DS検定 第4章 統計・推定・検定 予想問題と解説
DS検定「第4章 統計・推定・検定」の予想問題を33問収録しています。各問を解説つきで掲載し、全問は演習画面で解けます。公式シラバスの範囲で作成しています。
この章の要点
統計数理基礎・推定・検定・因果推論などを扱う分野です。全33問（基礎1問・標準9問・応用23問）を収録しています。
- 統計数理基礎
- 推定・検定
- 因果推論
情報源と編集区分
公式範囲を確認し、問題数・難易度・確認点は当サイトが集計・編集。 一次情報確認日: 2026-07-12。
試験概要（公式）確認しておきたいポイント
当サイトの作問時に観察した、取り違えやすい論点です（公式の統計ではありません）。
- 母平均・母分散と標本平均・標本分散（不偏分散）の取り違え。母集団の値と標本から計算した値は別物。
- p値を『帰無仮説が正しい確率』と誤解する。p値は帰無仮説のもとで観測結果以上に極端な結果が得られる確率。
- 相関関係と因果関係の混同。ピアソンの相関係数が大きくても因果関係を示すとは限らない。
この章の関連用語
この分野の問題で扱う用語です。意味があいまいなものは、用語集で定義を確認できます。
よくある質問
Q第4章 統計・推定・検定は何問収録されていますか？
現在33問を収録しています。内訳は基礎1問・標準9問・応用23問です。
Q第4章 統計・推定・検定の頻出論点は何ですか？
統計数理基礎・推定・検定・因果推論などが出題対象です（当サイト収録問題に基づく編集部集計）。
Q間違えた問題はどう復習すればいいですか？
誤答した選択肢のどこがずれていたかを解説で確認し、関連用語がある場合は用語集で定義に戻ってから再演習することをおすすめします。
母集団から得た標本の分散を用いて母分散を推定する際、標本サイズnではなくn-1で割って算出される値の名称として正しいものはどれか。
答えと解説を見る
正解は「不偏分散」である。標本から母分散を推定する場合、単純にサンプルサイズnで割ると母分散を小さめに見積もる偏りが生じる。この偏りを補正するためにn-1で割って求めた値が不偏分散である。「標本分散」はnで割る計算であり、n-1で割る値とは分母が異なる。「標準誤差」は推定量そのもののばらつきを表す指標であり、n-1で割って求める分散の値そのものではない。「標準偏差」は分散の平方根であり、n-1で割った時点の値ではなく、その後に平方根を取った値を指す。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
相関関係と因果関係の違いについて、最も適切な説明はどれか。
答えと解説を見る
正解は「相関係数が大きくても因果関係を示すとは限らない」である。相関は2つの変数が一緒に動く傾向を表すにすぎず、交絡因子の影響や選択バイアスによって、因果関係がなくても相関係数が大きくなることがある。「相関係数が大きければ必ず因果関係がある」は、交絡因子や選択バイアスの可能性を無視した言い切りである。「相関関係と因果関係は同じ意味である」は、一方が他方を引き起こすかどうかという因果の要素を相関の定義に含めてしまっている。「因果関係があれば相関係数は必ず1になる」は、実際の因果関係は他の要因の影響も受けるため、相関係数が必ず1になるとは限らない。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
統計的仮説検定におけるp値の意味として最も適切なものはどれか。
答えと解説を見る
正解は「帰無仮説のもとで観測結果以上に極端な結果が得られる確率」である。p値は、帰無仮説が正しいと仮定したうえで、今回の観測結果と同じかそれ以上に極端な結果がどの程度起こり得るかを表す確率であり、確率が指し示す対象は観測結果側の極端さである。「帰無仮説が正しい確率」と「対立仮説が正しい確率」は、いずれも仮説そのものの真偽に確率を割り当てる主張であり、p値が観測結果側の確率を表すという定義とは対象が異なる点で誤りである。「信頼区間」は点推定に幅を持たせた区間推定の結果であり、確率の値そのものを示すp値とは示す情報の形が異なる。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
検定において、本当は正しい帰無仮説を誤って棄却してしまう誤りの名称として正しいものはどれか。
答えと解説を見る
