいてほしい」

• 「このクロス集計表から統計的に何が言えるのか」

などなどビジネスの現場において統計リテラシーが必要となる場面はたくさんあります。
昨今のAI/機械学習の普及やDX/デジタル化への強いニーズもあり、
このような場面は今後も増えていくと予想されます。

本コースでは上記のような場面で困らなくて済むように、
統計学の入り口とも言える「確率分布・推定・検定」についての
統計リテラシーや確率思考を身につけていきます。

「確率分布」を理解できれば統計的な見方や確率思考が身につき、
「推定」を理解できればデータ（標本）から母集団を語ることができ、
「検定」を理解できれば統計的な仮説思考が身につきます。

また本コースは統計学の初心者の方を対象としており、
数式や記号は必要最小限にしながら豊富な図や言葉で解説を
行っていきます（ただ、重要な数式や記号、理解のために
どうしても必要な数式や記号は用いております）。
初心者の方でも安心して取り組めるコース内容となっております。

この機会にぜひ一緒に一生モノの統計学の知識を身につけましょう！

（注: 本コース内ではExcelやR、Pythonなどのツール・操作方法はご紹介しておりませんのでご了承ください）

こんなことが身につきます

• 基礎的な統計リテラシー

• 統計学の「記述統計」の知識

• 統計学の「確率」や「確率モデル」に関する理解

• 統計学の「点推定」や「区間推定」に関する理解

• 統計学の「統計的仮説検定」に関する理解

• 豊富な図や言葉による統計学の理解

• 統計学に関する視覚的なイメージ

• ダウンロード可能なスライド資料による記憶の定着

1. はじめに・記述統計
2. はじめに
3. 講義スライド資料
4. 母集団と標本
5. 変数
6. ヒストグラム
7. 散布図
8. 記述統計
9. 代表値
10. 中央値
11. 平均
12. 外れ値
13. 平均偏差
14. 分散
15. 標準偏差
16. お詫び（修正箇所のご案内）
17. 標準化
18. 点推定
19. 点推定とは
20. 不偏性
21. 平均の点推定
22. 分散の点推定
23. 標本分散と不偏分散
24. 確率分布
25. なぜ「確率」か
26. 単純無作為抽出
27. 確率モデル
28. 確率変数
29. 確率分布
30. 確率関数とパラメータ
31. 確率分布の表記
32. 二項分布
33. 正規分布
34. 標準正規分布
35. 母集団分布と標本分布
36. 区間推定①
37. 区間推定とは
38. 正規分布・標準正規分布（復習）
39. 標準正規分布の両側５％点
40. 母平均の区間推定
41. 信頼度と信頼区間
42. 標本平均の性質
43. 標本平均を用いた区間推定
44. 分散と推定区間の関係
45. 区間推定②
46. （ご案内）これ以降のレクチャーの字幕について
47. ｔ分布
48. ｔ分布による区間推定
49. ｔ分布による区間推定の精度
50. 母集団分布が未知の場合
51. 中心極限定理
52. 中心極限定理を利用した区間推定
53. 区間推定③
54. 二値変数と比率
55. ベルヌーイ分布
56. 母比率の区間推定
57. 母分散とは
58. カイ二乗分布
59. お詫び（修正箇所のご案内）
60. 母分散の区間推定
61. 検定①
62. 検定とは
63. 帰無仮説と対立仮説
64. 棄却域と有意水準
65. 両側検定と片側検定
66. 検定の流れ
67. 検定結果の解釈
68. 第１種の過誤、第２種の過誤
69. 検定②
70. 母平均の検定（ｔ検定）
71. 母平均の差の検定（ウェルチのｔ検定）
72. 連関
73. クロス集計表
74. 独立性
75. カイ二乗検定（独立性の検定）
76. さいごに
77. さいごに
78. ボーナスレクチャー

