スライド 1

Size: px
Start display at page:

Download "スライド 1"

Transcription

1 データ解析特論第 1 回 ~( 全 15 回 ) 2014 年 4 月 10 日 ( 木 ) 情報エレクトロニクス専攻横田孝義 1

2 を先に集中してやります 2

3 を勉強します 3

4 データマイニングの分野ではマクロ ( 巨視的 ) な視点で全体を捉える能力が求められる 1. コンピュータは数値の集合として全体を把握していますので 意味ある情報として全体を見ることが不得意 2. 逆に人間には もともと空間的に全体像を捉える能力が得意 人間はこういう写真を見ると瞬間的に内容が理解できる 青空 木 草地 傾斜 紅葉 季節は秋など空間をうまくグループ化して認識している コンピュータでそれを行うのは非常に大変 4

5 主成分分析 (PCA: Principal Component Analysis) 別名 :KL 展開 (Karhunen-Loeve 展開 ) データを少ない成分であらわすこと例 :100 次元空間のデータを10 次元空間のデータで表したい これによって データ圧縮が可能 少ない次元で表せれば保存するデータが少なくて済む データの見通しが良くなる 分析が進む 5

6 例えば セ リーグ打撃ランキング OPS: On-base plus slugging 長打率 + 出塁率 RC27(Runs Created per 27 outs) は RC を元にある特定の選手 1 人で構成された打線で試合を行った場合 27 アウト (9 イニング 3 アウト =1 試合 ) で平均何点とれるかを算出した指標 XR27 (extrapolated Runs per 27 outs) ある打者が一人で打線を組んだ場合の1 試合 (27アウト) あたりの得点数 アウトにならない間にいかに得点数を稼ぐかという野球の形式が表されており アウト数で標準化されているので出場数の異なる複数の打者の得点創出能力を比較するような場合 XRの値そのままよりもこちらのほうが適切 6

7 例えば セ リーグ打撃ランキング 1) どの選手がどんな能力があって どんなタイプの選手か全要素を使って説明できるか? 2) 似た選手を探したり グループ分けできるか? 打撃成績 ( 規定打席以上 ) のデータは 24 サンプルで 18 要素に過ぎない 24x18 の画像と言ったら こちらは 800x600 画素 432 画素 48 万画素 無理やり画像にするとこのような画像に対応 人間にはさっぱりわからない コンピュータなら空間に分けてもらう その後 人間が認識すればいい 100 倍以上の画素があるが 人間は内容が理解できる 青空 木 草地 傾斜 紅葉など 7

8 例えば セ リーグ打撃ランキング OPS: On-base plus slugging 長打率 + 出塁率 RC27(Runs Created per 27 outs) は RC を元にある特定の選手 1 人で構成された打線で試合を行った場合 27 アウト (9 イニング 3 アウト =1 試合 ) で平均何点とれるかを算出した指標 XR27 (extrapolated Runs per 27 outs) ある打者が一人で打線を組んだ場合の1 試合 (27アウト) あたりの得点数 アウトにならない間にいかに得点数を稼ぐかという野球の形式が表されており アウト数で標準化されているので出場数の異なる複数の打者の得点創出能力を比較するような場合 XRの値そのままよりもこちらのほうが適切 8

9 主成分の例 この 2 つの重みベクトル ( 主成分 ) で全現象の 58% が説明できる 固有値の分布実質 18 次元は無い 9

10 各主成分を用いて各データ ( 各選手 ) を表現 傾向がわかりやすくなる 第 2 主成分着実度? コツコツ度 第 1 主成分 打撃能力? 10

11 体重 w z2 z1 重い 軽い 身長 h 低い 高い 主成分 z1 軸 : 身長と体重がともに動く成分 体の大きさの軸 ( これでかなり説明できる ) 主成分 z2 軸 : z1 軸で説明しきれない成分を説明 肥満度の軸 11

12 体重 z2 z1 重い 軽い 情報損失量 身長 低い 高い 情報の損失を出来るだけ小さいまま データの持つ特徴を主成分で表す 例えば 主成分 2 の情報を無視して主成分 1 の情報だけにすれば肥満度の情報が失われる そこで 情報量損失を最小に抑えるような主成分のベクトルを決定していくのが主成分分析である このような主成分のベクトルは各々が直交する 12

13 多変数の場合も同様 主成分分析とは P 個の変数 の持つ情報を情報の損失を最小に抑えながら の一次結合として与えられる互いに独立な M(M<P) 個の主成分 すなわち 総合的指標 を用いて表現する手法である は 第 m 主成分と呼ばれる 結合係数これをどうやって求めるか? 13

14 第 m 主成分 結合係数これをどうやって求めるか? --- 条件 --- 第 1 主成分 z 1 の分散は分散の中で最大であること そして 第 m 主成分 z m の分散は 無相関な一次式の持つ分散の中で最大である のあらゆる一次式の持つ の全てと ただし とする 14

15 例えば 体重 z 1 = 身長 x0.8+ 体重 x0.6 この主成分の分散が最も大きいので第一主成分である 身長 15

16 主成分の導出 P 個の変数について N 個のサンプルがある場合を考える 主成分の分散が最大になるように主成分を決定する 各変数の平均値を として 平均値からの偏差を導入する 観測データ全体は以下の行列で表される n サンプル p 項目 16

17 主成分の導出 第 1 主成分は その結合係数を とし データサンプルのベクトルを とすると すなわち n 番目のデータサンプル に対応する第 1 主成分 Z 1 の値 t n1 は で表される 17

18 主成分の導出 これを第 1 主成分得点 これを N 個のサンプル分のベクトルとしてまとめると となる 一方 なので が成り立つ 18

19 主成分の導出 ここで 第 1 主成分得点の平均値 を計算してみると ここで 第 1 主成分 z 1 の分散は なので 共分散行列で非負定値行列 Positive Definite 要素は 19

20 主成分の導出 第 1 主成分は分散を最大にするように決めなければならない Lagrange の未定定数法の登場 とおき これを最大化するような結合係数ベクトルを求めれば良い 20

21 主成分の導出 すなわち J1 を w1 で偏微分してそれを 0 とおく 固有値問題に帰着する 21

22 主成分の導出 なので を解く 最大固有値を とした場合の対応する固有ベクトルが である 以下 固有値の降順に固有ベクトルを求めていく 22

23 データの標準化 単位の異なる変数大きく分散の異なる変数 分散の大きな変数の影響を受けやすい 各変数の分散が 1 平均値が 0 となるように標準化する 観測値 をそのまま使うのではなく 平均値 を使う 標準偏差 23