正解は「第1種の過誤」である。第1種の過誤は、本当は正しい帰無仮説を誤って棄却してしまう誤りを指す。これに対して第2種の過誤は、誤っている帰無仮説を棄却できずに受け入れてしまう誤りであり、設問が問う向きとは逆である。「標本誤差」は標本を抽出する際に偶然生じるばらつきであり、「サンプリングバイアス」は抽出方法が偏ることで生じる系統的な誤差であって、いずれも帰無仮説を棄却するかどうかという検定の判断の誤りを指す語ではない。検定では、正しい帰無仮説を棄却する誤りと誤った帰無仮説を棄却できない誤りのどちらを避けたいかを意識して、有意水準の設定を考える。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
ある変数が他の変数に与える因果効果を推定する際、双方に影響を与える変数として考慮が重要とされるものはどれか。
答えと解説を見る
正解は「共変量（交絡因子）」である。因果効果を推定したいとき、原因側の変数と結果側の変数の両方に影響する第三の変数を無視すると、見かけの関係を因果と誤解しやすい。設問では「双方に影響を与える変数」という条件が決め手になる。処置群と対照群は比較するグループ、対立仮説は検定で扱う仮説であり、原因側と結果側の双方へ影響する第三の変数を指さない。したがって共変量（交絡因子）を選ぶ。比較する集団と、双方へ影響する変数を混同しないことが重要である。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
条件付き確率に関する説明として最も適切なものはどれか。
答えと解説を見る
正解は「ある事象が起きたという条件のもとで、別の事象が起きる確率を扱う」である。条件付き確率は、たとえば事象Aが起きたという前提のもとで事象Bが起きる確率を考える概念である。「確率変数の平均だけを扱う」は期待値の説明であり、条件をつけた確率そのものを表す概念ではない。「帰無仮説を棄却するかどうかだけを扱う」は統計的仮説検定の説明であり、条件付き確率とは別の枠組みである。「データベースの正規化だけを扱う」はテーブル構造を整理するデータエンジニアリングの話であり、確率の概念とは無関係である。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
検定で「帰無仮説を棄却する基準」として使われる値として最も適切なものはどれか。
答えと解説を見る
正解は「有意水準」である。有意水準は、p値と比較して帰無仮説を棄却するかを判断する基準として使われる。決定係数は回帰モデルの当てはまり、特異度は分類モデルで陰性を正しく陰性と判定した割合、第三正規化はデータベース設計の概念であり、検定の棄却基準ではない。設問中の「帰無仮説」と「棄却する基準」を対にして、推定・検定の用語を探す。モデル評価やデータ構造の指標を除外し、有意水準を選ぶ。p値と比較する値を問う表現も特に重要な判断の手掛かりになる。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
標本から母分散を偏りなく推定するため、偏差平方和をn-1で割った。この値はどれか。
答えと解説を見る
この事例では、状況を表す条件を定義や役割へ対応させると「不偏分散」に絞れる。正解は「不偏分散」である。標本から母分散を推定する場合、単純にサンプルサイズnで割ると母分散を小さめに見積もる偏りが生じる。この偏りを補正するためにn-1で割って求めた値が不偏分散である。「標本分散」はnで割る計算であり、n-1で割る値とは分母が異なる。「標準誤差」は推定量そのもののばらつきを表す指標であり、n-1で割って求める分散の値そのものではない。「標準偏差」は分散の平方根であり、n-1で割った時点の値ではなく、その後に平方根を取った値を指す。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
広告費と売上に強い相関が見つかった。追加調査前の解釈として最も適切なものはどれか。
答えと解説を見る
この事例では、状況を表す条件を定義や役割へ対応させると「相関係数が大きくても因果関係を示すとは限らない」に絞れる。正解は「相関係数が大きくても因果関係を示すとは限らない」である。相関は2つの変数が一緒に動く傾向を表すにすぎず、交絡因子の影響や選択バイアスによって、因果関係がなくても相関係数が大きくなることがある。「相関係数が大きければ必ず因果関係がある」は、交絡因子や選択バイアスの可能性を無視した言い切りである。「相関関係と因果関係は同じ意味である」は、一方が他方を引き起こすかどうかという因果の要素を相関の定義に含めてしまっている。「因果関係があれば相関係数は必ず1になる」は、実際の因果関係は他の要因の影響も受けるため、相関係数が必ず1になるとは限らない。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
