#概要
・はじめに
・勉強期間
・勉強方法
・最後に
#はじめに
統計検定を知ったきっかけはkaggler内で話題になっていたからです。昨今、機械学習・人工知能がもてはやされていますが、基本的には統計学の理論に乗っ取ったものも多く、また、流行り廃りが激しい機械学習分野をそのまま勉強するより、統計学方面からアプローチすることで、理解の近道になるかと思い、準一級に挑戦してみました。
勉強を始める前の知識量はといいますと...大学では生物系を専攻したため、遠かれ近かれ、統計学に触れるきっかけは多かったのですが、如何せん、専門分野でもなく、また、大学卒業後は触れる機会が皆無だったので、忘れているところも多く、レベルは相当低かったと思います。（勉強を始める前は、二級の問題集に躓くレベルかと...）
#勉強期間
2019/3からスタート。
#勉強方法
手始めに[1]を3~4周ほど、見直すことで、大学時代に勉強したことの再確認を行いました。スマートフォンでも見ることも可能ですので、移動時間などの隙間時間を有効活用しました。カンが少し戻ってきたところで、現時点での腕試しと、問題傾向の把握のためにも、[2]の二級問題集で解きました。分からなかった問題については[1]に立ち戻って調べなおす、を繰り返すことで理解を深めていきました。[1]自体が非常に分かりやすくまとまっており、また素晴らしいことに、二級の問題集の解説もついてますので、ほとんどの疑問点はここで解決しました。また問題集の片手間に[3]を繰り返し読み込むということを繰り返していきました。数式や慣れない言い回しが多いため、なかなか辛かったですが、「分からないところは飛ばす」精神でこちらも繰り返し読み返しました。[4]まで解き終われば二級レベルの範囲はほぼカバーしているかと思います。
二級→準一級レベルは問題がかなり難化することから、数学が得意な人に教わった方が早いと思い、「すうがくぶんか」さんでの授業で対策をしてもらいました。「多変量解析・ベイズ・時系列・検出力・情報量・モーメント母関数 etc..」など、二級範囲外を中心に教わりました。東京・大阪のみでの授業になりますので、金銭的にも時間的にも大変でしたが、非常に分かりやすく教えて頂いたので、元はとれたと思います。また、大阪で開催されてます「直前対策講座」は予想問題ももらえますので、過去問が少ない準一級対策としては非常にありがたい内容になっていました。また、自習用としては、[5]を読み込みました。頻出分野であるベイズ統計の基礎固めとして、活用しました。
最後は、[6]を繰り返し解き、対策の仕上げとしました。ただ、正直すべての過去問が理解できるまでは、到達できなかったので、分かる範囲で試験には挑みました。
当日の振り返りとしては、やはり頻出のベイズ・時系列分野が多かった印象があり、もう少し山を張って勉強すればよかったと後悔しております。また、やはり問題の演習量が少なかったのがネックになりました。過去問が現在4年分しかない＋膨大な出題範囲のため、対策が手薄な分野は全く歯が立ちませんでした。
結果はまだ返ってきていないですが(6/17時点)、落ちていれば来年も挑戦したいなぁ、と思っております。
[1]Bell Curve 統計WEB
[2]統計検定 2級 公式問題集[2015～2017年]
[3]統計学入門 基礎統計学Ⅰ(東京大学教養学部統計学教室)
[4]統計学演習(村上 正康、 安田 正実)
[5]史上最強図解 これならわかる！ベイズ統計学(涌井 良幸、 涌井 貞美)
[6]統計検定 1級・準1級 公式問題集[2014～2015年]
#最後に
数学を一日で極めることは無理ですが、約3カ月という短期間で統計学に集中して取り組んだことは、効果的な学習方法だったと振り返ります。Pythonなどのプログラミング言語を使えば簡単に統計検定や機械学習を実装できますが、そのほとんどは中身が分からなくても結果は返してくれますので、私を含め、初心者に危険な解釈を与えてしまいます。その点を解決してくれるのは、統計学への深い理解だと思っております。今後も統計学への愛を忘れずにkaggleに挑戦していきたいと思っております。
試験勉強で身に着けたことは再整理やアウトプットも兼ねて、今後投稿できたらなあ、と思っております。