■このコースのゴール

統計検定3級(R)程度の統計知識を習得し、データサイエンスに必要なスキル体系から次のステップを検討できる。

■受講後にできるようになることの一例

・基礎的な統計学の全体像が俯瞰できる

・平均、分散、相関係数など主要な統計指標の意味がわかる

・推測統計学における確率の考え方がわかる

・標準正規分布を利用した、推定、検定の考え方を理解する

・問題演習を通して、公式を使った計算が身に付く

・データサイエンス周りのスキルを理解し、今後のアクションを検討できる

※いくつか無料のプレビュー動画を公開しておりますので、イメージ確認のためぜひご覧ください。

セクション1 コースのご案内

コース概要と目的

コースの全体像

ご挨拶

セクション2 -講義-データの見方を学ぼう

CHAPTER1：統計学とは？で学ぶこと

統計学とは

データの種類

可視化と散布図

CHAPTER1：小テスト

CHAPTER2：データを視覚的に表現するには？で学ぶこと

度数分布表

ヒストグラムと累積度数

CHAPTER2：小テスト

CHAPTER3：データを分析する指標とは？で学ぶこと

重要な統計指標

平均

分布の中心を表す指標（平均値・中央値・最頻値）

CHAPTER3：小テスト（分布の中心を表す指標）

分散・標準偏差

標準化変量

偏差値

変動係数

共分散

相関係数

CHAPTER3：小テスト（相関係数）

このセクションで学んだことチェック

コラム

セクション3 -講義-確率による表現を学ぼう

CHAPTER1：確率とは？で学ぶこと

不確実性と確率

母集団と標本

記述統計学と推測統計学

確率分布

CHAPTER2：正規分布とは？で学ぶこと

正規分布

期待値

標準正規分布

CHAPTER2：小テスト

このSECTIONで学んだことチェック

コラム

セクション4 -講義-推定と検定の考え方を学ぼう

CHAPTER1：推定とは？で学ぶこと

推定とは

標本分布

(参考)中心極限定理

(参考)標本分散・標本標準偏差

点推定

区間推定（母分散既知）

区間推定（母分散未知）

(参考)母分散の区間推定

小テスト①

小テスト②

小テスト③

CHAPTER2：検定とは？で学ぶこと

仮説検定とは

母平均の仮説検定①

母平均の仮説検定②

片側検定

両側検定

(参考)母分散が未知の場合の検定

このSECTIONで学んだことチェック

コラム

セクション5 -演習-演習により知識を定着させよう

演習の注意点

問題①（連続型データと離散型データ）

問題②（グラフの種類）

問題③（折れ線グラフ）

問題④（度数分布表）

問題⑤（ヒストグラム・箱ひげ図）

問題⑥：（基本的な統計指標）

問題⑦：（基本的な統計指標）

問題⑧：（基本的な統計指標）

問題⑨：（基本的な統計指標）

問題⑩：（基本的な統計指標）

問題⑪：（基本的な統計指標）

問題⑫：（標準化変量）

問題⑬：（標準化変量）

問題⑭（偏差値）

問題⑮（変動係数）

問題⑯（帯グラフ）

問題⑰（相関関係・因果関係）

問題⑱（相関関係・因果関係）

問題⑲（クロス集計表）

問題⑳（相関係数）

問題㉑（相関係数）

問題㉒（相関係数）

問題㉓（相関係数）

問題㉔（回帰）

問題㉕（回帰）

問題㉖（回帰）

問題㉗（確率）

問題㉘（確率）

問題㉙（確率）

問題㉚（確率）

問題㉛（独立試行の確率）

問題㉜：（独立試行の確率）

問題㉝（順列）

問題㉞（組み合わせ）

問題㉟（組み合わせ）

問題㊱（組み合わせ）

問題㊲（条件付き確率）

問題㊳（条件付き確率）

問題㊴（条件付き確率）

問題㊵（条件付き確率）

問題㊶（確率の解釈）

問題㊷（確率変数・確率分布）

問題㊸（確率変数・確率分布）

問題㊹（確率変数・確率分布）

問題㊺（正規分布）

問題㊻（正規分布）

問題㊼（正規分布）

問題㊽（二項分布）

問題㊾（調査）

問題50（調査）

問題51（調査）

問題52（研究）

問題53（標本平均）

問題54（信頼区間）

問題55（信頼区間）

問題56（仮説検定）

問題57（仮説検定）

問題58（仮説検定）

問題59（仮説検定）

問題60（仮説検定）

セクション6 今後の指針のご案内

ボーナスレクチャー

1. コースのご案内
2. コース概要と目的
3. コースの全体像
4. ご挨拶