帰無仮説のもとで、観測値以上に極端な結果が出る確率を報告した。この値はどれか。
答えと解説を見る
この事例では、状況を表す条件を定義や役割へ対応させると「帰無仮説のもとで観測結果以上に極端な結果が得られる確率」に絞れる。正解は「帰無仮説のもとで観測結果以上に極端な結果が得られる確率」である。p値は、帰無仮説が正しいと仮定したうえで、今回の観測結果と同じかそれ以上に極端な結果がどの程度起こり得るかを表す確率であり、確率が指し示す対象は観測結果側の極端さである。「帰無仮説が正しい確率」と「対立仮説が正しい確率」は、いずれも仮説そのものの真偽に確率を割り当てる主張であり、p値が観測結果側の確率を表すという定義とは対象が異なる点で誤りである。「信頼区間」は点推定に幅を持たせた区間推定の結果であり、確率の値そのものを示すp値とは示す情報の形が異なる。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
効果がないのに、検定結果から効果があると誤って結論づけた。この誤りはどれか。
答えと解説を見る
この事例では、状況を表す条件を定義や役割へ対応させると「第1種の過誤」に絞れる。正解は「第1種の過誤」である。第1種の過誤は、本当は正しい帰無仮説を誤って棄却してしまう誤りを指す。これに対して第2種の過誤は、誤っている帰無仮説を棄却できずに受け入れてしまう誤りであり、設問が問う向きとは逆である。「標本誤差」は標本を抽出する際に偶然生じるばらつきであり、「サンプリングバイアス」は抽出方法が偏ることで生じる系統的な誤差であって、いずれも帰無仮説を棄却するかどうかという検定の判断の誤りを指す語ではない。検定では、正しい帰無仮説を棄却する誤りと誤った帰無仮説を棄却できない誤りのどちらを避けたいかを意識して、有意水準の設定を考える。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
気温が飲料販売数と来店者数の両方に影響している。飲料販売施策の因果効果を調べる際の気温の扱いはどれか。
答えと解説を見る
この事例では、状況を表す条件を定義や役割へ対応させると「共変量（交絡因子）」に絞れる。正解は「共変量（交絡因子）」である。因果効果を推定したいとき、原因側の変数と結果側の変数の両方に影響する第三の変数を無視すると、見かけの関係を因果と誤解しやすい。設問では「双方に影響を与える変数」という条件が決め手になる。処置群と対照群は比較するグループ、対立仮説は検定で扱う仮説であり、原因側と結果側の双方へ影響する第三の変数を指さない。したがって共変量（交絡因子）を選ぶ。比較する集団と、双方へ影響する変数を混同しないことが重要である。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
商品Aを購入済みという条件のもとで、商品Bも購入する確率を求めた。この確率はどれか。
答えと解説を見る
この事例では、状況を表す条件を定義や役割へ対応させると「ある事象が起きたという条件のもとで、別の事象が起きる確率を扱う」に絞れる。正解は「ある事象が起きたという条件のもとで、別の事象が起きる確率を扱う」である。条件付き確率は、たとえば事象Aが起きたという前提のもとで事象Bが起きる確率を考える概念である。「確率変数の平均だけを扱う」は期待値の説明であり、条件をつけた確率そのものを表す概念ではない。「帰無仮説を棄却するかどうかだけを扱う」は統計的仮説検定の説明であり、条件付き確率とは別の枠組みである。「データベースの正規化だけを扱う」はテーブル構造を整理するデータエンジニアリングの話であり、確率の概念とは無関係である。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
p値と比較し、帰無仮説を棄却するか決める基準として事前に定めるものはどれか。
答えと解説を見る
この事例では、状況を表す条件を定義や役割へ対応させると「有意水準」に絞れる。正解は「有意水準」である。有意水準は、p値と比較して帰無仮説を棄却するかを判断する基準として使われる。決定係数は回帰モデルの当てはまり、特異度は分類モデルで陰性を正しく陰性と判定した割合、第三正規化はデータベース設計の概念であり、検定の棄却基準ではない。設問中の「帰無仮説」と「棄却する基準」を対にして、推定・検定の用語を探す。モデル評価やデータ構造の指標を除外し、有意水準を選ぶ。p値と比較する値を問う表現も特に重要な判断の手掛かりになる。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
