マスメ

マスメ > 分野別の用語まとめ > 基礎理論

テクノロジ系 ・ 中分類13 ・ 小分類33・34・35

ITパスポート「基礎理論」の要点と用語

最終更新: ・ 提供: Certloom Learning(独立した学習サイト)

中分類「基礎理論」は、テクノロジ系の大分類「基礎理論」に属し、小分類の離散数学、応用数学、情報に関する理論の3つで構成されます。シラバスの目標は、基数と集合、確率と統計の基本的な考え方、情報量の単位とデジタル化、そしてAIの技術の基本的な考え方を理解することです。計算は2進数の変換、統計の代表値、画像や音声のデータ量が中心なので、手順を一度自分で追っておくと得点源になります。

2進数と10進数・16進数の基数変換はどう計算する?

10進数を2進数にするには2で割り続けて余りを下から読み、2進数を10進数にするには各桁の重み(1、2、4、8、16…)を足します。16進数とは2進数4桁ずつで対応させると速く変換できます。

例1:10進数45を2進数に
45÷2=22 余り1、22÷2=11 余り0、11÷2=5 余り1、5÷2=2 余り1、2÷2=1 余り0、1÷2=0 余り1。余りを下から読んで 101101 です。確認すると32+8+4+1=45になります。

例2:2進数10111001を16進数と10進数に
4桁ずつ区切ると1011と1001で、1011は11(B)、1001は9なので16進数では B9 です。10進数では11×16+9=185です。

例3:2進数の加算
01011011(91)+00110110(54)=10010001です。10010001は128+16+1=145で、91+54=145と一致します。桁上がりを含む計算は、10進数に直して検算すると誤りに気付けます。

表現できる数の範囲も問われます。nビットで表せるのは2のn乗通りなので、8ビットなら256通り(符号なしで0〜255)です。300種類の商品に重複しない番号を付けるには、2の8乗=256では足りず、2の9乗=512で収まるため9ビット必要です。負の数を2の補数で表す場合、8ビットの範囲は−128〜127になります。

集合と論理演算(AND・OR・NOT・XOR)はどう使い分ける?

ANDは両方を満たすもの、ORは少なくとも一方を満たすもの、NOTは条件を満たさないもの、XOR(排他的論理和)はどちらか一方だけを満たすものです。ベン図で領域を塗り分けると、検索条件や件数の問題を同じ考え方で解けます。

ABA AND BA OR BA XOR B
00000
01011
10011
11110

例:件数の計算
キーワードAを含む記事が70件、Bを含む記事が50件、両方を含む記事が20件のとき、A OR Bは70+50−20=100件、A XOR Bは100−20=80件、A AND NOT Bは70−20=50件です。ORで両方の重なりを引き忘れると120件になってしまいます。

ビットごとの演算も同じ真理値表で考えます。1100 AND 1010=1000、1100 OR 1010=1110、1100 XOR 1010=0110です。ANDで特定の桁を0にする、ORで特定の桁を1にする、という使い方がマスク処理です。

確率と統計は何をどこまで計算できればよい?

順列と組合せ、代表値(平均値・中央値・最頻値)、分散と標準偏差、偏差値は、実際に計算できるようにしておきます。相関係数や回帰分析、推定、仮説検定は、考え方と結果の読み方が中心です。

例1:順列と組合せ
5人から委員長と副委員長を1人ずつ選ぶ並べ方(順列)は5×4=20通り、5人から代表2人を選ぶ組合せは20÷2=10通りです。順番を区別するかどうかで使い分けます。

例2:代表値と散らばり
データが4、6、6、8、11のとき、平均値は35÷5=7、中央値は小さい順の真ん中の6、最頻値は2回出る6です。分散は平均との差の2乗の平均で、(9+1+1+1+16)÷5=5.6、標準偏差はその平方根で約2.37です。外れ値があると平均値は引っ張られますが、中央値は影響を受けにくい点も押さえます。