24 データの標準化 このようにして標準化を行った後に共分散行列は相関行列になる ここで 標準化されたデータの行列 24

25 寄与率と因子負荷量 寄与率 主成分分析とは : 少ない数の総合的指標 ( 主成分 ) を用いて変数間の関係や特徴を把握するための統計的手法 1. 各主成分が 元のデータに含まれる特徴をどの程度表現しているか? 2. 何個の主成分を採用すれば元のデータに含まれる特徴を十分に表現できるか? 寄与率 および累積寄与率 25

26 寄与率と因子負荷量 P 個の変数の分散の和は共分散行列を V とすれば V の主体対角要素すなわち (p,p) 要素である v pp が変数 x p の分散であるから 一方で 第 m 主成分の分散 は 共分散行列 V の m 番目に大きい 固有値 に等しいから も成り立つ 26

27 寄与率と因子負荷量 第 m 主成分の分散が分散の総和に占める割合を以下のように寄与率として定義する また 第 m 主成分までの分散の和が分散の総和に占める割合を累積寄与率と呼ぶ 27

28 寄与率と因子負荷量 主成分分析の結果の解釈 主成分 ( 総合的指標 ) の意味解釈 主成分とは 各変数の線形結合で与えられる 主成分に強く影響している変数を特定することが有効 主成分と変数との相関係数 : 因子負荷量 (factor loading) 28

29 寄与率と因子負荷量 第 m 主成分 z m と p 番目の変数 x p との間の因子負荷量は z m の標準偏差 x p の標準偏差 z m, x p の共分散 29

30 寄与率と因子負荷量 データのサンプル数を N とする ( 野球選手の人数に相当 ) は 第 p 列のみを取り出すベクトルである p 行目 30

31 寄与率と因子負荷量 一方 であるので (m 番目の主成分の分散は共分散行列 V の m 番目の固有値 ) 因子負荷量 で標準化されている場合は 31

32 演習 講義を聞いているだけでは身につかない 具体的なデータを扱うことで身につけてほしい 32

33 例題データ 33

34 順位 選手名 チーム 打率 試合 打席数 打数 安打 本塁打 1 マートン 阪神 上本博紀 阪神 エルドレッド 広島 川端慎吾 ヤクルト アンダーソン 巨人 相川亮二 ヤクルト 平田良介 中日 ゴメス 阪神 ルナ 中日 荒木雅博 中日 菊池涼介 広島 大島洋平 中日 橋本到 巨人 ブランコ DeNA ロペス 巨人 畠山和洋 ヤクルト 鳥谷敬 阪神 大和 阪神 バルディリス DeNA 坂本勇人 巨人 長野久義 巨人 山田哲人 ヤクルト 片岡治大 巨人 梶谷隆幸 DeNA 村田修一 巨人 森野将彦 中日 阿部慎之助 巨人 和田一浩 中日 雄平 ヤクルト バレンティン ヤクルト 筒香嘉智 DeNA 丸佳浩 広島 ミレッジ ヤクルト 梵英心 広島 山崎憲晴 DeNA キラ 広島 石川雄洋 DeNA 打点 盗塁 四球 死球 三振 犠打 併殺打 長打率 出塁率 O P S R C 2 7 X R

35 ホームページにアップしました 35

36 CSV ファイルにしてアップしてい 36

37 What to do 教室のメンバーを数班に分けます 来週の講義までに (1) このデータをまず標準化して 相関行列を作ってくる (2) 固有値 固有ベクトルを算出する プログラムは作るか 探すか 自分たちで解決すること 来週 班毎に発表してもらいます ( 途中経過で OK) 37

スライド 1

スライド 1 データ解析特論第 5 回 ( 全 15 回 ) 2012 年 10 月 30 日 ( 火 ) 情報エレクトロニクス専攻横田孝義 1 をもっとやります 2 第 2 回 3 データマイニングの分野ではマクロ ( 巨視的 ) な視点で全体を捉える能力が求められる 1. コンピュータは数値の集合として全体を把握していますので 意味ある情報として全体を見ることが不得意 2. 逆に人間には もともと空間的に全体像を捉える能力が得意

More information

スライド 1

スライド 1 地図情報処理特論 最近の動向 : 空間情報処理 21 年 7 月 9 日 ( 水 ) 第 13 回 知能情報工学コース横田孝義 1 授業計画 4/9 4/16 4/23 4/3 /14 /21 /28 6/4 6/11 6/18 6/2 7/2 7/9 7/16 7/23 2 主成分分析と空間情報 3 主成分分析 データマイニングの分野ではマクロ ( 巨視的 ) な視点で全体を捉える能力が求められる

More information

Microsoft PowerPoint - 統計科学研究所_R_主成分分析.ppt

Microsoft PowerPoint - 統計科学研究所_R_主成分分析.ppt 主成分分析 1 内容 主成分分析 主成分分析について 成績データの解析 R で主成分分析 相関行列による主成分分析 寄与率 累積寄与率 因子負荷量 主成分得点 2 主成分分析 3 次元の縮小と主成分分析 主成分分析 次元の縮小に関する手法 次元の縮小 国語 数学 理科 社会 英語の総合点 5 次元データから1 次元データへの縮約 体形評価 : BMI (Body Mass Index) 判定肥満度の判定方法の1つで

More information

0 部分的最小二乗回帰 Partial Least Squares Regression PLS 明治大学理 学部応用化学科 データ化学 学研究室 弘昌

0 部分的最小二乗回帰 Partial Least Squares Regression PLS 明治大学理 学部応用化学科 データ化学 学研究室 弘昌 0 部分的最小二乗回帰 Parial Leas Squares Regressio PLS 明治大学理 学部応用化学科 データ化学 学研究室 弘昌 部分的最小二乗回帰 (PLS) とは? 部分的最小二乗回帰 (Parial Leas Squares Regressio, PLS) 線形の回帰分析手法の つ 説明変数 ( 記述 ) の数がサンプルの数より多くても計算可能 回帰式を作るときにノイズの影響を受けにくい

More information

研究目的 セ リーグヤクルトスワローズ読売ジャイアンツ阪神タイガース広島カープ中日ドラゴンズ DeNA ベイスターズ NPB ( 日本野球機構 ) パ リーグソフトバンクホークス日本ハムファイターズ千葉ロッテマリーンズ西武ライオンズオリックスバッファローズ楽天イーグルス 表 年度セ リ

研究目的 セ リーグヤクルトスワローズ読売ジャイアンツ阪神タイガース広島カープ中日ドラゴンズ DeNA ベイスターズ NPB ( 日本野球機構 ) パ リーグソフトバンクホークス日本ハムファイターズ千葉ロッテマリーンズ西武ライオンズオリックスバッファローズ楽天イーグルス 表 年度セ リ 2016 年 S-PLUS &Visual R Platform 学生研究奨励賞 プロ野球における日本人選手の役割 ~2016 年度と 2015 年度のチーム状況の違い ~ 目次 1. 研究目的 2. 使用データ概要 3. 研究の流れ 4. 分析結果 5. まとめ 今後の課題 - 参考文献 - 東海大学情報通信学部経営システム工学科 松家大士 研究目的 セ リーグヤクルトスワローズ読売ジャイアンツ阪神タイガース広島カープ中日ドラゴンズ