品質レビューで次の判断を再検証する。標本から母分散を偏りなく推定するため、偏差平方和をn-1で割った。この値はどれか 根拠と用語の対応まで確認して選べ。
答えと解説を見る
レビューでは、設問の対象と役割を分けると「不偏分散」を採用できる。正解は「不偏分散」である。標本から母分散を推定する場合、単純にサンプルサイズnで割ると母分散を小さめに見積もる偏りが生じる。この偏りを補正するためにn-1で割って求めた値が不偏分散である。「標本分散」はnで割る計算であり、n-1で割る値とは分母が異なる。「標準誤差」は推定量そのもののばらつきを表す指標であり、n-1で割って求める分散の値そのものではない。「標準偏差」は分散の平方根であり、n-1で割った時点の値ではなく、その後に平方根を取った値を指す。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
品質レビューで次の判断を再検証する。広告費と売上に強い相関が見つかった。追加調査前の解釈として最も適切なものはどれか 根拠と用語の対応まで確認して選べ。
答えと解説を見る
レビューでは、設問の対象と役割を分けると「相関係数が大きくても因果関係を示すとは限らない」を採用できる。正解は「相関係数が大きくても因果関係を示すとは限らない」である。相関は2つの変数が一緒に動く傾向を表すにすぎず、交絡因子の影響や選択バイアスによって、因果関係がなくても相関係数が大きくなることがある。「相関係数が大きければ必ず因果関係がある」は、交絡因子や選択バイアスの可能性を無視した言い切りである。「相関関係と因果関係は同じ意味である」は、一方が他方を引き起こすかどうかという因果の要素を相関の定義に含めてしまっている。「因果関係があれば相関係数は必ず1になる」は、実際の因果関係は他の要因の影響も受けるため、相関係数が必ず1になるとは限らない。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
品質レビューで次の判断を再検証する。帰無仮説のもとで、観測値以上に極端な結果が出る確率を報告した。この値はどれか 根拠と用語の対応まで確認して選べ。
答えと解説を見る
レビューでは、設問の対象と役割を分けると「帰無仮説のもとで観測結果以上に極端な結果が得られる確率」を採用できる。正解は「帰無仮説のもとで観測結果以上に極端な結果が得られる確率」である。p値は、帰無仮説が正しいと仮定したうえで、今回の観測結果と同じかそれ以上に極端な結果がどの程度起こり得るかを表す確率であり、確率が指し示す対象は観測結果側の極端さである。「帰無仮説が正しい確率」と「対立仮説が正しい確率」は、いずれも仮説そのものの真偽に確率を割り当てる主張であり、p値が観測結果側の確率を表すという定義とは対象が異なる点で誤りである。「信頼区間」は点推定に幅を持たせた区間推定の結果であり、確率の値そのものを示すp値とは示す情報の形が異なる。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
品質レビューで次の判断を再検証する。効果がないのに、検定結果から効果があると誤って結論づけた。この誤りはどれか 根拠と用語の対応まで確認して選べ。
答えと解説を見る
レビューでは、設問の対象と役割を分けると「第1種の過誤」を採用できる。正解は「第1種の過誤」である。第1種の過誤は、本当は正しい帰無仮説を誤って棄却してしまう誤りを指す。これに対して第2種の過誤は、誤っている帰無仮説を棄却できずに受け入れてしまう誤りであり、設問が問う向きとは逆である。「標本誤差」は標本を抽出する際に偶然生じるばらつきであり、「サンプリングバイアス」は抽出方法が偏ることで生じる系統的な誤差であって、いずれも帰無仮説を棄却するかどうかという検定の判断の誤りを指す語ではない。検定では、正しい帰無仮説を棄却する誤りと誤った帰無仮説を棄却できない誤りのどちらを避けたいかを意識して、有意水準の設定を考える。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
品質レビューで次の判断を再検証する。気温が飲料販売数と来店者数の両方に影響している。飲料販売施策の因果効果を調べる際の気温の扱いはどれか 根拠と用語の対応まで確認して選べ。
答えと解説を見る
