平方和(Sum of squares)とは、複数ある要素をそれぞれ二乗して足し合わせたものです。そもそも平方とは、ある要素の二乗を指しています。平方和は、データを扱うときによく使われる計算手法です。統計学において非常に重要な考え方である分散も、平方和の考え方を使って求めます。

総平方和（SST）は、「データがどれだけ平均値からばらついているか」を測る指標です。簡単に言えば、「データの散らばりを全て足し合わせたもの」と言うことができます。つまり、「各データの平均値との差を二乗したものを、全て足し合わせたもの」ということになります。

残差平方和（Residual Sum of Squares）は、すべての残差の二乗和を指します。簡単に言うと、予測値と実測値の差を二乗し、足し合わせたものです。予測値と実測値の差を合計したものであり、これは「モデルの予測した値にどれだけ誤差があるか」を示す指標です。

決定係数（coefficient of determination）R² は、回帰モデルがどの程度データを説明できているかを示す指標です。決定係数 R² は、相関係数 r を2乗したものと等しくなります

ポアソン過程とは？ポアソン過程は、「ランダムに発生する事象の発生回数」をモデル化するための数学的な仕組みです。例えば、電車の遅延発生回数 → 1時間あたりの遅延の発生頻度をモデル化。顧客の来店数 → 1日あたりに何人の顧客が来るかを予測。通...

母比率の検定は、データから「ある割合が本当に特定の値と異なるか？」を判断するための方法です。母集団において、特定の特徴を持つ要素の割合のことを指します。このとき、サンプルから得られた比率を 標本比率と呼び、それを基に母比率を検定します。

検定統計量は、データを数値化して「どのくらい極端な結果か」を測るものです。統計的仮説検定において、仮説の真偽を判断するために計算される数値です。この数値をもとに、データが偶然の産物なのか、それとも意味のある結果なのかを評価します。

簡単に言えば、「サンプルが十分に増えれば、推定値は真の値に限りなく近づく」という性質です。例えば、サイコロを振ってその目の平均を計算すると、試行回数が増えるほど理論的な平均（3.5）に収束することが直感的に分かるでしょう。

自己相関関数（Autocorrelation Function, ACF）とは、ある時系列データがどの程度自己相似性を持っているかを示す統計量です。簡単に言えば、データのある時点のデータが、ある一定時間経過した後のデータとどのくらい似た動きをしているかを表しています。