More information

Microsoft PowerPoint - H17-5時限(パターン認識).ppt

Microsoft PowerPoint - H17-5時限(パターン認識).ppt パターン認識早稲田大学講義 平成 7 年度 独 産業技術総合研究所栗田多喜夫 赤穂昭太郎 統計的特徴抽出 パターン認識過程 特徴抽出 認識対象から何らかの特徴量を計測 抽出 する必要がある 認識に有効な情報 特徴 を抽出し 次元を縮小した効率の良い空間を構成する過程 文字認識 : スキャナ等で取り込んだ画像から文字の識別に必要な本質的な特徴のみを抽出 例 文字線の傾き 曲率 面積など 識別 与えられた未知の対象を

More information

Microsoft PowerPoint - 資料04 重回帰分析.ppt

Microsoft PowerPoint - 資料04 重回帰分析.ppt 04. 重回帰分析 京都大学 加納学 Division of Process Control & Process Sstems Engineering Department of Chemical Engineering, Koto Universit manabu@cheme.koto-u.ac.jp http://www-pse.cheme.koto-u.ac.jp/~kano/ Outline

More information

Microsoft Word usui03-11E0095臼井友希.セイバーメトリクス

Microsoft Word usui03-11E0095臼井友希.セイバーメトリクス 11E0095 臼井友希 野球と統計学 I. セイバーメトリクスセイバーメトリクス (Society for American Baseball Research Econometrics) とは アメリカで生まれた野球においてのデータを統計学から客観的に分析し 過小評価 過大評価されてしまっていた選手の再評価や攻撃側はいかにアウトをとられないか 守備側ではいかにアウトをとるかなどの戦略を考える分析方法である

More information

目次 1. 研究背景 2. データ概要 3. 研究手順 4. 主成分分析の結果 5. クラスター分析の結果グループ 1~6 の結果 6. 高校生選手ごとの球団提案 7. まとめ 8. 今後の課題 参考文献 Appendix 2017/11/ 年 S-PLUS 学生研究奨励賞 2

目次 1. 研究背景 2. データ概要 3. 研究手順 4. 主成分分析の結果 5. クラスター分析の結果グループ 1~6 の結果 6. 高校生選手ごとの球団提案 7. まとめ 8. 今後の課題 参考文献 Appendix 2017/11/ 年 S-PLUS 学生研究奨励賞 2 ドラフト候補生の適正球団分析 東海大学情報通信学部経営システム工学科 鏡尚樹 目次 1. 研究背景 2. データ概要 3. 研究手順 4. 主成分分析の結果 5. クラスター分析の結果グループ 1~6 の結果 6. 高校生選手ごとの球団提案 7. まとめ 8. 今後の課題 参考文献 Appendix 2017/11/16 2017 年 S-PLUS 学生研究奨励賞 2 1. 研究背景 2020 年東京オリンピックで野球種目が復活

More information

主成分分析 -因子分析との比較-

主成分分析 -因子分析との比較- 主成分分析 - 因子分析との比較 - 2013.7.10. 心理データ解析演習 M1 枡田恵 主成分分析とは 主成分分析は 多変量データに共通な成分を探って 一種の合成変数 ( 主成分 ) を作り出すもの * 主成分はデータを新しい視点でみるための新しい軸 主成分分析の目的 : 情報を縮約すること ( データを合成変数 ( 主成分 ) に総合化 ) 因子分析の目的 : 共通因子を見つけること ( データを潜在因子に分解

More information

スライド 1

スライド 1 データ解析特論第 10 回 ( 全 15 回 ) 2012 年 12 月 11 日 ( 火 ) 情報エレクトロニクス専攻横田孝義 1 終了 11/13 11/20 重回帰分析をしばらくやります 12/4 12/11 12/18 2 前回から回帰分析について学習しています 3 ( 単 ) 回帰分析 単回帰分析では一つの従属変数 ( 目的変数 ) を 一つの独立変数 ( 説明変数 ) で予測する事を考える

More information

スライド 1

スライド 1 データ解析特論重回帰分析編 2017 年 7 月 10 日 ( 月 )~ 情報エレクトロニクスコース横田孝義 1 ( 単 ) 回帰分析 単回帰分析では一つの従属変数 ( 目的変数 ) を 一つの独立変数 ( 説明変数 ) で予測する事を考える 具体的には y = a + bx という回帰直線 ( モデル ) でデータを代表させる このためにデータからこの回帰直線の切片 (a) と傾き (b) を最小

More information

タイトル

タイトル Copyright 2006 DataStadium Inc. All rights reserved. 日本プロ野球のデータを用いた試合結果のシミュレーション - 第 3 回スポーツデータ解析コンペティションに向けて - September, 2013 データスタジアム株式会社 ベースボール事業部アナリスト金沢慧 k_kanazawa@datastadium.co.jp メニュー 1: 評価 から

More information

多変量解析 ~ 重回帰分析 ~ 2006 年 4 月 21 日 ( 金 ) 南慶典

多変量解析 ~ 重回帰分析 ~ 2006 年 4 月 21 日 ( 金 ) 南慶典 多変量解析 ~ 重回帰分析 ~ 2006 年 4 月 21 日 ( 金 ) 南慶典 重回帰分析とは? 重回帰分析とは複数の説明変数から目的変数との関係性を予測 評価説明変数 ( 数量データ ) は目的変数を説明するのに有効であるか得られた関係性より未知のデータの妥当性を判断する これを重回帰分析という つまり どんなことをするのか? 1 最小 2 乗法により重回帰モデルを想定 2 自由度調整済寄与率を求め

More information

スライド 1

スライド 1 2015 年 12 月 1 日 日本プロフェッショナル野球組織パシフィック野球連盟セントラル野球連盟スカパー JSAT 株式会社 2015 スカパー! ドラマティック サヨナラ賞年間大賞 柳田悠岐選手 ( 福岡ソフトバンクホークス ) と雄平選手 ( 東京ヤクルトスワローズ ) に決定! パシフィック セントラル両リーグが第三者公式表彰として制定しておりますスカパー! ドラマティック サヨナラ賞年間大賞

More information

memo

memo 数理情報工学特論第一 機械学習とデータマイニング 4 章 : 教師なし学習 3 かしまひさし 鹿島久嗣 ( 数理 6 研 ) kashima@mist.i.~ DEPARTMENT OF MATHEMATICAL INFORMATICS 1 グラフィカルモデルについて学びます グラフィカルモデル グラフィカルラッソ グラフィカルラッソの推定アルゴリズム 2 グラフィカルモデル 3 教師なし学習の主要タスクは