レビューでは、設問の対象と役割を分けると「共変量（交絡因子）」を採用できる。正解は「共変量（交絡因子）」である。因果効果を推定したいとき、原因側の変数と結果側の変数の両方に影響する第三の変数を無視すると、見かけの関係を因果と誤解しやすい。設問では「双方に影響を与える変数」という条件が決め手になる。処置群と対照群は比較するグループ、対立仮説は検定で扱う仮説であり、原因側と結果側の双方へ影響する第三の変数を指さない。したがって共変量（交絡因子）を選ぶ。比較する集団と、双方へ影響する変数を混同しないことが重要である。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
品質レビューで次の判断を再検証する。商品Aを購入済みという条件のもとで、商品Bも購入する確率を求めた。この確率はどれか 根拠と用語の対応まで確認して選べ。
答えと解説を見る
レビューでは、設問の対象と役割を分けると「ある事象が起きたという条件のもとで、別の事象が起きる確率を扱う」を採用できる。正解は「ある事象が起きたという条件のもとで、別の事象が起きる確率を扱う」である。条件付き確率は、たとえば事象Aが起きたという前提のもとで事象Bが起きる確率を考える概念である。「確率変数の平均だけを扱う」は期待値の説明であり、条件をつけた確率そのものを表す概念ではない。「帰無仮説を棄却するかどうかだけを扱う」は統計的仮説検定の説明であり、条件付き確率とは別の枠組みである。「データベースの正規化だけを扱う」はテーブル構造を整理するデータエンジニアリングの話であり、確率の概念とは無関係である。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
品質レビューで次の判断を再検証する。p値と比較し、帰無仮説を棄却するか決める基準として事前に定めるものはどれか 根拠と用語の対応まで確認して選べ。
答えと解説を見る
レビューでは、設問の対象と役割を分けると「有意水準」を採用できる。正解は「有意水準」である。有意水準は、p値と比較して帰無仮説を棄却するかを判断する基準として使われる。決定係数は回帰モデルの当てはまり、特異度は分類モデルで陰性を正しく陰性と判定した割合、第三正規化はデータベース設計の概念であり、検定の棄却基準ではない。設問中の「帰無仮説」と「棄却する基準」を対にして、推定・検定の用語を探す。モデル評価やデータ構造の指標を除外し、有意水準を選ぶ。p値と比較する値を問う表現も特に重要な判断の手掛かりになる。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
誤答除外の観点から次のケースを検討する。標本から母分散を偏りなく推定するため、偏差平方和をn-1で割った。この値はどれか 他の候補が条件を満たさないことも確認して選べ。
答えと解説を見る
誤答候補を役割ごとに除外すると「不偏分散」だけが条件を満たす。正解は「不偏分散」である。標本から母分散を推定する場合、単純にサンプルサイズnで割ると母分散を小さめに見積もる偏りが生じる。この偏りを補正するためにn-1で割って求めた値が不偏分散である。「標本分散」はnで割る計算であり、n-1で割る値とは分母が異なる。「標準誤差」は推定量そのもののばらつきを表す指標であり、n-1で割って求める分散の値そのものではない。「標準偏差」は分散の平方根であり、n-1で割った時点の値ではなく、その後に平方根を取った値を指す。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
誤答除外の観点から次のケースを検討する。広告費と売上に強い相関が見つかった。追加調査前の解釈として最も適切なものはどれか 他の候補が条件を満たさないことも確認して選べ。
答えと解説を見る
誤答候補を役割ごとに除外すると「相関係数が大きくても因果関係を示すとは限らない」だけが条件を満たす。正解は「相関係数が大きくても因果関係を示すとは限らない」である。相関は2つの変数が一緒に動く傾向を表すにすぎず、交絡因子の影響や選択バイアスによって、因果関係がなくても相関係数が大きくなることがある。「相関係数が大きければ必ず因果関係がある」は、交絡因子や選択バイアスの可能性を無視した言い切りである。「相関関係と因果関係は同じ意味である」は、一方が他方を引き起こすかどうかという因果の要素を相関の定義に含めてしまっている。「因果関係があれば相関係数は必ず1になる」は、実際の因果関係は他の要因の影響も受けるため、相関係数が必ず1になるとは限らない。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
誤答除外の観点から次のケースを検討する。帰無仮説のもとで、観測値以上に極端な結果が出る確率を報告した。この値はどれか 他の候補が条件を満たさないことも確認して選べ。
