記述統計，推測統計およびベイズ統計：2023年8月13日（日）

何事についてもデータに基づく「見える化」が求められている。
　簡単にまとめると，全数調査（標本≒母集団）に基づき，そのデータの性質や特徴を明らかにするのが記述統計である。一部の標本から全体（母集団）の性質や特徴を明らかにするのが推測統計（推計統計）である。そして，多くの標本を必要とせずに全体の性質や特徴を明らかにするのがベイズ統計である。
　IoTやAIの進歩と普及によって，いまは機械学習と相性が良いベイズ統計が注目されている。ベイズ統計は，標本データの数が不十分であっても，事前確率を設定し，標本を追加するたびに事前確率を変えて事後確率を更新する。これを繰り返していき，その事象の主観確率を導出するというものである。

Descriptive Statistics, Inferential Statistics, and Bayesian Statistics：August 13th(Sunday)

For everything, the "visualization" based on data is demanded.
In a nutshell, descriptive statistics is based on a complete enumeration survey (sample ≈ population), and it reveals the nature and characteristics of the data. Inferential statistics (estimation statistics) involves revealing the nature and characteristics of the entire population (population) from a subset of samples. Bayesian statistics, on the other hand, reveals the nature and characteristics of the entire population without requiring many samples.
With the advancement and proliferation of IoT and AI, Bayesian statistics, which align well with machine learning, is gaining attention. Bayesian statistics allows for setting prior probabilities even when the number of sample data is insufficient. The prior probabilities are adjusted with the addition of samples, updating the posterior probabilities. This process is repeated, leading to the derivation of the subjective probability of the event.