More information

Microsoft PowerPoint - 10.pptx

Microsoft PowerPoint - 10.pptx m u. 固有値とその応用 8/7/( 水 ). 固有値とその応用 固有値と固有ベクトル 行列による写像から固有ベクトルへ m m 行列 によって線形写像 f : R R が表せることを見てきた ここでは 次元平面の行列による写像を調べる とし 写像 f : を考える R R まず 単位ベクトルの像 u y y f : R R u u, u この事から 線形写像の性質を用いると 次の格子上の点全ての写像先が求まる

More information

untitled

untitled KLT はエネルギを集約する カルーネンレーベ変換 (KLT) で 情報を集約する 要点 分散 7. 9. 8.3 3.7 4.5 4.0 KLT 前 集約 分散 0.3 0.4 4.5 7.4 3.4 00.7 KLT 後 分散 = エネルギ密度 エネルギ と表現 最大を 55, 最小を 0 に正規化して表示した 情報圧縮に応用できないか? エネルギ集約 データ圧縮 分散 ( 平均 ) KLT 前

More information

プロ野球のサービスに関する調査 (2014 年 1 月下旬実施 ) 慶應義塾大学理工学部管理工学科鈴木秀男 チームの成績 チーム 選手 を構成する項目の各チームの評価平均値とランキング 近年 そのチームは優秀な成績をおさめている (1: 全く思わない~10: 非常に思う ) 2014 年 1 月下旬

プロ野球のサービスに関する調査 (2014 年 1 月下旬実施 ) 慶應義塾大学理工学部管理工学科鈴木秀男 チームの成績 チーム 選手 を構成する項目の各チームの評価平均値とランキング 近年 そのチームは優秀な成績をおさめている (1: 全く思わない~10: 非常に思う ) 2014 年 1 月下旬 チームの成績 チーム 選手 を構成する項目の各チームの評価平均値とランキング 近年 そのチームは優秀な成績をおさめている (1: 全く思わない~10: 非常に思う ) 1 位 楽天 8.21 2.30 1 位 日本ハム 8.48 1.68 1 位 中日 8.90 1.54 2 位 巨人 7.97 1.66 2 位 巨人 7.67 1.85 2 位 ソフトバンク 8.55 1.78 3 位 ロッテ 6.08

More information

untitled

untitled 主成分分析 (Prncpal Component Analy) で情報を集約する マルチスペクトル画像 なし が情報を集約する 69.68 77.97 85.73 96.7 98.8 画像 : NASA 除去できる一部に集約 あり.24.35 4.63 7.65 3.9 分散の比率 最大を 255, 最小を に正規化して表示 3 つの成分から画像を再生した 信号処理の手順 行列 A 共分散行列に対する

More information

09.pptx

09.pptx 講義内容 数値解析 第 9 回 5 年 6 月 7 日 水 理学部物理学科情報理学コース. 非線形方程式の数値解法. はじめに. 分法. 補間法.4 ニュートン法.4. 多変数問題への応用.4. ニュートン法の収束性. 連立 次方程式の解法. 序論と行列計算の基礎. ガウスの消去法. 重対角行列の場合の解法項目を変更しました.4 LU 分解法.5 特異値分解法.6 共役勾配法.7 反復法.7. ヤコビ法.7.

More information

因子分析

因子分析 因子分析 心理データ解析演習 M1 枡田恵 2013.6.5. 1 因子分析とは 因子分析とは ある観測された変数 ( 質問項目への回答など ) が どのような潜在的な変数 ( 観測されない 仮定された変数 ) から影響を受けているかを探る手法 多変量解析の手法の一つ 複数の変数の関係性をもとにした構造を探る際によく用いられる 2 因子分析とは 探索的因子分析 - 多くの観測変数間に見られる複雑な相関関係が

More information

要約 鍋谷 (2007) では2001 年 ~2005 年の高校野球 プロ野球における各プレーの貢献度を 得点 勝敗を被説明変数 各プレーを説明変数とした重回帰モデル 2 項ロジットモデル 2 項プロビットモデルを用いて分析し 犠打 ( 犠牲バント 犠牲フライ ) は得点に対しては有意ではないが勝敗

要約 鍋谷 (2007) では2001 年 ~2005 年の高校野球 プロ野球における各プレーの貢献度を 得点 勝敗を被説明変数 各プレーを説明変数とした重回帰モデル 2 項ロジットモデル 2 項プロビットモデルを用いて分析し 犠打 ( 犠牲バント 犠牲フライ ) は得点に対しては有意ではないが勝敗 平成 26 年度卒業論文 高校野球における各プレーの貢献度 所属ゼミ 村澤ゼミ 学籍番号 1110402082 氏 名 野村剛志 大阪府立大学経済学部 要約 鍋谷 (2007) では2001 年 ~2005 年の高校野球 プロ野球における各プレーの貢献度を 得点 勝敗を被説明変数 各プレーを説明変数とした重回帰モデル 2 項ロジットモデル 2 項プロビットモデルを用いて分析し 犠打 ( 犠牲バント

More information

Microsoft Word - 補論3.2

Microsoft Word - 補論3.2 補論 3. 多変量 GARC モデル 07//6 新谷元嗣 藪友良 対数尤度関数 3 章 7 節では 変量の対数尤度を求めた ここでは多変量の場合 とくに 変量について対数尤度を求める 誤差項 は平均 0 で 次元の正規分布に従うとする 単純化のため 分散と共分散は時間を通じて一定としよう ( この仮定は後で変更される ) したがって ij から添え字 を除くことができる このとき と の尤度関数は

More information

PowerPoint Presentation

PowerPoint Presentation 付録 2 2 次元アフィン変換 直交変換 たたみ込み 1.2 次元のアフィン変換 座標 (x,y ) を (x,y) に移すことを 2 次元での変換. 特に, 変換が と書けるとき, アフィン変換, アフィン変換は, その 1 次の項による変換 と 0 次の項による変換 アフィン変換 0 次の項は平行移動 1 次の項は座標 (x, y ) をベクトルと考えて とすれば このようなもの 2 次元ベクトルの線形写像

More information

Microsoft Word nakatani01

Microsoft Word nakatani01 ゼミナール卒論ドラフト 2013/06/06 中谷幸平 データ野球 セイバーメトリックス分析 セイバーメトリックス (Society for American Baseball research) とは 野球の記録データをコンピューター分析する方法で 数値処理に基づく統計理論の利用による ( 新しいゲーム采配と球団運営の方法 ) を指す これは 1977 年にビル ジェイムズが著した History