5. -講義-データの見方を学ぼう
6. CHAPTER1：統計学とは？で学ぶこと
7. 統計学とは
8. データの種類
9. 可視化と散布図
10. CHAPTER1：小テスト
11. CHAPTER2：データを視覚的に表現するには？で学ぶこと
12. 度数分布表
13. ヒストグラムと累積度数
14. CHAPTER2：小テスト
15. CHAPTER3：データを分析する指標とは？で学ぶこと
16. 重要な統計指標
17. 平均
18. 分布の中心を表す指標（平均値・中央値・最頻値）
19. CHAPTER3：小テスト（分布の中心を表す指標）
20. 分散・標準偏差
21. 標準化変量
22. 偏差値
23. 変動係数
24. 共分散
25. 相関係数
26. CHAPTER3：小テスト（相関係数）
27. このセクションで学んだことチェック
28. コラム
29. -講義-確率による表現を学ぼう
30. CHAPTER1：確率とは？で学ぶこと
31. 不確実性と確率
32. 母集団と標本
33. 記述統計学と推測統計学
34. 確率分布
35. CHAPTER2：正規分布とは？で学ぶこと
36. 正規分布
37. 期待値
38. 標準正規分布
39. CHAPTER2：小テスト
40. このSECTIONで学んだことチェック
41. コラム
42. -講義-推定と検定の考え方を学ぼう
43. CHAPTER1：推定とは？で学ぶこと
44. 推定とは
45. 標本分布
46. (参考)中心極限定理
47. (参考)標本分散・標本標準偏差
48. 点推定
49. 区間推定（母分散既知）
50. 区間推定（母分散未知）
51. (参考)母分散の区間推定
52. 小テスト①
53. 小テスト②
54. 小テスト③
55. CHAPTER2：検定とは？で学ぶこと
56. 仮説検定とは
57. 母平均の仮説検定①
58. 母平均の仮説検定②
59. 片側検定
60. 両側検定
61. (参考)母分散が未知の場合の検定
62. このSECTIONで学んだことチェック
63. コラム
64. -演習-演習により知識を定着させよう
65. 問題と解答のダウンロード
66. 演習の注意点
67. 問題①（連続型データと離散型データ）
68. 問題②（グラフの種類）
69. 問題③（折れ線グラフ）
70. 問題④（度数分布表）
71. 問題⑤（ヒストグラム・箱ひげ図）
72. 問題⑥：（基本的な統計指標）
73. 問題⑦：（基本的な統計指標）
74. 問題⑧：（基本的な統計指標）
75. 問題⑨：（基本的な統計指標）
76. 問題⑩：（基本的な統計指標）
77. 問題⑪：（基本的な統計指標）
78. 問題⑫：（標準化変量）
79. 問題⑬：（標準化変量）
80. 問題⑭（偏差値）
81. 問題⑮（変動係数）
82. 問題⑯（帯グラフ）
83. 問題⑰（相関関係・因果関係）
84. 問題⑱（相関関係・因果関係）
85. 問題⑲（クロス集計表）
86. 問題⑳（相関係数）
87. 問題㉑（相関係数）
88. 問題㉒（相関係数）
89. 問題㉓（相関係数）
90. 問題㉔（回帰）
91. 問題㉕（回帰）
92. 問題㉖（回帰）
93. 問題㉗（確率）
94. 問題㉘（確率）
95. 問題㉙（確率）
96. 問題㉚（確率）
97. 問題㉛（独立試行の確率）
98. 問題㉜：（独立試行の確率）
99. 問題㉝（順列）
100. 問題㉞（組み合わせ）
101. 問題㉟（組み合わせ）
102. 問題㊱（組み合わせ）
103. 問題㊲（条件付き確率）
104. 問題㊳（条件付き確率）
105. 問題㊴（条件付き確率）
106. 問題㊵（条件付き確率）
107. 問題㊶（確率の解釈）
108. 問題㊷（確率変数・確率分布）
109. 問題㊸（確率変数・確率分布）
110. 問題㊹（確率変数・確率分布）
111. 問題㊺（正規分布）
112. 問題㊻（正規分布）
113. 問題㊼（正規分布）
114. 問題㊽（二項分布）
115. 問題㊾（調査）
116. 問題50（調査）
117. 問題51（調査）
118. 問題52（研究）
119. 問題53（標本平均）
120. 問題54（信頼区間）
121. 問題55（信頼区間）
122. 問題56（仮説検定）
123. 問題57（仮説検定）
124. 問題58（仮説検定）
125. 問題59（仮説検定）
126. 問題60（仮説検定）
127. 今後の指針のご案内
128. ボーナスレクチャー