例3:偏差値
偏差値=50+10×(得点−平均点)÷標準偏差です。平均点54点、標準偏差12点のテストで66点なら、50+10×12÷12=60です。

相関係数は−1〜1の値をとり、1に近いほど強い正の相関、−1に近いほど強い負の相関です。相関があっても因果関係があるとは限りません。回帰分析では、予測に使う側が説明変数、予測したい側が目的変数です。データの尺度は、名義尺度(血液型など)、順序尺度(満足度の段階など)、間隔尺度(摂氏の気温など)、比例尺度(売上高など)の4つに分かれ、平均を計算して意味があるのは間隔尺度と比例尺度です。

グラフ理論・待ち行列・最適化問題はどこまで問われる?

シラバスではいずれも「基本的な考え方」が対象で、待ち行列についてはM/M/1モデルなどの理論的な内容は問わないと明記されています。

数値計算では、条件をそろえて比較する、処理の前後で比較する、誤差を含むデータの扱いに注意する、といったデータ比較の考え方も用語例・活用例に挙がっています。

情報量の単位とデジタル化のデータ量はどう求める?

1バイトは8ビットで、nビットで2のn乗通りの情報を表せます。接頭語はk(10の3乗)、M(10の6乗)、G(10の9乗)、T(10の12乗)、P(10の15乗)と、小さい側のm(10の−3乗)、μ(10の−6乗)、n(10の−9乗)、p(10の−12乗)です。問題文で1kバイト=1,000バイトなどの条件が示されたら、それに従って計算します。

例1:画像のデータ量
横1,920×縦1,080画素、1画素24ビット(3バイト)の画像を圧縮せずに保存すると、1,920×1,080×3=6,220,800バイトで、約6.2Mバイトです。

例2:音声のデータ量
1秒間に44,100回標本化し、16ビットで量子化したステレオ(2チャネル)の音声を60秒録音すると、44,100×16×2×60÷8=10,584,000バイトで、約10.6Mバイトです。ビットからバイトへ8で割るのを忘れないことが要点です。

A/D変換は、一定間隔で値を取り出す標本化、取り出した値を段階的な数値に丸める量子化、それを0と1の並びに置き換える符号化の順に進みます。標本化の回数や量子化ビット数を増やすと元の音に近づく一方、データ量は増えます。

文字はコンピュータの内部で数値として扱われます。JISコード、シフトJISコード、Unicodeなどの文字コードがあり、Unicodeは世界の多くの文字を一つの体系で扱えます。送り手と受け手で文字コードが違うと文字化けが起きます。

演繹推論と帰納推論、AIの用語はどう整理する?

演繹推論は一般的な前提から個別の結論を導く推論で、前提が正しければ結論も正しくなります。帰納推論は複数の事例から一般的な法則を導く推論で、例外が見つかれば覆ることがあります。述語論理は、自然言語の文を記号を使って論理的に表す方法です。

AIは、人が決めた規則で判断するルールベースと、データから規則を学ぶ機械学習に分けて考えると整理しやすくなります。機械学習には、正解付きデータで学ぶ教師あり学習、正解なしでデータの構造を見つける教師なし学習、試行錯誤して報酬が最大になる行動を学ぶ強化学習があります。

ニューラルネットワークを多層にして特徴量を自動で学ぶのがディープラーニングです。出力と正解の誤差を出力側から逆向きに伝えて重みを調整する方法をバックプロパゲーションといいます。画像向きのCNN、時系列や文章向きのRNN、生成役と識別役を競わせるGANという代表的な構造もあります。大量のデータで事前学習した基盤モデルを、目的に合わせて追加学習するのがファインチューニングで、学んだ知識を別の課題に生かす考え方を転移学習といいます。大規模言語モデル(LLM)では、指示文(プロンプト)の書き方を工夫して望む出力を得るプロンプトエンジニアリングも用語例に含まれます。生成AIの範囲は AI・生成AIの出題範囲 にまとめています。

紛らわしい用語はどう見分ける?