More information

Microsoft PowerPoint - H21生物計算化学2.ppt

Microsoft PowerPoint - H21生物計算化学2.ppt 演算子の行列表現 > L いま 次元ベクトル空間の基底をケットと書くことにする この基底は完全系を成すとすると 空間内の任意のケットベクトルは > > > これより 一度基底を与えてしまえば 任意のベクトルはその基底についての成分で完全に記述することができる これらの成分を列行列の形に書くと M これをベクトル の基底 { >} による行列表現という ところで 行列 A の共役 dont 行列は A

More information

13章 回帰分析

13章 回帰分析 単回帰分析 つ以上の変数についての関係を見る つの 目的 被説明 変数を その他の 説明 変数を使って 予測しようというものである 因果関係とは限らない ここで勉強すること 最小 乗法と回帰直線 決定係数とは何か? 最小 乗法と回帰直線 これまで 変数の間の関係の深さについて考えてきた 相関係数 ここでは 変数に役割を与え 一方の 説明 変数を用いて他方の 目的 被説明 変数を説明することを考える

More information

06 スカパー! ドラマティック サヨナラ賞年間大賞 受賞選手 パシフィック リーグ セントラル リーグ よしむらゆうき 吉村裕基選手 ( 福岡ソフトバンクホークス ) ~同点 3 点本塁打 回サヨナラ本塁打 ~ すすきせいや 鈴木誠也選手 ( 広島東洋カープ ) ~ 試合連続となる 逆転サヨナラ

06 スカパー! ドラマティック サヨナラ賞年間大賞 受賞選手 パシフィック リーグ セントラル リーグ よしむらゆうき 吉村裕基選手 ( 福岡ソフトバンクホークス ) ~同点 3 点本塁打 回サヨナラ本塁打 ~ すすきせいや 鈴木誠也選手 ( 広島東洋カープ ) ~ 試合連続となる 逆転サヨナラ 06 年 月 日 日本プロフェッショナル野球組織パシフィック野球連盟セントラル野球連盟スカパー JSAT 株式会社 06 スカパー! ドラマティック サヨナラ賞年間大賞 吉村裕基選手 ( 福岡ソフトバンクホークス ) と鈴木誠也選手 ( 広島東洋カープ ) に決定! パシフィック セントラル両リーグが第三者公式表彰として制定しておりますスカパー! ドラマティック サヨナラ賞年間大賞 ( 協賛 : スカパー

More information

Microsoft PowerPoint - e-stat(OLS).pptx

Microsoft PowerPoint - e-stat(OLS).pptx 経済統計学 ( 補足 ) 最小二乗法について 担当 : 小塚匡文 2015 年 11 月 19 日 ( 改訂版 ) 神戸大学経済学部 2015 年度後期開講授業 補足 : 最小二乗法 ( 単回帰分析 ) 1.( 単純 ) 回帰分析とは? 標本サイズTの2 変数 ( ここではXとY) のデータが存在 YをXで説明する回帰方程式を推定するための方法 Y: 被説明変数 ( または従属変数 ) X: 説明変数

More information

そのチームの選手に魅力があると感じる (1: 全く思わない~10: 非常に思う ) 1 位 ソフトバンク 位 ソフトバンク 位 巨人 位 ヤクルト 位 広島 位 楽天

そのチームの選手に魅力があると感じる (1: 全く思わない~10: 非常に思う ) 1 位 ソフトバンク 位 ソフトバンク 位 巨人 位 ヤクルト 位 広島 位 楽天 チームの成績 チーム 選手 を構成する項目の各チームの評価平均値とランキング 近年 そのチームは優秀な成績をおさめている (1: 全く思わない~10: 非常に思う ) 1 位 ソフトバンク 8.55 2.06 1 位 ソフトバンク 8.21 1.90 1 位 楽天 8.21 2.30 2 位 ヤクルト 7.37 2.14 2 位 巨人 7.54 1.67 2 位 巨人 7.97 1.66 3 位 日本ハム

More information

景気指標の新しい動向

景気指標の新しい動向 内閣府経済社会総合研究所 経済分析 22 年第 166 号 4 時系列因子分析モデル 4.1 時系列因子分析モデル (Stock-Watson モデル の理論的解説 4.1.1 景気循環の状態空間表現 Stock and Watson (1989,1991 は観測される景気指標を状態空間表現と呼ば れるモデルで表し, 景気の状態を示す指標を開発した. 状態空間表現とは, わ れわれの目に見える実際に観測される変数は,

More information

14 化学実験法 II( 吉村 ( 洋 mmol/l の半分だったから さんの測定値は くんの測定値の 4 倍の重みがあり 推定値 としては 0.68 mmol/l その標準偏差は mmol/l 程度ということになる 測定値を 特徴づけるパラメータ t を推定するこの手

14 化学実験法 II( 吉村 ( 洋 mmol/l の半分だったから さんの測定値は くんの測定値の 4 倍の重みがあり 推定値 としては 0.68 mmol/l その標準偏差は mmol/l 程度ということになる 測定値を 特徴づけるパラメータ t を推定するこの手 14 化学実験法 II( 吉村 ( 洋 014.6.1. 最小 乗法のはなし 014.6.1. 内容 最小 乗法のはなし...1 最小 乗法の考え方...1 最小 乗法によるパラメータの決定... パラメータの信頼区間...3 重みの異なるデータの取扱い...4 相関係数 決定係数 ( 最小 乗法を語るもう一つの立場...5 実験条件の誤差の影響...5 問題...6 最小 乗法の考え方 飲料水中のカルシウム濃度を

More information

file_open_13_re xlsx

file_open_13_re xlsx チームの成績 チーム 選手 を構成する項目の各チームの評価平均値とランキング 近年 そのチームは優秀な成績をおさめている (1: 全く思わない~10: 非常に思う ) 1 位 日本ハム 8.48 1.68 1 位 中日 8.90 1.54 1 位 ロッテ 8.59 1.74 2 位 巨人 7.67 1.85 2 位 ソフトバンク 8.55 1.78 2 位 中日 8.52 1.60 3 位 中日 7.62

More information

Microsoft Word - thesis.doc

Microsoft Word - thesis.doc 剛体の基礎理論 -. 剛体の基礎理論初めに本論文で大域的に使用する記号を定義する. 使用する記号トルク撃力力角運動量角速度姿勢対角化された慣性テンソル慣性テンソル運動量速度位置質量時間 J W f F P p .. 質点の並進運動 質点は位置 と速度 P を用いる. ニュートンの運動方程式 という状態を持つ. 但し ここでは速度ではなく運動量 F P F.... より質点の運動は既に明らかであり 質点の状態ベクトル