事前説明

・「検定統計量シート」の使い方

・「有意水準5％で検定せよ」とは？

・帰無仮説の捉え方

・「95％信頼区間」とは？

１、『母平均』に関する仮説検定と区間推定について（３パターン）

２、『母平均の差』に関する仮説検定と区間推定について（４パターン）

３、『母比率』に関する仮説検定と区間推定について（１パターン）

４、『母比率の差』に関する仮説検定と区間推定について（１パターン）

５、『母分散』に関する仮説検定と区間推定について（１パターン）

６、『母分散の比』に関する仮説検定と区間推定について（１パターン）

以上の項目について理解することができるようになります。

手書きのホワイトボードでじっくりと解説していきます！

※すべてのレクチャーにおいて、板書のキャプチャを参考資料として用意しています。

講義を聞きながら必要事項をメモすることで学習効率が上がります。

対象受講者

・統計学（特に仮説検定と区間推定）を独学で学びたい大学生や社会人

※以下の内容を目的とする方はご注意下さい！この講座では取り扱っておりません。

・プログラミングなどの実践的な内容を学びたい方

・エクセルなどを用いたデータ分析をしたい方

・ビッグデータなどの解析をしたい方

1. はじめに
2. 自己紹介
3. 本講座にて学べる内容
4. 諸注意
5. 検定統計量シートの使い方
6. 「有意水準5％で検定せよ」とは？
7. 帰無仮説の捉え方
8. 95％信頼区間とは？
9. 1　母平均について
10. 1-①　母平均　仮説検定
11. 1-①　母平均　区間推定
12. 1-②　母平均　仮説検定
13. 1-②　母平均　区間推定
14. 1-③　母平均　仮説検定
15. 1-③　母平均　区間推定
16. 2　母平均の差について
17. 2-①　母平均の差　仮説検定
18. 2-①　母平均の差　区間推定
19. 2-②　母平均の差　仮説検定
20. 2-②　母平均の差　区間推定
21. 2-③　母平均の差　仮説検定
22. 2-③　母平均の差　区間推定
23. 2-④　母平均の差　仮説検定
24. 2-④　母平均の差　区間推定
25. 3　母比率について
26. 3　母比率　仮説検定
27. 3　母比率　区間推定
28. 4　母比率の差について
29. 4　母比率の差　仮説検定
30. 4　母比率の差　区間推定
31. 5　母分散について
32. 5　母分散　仮説検定
33. 5　母分散　区間推定
34. 6　母分散の比について
35. 6　母分散の比　仮説検定
36. 6　母分散の比　区間推定

１レクチャー完結型の講義となっています。

内容は以下の通りです。

1.平均・分散・標準偏差・共分散・相関係数

2.ローレンツ曲線・ジニ係数

3.歪度・尖度

4.標準化

5.標本抽出法（多段抽出法・系統抽出法・クラスター抽出法・層化抽出法）

6.フィッシャーの３原則

7.ベイズの定理

8.離散型確率分布（ベルヌーイ分布・二項分布・ポアソン分布・幾何分布）

9-1.確率密度関数・累積分布関数 その1

9-2.確率密度関数・累積分布関数 その2

10-1.確率変数の計算（公式まとめ）

10-2.確率変数の計算（共分散の式の証明）

11.回帰分析出力結果の見方

12.一元配置分散分析

13.コレログラム（自己相関係数）

14.独立性の検定

以上の項目について理解することができるようになります。

手書きのホワイトボードでじっくりと解説していきます！

※すべてのレクチャーにおいて、板書のキャプチャを参考資料として用意しています。

講義を聞きながら必要事項をメモすることで学習効率が上がります。

対象受講者

・統計学を独学で学びたい大学生や社会人

・複雑な公式や途中式を簡単に理解したい方

※以下の内容を目的とする方はご注意下さい！この講座では取り扱っておりません。

・プログラミングなどの実践的な内容を学びたい方

・エクセルなどを用いたデータ分析をしたい方

・ビッグデータなどの解析をしたい方

1. はじめに
2. 自己紹介
3. 講座の内容
4. 基礎知識
5. ➊.平均・分散・標準偏差・共分散・相関係数
6. ➋.ローレンツ曲線・ジニ係数
7. ➌.歪度・尖度
8. ➍.標準化
9. データ収集法
10. ➎.標本抽出法（多段抽出法・系統抽出法・クラスター抽出法・層化抽出法）
11. ➏.フィッシャーの３原則
12. 確率モデルの導入
13. ➐.ベイズの定理
14. ➑.離散型確率分布（ベルヌーイ分布・二項分布・ポアソン分布・幾何分布）
15. ➒-1.確率密度関数・累積分布関数　その１
16. ➒-2.確率密度関数・累積分布関数　その２
17. ➓-1.確率変数の計算（公式まとめ）
18. ➓-2.確率変数の計算（共分散の式の証明）
19. データの分析活用・線形モデル
20. ⓫.回帰分析出力結果の見方
21. ⓫-2.回帰分析出力結果の見方　No.2
22. ⓬.一元配置分散分析
23. ⓭.コレログラム（自己相関係数）
24. 推測
25. ⓮.独立性の検定
26. ボーナスレクチャー
27. ボーナスレクチャー