# 推測統計学 (Data Science & ML)

> 仮説検定、信頼区間、p値、t検定、カイ二乗、ANOVA、線形回帰

- 24 面接問題
- Mid-Level
- [面接問題: Data Science & ML](https://sharpskill.dev/ja/technologies/data-science/interview-questions.md)

## 1. 仮説検定における帰無仮説（H₀）とは何ですか？

**回答**

帰無仮説（H₀）は、効果や有意な差が存在しないことを仮定するデフォルトの命題です。これは、収集されたデータに基づいて棄却するか棄却しないかを検討する仮説です。例えば、H₀は新しい治療法がプラセボと比較して効果がないと主張するかもしれません。統計検定は、データがこの仮説を棄却し対立仮説（H₁）を支持するのに十分な証拠を提供するかどうかを評価します。

## 2. 統計検定におけるp値は何を表しますか？

**回答**

p値は、帰無仮説が真であると仮定したときに、観測された結果と同等以上に極端な結果が得られる確率です。低いp値（通常< 0.05）は、H₀の下では観測データがあり得ないことを示し、その棄却につながります。注意：p値はH₀が真である確率でも、結果が偶然による確率でもありません。

## 3. 推測統計における第一種の過誤とは何ですか？

**回答**

第一種の過誤（偽陽性）は、帰無仮説が実際には真であるのに棄却してしまう場合に発生します。有意水準α（多くの場合0.05）は、この過誤を犯す最大許容確率を表します。例えば、薬が効果的でないのに効果的だと結論づけることは第一種の過誤に該当します。この過誤は有意水準の選択によって制御されます。

## さらに21問利用可能

- 推測統計における第二種の過誤とは何ですか？
- 95%信頼区間は何を表しますか？

無料で登録: https://sharpskill.dev/ja/login

## その他のData Science & ML面接トピック

- [Pythonの基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/python-basics.md): 25問, Junior
- [Pythonオブジェクト指向プログラミング](https://sharpskill.dev/ja/technologies/data-science/interview-questions/python-oop.md): 20問, Junior
- [Pythonのデータ構造](https://sharpskill.dev/ja/technologies/data-science/interview-questions/python-data-structures.md): 20問, Junior
- [Git の基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/git-fundamentals.md): 18問, Junior
- [SQLの基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/sql-basics.md): 20問, Junior
- [NumPyの基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/numpy-fundamentals.md): 22問, Junior
- [Pandasの基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/pandas-basics.md): 22問, Junior
- [Jupyter & Google Colab](https://sharpskill.dev/ja/technologies/data-science/interview-questions/jupyter-colab.md): 16問, Junior
- [SQL Joinsと高度なクエリ](https://sharpskill.dev/ja/technologies/data-science/interview-questions/sql-joins-advanced.md): 22問, Mid-Level
- [Pandas応用](https://sharpskill.dev/ja/technologies/data-science/interview-questions/pandas-advanced.md): 24問, Mid-Level
- [Matplotlib & Seabornによる可視化](https://sharpskill.dev/ja/technologies/data-science/interview-questions/matplotlib-seaborn.md): 20問, Mid-Level
- [Plotlyによるインタラクティブな可視化](https://sharpskill.dev/ja/technologies/data-science/interview-questions/plotly-interactive.md): 18問, Mid-Level
- [記述統計](https://sharpskill.dev/ja/technologies/data-science/interview-questions/statistics-descriptive.md): 20問, Mid-Level
- [Web Scraping](https://sharpskill.dev/ja/technologies/data-science/interview-questions/web-scraping.md): 18問, Mid-Level
- [BigQuery & Cloud Data](https://sharpskill.dev/ja/technologies/data-science/interview-questions/bigquery-cloud.md): 18問, Mid-Level
- [Feature Engineering](https://sharpskill.dev/ja/technologies/data-science/interview-questions/feature-engineering.md): 22問, Mid-Level
- [教師あり機械学習：回帰](https://sharpskill.dev/ja/technologies/data-science/interview-questions/ml-supervised-regression.md): 24問, Mid-Level
- [教師あり機械学習：分類](https://sharpskill.dev/ja/technologies/data-science/interview-questions/ml-supervised-classification.md): 24問, Mid-Level
- [決定木とアンサンブル](https://sharpskill.dev/ja/technologies/data-science/interview-questions/ml-trees-ensembles.md): 24問, Mid-Level
- [教師なしML](https://sharpskill.dev/ja/technologies/data-science/interview-questions/ml-unsupervised.md): 22問, Mid-Level
- [MLパイプラインと検証](https://sharpskill.dev/ja/technologies/data-science/interview-questions/ml-pipelines-validation.md): 22問, Mid-Level
- [時系列と予測](https://sharpskill.dev/ja/technologies/data-science/interview-questions/time-series-forecasting.md): 22問, Mid-Level
- [Deep Learningの基礎](https://sharpskill.dev/ja/technologies/data-science/interview-questions/deep-learning-fundamentals.md): 24問, Senior
- [TensorFlow & Keras](https://sharpskill.dev/ja/technologies/data-science/interview-questions/tensorflow-keras.md): 22問, Senior
- [CNN と画像分類](https://sharpskill.dev/ja/technologies/data-science/interview-questions/cnn-image-classification.md): 24問, Senior
- [RNNとシーケンス](https://sharpskill.dev/ja/technologies/data-science/interview-questions/rnn-sequences.md): 22問, Senior
- [TransformersとAttention](https://sharpskill.dev/ja/technologies/data-science/interview-questions/transformers-attention.md): 24問, Senior
- [NLPとHugging Face](https://sharpskill.dev/ja/technologies/data-science/interview-questions/nlp-huggingface.md): 24問, Senior
- [GenAIとLangChain](https://sharpskill.dev/ja/technologies/data-science/interview-questions/genai-langchain.md): 24問, Senior
- [MLOps とデプロイ](https://sharpskill.dev/ja/technologies/data-science/interview-questions/mlops-deployment.md): 24問, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/ja/technologies/data-science/interview-questions/statistics-inferential