答えと解説を見る
誤答候補を役割ごとに除外すると「帰無仮説のもとで観測結果以上に極端な結果が得られる確率」だけが条件を満たす。正解は「帰無仮説のもとで観測結果以上に極端な結果が得られる確率」である。p値は、帰無仮説が正しいと仮定したうえで、今回の観測結果と同じかそれ以上に極端な結果がどの程度起こり得るかを表す確率であり、確率が指し示す対象は観測結果側の極端さである。「帰無仮説が正しい確率」と「対立仮説が正しい確率」は、いずれも仮説そのものの真偽に確率を割り当てる主張であり、p値が観測結果側の確率を表すという定義とは対象が異なる点で誤りである。「信頼区間」は点推定に幅を持たせた区間推定の結果であり、確率の値そのものを示すp値とは示す情報の形が異なる。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
誤答除外の観点から次のケースを検討する。効果がないのに、検定結果から効果があると誤って結論づけた。この誤りはどれか 他の候補が条件を満たさないことも確認して選べ。
答えと解説を見る
誤答候補を役割ごとに除外すると「第1種の過誤」だけが条件を満たす。正解は「第1種の過誤」である。第1種の過誤は、本当は正しい帰無仮説を誤って棄却してしまう誤りを指す。これに対して第2種の過誤は、誤っている帰無仮説を棄却できずに受け入れてしまう誤りであり、設問が問う向きとは逆である。「標本誤差」は標本を抽出する際に偶然生じるばらつきであり、「サンプリングバイアス」は抽出方法が偏ることで生じる系統的な誤差であって、いずれも帰無仮説を棄却するかどうかという検定の判断の誤りを指す語ではない。検定では、正しい帰無仮説を棄却する誤りと誤った帰無仮説を棄却できない誤りのどちらを避けたいかを意識して、有意水準の設定を考える。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
誤答除外の観点から次のケースを検討する。気温が飲料販売数と来店者数の両方に影響している。飲料販売施策の因果効果を調べる際の気温の扱いはどれか 他の候補が条件を満たさないことも確認して選べ。
答えと解説を見る
誤答候補を役割ごとに除外すると「共変量（交絡因子）」だけが条件を満たす。正解は「共変量（交絡因子）」である。因果効果を推定したいとき、原因側の変数と結果側の変数の両方に影響する第三の変数を無視すると、見かけの関係を因果と誤解しやすい。設問では「双方に影響を与える変数」という条件が決め手になる。処置群と対照群は比較するグループ、対立仮説は検定で扱う仮説であり、原因側と結果側の双方へ影響する第三の変数を指さない。したがって共変量（交絡因子）を選ぶ。比較する集団と、双方へ影響する変数を混同しないことが重要である。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
誤答除外の観点から次のケースを検討する。商品Aを購入済みという条件のもとで、商品Bも購入する確率を求めた。この確率はどれか 他の候補が条件を満たさないことも確認して選べ。
答えと解説を見る
誤答候補を役割ごとに除外すると「ある事象が起きたという条件のもとで、別の事象が起きる確率を扱う」だけが条件を満たす。正解は「ある事象が起きたという条件のもとで、別の事象が起きる確率を扱う」である。条件付き確率は、たとえば事象Aが起きたという前提のもとで事象Bが起きる確率を考える概念である。「確率変数の平均だけを扱う」は期待値の説明であり、条件をつけた確率そのものを表す概念ではない。「帰無仮説を棄却するかどうかだけを扱う」は統計的仮説検定の説明であり、条件付き確率とは別の枠組みである。「データベースの正規化だけを扱う」はテーブル構造を整理するデータエンジニアリングの話であり、確率の概念とは無関係である。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
誤答除外の観点から次のケースを検討する。p値と比較し、帰無仮説を棄却するか決める基準として事前に定めるものはどれか 他の候補が条件を満たさないことも確認して選べ。
答えと解説を見る
誤答候補を役割ごとに除外すると「有意水準」だけが条件を満たす。正解は「有意水準」である。有意水準は、p値と比較して帰無仮説を棄却するかを判断する基準として使われる。決定係数は回帰モデルの当てはまり、特異度は分類モデルで陰性を正しく陰性と判定した割合、第三正規化はデータベース設計の概念であり、検定の棄却基準ではない。設問中の「帰無仮説」と「棄却する基準」を対にして、推定・検定の用語を探す。モデル評価やデータ構造の指標を除外し、有意水準を選ぶ。p値と比較する値を問う表現も特に重要な判断の手掛かりになる。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
