# 統計2級出題範囲-Index付
これMDを生成について、下記のQiita記事で確認可能です。
https://qiita.com/Benzenoil/items/b6ecb089b35b8b0be44e
## 1. データソース
### 1.1 身近な統計
ねらい:歴史的な統計学の活用や、社会における統計の必要性の理解。データの取得の重要性も理解する。
#### 1.1.1 (調べる場合の)データソース
#### 1.1.2 公的統計など
## 2. データの分布
### 2.1 データの分布の記述
ねらい:集められたデータから、基本的な情報を抽出する方法を理解する。
#### 2.1.1 質的変数(カテゴリカル・データ)
#### 2.1.2 量的変数(離散型,連続型)
#### 2.1.3 棒グラフ
#### 2.1.4 円グラフ
#### 2.1.5 幹葉図
#### 2.1.6 度数分布表・ヒストグラム
#### 2.1.7 累積度数グラフ
#### 2.1.8 分布の形状(右に裾が長い,左に裾が長い,対称,ベル型,一様,単峰,多峰)
## 3. 1変数データ
### 3.1 中心傾向の指標
ねらい:分布の中心を説明する方法を理解する。
#### 3.1.1 平均値
#### 3.1.2 中央値
#### 3.1.3 最頻値(モード)
### 3.2 散らばりなどの指標
ねらい:分布の散らばりの大きさなどを評価する方法を理解する。
#### 3.2.1 分散(n-1で割る)
#### 3.2.2 標準偏差
#### 3.2.3 範囲(最小値,最大値)
#### 3.2.4 四分位範囲
#### 3.2.5 箱ひげ図
#### 3.2.6 ローレンツ曲線
#### 3.2.7 ジニ係数
#### 3.2.8 2つのグラフの視覚的比較
#### 3.2.9 カイ二乗値(一様な頻度からのずれ)
#### 3.2.10 歪度
#### 3.2.11 尖度
### 3.3 中心と散らばりの活用
ねらい:標準偏差の意味を知り、その活用方法を理解する。
#### 3.3.1 偏差
#### 3.3.2 標準化(z得点)
#### 3.3.3 変動係数
#### 3.3.4 指数化
## 4. 2変数以上のデータ
### 4.1 散布図と相関
ねらい:散布図や相関係数を活用して、変数間の関係を探る方法を理解する。
#### 4.1.1 散布図
#### 4.1.2 相関係数
#### 4.1.3 共分散
#### 4.1.4 層別した散布図
#### 4.1.5 相関行列
#### 4.1.6 みかけの相関(擬相関)
#### 4.1.7 偏相関係数
### 4.2 カテゴリカルデー タ
ねらい:質的変数の関連を探る方法を理解する。
#### 4.2.1 度数表
#### 4.2.2 2元クロス表
## 5. データの活用
### 5.1 単回帰と予測
ねらい:回帰分析の基礎を理解する。
#### 5.1.1 最小二乗法
#### 5.1.2 変動の分解
#### 5.1.3 決定係数
#### 5.1.4 回帰係数
#### 5.1.5 分散分析表
#### 5.1.6 観測値と予測値
#### 5.1.7 残差プロット
#### 5.1.8 標準誤差
#### 5.1.9 変数変換
### 5.2 時系列データの処理
ねらい:時系列データのグラフ化や分析方法を理解する。
#### 5.2.1 成長率
#### 5.2.2 指数化
#### 5.2.3 幾何平均
#### 5.2.4 系列相関・コレログラム
#### 5.2.5 トレンド
#### 5.2.6 平滑化(移動平均)
## 6. 推測のためのデータ収集法
### 6.1 観察研究と実験研究
ねらい:要因効果を測定する場合の、実験研究と観察研究の違いを理解する。
#### 6.1.1 観察研究
#### 6.1.2 実験研究
#### 6.1.3 調査の設計
#### 6.1.4 母集団
#### 6.1.5 標本
#### 6.1.6 全数調査
#### 6.1.7 標本調査
#### 6.1.8 ランダムネス
#### 6.1.9 無作為抽出
### 6.2 標本調査と無作為抽出
ねらい:標本調査の基本的概念を理解する。
#### 6.2.1 標本サイズ(標本の大きさ)
#### 6.2.2 標本誤差
#### 6.2.3 偏りの源
#### 6.2.4 標本抽出法(系統抽出法,層化抽出法,クラスター抽出法,多段抽出法)
### 6.3 実験
ねらい:効果評価のための適切な実験の方法について理解する。
#### 6.3.1 実験のデザイン(実験計画)
#### 6.3.2 フィッシャーの3原則
## 7. 確率モデルの導入
### 7.1 確率
ねらい:推測の基礎となる確率について理解する。
