TAR（テープアーカイブ）は、Unix/Linux環境で広く使用されているアーカイブファイル形式です。複数のファイルを1つのアーカイブファイル（拡張子.tar）に結合するために使用されます。
オプション A: 正解です。TAR はアーカイブ用に特別に設計されています。
オプション B (CSV): 不正解です。CSV (カンマ区切り値) は表形式のテキスト データ形式です。
オプション C (ARV): 誤り - そのような形式はありません。
選択肢D（テキスト）：不正解です。TARにはテキストファイルが含まれる場合もありますが、TAR形式自体はプレーンテキストではなくアーカイブ形式です。
オプション E: オプション A が有効であるため、不正解です。
したがって、TAR はアーカイブ ファイル形式です。
参照：
DASCA データ サイエンティスト ナレッジ フレームワーク (DSKF) - データ サイエンスとエンジニアリングにおけるデータ ストレージ形式。

Pandasは、データ分析と操作に最も広く使われているPythonライブラリの一つです。その中心となるオブジェクトはDataFrameです。
オプション A: 正解です。DataFrame は Pandas のコアデータ構造です。
オプション B: 正解です。DataFrame は SQL テーブルや R データ フレームに似ており、行/列のインデックス作成、結合、グループ化をサポートしています。
オプション C: 正解です。DataFrame は基本的に、行と列で構成される 2D のラベル付きテーブルです。
オプション D: 正しいですが、完全に包括的ではありません。
選択肢 E: A、B、C のすべてが正しいので正解です。
したがって、最適な答えはオプション E (上記のすべて) です。
参照：
DASCA データ サイエンティスト ナレッジ フレームワーク (DSKF) - データ サイエンスのためのプログラミング: Pandas データ構造。

ボックス プロット (ウィスカー プロットとも呼ばれます) は、次の 5 つの数値の要約を使用してデータ分布を要約するために使用される視覚化ツールです。
最小、
第1四分位数（Q1）
中央値（Q2）、
第3四分位（Q3）
最大。
また、外れ値も明示的に強調表示します。
オプション A (ボックス プロット): 正解です。
オプション B (円グラフ): 分布ではなく割合を表示します。
オプション C (ヒストグラム): 頻度分布を表示しますが、四分位数/中央値は表示しません。
オプション D (散布図): 要約統計ではなく、2 つの変数間の関係に使用されます。
オプション E (棒グラフ): 統計的な広がりではなく、カテゴリを比較します。
したがって、正解はオプション A (ボックス プロット) です。
参照：
DASCA データ サイエンティスト知識フレームワーク (DSKF) - データ視覚化ツール: ボックス プロットと統計サマリー。

教師なし学習は、ラベル付けされた出力が提供されない機械学習のアプローチです。このアルゴリズムは、生データから直接パターンや構造を発見します。
オプションA（規則性の検出）：正解。教師なし学習は、クラスター、関連性、次元削減（例：k-meansクラスタリング、PCA）などの隠れた構造を識別します。
オプションB（異常の検出）：正解です。外れ値検出も教師なし学習の一部であり、異常検出（不正行為検出、侵入検知など）でよく使用されます。
オプション C: 正解です。教師なし学習は規則性 (クラスター、グループ) と不規則性 (外れ値、異常) の両方を検出するのに役立ちます。
したがって、正解はオプション C (A と B の両方) です。
参照：
DASCA データ サイエンティスト ナレッジ フレームワーク (DSKF) - 教師なし学習: クラスタリング、異常検出、パターン検出。

仮説検定では、主に 2 種類のエラーが定義されています。
第1種の過誤（オプションA）：帰無仮説（H#）が真であるにもかかわらず、誤って棄却した場合に発生します。これは偽陽性と呼ばれます。例：薬が実際には有効でないにもかかわらず、有効であると結論付ける。
第2種の過誤（オプションB）：帰無仮説（H#）が偽であるにもかかわらず、それを棄却できなかった場合に発生します。これは偽陰性です。例：薬が実際には効果があるにもかかわらず、効果がないと判断してしまう。
論理エラー / 仮説エラー (オプション C および D): 統計的仮説検定における標準用語ではありません。
したがって、「真の帰無仮説の誤った否定」は、タイプ I の誤り (偽陽性) を指します。
参照：
DASCA データ サイエンティスト知識フレームワーク (DSKF) - データ サイエンスの統計的基礎: 仮説検定とエラー。