現在様々な分野で最も必要とされている能力の一つが、データ分析ができるデータサイエンティストとしての能力である。これは、技術開発、デザイン、マーケティング、人工知能 (いわゆるAI) 、オフィスでの生産性向上といった、様々な分野で必須の能力となっている。その基盤となるのが、統計解析の知識であり技術である。
　統計解析は現在誰でも使おうと思えば使える解析技術であり、何も大規模な大型コンピュータを使わなくても数万円のコンピュータで十分であり、また高額の統計ソフトウェアを買わなくても無料のRやPythonなどを使えば高度なデータ分析が可能となっている。
　一方、統計学は大学教育の中でもごく一部であり、知識ゼロの状態から統計学を理解できるように、噛み砕いて教えてくれる人が周りになかなかいない。データのまとめ方、どの統計手法を使うべきか、報告書や論文をどう作成するか、これらの場面で多くの人が頭を抱えているという現状がある。
　本講座では、統計学の基本となる2つの柱、すなわち記述統計と推測統計について先ず学習する。記述統計とは、データを相手にわかりやすく伝えるための統計学で、平均や標準偏差などの要約統計量、散布図やヒストグラムなどデータを視覚化する技術について学習する。もう一つの推測統計とは、測ることのできない大規模な集団 (いわゆる母集団) の情報を、そこから抽出した小規模な集団 (いわゆる標本) から推測する手法である。正規分布、検定、信頼区間などが学習の対象となる。次いで、日常的によく使われる重要な統計手法として、実験計画法、回帰分析、分散分析、ロジスティック回帰分析について紹介する。
　統計学の学習は独学ではなかなか難しい。地図なしで目的地へ向かうようなものである。本講座では統計学の肝といわれる重要な本質的部分を、わかりやすく解説するので、最短距離で目的の理解へ到達することができる。先ずは本講座を機会に、世の中で重要とされている統計学の本質を掴み、データ分析などの効率化へ繋げて頂くことを期待したい。

1. 統計学の基礎
   1. 統計学はなぜ重要か
   2. 統計学をとりまく環境
   3. ばらつきと偏り
2. 記述統計
   1. 要約統計量
   2. データの視覚化
3. 推測統計
   1. 母集団と標本
   2. 正規分布
   3. 仮説検定
   4. t – 検定
   5. 標準偏差と標準誤差
   6. 95%信頼区間
4. 実験計画法
   1. フィッシャーの3原則
   2. サンプルサイズの設計
   3. 要因実験
5. 一般化線形モデル
   1. 回帰分析
   2. 分散分析
   3. ロジスティック回帰分析