作村 建紀

• 対象者：品質保証・設計部門で故障データを扱う担当者
• 前提知識：特になし（高校数学レベルで可）

故障データから寿命分布を統計的に推定し，製品の信頼性を定量的に説明できるようになることを目指します．

1. ワイブル分布の基礎：形状パラメータ・尺度パラメータの意味と，故障モードとの対応
2. ワイブルプロットの作成と読み方：初期故障・偶発故障・経年劣化の見分け方
3. MTBF・故障率の計算と落とし穴：平均値だけでは見えないリスクの捉え方
4. 演習：自社データでワイブルプロットを作成：故障発生日・使用開始日のデータをご提供いただければ，当日その場で解析します

• 対象者：試験・評価部門，設計部門のエンジニア
• 前提知識：信頼性工学入門相当（同日連続開催も可）

短い試験期間で製品の長期寿命を予測するための，加速試験の計画と解析方法を身につけます．

1. 加速係数とアレニウスモデル：温度応力と寿命の関係を数式で捉える
2. 複数応力を組み合わせた試験計画：温度×電圧など，現実的な試験条件の設計方法
3. 加速試験データから実使用条件への外挿：試験条件と実使用条件のギャップをどう埋めるか
4. 演習：試験計画書の設計：ひな形を使って自社製品の試験条件を組み立てる

• 対象者：統計を初めて学ぶ方，統計検定2級・DS検定を目指す方
• 前提知識：特になし

検定や推定の前提となる確率分布・推定量の考え方を整理し，以降の応用講座の土台を作ります．

1. 確率変数と確率分布：正規分布・二項分布など，業務でよく使う分布
2. 期待値・分散の意味と計算：「平均」「ばらつき」をどう数値化するか
3. 標本分布と中心極限定理：サンプルから母集団を推測する仕組みの土台
4. 演習：データの分布を確認する：実データに当てはまる分布を選ぶ練習

• 対象者：品質保証・生産技術部門，統計検定準1級を目指す方
• 前提知識：数理統計・確率論の基礎相当

「この差は本当に意味があるのか」を統計的に判断する考え方を，工程データを使って身につけます．

1. 仮説検定の枠組み：帰無仮説・有意水準・p値の意味
2. 平均値の差の検定（t検定）：管理図への応用も含めて解説
3. 検定の誤用例：多重比較・サンプルサイズに関する注意点
4. 演習：自社の工程データで検定を実施：実際の数値で判断の手順を体験する

• 対象者：量産初期・試作段階のデータを扱う担当者
• 前提知識：統計的検定の基礎相当

サンプル数が少ない場面でも，事前知識を組み込んで合理的に判断するベイズ的な考え方を学びます．

1. ベイズの定理と事前分布・事後分布：「知識を更新する」という考え方の基本
2. 少数データでの不良率推定：ベータ分布を使った実践的な推定方法
3. 頻度論との違いと使い分け：どちらの考え方が向いている場面か
4. 演習：自社の少数データで推定：手元のデータでベイズ推定を実際に試す

• 対象者：人事・教育部門，社内検定の運営担当者
• 前提知識：特になし（統計の基礎があると理解が深まります）

社内検定・技能試験の設問ごとの精度（難易度・識別力）を数値で評価し，試験全体を診断する力を身につけます．

1. 項目反応理論の基本概念：項目特性曲線，能力パラメタθの考え方
2. 識別力・難易度の推定と解釈：「良い設問」をどう見分けるか
3. 既存試験データを使った診断：実際の試験結果から問題点を見つける手順
4. 演習：自社の試験データで項目分析：受験者数・設問ごとの正誤データを使用

• 対象者：人事・教育部門，検定システム導入の検討担当者
• 前提知識：項目反応理論入門相当

受験者の解答に応じて出題を変える適応型テストの仕組みと，自社への導入ステップを理解します．

1. CATの基本原理：出題アルゴリズムと終了条件の決め方
2. 少ない問題数で精度を保つ仕組み：受験者ごとに最適な設問を選ぶ理屈
3. 導入コストと運用上の注意点：項目バンクの整備など，現実的な課題
4. 演習：自社検定のCAT化を検討：現行の検定制度をどう移行できるか議論する