More information

Microsoft PowerPoint - 三次元座標測定 ppt

Microsoft PowerPoint - 三次元座標測定 ppt 冗長座標測定機 ()( 三次元座標計測 ( 第 9 回 ) 5 年度大学院講義 6 年 月 7 日 冗長性を持つ 次元座標測定機 次元 辺測量 : 冗長性を出すために つのレーザトラッカを配置し, キャッツアイまでの距離から座標を測定する つのカメラ ( 次元的なカメラ ) とレーザスキャナ : つの角度測定システムによる座標測定 つの回転関節による 次元 自由度多関節機構 高増潔東京大学工学系研究科精密機械工学専攻

More information

Microsoft PowerPoint - mp11-02.pptx

Microsoft PowerPoint - mp11-02.pptx 数理計画法第 2 回 塩浦昭義情報科学研究科准教授 shioura@dais.is.tohoku.ac.jp http://www.dais.is.tohoku.ac.jp/~shioura/teaching 前回の復習 数理計画とは? 数理計画 ( 復習 ) 数理計画問題とは? 狭義には : 数理 ( 数学 ) を使って計画を立てるための問題 広義には : 与えられた評価尺度に関して最も良い解を求める問題

More information

Ecel 演習問題 Work Shee 解答 第 章 Ecel 演習問題 WorkShee 解答 問題 - 4 8 7 転置行列 4 8 7 TRANSPOSE( ) 問題 - X.6 4 4.8 8 4.9 6. 7 48 8. X 転置行列 4 8 7 4 6 48 TRANSPOSE( ).6 4.8.9. 8. 問題 -.6 4 4.8 8 y.9. 7 8. 転置行列 4 8 7 TRANSPOSE(

More information

Probit , Mixed logit

Probit , Mixed logit Probit, Mixed logit 2016/5/16 スタートアップゼミ #5 B4 後藤祥孝 1 0. 目次 Probit モデルについて 1. モデル概要 2. 定式化と理解 3. 推定 Mixed logit モデルについて 4. モデル概要 5. 定式化と理解 6. 推定 2 1.Probit 概要 プロビットモデルとは. 効用関数の誤差項に多変量正規分布を仮定したもの. 誤差項には様々な要因が存在するため,

More information

パソコンシミュレータの現状

パソコンシミュレータの現状 第 2 章微分 偏微分, 写像 豊橋技術科学大学森謙一郎 2. 連続関数と微分 工学において物理現象を支配する方程式は微分方程式で表されていることが多く, 有限要素法も微分方程式を解く数値解析法であり, 定式化においては微分 積分が一般的に用いられており. 数学の基礎知識が必要になる. 図 2. に示すように, 微分は連続な関数 f() の傾きを求めることであり, 微小な に対して傾きを表し, を無限に

More information

PowerPoint Presentation

PowerPoint Presentation . カーネル法への招待 正定値カーネルによるデータ解析 - カーネル法の基礎と展開 - 福水健次統計数理研究所 / 総合研究大学院大学 統計数理研究所公開講座 0 年 月 34 日 概要 カーネル法の基本 線形データ解析と非線形データ解析 カーネル法の原理 カーネル法の つの例 カーネル主成分分析 : PCA の非線形拡張 リッジ回帰とそのカーネル化 概要 カーネル法の基本 線形データ解析と非線形データ解析

More information

日本プロ野球におけるバントの有効性 ~実データを用いたデータマイニングより~

日本プロ野球におけるバントの有効性 ~実データを用いたデータマイニングより~ 日本プロ野球におけるバントの有効性 ~ 実データを用いたデータマイニングより ~ 立教大学経営学部山口和範ゼミ発表者名 : 青山徹升澤昭仁井部真吾村田龍之介高田桂山本静香藤本茉莉 目次 1. はじめに 2. 研究の背景 3. 分析目的 4. 分析方法 5. 分析 1 6. 疑問点 考察 7. 分析 2 8. 分析結果 9. 結論 10. 総括 課題 11. 参考文献 はじめに 高校野球ではよく見かけるが

More information

( その他 ) 7 投手 捕手 ( ピッチャー キャッチャー ) とも相手チームの相手チームの選手名を選手名を記入記入します 同じ苗字が 2 名以上いるときには 下の名前を区別できるところまで記入 ( 長打 ) 二塁打 三塁打 本塁打を打った選手名を記入同じ苗字が 2 名以上いるときには 下の名前を

( その他 ) 7 投手 捕手 ( ピッチャー キャッチャー ) とも相手チームの相手チームの選手名を選手名を記入記入します 同じ苗字が 2 名以上いるときには 下の名前を区別できるところまで記入 ( 長打 ) 二塁打 三塁打 本塁打を打った選手名を記入同じ苗字が 2 名以上いるときには 下の名前を ( 準備物 ) 1 筆記用具 ( 黒 赤 青鉛筆 消しゴム ) 2B4 バインダーもしくは文鎮かセロテープ ( 試合開始 30~40 分前 ) トスがあります 福井県野球連盟スコア記入講習会資料 ( チェック項目 ) 1チーム名 先攻後攻の確認 2 守備位置の重複チェック 3 背番号の重複チェック 4 選手氏名の苗字のチェック同じ苗字が 2 名以上いる時はメンバー表に赤丸を記入しておきましょう (

More information

Microsoft PowerPoint - データ解析基礎4.ppt [互換モード]

Microsoft PowerPoint - データ解析基礎4.ppt [互換モード] データ解析基礎. 正規分布と相関係数 keyword 正規分布 正規分布の性質 偏差値 変数間の関係を表す統計量 共分散 相関係数 散布図 正規分布 世の中の多くの現象は, 標本数を大きくしていくと, 正規分布に近づいていくことが知られている. 正規分布 データ解析の基礎となる重要な分布 平均と分散によって特徴づけることができる. 平均値 : 分布の中心を表す値 分散 : 分布のばらつきを表す値 正規分布

More information

学習指導要領

学習指導要領 (1) 数と式 ア数と集合 ( ア ) 実数数を実数まで拡張する意義を理解し 簡単な無理数の四則計算をすること 絶対値の意味を理解し適切な処理することができる 例題 1-3 の絶対値をはずせ 展開公式 ( a + b ) ( a - b ) = a 2 - b 2 を利用して根号を含む分数の分母を有理化することができる 例題 5 5 + 2 の分母を有理化せよ 実数の整数部分と小数部分の表し方を理解している

More information

file_open_18_re_ xlsx

file_open_18_re_ xlsx 球場 を構成する項目における各チームの評価平均値とランキング 各球団の球場として 次の球場を評価してもらった 球団名ソフトバンク西武 楽天オリックス日本ハムロッテ広島阪神横浜 DeNA 巨人中日ヤクルト 球場名福岡ヤフオク! ドームメットライフドーム楽天生命パーク宮城 (2018 年 1 月より呼称変更 ) 京セラドーム大阪札幌ドーム ZOZOマリンスタジアム MAZDA Zoom-Zoom スタジアム広島阪神甲子園球場横浜スタジアム東京ドームナゴヤドーム明治神宮野球場

