[{"data":1,"prerenderedAt":114},["ShallowReactive",2],{"unit:shindanshi\u002Fjoho\u002Fkeisan\u002Ftoukei-kankei":3},{"unit":4,"drills":91,"related":96,"topicUnits":101},{"id":5,"exam":6,"subject":7,"subjectName":8,"topic":9,"title":10,"tier":11,"hindo":12,"kijunbi":13,"readingMinutes":14,"sources":15,"factcheck":20,"blocks":24,"pairs":38,"drills":50,"links":88},"shindanshi\u002Fjoho\u002Fkeisan\u002Ftoukei-kankei","shindanshi","joho","経営情報システム","計算と統計","相関と回帰 — 関係の強さを測り、直線で予測する",1,"A","2026-05-01",5,[16],{"kind":17,"label":18,"url":19},"kokai","日本中小企業診断士協会連合会「令和8年度第1次試験案内」（相関係数・回帰分析は統計の標準知識。URLは試験科目・制度の確認用）","https:\u002F\u002Fwww.jf-cmca.jp\u002Fattach\u002Ftest\u002Fr08\u002Fr08_1ji_annai.pdf",{"status":21,"date":22,"scope":23},"passed","2026-07-16","独立監査（opus・2026-07-16）: 最重要検証点＝素材ゼロから新規執筆した統計2ユニットの数学的正確性——全数検算を通過（3,5,6,7,9→平均6\u002F二乗和20\u002F分散4\u002FSD2・不偏分散5・±1σ68%\u002F±2σ95%\u002F±3σ99.7%・r範囲−1〜+1・R²=r²で0.81・最小二乗法・アイス×水難の疑似相関例は統計教育の定番と確認）。信頼性calc3問（0.72\u002F0.864\u002F0.9）とtolerance検算の論理・jitsumuの876時間→約88時間・並列0.98\u002F0.99も全数再計算で一致。MTBF\u002FMTTRはRASIS標準の妥当な拡張と判定。最新IT用語17語の定義全点正確（Docker\u002FK8s・レイク\u002FDWH・ゼロトラスト・RAG・RPA等）。ドリル16\u002F16正確・hindo引き上げ（信頼性★★→A・統計→A）は例外規定（根拠コメント明記）に適合・比喩規律適合（統計は定義分解＋実務レジスタ・新規場面比喩なし）・文字混入ゼロ・リンク8件全実在・18U\u002F残り1科目の記述も実カウントと一致。S\u002FA級ゼロ・B級1件（saishin-yougoの出題語選定は時点依存→保守メモをヘッダに追記済み）・C級2件（維持可）。合格可能性約88%。Blind Spot申し送り=検定・推定（帰無仮説\u002Fp値\u002F信頼区間）・変動係数は未収録（カバレッジ課題として次段補完余地）。PASS。",{"hook":25,"question":26,"intuition":27,"rigor":30,"pitfall":33,"jitsumu":36,"payoff":37},"\n        \u003Cp>「気温が上がるとアイスの売上が伸びる」——販売データを散布図にすると、点が右上がりに並びます。この\u003Cb>関係の強さ\u003C\u002Fb>を1つの数字にしたのが相関係数、関係を\u003Cb>直線の式にして予測に使う\u003C\u002Fb>のが回帰分析です。\u003C\u002Fp>\n        \u003Cp>そして統計で一番よく問われる引っかけがここにあります——\u003Cb>「相関がある」は「原因である」ではない\u003C\u002Fb>。\u003C\u002Fp>","相関係数は何を測り、回帰分析は何をして、決定係数は何を表すのでしょうか。",{"heading":28,"html":29},"相関係数は−1から＋1——符号が向き、絶対値が強さです","\n        \u003Cp>\u003Cb>相関係数（r）\u003C\u002Fb>は2つの量の\u003Cb>直線的な関係\u003C\u002Fb>の強さを測り、必ず\u003Cb>−1から＋1\u003C\u002Fb>の間に収まります。＋1に近いほど強い正の相関（右上がり）、−1に近いほど強い負の相関（右下がり）、0付近は\u003Cb>直線的な関係がない\u003C\u002Fb>。符号＝向き、絶対値＝強さ、で読みます。