統計検定準1級に、生成AIと一緒に再挑戦します【第1回：一度挫折した話】

はじめに

この記事は、統計検定準1級の勉強を一度挫折した人間が書いています。

公式テキスト（通称ワークブック）は一通り目を通しました。それなのに、いま範囲を見返しても後半はほとんど頭に残っていません。数式が難しかったという話ではなく、「この手法、結局何に使うんだっけ？」 が答えられない状態です。

今回、生成AIを相棒にして、この状態から再挑戦することにしました。この連載では、その勉強のプロセスをそのまま記録していきます。うまくいったことも、AIが間違えたことも含めて正直に書きます。

なお筆者は統計の専門家ではありません。記事中の理解には誤りが含まれる可能性があるため、試験対策として読む場合は必ず公式テキストで確認してください。

TL;DR：この連載でやること

• 統計検定準1級の全32章を、「定義」ではなく「何に使う道具か」から入る順番で勉強し直す
• 生成AIに説明させ、その説明が正しいか自分で計算・シミュレーションして検証する
• 週1本ペースで、勉強したことを記事にする（AIが間違えた箇所も記録する）
• 教材は公式テキスト・統計学入門・公式問題集の3冊（公式テキストは2026年8月20日頃に増補版が出るので、これから買う方はそちらを）

前提：使っている参考書は3冊

先に、この連載の前提となる教材を挙げておきます。私が使っているのは次の3冊です。

統計学実践ワークブック（公式テキスト）

準1級の対策では事実上の必須です。出題範囲がそのまま章立てになっているので、これがないと「何を勉強すればいいのか」自体がわかりません。

一方で、初学者がこれ1冊で理解しようとすると、まず間違いなくつまずきます。範囲を1冊に収めるために式変形や導出が大幅に省略されていて、「何に使うのか」の説明もほとんどありません。実際に私はこれで一度挫折しました。

なので位置づけとしては、**教科書ではなく「範囲の地図」**として使うのが正解だと思っています。理解は別の手段で補う前提です。今回はその補う役をAIに担ってもらいます。

なお、これから買う方への注意点です。 私が持っているのは以前の版ですが、2026年8月20日頃に増補版が発売予定です（楽天ブックスの表記による）。これから購入するなら、増補版を待つか、そちらを選ぶことをおすすめします。

以前の版には「モデル選択」など一部の章が収録されていないという指摘があり、増補版で補われるようです。この連載は手元の旧版で進めますが、内容に差異があれば記事中で触れるようにします。

以下のリンクは増補版のものです。

統計学入門（東京大学出版会）

いわゆる「赤本」です。ワークブックが省略している基礎部分を、こちらで補います。分布や推定・検定の考え方が丁寧に書かれているので、ワークブックで「なぜこの式になるのか」が飛ばされている箇所を確認するのに使っています。

ただし、この本の範囲は準1級の全体には届きません。多変量解析や時系列、ベイズといった後半の領域はカバーされていないので、基礎ブロックの相棒と考えるのが実際的です。

公式問題集

過去問です。ワークブックを読んでいるだけでは、どのレベルで問われるのかが掴めません。私は前回、範囲の途中で力尽きて問題集までたどり着けませんでした。今回は各クールの終わりに解いて、理解度の確認に使う予定です。

この3冊以外の副読本を、いま増やすつもりはありません。前回うまくいかなかった原因は教材の不足ではなく、読んだ内容が使いどころと結びついていなかったことだと考えているからです。まずはそこを埋めることに集中します。

なぜ一度挫折したのか

前回の挑戦では、公式ワークブックを頭から読み進めました。時間の都合で中断したのが直接の原因ですが、いま振り返ると、それ以前に読んでも身についていない感覚がずっとありました。

理由がようやく言語化できたので書いておきます。ワークブックは「何に使うのか」を説明していないのです。

これは批判ではありません。あの本は準1級の全範囲を1冊に収めるという役割上、各手法の定義と数式を最短距離で並べる構成になっています。ページ数の制約を考えれば当然の設計です。しかし初学者にとっては、その省かれた部分こそが理解の入り口でした。