用語見分けるポイント
順列と組合せ順番を区別するのが順列、区別しないのが組合せ。組合せは順列を並べ方の数で割る
OR と XOR両方に当てはまる部分を含めるのがOR、除くのがXOR
分散と標準偏差標準偏差は分散の平方根で、元のデータと同じ単位になる
説明変数と目的変数原因・予測に使う側が説明変数、結果・予測したい側が目的変数
標本化と量子化時間方向に区切るのが標本化、値の大きさを段階に丸めるのが量子化
演繹推論と帰納推論一般から個別へが演繹、個別の事例から一般へが帰納
教師あり学習と強化学習正解データから学ぶのが教師あり、行動の結果として得る報酬から学ぶのが強化学習
事前学習とファインチューニング大量データで汎用的に学ぶのが事前学習、その後に特定の用途向けに追加で学ぶのがファインチューニング

基礎理論はどう勉強すれば効率がよい?

計算問題全体の解き方は 計算問題の解き方、問題演習は 計算問題の練習 と 基礎理論・コンピュータの問題 で確認できます。

基礎理論の用語集(30語)

シラバスVer.6.5の用語例から、基礎理論で押さえたい用語を小分類ごとに並べました。説明はマスメ編集部のオリジナルです。

33 離散数学

基数変換
ある進数で表した数を別の進数に直すこと。10進数から2進数へは2で割り続けて余りを下から読む。
2進数の加算・減算
1+1で桁上がり、0−1で上の桁から借りる計算。結果を10進数に直して検算できる。
表現可能な数値の範囲
nビットで表せる値は2のn乗通り。8ビットなら符号なしで0〜255。
ベン図
集合を円などの図形で表し、重なりで共通部分や和集合を示す図。件数計算の整理に使う。
真理値表
論理演算で、入力の真(1)・偽(0)のすべての組合せと結果を一覧にした表。
XOR(排他的論理和)
二つの条件のうち、どちらか一方だけが真のときに真となる論理演算。

34 応用数学

中央値(メジアン)
データを大きさ順に並べたときの真ん中の値。データが偶数個なら中央の2つの平均をとる。
最頻値(モード)
データの中で最も多く現れる値。
分散
各データと平均値との差を2乗して平均した値。散らばりの大きさを表す。
標準偏差
分散の平方根。データと同じ単位で散らばりの大きさを表す。
偏差値
50+10×(得点−平均)÷標準偏差で求める値。平均と同じ得点なら50になる。
相関係数
二つのデータの直線的な関係の強さを−1〜1で表す値。因果関係までは示さない。
回帰分析
説明変数と目的変数の関係を式で表し、目的変数の値を予測する分析手法。
仮説検定
観測された差が偶然によるものかどうかを、仮説を立てて確率的に判断する方法。
尺度(名義・順序・間隔・比例)
データの性質による分類。名義は区別だけ、順序は大小の順、間隔は差に意味、比例は比にも意味がある。
有向グラフ
辺に向きがあるグラフ。一方通行の道路や処理の順序関係などを表す。
待ち行列
サービスを受けるために順番を待つ列。到着の速さと処理の速さの関係で待ち時間が変わる。

35 情報に関する理論

ビット・バイト
ビットは0か1を表す情報の最小単位で、8ビットが1バイト。
標本化
アナログ信号から一定の時間間隔で値を取り出すこと。A/D変換の最初の段階。
量子化
標本化で取り出した値を、決められた段階の数値に近似すること。
Unicode
世界の多くの言語の文字を一つの体系で扱えるようにした文字コード。
シフトJISコード
英数字や半角カタカナを1バイト、漢字などを2バイトで表す日本語の文字コード。
演繹推論
一般的な前提から個別の結論を導く推論。前提が正しければ結論も正しい。
帰納推論
複数の事例から一般的な法則を導く推論。例外が見つかると覆ることがある。
機械学習
データから規則やパターンをコンピュータが学ぶ技術。教師あり、教師なし、強化学習がある。
バックプロパゲーション
出力と正解の誤差を出力側から入力側へ逆向きに伝え、ニューラルネットワークの重みを調整する方法。
過学習
学習データに合わせすぎて、未知のデータでは精度が落ちる状態。
ディープラーニング
多層のニューラルネットワークで、特徴量をデータから自動で学ぶ機械学習の手法。
ファインチューニング
事前学習済みのモデルに、目的に合わせたデータで追加の学習を行うこと。
大規模言語モデル(LLM)
大量の文章で学習し、文章の生成や要約、質問への回答などを行う言語モデル。

