ベイズ統計・ロジスティック回帰・決定木とは？
ベイズ統計・ロジスティック回帰・決定木とは、ベイズ統計は、事前分布として置いた確率を、観測されたデータで更新して事後分布を得る枠組み。ロジスティック回帰は、購入する／しないのような2値の事象が起こる確率を、説明変数から推定する分析手法。決定木分析は、説明変数の条件で枝分かれさせて分類・予測のルールを導く手法で、結果の解釈が容易な点が特徴。
ITストラテジスト試験の過去問では7回出題されています（2018年度〜2025年度）。
べいずとうけい・ろじすてぃっくかいき・けっていぎ
ベイズ統計・ロジスティック回帰・決定木の意味
ベイズ統計は、事前分布として置いた確率を、観測されたデータで更新して事後分布を得る枠組み。ロジスティック回帰は、購入する／しないのような2値の事象が起こる確率を、説明変数から推定する分析手法。決定木分析は、説明変数の条件で枝分かれさせて分類・予測のルールを導く手法で、結果の解釈が容易な点が特徴。
ベイズ統計・ロジスティック回帰・決定木の具体例
過去の顧客データから解約確率をロジスティック回帰で推定し、要因の解釈が必要な場面では決定木で「契約期間6か月未満かつ問合せ3回以上」といった条件を抽出する。
ベイズ統計・ロジスティック回帰・決定木は試験でどう引っ掛けられる？
「2値の結果が起こる確率を推定」＝ロジスティック回帰。「属性で分岐させて有望なセグメントを見つける」＝決定木。
ベイズ統計・ロジスティック回帰・決定木と関連する用語
ベイズ統計・ロジスティック回帰・決定木が出た過去問
ある企業では、顧客データについて、顧客を性別・年齢層・職業・年収など複数の属性を組み合わせてセグメント化し、蓄積された大量の購買履歴データに照らして商品の購入可…
正解：決定木分析
要点：決定木分析は属性の分岐で結果につながる条件を導く
決定木分析は、属性による分岐を木構造で表し、どの条件の組合せがどの結果につながりやすいかを導く手法である。性別・年齢層・職業・年収といった属性で顧客を枝分かれさせ、購買履歴を教師データとして各枝の購入率を求めれば、購入可能性が最も高いセグメントを特定できる。分岐条件がそのまま読める形で残るため、施策への落とし込みがしやすい。
出典：平成30年度 秋期 ITストラテジスト試験 am2 問3（IPA）ベイズ統計の説明として、適切なものはどれか。
正解：事前分布・事後分布といった確率に関する考え方に基づいて体系化されたものであり、ディープラーニング、迷惑メールフィルタなどに利用されている統計理論
要点：ベイズ統計は事前分布をデータで更新し事後分布を得る理論
ベイズ統計は、事前分布として持っていた確信の度合いを、観測されたデータの尤度によって更新し事後分布を得る、というベイズの定理に基づく統計理論である。データが少ない段階でも推論でき、逐次的に更新できるため、迷惑メールフィルタ（ベイジアンフィルタ）や機械学習の分野で広く応用されている。
出典：令和1年度 秋期 ITストラテジスト試験 am2 問20（IPA）ある企業では、顧客データについて、顧客を性別、年齢層、職業、年収など複数の属性を組み合わせてセグメント化し、蓄積された大量の購買履歴データに照らして商品の購入可…
正解：決定木分析
要点：決定木分析は属性を条件分岐させて有望セグメントを予測する
決定木分析は、性別・年齢層・職業・年収などの説明変数を条件分岐として木構造に展開し、目的変数（購入するか否か）を最もよく分ける条件を順に選んでいく分析手法である。分岐の結果として得られる末端がセグメントに対応し、購入可能性の高い層を条件の組合せとして解釈しやすい形で示せる。
出典：令和4年度 春期 ITストラテジスト試験 am2 問3（IPA）多数の被験者の検診データから、説明変数である年齢、飲酒の頻度及び喫煙本数が、目的変数であるガンの発症の有無に及ぼす影響を統計的に分析した上で、ある人の年齢、飲酒…
正解：ロジスティック回帰分析
要点：ロジスティック回帰は2値事象の発生確率を推定する分析手法
ロジスティック回帰分析は、目的変数が「発症する／しない」のような2値のときに、複数の説明変数からその事象が起こる確率を0から1の範囲で推定する手法である。ロジスティック関数を用いることで確率として解釈できる出力が得られ、医療の発症予測や与信判断など幅広く使われる。
出典：令和5年度 春期 ITストラテジスト試験 am2 問3（IPA）ベイズ統計の説明として、適切なものはどれか。
正解：事前分布・事後分布といった確率に関する考え方に基づいて体系化されたものであり、機械学習、迷惑メールフィルターなどに利用されている統計理論
要点：ベイズ統計は事前分布をデータで更新して事後分布を得る理論
ベイズ統計は、あらかじめ持っている確信の度合いを事前分布として表し、観測されたデータの尤度によってそれを更新して事後分布を得る、というベイズの定理に基づく統計理論である。データを得るたびに逐次更新できるため、迷惑メールフィルタ（ベイジアンフィルタ）や機械学習の分野で広く応用されている。
出典：令和5年度 春期 ITストラテジスト試験 am2 問18（IPA）
最終更新：2026-08-25／解説は資格暗記が独自に作成しています。 過去問の出典は各問題に記載のとおりです。