More information

Microsoft PowerPoint - 10.pptx

Microsoft PowerPoint - 10.pptx 0. 固有値とその応用 固有値と固有ベクトル 2 行列による写像から固有ベクトルへ m n A : m n n m 行列によって線形写像 f R R A が表せることを見てきた ここでは 2 次元平面の行列による写像を調べる 2 = 2 A 2 2 とし 写像 まず 単位ベクトルの像を求める u 2 x = v 2 y f : R A R を考える u 2 2 u, 2 2 0 = = v 2 0

More information

線形代数とは

線形代数とは 線形代数とは 第一回ベクトル 教科書 エクササイズ線形代数 立花俊一 成田清正著 共立出版 必要最低限のことに限る 得意な人には物足りないかもしれません 線形代数とは何をするもの? 線形関係 y 直線 yもも 次式で登場する (( 次の形 ) 線形 ただし 次元の話世の中は 3 次元 [4[ 次元 ] 次元 3 次元 4 次元 はどうやって直線を表すの? ベクトルや行列の概念 y A ベクトルを使うと

More information

Microsoft Word - lec_student-chp3_1-representative

Microsoft Word - lec_student-chp3_1-representative 1. はじめに この節でのテーマ データ分布の中心位置を数値で表す 可視化でとらえた分布の中心位置を数量化する 平均値とメジアン, 幾何平均 この節での到達目標 1 平均値 メジアン 幾何平均の定義を書ける 2 平均値とメジアン, 幾何平均の特徴と使える状況を説明できる. 3 平均値 メジアン 幾何平均を計算できる 2. 特性値 集めたデータを度数分布表やヒストグラムに整理する ( 可視化する )

More information

Ecel で学ぶ 多変量データ処理入門 坂元保秀 まえがき 本テキストは, 種々の分野で収集された多変量データを Mcosof Ecel を用いて処理する方法を述べたものである. 特に, 収集した多変量データを処理するために Sofwae がなく断念した, また Sofwae を購入するまでに至らなかった等, 初期の目的を達成できなかったとの意見を聞いたことがあり Ecel の基本関数を用いて解析を試みた.

More information

Matrix and summation convention Kronecker delta δ ij 1 = 0 ( i = j) ( i j) permutation symbol e ijk = (even permutation) (odd permutation) (othe

Matrix and summation convention Kronecker delta δ ij 1 = 0 ( i = j) ( i j) permutation symbol e ijk = (even permutation) (odd permutation) (othe Matr ad summato covto Krockr dlta δ ( ) ( ) prmutato symbol k (v prmutato) (odd prmutato) (othrs) gvalu dtrmat dt 6 k rst r s kt opyrght s rsrvd. No part of ths documt may b rproducd for proft. 行列 行 正方行列

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション 復習 ) 時系列のモデリング ~a. 離散時間モデル ~ y k + a 1 z 1 y k + + a na z n ay k = b 0 u k + b 1 z 1 u k + + b nb z n bu k y k = G z 1 u k = B(z 1 ) A(z 1 u k ) ARMA モデル A z 1 B z 1 = 1 + a 1 z 1 + + a na z n a = b 0

More information

Microsoft Word - mstattext02.docx

Microsoft Word - mstattext02.docx 章重回帰分析 複数の変数で 1つの変数を予測するような手法を 重回帰分析 といいます 前の巻でところで述べた回帰分析は 1つの説明変数で目的変数を予測 ( 説明 ) する手法でしたが この説明変数が複数個になったと考えればよいでしょう 重回帰分析はこの予測式を与える分析手法です 以下の例を見て下さい 例 以下のデータ (Samples 重回帰分析 1.txt) をもとに体重を身長と胸囲の1 次関数で

More information

ビジネス統計 統計基礎とエクセル分析 正誤表

ビジネス統計 統計基礎とエクセル分析 正誤表 ビジネス統計統計基礎とエクセル分析 ビジネス統計スペシャリスト エクセル分析スペシャリスト 公式テキスト正誤表と学習用データ更新履歴 平成 30 年 5 月 14 日現在 公式テキスト正誤表 頁場所誤正修正 6 知識編第 章 -3-3 最頻値の解説内容 たとえば, 表.1 のデータであれば, 最頻値は 167.5cm というたとえば, 表.1 のデータであれば, 最頻値は 165.0cm ということになります

More information

喨微勃挹稉弑

喨微勃挹稉弑 == 全微分方程式 == 全微分とは 変数の関数 z=f(, ) について,, の増分を Δ, Δ とするとき, z の増分 Δz は Δz z Δ+ z Δ で表されます. この式において, Δ 0, Δ 0 となる極限を形式的に dz= z d+ z d (1) で表し, dz を z の全微分といいます. z は z の に関する偏導関数で, を定数と見なし て, で微分したものを表し, 方向の傾きに対応します.

More information

様々なミクロ計量モデル†

様々なミクロ計量モデル† 担当 : 長倉大輔 ( ながくらだいすけ ) この資料は私の講義において使用するために作成した資料です WEB ページ上で公開しており 自由に参照して頂いて構いません ただし 内容について 一応検証してありますが もし間違いがあった場合でもそれによって生じるいかなる損害 不利益について責任を負いかねますのでご了承ください 間違いは発見次第 継続的に直していますが まだ存在する可能性があります 1 カウントデータモデル

More information

補足 中学で学習したフレミング左手の法則 ( 電 磁 力 ) と関連付けると覚えやすい 電磁力は電流と磁界の外積で表される 力 F 磁 電磁力 F li 右ねじの回転の向き電 li ( l は導線の長さ ) 補足 有向線分とベクトル有向線分 : 矢印の位

補足 中学で学習したフレミング左手の法則 ( 電 磁 力 ) と関連付けると覚えやすい 電磁力は電流と磁界の外積で表される 力 F 磁 電磁力 F li 右ねじの回転の向き電 li ( l は導線の長さ ) 補足 有向線分とベクトル有向線分 : 矢印の位 http://totemt.sur.ne.p 外積 ( ベクトル積 ) の活用 ( 面積, 法線ベクトル, 平面の方程式 ) 3 次元空間の つのベクトルの積が つのベクトルを与えるようなベクトルの掛け算 ベクトルの積がベクトルを与えることからベクトル積とも呼ばれる これに対し内積は符号と大きさをもつ量 ( スカラー量 ) を与えるので, スカラー積とも呼ばれる 外積を使うと, 平行四辺形や三角形の面積,