\u003C\u002Fp>\n        \u003Cp>\u003Cb>回帰分析\u003C\u002Fb>は、関係を\u003Cb>y＝a＋bx\u003C\u002Fb>という直線の式にします——気温（x）から売上（y）を予測する道具。直線の引き方は\u003Cb>最小二乗法\u003C\u002Fb>＝各点と直線のズレ（残差）の\u003Cb>二乗和が最小\u003C\u002Fb>になるように決めます。説明する変数が1つなら\u003Cb>単回帰\u003C\u002Fb>、複数なら\u003Cb>重回帰\u003C\u002Fb>です。\u003C\u002Fp>\n        \u003Cdiv class=\"chorus\">\u003Cspan class=\"chorus-k\">関係の合言葉\u003C\u002Fspan>\u003Cspan class=\"chorus-t\">\u003Cb>相関係数＝−1〜＋1\u003C\u002Fb>（符号が向き・絶対値が強さ）——回帰は\u003Cb>最小二乗法\u003C\u002Fb>で直線を引き、\u003Cb>決定係数R²＝説明できる割合\u003C\u002Fb>\u003C\u002Fspan>\u003C\u002Fdiv>",{"heading":31,"html":32},"決定係数R²——「モデルで説明できた割合」を0〜1で表します","\n        \u003Cp>引いた直線がどれだけ当てはまっているかを測るのが\u003Cb>決定係数（R²）\u003C\u002Fb>——目的変数（売上）のばらつきのうち、\u003Cb>モデルで説明できた割合\u003C\u002Fb>で、0〜1の値を取ります。R²＝0.81なら「売上の変動の81%は気温で説明できる」。単回帰では\u003Cb>R²＝相関係数の二乗\u003C\u002Fb>（r＝0.9ならR²＝0.81）という関係も問われます。\u003C\u002Fp>\n        \u003Cp>注意点は2つ——①相関係数が測るのは\u003Cb>直線的な\u003C\u002Fb>関係だけ（U字型の関係はr≈0になりうる）。②相関係数は\u003Cb>外れ値に敏感\u003C\u002Fb>で、1点の異常値で大きく動きます。散布図を見ずにrだけで判断しない、が実務の作法です。\u003C\u002Fp>",{"heading":34,"html":35},"「相関＝因果」への飛躍が、最大にして最頻の的です","\n        \u003Cp>最重要の誤り肢が\u003Cb>相関と因果の混同\u003C\u002Fb>——「アイスの売上と水難事故に強い正の相関があるので、アイスが事故の原因である」。実際は\u003Cb>気温という第三の変数\u003C\u002Fb>が両方を動かしています（疑似相関）。相関は「一緒に動く」ことしか言っておらず、\u003Cb>原因の向きも、原因かどうかも言っていません\u003C\u002Fb>。\u003C\u002Fp>\n        \u003Cp>数字の的は\u003Cb>範囲\u003C\u002Fb>——「相関係数が1.5」はあり得ません（−1〜＋1）。「r＝0なら2つの量は無関係」も厳密には誤り——\u003Cb>直線的な\u003C\u002Fb>関係がないだけで、曲線的な関係は残りえます。\u003C\u002Fp>","\n        \u003Cp>顧問先のデータ分析で回帰は「予測」より先に「説得」に効きます——「販促費と売上の散布図に直線を引くと、R²＝0.7。販促費で売上の7割が説明できる」という一枚は、経験談より強い稟議資料になります。ただし相関＝因果の罠はここでも本番——「朝礼をやった月は売上が高い」の裏に繁忙期という第三の変数がいないか、疑うのが診断士の仕事です。\u003C\u002Fp>","\n        冒頭の問いに答えます。相関係数は直線的な関係の強さを−1〜＋1で測り（符号＝向き・絶対値＝強さ）、回帰分析は最小二乗法（残差二乗和の最小化）でy＝a＋bxの直線を引いて予測に使い、決定係数R²はモデルで説明できたばらつきの割合（単回帰ではrの二乗）です。そして相関は因果ではない——第三の変数を常に疑うこと。仕上げは、試験が好きな「今どきのIT用語」の総ざらいへ。",[39],{"label":40,"left":41,"right":45,"hinge":49},"相関と因果",{"badge":42,"name":43,"note":44},"相関","一緒に動く、というだけ","アイスの売上と水難事故——第三の変数（気温）が両方を動かす",{"badge":46,"name":47,"note":48},"因果","一方が他方を引き起こす","向きの特定には実験・統制が必要——相関からは言えない","「相関があるので原因である」への飛躍が最頻の誤り肢。