因果推論において、ある施策や介入の効果を測定するために、意図的にその施策を実施する対象として設定されるグループを何と呼ぶか。
答えと解説を見る
正解は「処置群」である。因果推論では、効果を測定したい施策や介入を意図的に実施する対象のグループを「処置群」と呼び、施策を実施しない比較対象のグループである「対照群」との結果の差から効果を推定する。「対照群」は処置を受けないグループを指し、処置群とは逆の役割である。「共変量」は処置群・対照群双方の結果に影響しうる、処置以外の説明変数を指す。「交絡因子」は処置の有無と結果の両方に影響を及ぼし、見かけ上の因果関係を歪める要因を指す。したがって、施策を意図的に実施する対象のグループは「処置群」である。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
ある施策の効果を比べる際、施策を受けるかどうかと結果の両方に影響し、施策の効果を誤って大きく又は小さく見せるおそれがある要因はどれか。
答えと解説を見る
正解は「交絡因子」である。交絡因子は処置の有無と結果の両方に影響するため、処置だけが結果を変えたように見せ、因果関係の推定を歪めるおそれがある。処置群は施策を受ける対象のグループ、対照群は受けない比較対象のグループであり、いずれも要因の名称ではない。共変量は結果に関係し得る説明変数だが、設問のように処置と結果の両方に影響して見かけ上の関係を歪める点を直接表す語は交絡因子である。推定では、二つの結果が同時に変わったことだけで因果関係を判断しない姿勢が必要になる。したがって、確認すべき要因は交絡因子である。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
施策を受ける人と受けない人が、施策の開始前から異なる特徴を持つため、二つのグループの結果をそのまま比べると施策の効果を正しく推定できないおそれがある。この問題はどれか。
答えと解説を見る
正解は「選択バイアス」である。選択バイアスは、処置を受ける対象と受けない対象の選ばれ方に偏りがあり、開始前から両者が同じ条件ではないことで比較が歪む問題である。交絡因子は処置の有無と結果の両方に影響する要因を指す。処置群と対照群は比較する二つのグループの名称であり、比較が歪む原因の名称ではない。因果推論では、施策後の結果だけを見る前に、誰がどのような条件で施策を受けたかを確認する必要がある。開始前の違いを施策の効果だと扱わないことが重要である。したがって、設問の状況は選択バイアスである。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
数値の差だけでなく比にも意味があり、ゼロが量の不在を表す尺度はどれか。
答えと解説を見る
正解は「比例尺度」である。比例尺度はゼロが量の不在を表し、数値の差だけでなく比にも意味がある尺度である。間隔尺度は差を比較できるが、ゼロが量の不在を表すとは限らないため、二倍といった比の解釈には注意が必要になる。順序尺度は大小や順位を表すが、隣り合う値の差が等しいとは限らない。名義尺度は分類のための区分であり、数値の大小や比を扱わない。設問では、順位が付くかではなく、ゼロ点と二倍という比の解釈が可能かを問うている。したがって比例尺度を選ぶ。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）
実際には帰無仮説が正しいにもかかわらず、それを棄却してしまう誤りはどれか。
答えと解説を見る
正解は「第1種の過誤」である。第1種の過誤は、実際には帰無仮説が正しいにもかかわらず、帰無仮説を棄却してしまう誤りを指す。第2種の過誤は、実際には帰無仮説が正しくない場合に棄却できない誤りであり、真の状態と判断の組み合わせが逆である。有意水準は帰無仮説を棄却する際の判断に関わる基準、p値は観測された結果に関わる値であって、誤りそのものの名称ではない。検定では、帰無仮説が実際に正しいかと、棄却したかを二つの軸として整理する。したがって第1種の過誤を選ぶ。
https://github.com/The-Japan-DataScientist-Society/skills-checklist （2026-07-12公式スキルチェックリストver.6照合）