#### 7.1.1 事象と確率
#### 7.1.2 加法定理
#### 7.1.3 条件付き確率
#### 7.1.4 乗法定理
#### 7.1.5 ベイズの定理
### 7.2 確率変数
ねらい:確率変数の表現と特徴(期待値・分散など)について理解する。
#### 7.2.1 離散型確率変数
#### 7.2.2 連続型確率変数
#### 7.2.3 確率変数の期待値・分散・標準偏差
#### 7.2.4 確率変数の和と差(同時分布,和の期待値・分散)
#### 7.2.5 2変数の共分散・相関
### 7.3 確率分布
ねらい:基礎的な確率分布の特徴を理解する。
#### 7.3.1 ベルヌーイ試行
#### 7.3.2 二項分布
#### 7.3.3 ポアソン分布
#### 7.3.4 幾何分布
#### 7.3.5 一様分布
#### 7.3.6 指数分布
#### 7.3.7 正規分布
#### 7.3.8 2変量正規分布
#### 7.3.9 超幾何分布
#### 7.3.10 負の二項分布
## 8. 推測
### 8.1 標本分布
ねらい:推測統計の基礎となる標本分布の概念を理解する。
#### 8.1.1 独立試行
#### 8.1.2 標本平均の期待値・分散
#### 8.1.3 チェビシェフの不等式
#### 8.1.4 大数の法則
#### 8.1.5 中心極限定理
#### 8.1.6 二項分布の正規近似
#### 8.1.7 連続修正
#### 8.1.8 母集団
#### 8.1.9 母数(母平均,母分散)
ねらい:正規母集団に関する分布とその活用について理解する。
#### 8.1.10 標準正規分布
#### 8.1.11 標準正規分布表の利用
#### 8.1.12 t分布
#### 8.1.13 カイ二乗分布
#### 8.1.14 F分布
#### 8.1.15 分布表の活用
#### 8.1.16 上側確率点(パーセント点)
### 8.2 推定
ねらい:点推定と区間推定の方法とその性質を理解する。
#### 8.2.1 点推定
#### 8.2.2 推定量と推定値
#### 8.2.3 有限母集団
#### 8.2.4 一致性
#### 8.2.5 不偏性
#### 8.2.6 信頼区間
#### 8.2.7 信頼係数
ねらい:1つの母集団の母数の区間推定の方法を理解する。
#### 8.2.8 正規母集団の母平均・母分散の区間推定
#### 8.2.9 母比率の区間推定
#### 8.2.10 相関係数の区間推定
ねらい:2つの母集団の母数の区間推定の方法を理解する。
#### 8.2.11 正規母集団の母平均の差・母分散の比の区間推定
#### 8.2.12 母比率の差の区間推定
### 8.3 仮説検定
ねらい:統計的検定の意味を知り、具体的な利用方法を理解する。
#### 8.3.1 仮説検定の理論
#### 8.3.2 p値
#### 8.3.3 帰無仮説(H0)と対立仮説(H1)
#### 8.3.4 両側検定と片側検定
#### 8.3.5 第1種の過誤と第2種の過誤
#### 8.3.6 検出力
ねらい:1つの母集団の母数に関する仮説検定の方法について理解する。
#### 8.3.7 母平均の検定
#### 8.3.8 母分散の検定
#### 8.3.9 母比率の検定
ねらい:2つの母集団の母数に関する仮説検定の方法について理解する。
#### 8.3.10 母平均の差の検定(分散既知,分散未知であるが等分散,分散未知で等しいとは限らない場合)
#### 8.3.11 母分散の比の検定
#### 8.3.12 母比率の差の検定
ねらい:適合度検定と独立性の検定について理解する。
#### 8.3.13 適合度検定
#### 8.3.14 独立性の検定
## 9. 線形モデル
### 9.1 回帰分析
ねらい:重回帰分析を含む回帰モデルについて理解する。
#### 9.1.1 回帰直線の傾きの推定と検定
#### 9.1.2 重回帰モデル
#### 9.1.3 偏回帰係数
#### 9.1.4 回帰係数の検定
#### 9.1.5 多重共線性
#### 9.1.6 ダミー変数を用いた回帰
#### 9.1.7 自由度調整(修正)済み決定係数
### 9.2 実験計画の概念の理解
ねらい:実験研究による要因効果の測定方法を理解する。
#### 9.2.1 実験
#### 9.2.2 処理群と対照群
#### 9.2.3 反復
#### 9.2.4 ブロック化
#### 9.2.5 一元配置実験
#### 9.2.6 3群以上の平均値の差(分散分析)
#### 9.2.7 F比
## 10. 活用
### 10.1 統計ソフトウェア の活用
ねらい:統計ソフトウェアを利用できるようになり、統計分析を実施できるようになる。
#### 10.1.1 計算出力を活用できるか
#### 10.1.2 問題解決に活用できるか