基礎理論の練習問題(3問)

マスメのアプリに入っているオリジナル問題から3問を掲載しています。選択肢を押すと、その場で正解と解説が出ます。

問1・テクノロジ系・33 離散数学・2 進数の加算

ある装置で,8ビットの2進数 01101101 と 00110110 を加算した。加算結果を10進数で表したものはどれか。

正解: イ

01101101 は 64+32+8+4+1=109,00110110 は 32+16+4+2=54 なので,和は 109+54=163 です。2進数のまま計算すると 10100011 となり,128+32+2+1=163 で一致します。127 はビットごとの論理和をとった 01111111 の値,91 は桁上がりを無視して各桁を足した(排他的論理和をとった)01011011 の値であり,55 は加算ではなく減算した値です。

問2・テクノロジ系・34 応用数学・偏差値

ある資格試験の模擬テストで,受験者全体の平均点は60点,標準偏差は8点であった。Lさんの得点が76点のとき,Lさんの偏差値はどれか。ここで,偏差値は 50+10×(得点−平均点)÷標準偏差 で求めるものとする。

正解: イ

偏差値=50+10×(76−60)÷8=50+10×2=70 です。66 は標準偏差で割らずに,50に得点と平均点の差16を足した値です。52 は10を掛けずに 50+16÷8 とした値,76 は得点そのものであり,偏差値ではありません。

問3・テクノロジ系・35 情報に関する理論・標本化

ある音声を,1秒間に8,000回標本化し,1回の標本を16ビットで量子化して,モノラルで圧縮せずに記録する。1分間の録音で生じるデータ量は何kバイトか。ここで,1kバイト=1,000バイトとする。

正解: ウ

1秒間のデータ量は 8,000回×16ビット=128,000ビット=16,000バイトです。1分間では 16,000×60=960,000バイト=960kバイトとなります。16kバイトは1秒分だけの値,1,920kバイトはステレオ(2チャネル)として計算した値,7,680kバイトはビットをバイトに換算していない値です。

よくある質問

基数変換の問題で16進数も出ますか?

シラバスの記述は「2進数の表現、基数変換の方法」です。16進数は2進数4桁と1対1で対応するので、2進数との行き来を練習しておけば対応できます。

統計の用語は全部計算できる必要がありますか?

計算の手順まで押さえたいのは平均値、中央値、最頻値、分散、標準偏差、偏差値です。相関係数、回帰分析、推定、仮説検定は、値や結果が何を意味するかを読み取れることを優先します。たとえば相関係数−0.8は「強い負の相関」と読めれば足ります。

AIの数式まで覚える必要はありますか?

シラバスはAI技術の基本的な考え方、仕組み、特徴を対象としています。活性化関数やバックプロパゲーションも、役割を説明できれば十分で、数式の導出は求められていません。

出典(2026-11-14確認): IPA ITパスポート試験 シラバス Ver.6.5(PDF)

この記事は Certloom Learning が、上記のIPA公開資料を確認して作成しました。用語の説明と例題はシラバスVer.6.5の用語例をもとにしたオリジナルです。誤りに気づいた場合はサポートへお知らせください。

あわせて読みたい

← システム監査アルゴリズムとプログラミング →

アプリで続きを解く

マスメは、シラバスVer.6.5の63項目を1マスずつ並べた用語マップで、解説つきのオリジナル問題1100問以上を管理するアプリです。Android版は無料でダウンロードできます(全問アンロックは1,500円の買い切り)。
Google Playで入手 ブラウザで無料練習問題