0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

[統計検定] 一級( 医薬生物学)の個人的オススメ書籍

0
Posted at

概要

表題の勉強・受験を振り返った時に(他でも大変参考になった書籍はありますが)「比較的読み込み、検定範囲に関する理解を深めやすかった」と感じた書籍を列挙します。

※1)なので、バリバリ個人的で且つ、(書籍を)手にとったタイミングにも依存する内容ですが、検定受験予定の方の少しでも参考になれば幸いと思って書きます。
※2)「読み込み」≒「私(私大の応用数学の学部卒)にとって、前提理解や"深堀りたい度合い"に合った記載の書籍だった」という感じです。

オススメ書籍

1.数理+応用(医薬生物)向け

1-1.「入門・演習数理統計」(共立出版) https://www.kyoritsu-pub.co.jp/book/b10011485.html

→確率の定義や基本的な検定、十分統計量や不偏・有効推定量など、「一級に向けての基礎」を学ぶ上で参考になりました。(大学での教科書でもあったので、こちらの本で基礎を学びました。)

1-2.「数理統計学 基礎から学ぶデータ解析」(内田老鶴圃) https://www.rokakuho.co.jp/data/books/0119.html

→サンプリングの各手法における推定量の特性や、カイ二乗検定で前提となるコクランの定理の説明などが特に参考になりました。

1-3.「データ解析のための数理統計入門」(共立出版) https://www.kyoritsu-pub.co.jp/book/b10033628.html

→演習問題が一級の難易度と大変合ってる印象です。実際に受験時は「進研ゼミでやったところだ!」感がありました。(比較的手に取るタイミングが後々だったこともあっての所感であり、本書籍1冊じっくりやれば一級数理には事足りる感はあります。)

1-4.「多変量データ解析講義」(朝倉書店) https://www.asakura.co.jp/detail.php?book_code=12230

→(私が購入したのは明倫館にあった新装版でない方なので、多少内容異なってるかもしれませんが)「目的を数学的にどう考えて、どのような最適化を行って、結果どういう固有値問題にしてるか」など、多変量解析の各手法について(所感として他ではあまり目にしなかったぐらい)詳細な説明が載っている印象で参考になりました。

1-5.「線形回帰分析」(朝倉書店) https://www.asakura.co.jp/detail.php?book_code=12834

→線形回帰分析に関して(私が目にした中で)最も情報量が多い印象であり、前提とする制約や各統計量の導出過程や定理の証明、また回帰診断について等、詳細な説明が載っていて参考になりました。

1-6.「サンプルサイズの決め方」(朝倉書店) https://www.asakura.co.jp/detail.php?book_code=12665

→検出力とサイズ(n)に関する考え方、一級で出題されたこともある記憶であり、その観点の目を養う上で参考になりました。

2.応用(医薬生物)向け

2-1.「一般化線形モデルと生存分析」(朝倉書店) https://www.asakura.co.jp/detail.php?book_code=12195

→上記1-5と同じ著者であり、こちらは(タイトルの通りですが)一般化線形モデルと生存分析について(上記1-5と同じぐらい)詳細な説明が載っていて参考になりました。生存分析は医薬生物学で頻出の印象であり参考になりました。(尚、こちらでも線形回帰分析についても、載っています。勿論上記1-5程ではありませんが。)

2-2.「医学への統計学」(朝倉書店) https://www.asakura.co.jp/detail.php?book_code=12832

→(上記2-1でも載っている生存分析含め)医薬生物学の(数理関連を除く)範囲は基本こちらの書籍に情報が比較的多く載ってる印象であり、参考になりました。(例:生存分析、コホート、ケースコントロール、オッズ比検定、交絡など)

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?