たとえば第25章に出てくる因子分析。テキストには「因子負荷量」「共通性と独自性」といった用語と式が並びます。でも、こう言われたらどうでしょうか。

「頭の良さ」は直接測れない。でも、いくつかのテストの点数には、その影響が表れているはずだ。この直接測れない共通の要因を、観測できたデータから取り出したい。

こちらから入れば、因子分析が何をする道具なのかは一発でわかります。用語はその後でいい。私に足りなかったのは、この順番でした。

準1級の範囲を、あらためて確認する

そもそも範囲を忘れていたので、まず棚卸しから始めました。公式テキストは全32章。内訳はこうなっています。

確率・推定・検定の基礎は2級の範囲として前提にされ、その上に回帰の応用・多変量解析・時系列解析・確率過程・ベイズが乗ってきます。

つまり、得意な分野だけ深めるという戦略が取れません。範囲を全部やらないといけない。この「全部やる」という構造が、私にとっては挫折しやすさの一因だったと思います。

自分の理解度も正直に棚卸ししました。

半分が初挑戦です。ただ、これは思ったより悪くない結果でした。空白地帯が後半にまとまって固まっているからです。バラバラに抜けているより、狙いを定めやすい。

「何に使うのか」で全32章を並べ替えた

そこで、全32章を「どんな困りごとを解決する道具か」の視点で書き直しました。数式は使いません。いくつか例を挙げます。

こうして並べると、後半の章がやたら難しく見えていたのは、手法が宙に浮いていたからだとわかります。困りごとと結びついた瞬間、少なくとも「何のための章か」は迷わなくなりました。

生成AIをどう使うか（そして、どこを信じないか）

方針は決めました。AIには**「何に使うのか」の説明役と手を動かす部分の相棒**をやってもらいます。

一方で、統計は生成AIが地味に間違えやすい分野でもあります。検定の前提条件、自由度の扱い、ベイズまわりの説明などは、もっともらしい間違いが混ざります。なので、この連載では次のルールを自分に課します。

AIの説明を、そのまま記事に載せない。必ず自分で計算して確かめる。

そして間違いを見つけたら、それも記事に書きます。同じく勉強している人にとっては、そこが一番役に立つ情報だと思うからです。

実際にやってみる：中心極限定理

さっそく試してみます。第7章の中心極限定理。「標本を増やすと標本平均が正規分布に近づく」というものですが、読むだけだと実感が湧きません。

そこで、あえて正規分布から程遠い母集団を使ってシミュレーションしました。指数分布です。右に強く歪んでいて、0より小さい値は絶対に取りません。この母集団から n 個を取って平均する、という操作を2万回繰り返し、その分布を描いてみます。

import numpy as np
import matplotlib.pyplot as plt

rng = np.random.default_rng(42)

for n in [1, 2, 10, 50]:
    # 指数分布からn個取って平均する、を2万回繰り返す
    means = rng.exponential(scale=1.0, size=(20000, n)).mean(axis=1)
    plt.hist(means, bins=60, density=True)
    plt.title(f"n = {n}")
    plt.show()

結果はこうなりました。

注目してほしいのは n=1 のときの左端です。 ズバッと切れています。指数分布は0以上の値しか取らないので、それより小さい標準化値が存在しないためです。そして n を増やすと、この「壁」がだんだん溶けて左の裾が伸び、対称な釣鐘型に近づいていきます。

静止画で並べるとこうです。

さらに、歪度（分布の歪みを表す数値）を実測して理論値と比べました。中心極限定理が効いているなら、指数分布の場合は 2/√n に従うはずです。

ほぼ一致しました（乱数を使っているので実測値は実行ごとに多少ずれます）。「n を増やせば正規分布に近づく」を、自分の手元の数字として確認できたのが収穫です。前回の勉強では、ここまでやっていませんでした。

学習ロードマップ

順番通りに進めます。既知の部分も復習として通過しますが、そこは軽快に。

第1クール（1〜12週）土台を固め直す 確率と分布、推定と検定の基礎。既知の部分は復習、うろ覚えの部分を埋め直します。

第2クール（13〜22週）未知の領域へ ノンパラメトリック法、回帰の応用（診断法・質的回帰・生存時間解析）、実験計画、確率過程。ここから本格的に空白地帯です。

第3クール（23〜32週）後半の主戦場 多変量解析、時系列解析、ベイズ。もっとも理解が薄い領域です。

次回

第2回は第1章の「事象と確率」から。ベイズの定理を扱います。

「検査で陽性が出た。でも本当に病気なのか？」という、あの話です。公式は覚えていても直感に反する結果になるところなので、AIに説明させつつ、実際に数字を動かして確かめてみます。

→ 第2回：「精度99%の検査で陽性」でも病気の確率は50%

この連載は、うまくいった記録だけでなく、詰まった箇所やAIが間違えた箇所も含めて書いていきます。同じく準1級を目指している方、一度挫折した方の参考になれば嬉しいです。