ガウス分布
ガウス分布とは、平均値の周囲にデータが左右対称の鐘型曲線を描いて集まる確率分布のことです。正規分布とも呼ばれ、自然界や社会現象、機械学習の誤差モデルなどで広く利用される統計学の基本概念です。
統計学のAI用語一覧（2ページ目）
282件統計学に関するAI用語を282件掲載しています。意味や使い方、関連用語を一覧から確認できます。 現在は2ページ目です。
回帰モデル
回帰モデルとは、数値の予測やデータの傾向分析を行うために用いられる、入力変数と連続値の出力変数の関係性を数式で表した機械学習や統計学のモデルです。過去のデータに基づいて、気温から売上を予測したり、広さから住宅価格を予測したりする際に活用され、データ分析や意思決定に深く貢献しています。
情報幾何学
情報幾何学は、確率分布の集まりを「空間」とみなし、微分幾何学の手法を用いて解析する数学の分野です。AIや機械学習の最適化、深層学習における学習ダイナミクスの解析、確率モデルの性質を深く理解するための強力な理論的基盤として広く活用されています。
帰無仮説
帰無仮説とは、統計的仮説検定において検証の出発点となる仮説のことです。「主張したいことの逆（効果や差がない状態）」をあえて仮定し、得られたデータがその仮定のもとでどれほど起きにくいかを評価します。確率が十分に低い場合に帰無仮説を棄却し、効果や差が存在するという対立仮説を採択する手法で用いられます。
多重共線性
多重共線性（マルチコ）とは、重回帰分析などの統計モデルにおいて、複数の説明変数間に高い相関関係が存在する状態を指します。これが起きると、回帰係数の推定値が不安定になり、モデルの解釈や予測の信頼性が著しく低下します。機械学習やデータ分析における特徴量選択で特に注意すべき現象です。
認識的不確実性
認識的不確実性とは、AIモデルの知識不足や学習データの不足によって生じる不確実性のことです。十分なデータを集めて追加学習を行うことで、この不確実性を減少させることが可能という特徴を持ちます。自動運転の安全性評価や、アクティブラーニングにおいて、モデルが『何を知らないか』を定量化し、信頼性の高い意思決定を行うために極めて重要な指標です。
最尤推定
最尤推定とは、観測されたデータから、それが生成される確率が最も高くなるようなパラメータを逆算する統計的な推計手法です。機械学習のモデル学習やパラメータ推定において、確率モデルの最適な設定値を求めるための基礎技術として広く利用されています。
ロジスティック回帰
ロジスティック回帰とは、データが特定のクラスに属する確率を予測するための代表的な機械学習アルゴリズムです。名前は回帰ですが、実際にはスパムメールの判定や病気の有無といった「分類問題」を解決するために広く使われる基本手法です。
移動平均
移動平均（MA）とは、時系列データにおいて一定期間ごとの平均値を順次ずらしながら算出する統計手法です。データの不規則な変動（ノイズ）を取り除き、全体的な傾向（トレンド）を滑らかに捉えるために用いられます。AIや機械学習の分野では、時系列予測モデルの特徴量生成や、ニューラルネットワークの学習時に用いられる最適化アルゴリズム、重みの平滑化などで広く活用されています。
最小二乗法
最小二乗法は、データから得られた点群に対して誤差の二乗和が最小となるような数式モデルを求める数学的な手法です。AIや機械学習において、データの傾向を分析する回帰分析の基礎として広く活用されています。
確率分布
確率分布とは、確率変数を取り得る値とその値を取る確率の対応関係を示したものです。AIや機械学習において、データの傾向を数理的にモデル化し、予測や生成を行うための基礎となる極めて重要な概念です。
目的変数
目的変数とは、機械学習や統計学において予測や説明の対象となる変数のことです。データ分析において最も知りたい結果にあたり、AIのモデル構築において正確な学習を行うための正解データとして極めて重要な役割を果たします。
事前確率
事前確率とは、新しいデータや証拠（観測データ）を得る前に、ある事象が起こる確率や仮説が正しいと信じられる確率のことです。ベイズ統計学における基本概念の一つであり、過去の経験や主観的な知識に基づいて設定されます。機械学習の分類問題や、ベイジアンフィルタによるスパム判定など、様々なAI技術の基礎として活用されています。
共分散行列
共分散行列とは、複数の変数（多次元データ）間における分散と共分散をグリッド（行列）状に並べたものです。データの各変数単体のばらつき（分散）と、異なる変数間の連動性（共分散）を同時に表現でき、機械学習における次元削減や特徴抽出、データの分布の理解に不可欠な基礎概念となっています。
点推定
点推定とは、統計学や機械学習において、母集団の未知のパラメータ（平均や分散など）を、サンプルデータから得られた単一の数値（点）として推定する手法です。モデルの重みの最適化やパラメータチューニングなど、AI開発の多くの場面で基礎となる手法ですが、推定値の不確実性（誤差の範囲）を評価できないという特徴もあります。
グラフィカルモデル
グラフィカルモデルは、確率変数間の依存関係や条件付き独立性をグラフ構造を用いて視覚的かつ数学的に表現する枠組みです。複雑な確率分布を効率的に扱い、機械学習や推論の分野で広く活用されています。
算術平均
算術平均とは、すべての数値を足し合わせてからデータの個数で割る代表的な平均値の算出方法です。AIや機械学習の前処理やモデル評価において、データの中心傾向を把握するための基本的な統計量として広く利用されています。
マルコフ鎖モンテカルロ法
マルコフ鎖モンテカルロ法（MCMC）は、解析的に計算することが困難な複雑な確率分布から、コンピュータを用いてランダムなサンプルを効率的に発生させ、統計的な推論を行うアルゴリズムの総称です。特にベイズ推論において事後分布を近似計算する手法として広く利用され、確率的プログラミングや画像処理などのAI分野で重要な役割を果たしています。
最大事後確率推定
最大事後確率推定（MAP推定）とは、観測されたデータと事前知識を組み合わせて、最も起こりやすいパラメーターの値を求める統計的手法です。機械学習のモデル学習や画像処理などにおいて、過学習を防ぎながら精度の高い推定を行うために広く利用されています。
カテゴリカルデータ
カテゴリカルデータとは、性別や血液型のようにいくつかのグループや質的な属性に分類されるデータのことで、数値としての大小や四則演算の意味を持ちません。AIや機械学習モデルで扱う際には、数値への変換処理が不可欠です。
統計的有意差
統計的有意差とは、観察されたデータ間の違いや効果が、単なる偶然ではなく統計的に意味のある違いであると判断できる状態を指します。仮説検定を用いて算出されるp値が、あらかじめ設定した有意水準を下回る場合に統計的有意差があると結論付けられます。AIやデータ分析においてモデル改善や施策の効果検証に欠かせない概念です。
ランダムサンプリング
ランダムサンプリングとは、母集団から偏りなく無作為にデータを抽出する手法です。AIや機械学習において、膨大なデータから代表的な部分集合を選び出し、モデルの学習効率を高めたり過学習を防ぐために広く活用されます。
確率モデル
確率モデルとは、データに潜む不確実性やランダム性を確率変数と確率分布を用いて数理的に表現する仕組みです。AIや機械学習において、事象の予測やパターン認識を行うための基礎的なアプローチとして広く活用されています。
相関係数
相関係数は2つの変数間にどれだけ強い直線的な関係があるかを示す統計指標です。AIや機械学習のデータの前処理や特徴量選択において、変数の関係性を把握するために不可欠な概念となります。