疑似相関を疑ってください。",[51,62,75,83],{"type":52,"id":53,"prompt":54,"options":55,"correct":60,"explanation":61},"quiz","joho-tk2-q1","相関係数に関する記述として、最も適切なものはどれか。",[56,57,58,59],"相関係数は−1から＋1の値を取り、−1に近いほど強い負の相関を表す。","相関係数は0から＋2の値を取り、＋2が完全な正の相関を表す。","相関係数が0であれば、2つの変数の間にはいかなる関係も存在しない。","2つの変数に強い正の相関があれば、一方が他方の原因であると結論できる。",0,"\u003Cstrong>正解：ア\u003C\u002Fstrong>　範囲は−1〜＋1、符号が向き・絶対値が強さです。\u003Cbr>イ＝範囲が誤り（1.5や2はあり得ない）、ウ＝r＝0は「直線的な」関係がないだけ（曲線的な関係は残りうる）、エ＝相関は因果ではない（疑似相関・第三の変数）。範囲と因果への飛躍が手口です。",{"type":63,"id":64,"prompt":65,"ask":66,"choices":67,"correctKey":72,"explanation":74},"judge","joho-tk2-j1","「アイスクリームの売上と水難事故の件数に強い正の相関が見られたため、アイスクリームの販売を規制すれば水難事故を減らせると結論した」との記述がある。","この推論は適切か。",[68,71],{"key":69,"label":70},"ok","適切",{"key":72,"label":73},"ng","不適切","\u003Cb>不適切\u003C\u002Fb>です。気温という\u003Cb>第三の変数\u003C\u002Fb>が両方を動かしている疑似相関の典型例——相関は「一緒に動く」ことしか言っておらず、原因であることも、原因の向きも言っていません。",{"type":63,"id":76,"prompt":77,"ask":78,"choices":79,"correctKey":69,"explanation":82},"joho-tk2-j2","「単回帰分析において、相関係数が0.9であれば、決定係数は0.81となり、目的変数の変動の約81%がモデルで説明できる」との記述がある。","この記述は適切か。",[80,81],{"key":69,"label":70},{"key":72,"label":73},"\u003Cb>適切\u003C\u002Fb>です。単回帰では決定係数R²＝相関係数の二乗——0.9²＝0.81です。「R²＝説明できたばらつきの割合」という読み方とセットで固定してください。",{"type":84,"id":85,"prompt":86,"answer":87},"blank","joho-tk2-b1","回帰直線は、各データ点と直線とのズレ（残差）の二乗和が最小になるように引く——この方法を〔?〕という。","最小二乗法",[89,90],"shindanshi\u002Fjoho\u002Fkeisan\u002Ftoukei-kiso","shindanshi\u002Fjoho\u002Fkeisan\u002Fsaishin-yougo",[92,93,94,95],{"unitId":5,"unitTitle":10,"topic":9,"item":51},{"unitId":5,"unitTitle":10,"topic":9,"item":62},{"unitId":5,"unitTitle":10,"topic":9,"item":75},{"unitId":5,"unitTitle":10,"topic":9,"item":83},[97,99],{"id":89,"title":98},"分散と標準偏差 — ばらつきを1つの数字にする",{"id":90,"title":100},"IT用語の現在地 — なぜ生まれたかで覚える",[102,105,106,107,108,111],{"id":103,"title":104},"shindanshi\u002Fjoho\u002Fkeisan\u002Fshinraisei","信頼性計算 — 直列は掛けて下がり、並列は冗長で上がる",{"id":89,"title":98},{"id":5,"title":10},{"id":90,"title":100},{"id":109,"title":110},"shindanshi\u002Fjoho\u002Fkeisan\u002Ftoukei-kentei","仮説検定 — 帰無仮説を疑い、p値で決める",{"id":112,"title":113},"shindanshi\u002Fjoho\u002Fkeisan\u002Ftoukei-suitei","区間推定と変動係数 — 幅で語り、比率で比べる",1784210666937]