第1選
統計学入門 (基礎統計学Ⅰ)
⭐⭐⭐⭐⭐
総合評価：A (72)
ここが良い！
- 統計の基本概念（推定・検定・回帰など）を正統派に体系立てて学べる
- 定義→理屈→例題の流れで、独学でも土台が崩れにくい
- 「教科書として強い」ので講義・輪読にも使いやすい
ここが注意！
- 数学記号や式変形が一定量あるため、完全な入門者は序盤で詰まりやすい
- 手計算中心で、ソフト実装（R/Python）の導線は薄め
第2選
改訂版 日本統計学会公式認定 統計検定２級対応 統計学基礎
⭐⭐⭐⭐⭐
総合評価：B (69)
ここが良い！
- 統計検定2級の出題範囲を意識して要点が整理されている
- 頻出テーマ（推定・検定・回帰・分散分析など）を「試験目線」で押さえられる
- 学習順が作りやすく、短期での底上げに向く
ここが注意！
- 試験対策色が強く、理論の深掘りや背景説明は割り切りがある
- 問題演習は別冊（公式問題集等）併用が前提になりやすい
第3選
日本統計学会公式認定 統計検定 2級 公式問題集［CBT対応版］
⭐⭐⭐⭐⭐
総合評価：B (67)
ここが良い！
- 本番形式の演習で「知識→得点」に変換しやすい
- 弱点の炙り出しに最適で、復習ループが回しやすい
- CBT対応で時間配分・出題傾向の感覚を掴みやすい
ここが注意！
- 解説は必要十分寄りで、初学者は理由が腑に落ちない箇所が出やすい
- これ単体だと体系理解が不足し、参考書の併用がほぼ必須
第4選
データ解析のための統計モデリング入門――一般化線形モデル・階層ベイズモデル・MCMC (確率と情報の科学)
⭐⭐⭐⭐⭐
総合評価：A (72)
ここが良い！
- 一般化線形モデル〜階層ベイズ〜MCMCまで、実データ解析の型が身につく
- 「モデルを立てて説明する」思考が鍛えられ、分析設計が上手くなる
- 手を動かす前提で、統計モデリングの学びが濃い
ここが注意！
- 前提知識（確率・線形代数・回帰の理解）がないと難易度が急に上がる
- 一周目は理解し切れなくても普通で、反復前提の本
第5選
Rによる 統計的学習入門
⭐⭐⭐⭐⭐
総合評価：A (77)
ここが良い！
- 統計的学習（回帰・分類・正則化・木・SVMなど）を実装と一緒に学べる
- 手を動かして再現でき、実務の「試して評価する」力が付く
- 基礎〜応用へスムーズに橋渡ししてくれる
ここが注意！
- R前提のため、Python派は読み替えコストが出る
- 理論は要点中心で、厳密さを求めると物足りない章がある
第6選
統計的学習の基礎 ―データマイニング・推論・予測―
⭐⭐⭐⭐⭐
総合評価：B (68)
ここが良い！
- 統計的学習の標準的トピックを理論寄りに体系化して学べる
- 回帰・分類・正則化・次元削減などの「なぜ効くか」が腑に落ちる
- 参照元として長く使え、理解が積み上がるタイプ
ここが注意！
- 数式量が多く、読みやすさより厳密性優先
- 実装例は補助的で、手を動かす目的だと別資料が必要になりやすい
第7選
Pythonによるデータ分析入門 第3版 ―pandas、NumPy、Jupyterを使ったデータ処理
⭐⭐⭐⭐⭐
総合評価：A (74)
ここが良い！
- pandas/NumPy/Jupyterの基本操作がまとまり、分析の土台を短時間で作れる
- 前処理・集計・可視化の流れが掴めて、実務の初速が上がる
- サンプルを動かしながら学べ、学習体験が軽い
ここが注意！
- 統計理論の解説は薄めで、統計学の理解は別途必要
- 環境差（バージョン・API変更）で手元が詰まることがある
メモ
失敗しない選び方
- 目的を先に固定する（資格対策／統計の体系理解／機械学習／実務前処理）
- 資格対策なら「参考書＋公式問題集」で回す（理解→演習→弱点潰し）
- 体系理解の軸は1冊に絞る（入門書をメインにして、演習・実装をサブで足す）
- 機械学習は「理論本」と「実装本」を分ける（片方だけだと伸びが止まりやすい）
- 難所は“章単位で飛ばして戻る”前提にする（特にGLM/ベイズ/MCMC、数式多めの学習理論）
- 手を動かす環境を先に用意する（Jupyter/RStudio、サンプル実行→改変→自分のデータで再現）