More information

<4D F736F F D E4F8E9F82C982A882AF82E98D7397F1>

<4D F736F F D E4F8E9F82C982A882AF82E98D7397F1> 3 三次における行列 要旨高校では ほとんど 2 2 の正方行列しか扱ってなく 三次の正方行列について考えてみたかったため 数 C で学んだ定理を三次の正方行列に応用して 自分たちで仮説を立てて求めていったら 空間における回転移動を表す行列 三次のケーリー ハミルトンの定理 三次における逆行列を求めたり 仮説をたてることができた. 目的 数 C で学んだ定理を三次の正方行列に応用する 2. 概要目的の到達点として

More information

DVIOUT-SS_Ma

DVIOUT-SS_Ma 第 章 微分方程式 ニュートンはリンゴが落ちるのを見て万有引力を発見した という有名な逸話があります 無重力の宇宙船の中ではリンゴは落ちないで静止していることを考えると 重力が働くと始め静止しているものが動き出して そのスピードはどんどん大きくなる つまり速度の変化が現れることがわかります 速度は一般に時間と共に変化します 速度の瞬間的変化の割合を加速度といい で定義しましょう 速度が変化する, つまり加速度がでなくなるためにはその原因があり

More information

MLB選手タイプ別モデルの構築と展望

MLB選手タイプ別モデルの構築と展望 2014 年度 S-PLUS & Visual R Platform 学生研究奨励賞応募 データで野球は語れるか? -MLBデータからみた打撃の因子構造の解明- 専修大学人間科学部心理学科心理統計学研究室北條大樹八田大輝小川泰史 目次 Ⅰ, はじめに Ⅱ, 研究背景 Ⅲ, 研究目的 Ⅳ, 研究方法 Ⅴ, 研究結果 Ⅵ, 新たな疑問 Ⅶ, まとめ Ⅷ, 今後の課題 展望 2 はじめに そもそもMLBとは

More information

スコアカードの点検に関する留意点-①

スコアカードの点検に関する留意点-① 資料 - スコアカードの点検に関する留意点 ( 公財 日本ソフトボール協会記録委員会 スコアカードの点検は手順を決め 短時間で終わるように要領よく行う必要があります スコアカードの点検は 次の順で行います ボックス 交代 集計 その他 ボックスの点検例 犠牲打 - 犠牲打のつけ忘れ 特に犠打失策 犠打野選の場合 - 二死後のバントは犠牲打にならない - 外野飛球での二進 三進は犠牲飛球にならない -

More information

1. 多変量解析の基本的な概念 1. 多変量解析の基本的な概念 1.1 多変量解析の目的 人間のデータは多変量データが多いので多変量解析が有用 特性概括評価特性概括評価 症 例 主 治 医 の 主 観 症 例 主 治 医 の 主 観 単変量解析 客観的規準のある要約多変量解析 要約値 客観的規準のな

1. 多変量解析の基本的な概念 1. 多変量解析の基本的な概念 1.1 多変量解析の目的 人間のデータは多変量データが多いので多変量解析が有用 特性概括評価特性概括評価 症 例 主 治 医 の 主 観 症 例 主 治 医 の 主 観 単変量解析 客観的規準のある要約多変量解析 要約値 客観的規準のな 1.1 多変量解析の目的 人間のデータは多変量データが多いので多変量解析が有用 特性概括評価特性概括評価 症 例 治 医 の 観 症 例 治 医 の 観 単変量解析 客観的規準のある要約多変量解析 要約値 客観的規準のない要約知識 直感 知識 直感 総合的評価 考察 総合的評価 考察 単変量解析の場合 多変量解析の場合 < 表 1.1 脂質異常症患者の TC と TG と重症度 > 症例 No. TC

More information

経営統計学

経営統計学 5 章基本統計量 3.5 節で量的データの集計方法について簡単に触れ 前章でデータの分布について学びましたが データの特徴をつの数値で示すこともよく行なわれます これは統計量と呼ばれ 主に分布の中心や拡がりなどを表わします この章ではよく利用される分布の統計量を特徴で分類して説明します 数式表示を統一的に行なうために データの個数を 個とし それらを,,, と表わすことにします ここで学ぶ統計量は統計分析の基礎となっており

More information

スライド 1

スライド 1 都市環境計画 都市環境計画のための 調査 分析 調査 分析手法の概論分析 ( 主に多変量解析 ) の概論 試験想定問題 多変量解析手法について以下のキーワードを用いて説明せよ 定量データ ( 量的データ ), 定性データ ( 質的データ ) 目的変数 ( 従属変数 ), 説明変数 ( 独立変数 ), 重回帰分析, 判別分析, 因子分析, 数量化 Ⅰ 類, 数量化 Ⅱ 類, 数量化 Ⅲ 類 利用者の利用実態や評価構造の解明等に関する研究

More information

Microsoft Word - 訋é⁄‘組渋å�¦H29æœ�末試é¨fi解ç�fl仟㆓.docx

Microsoft Word - 訋é⁄‘組渋å�¦H29æœ�末試é¨fi解ç�fl仟㆓.docx 07 年 8 月 日計量経済学期末試験問. 次元ベクトル x ( x..., x)', w ( w.., w )', v ( v.., v )' は非確率変数であり 一次独立である 最小二乗推定法の残差と説明変数が直交することは証明無く用いてよい 確率ベクトル e ( e... ) ' は E( e ) 0, V ( e ),cov( e j ) 0 ( j) とし 確率ベクトル y=( y...,

More information

Microsoft PowerPoint - 9.pptx

Microsoft PowerPoint - 9.pptx 9/7/8( 水 9. 線形写像 ここでは 行列の積によって 写像を定義できることをみていく また 行列の積によって定義される写像の性質を調べていく 拡大とスカラー倍 行列演算と写像 ( 次変換 拡大後 k 倍 k 倍 k 倍拡大の関係は スカラー倍を用いて次のように表現できる p = (, ' = k ' 拡大前 p ' = ( ', ' = ( k, k 拡大 4 拡大と行列の積 拡大後 k 倍

More information

主成分分析 + 重回帰分析 a.2 変数群に対して, 以下のような手順を実行 ( 多変数群 ) では,2 変数群を組み合わせて実行 ) 説明変数群の主成分分析 2 基準変数群の主成分分析 3 説明変数群における 個の主成分得点に対して, 基準へ数群における主成分得点のすべてを用いて重回帰分析を反復

主成分分析 + 重回帰分析 a.2 変数群に対して, 以下のような手順を実行 ( 多変数群 ) では,2 変数群を組み合わせて実行 ) 説明変数群の主成分分析 2 基準変数群の主成分分析 3 説明変数群における 個の主成分得点に対して, 基準へ数群における主成分得点のすべてを用いて重回帰分析を反復 正準相関分析についての解説 0. 判別分析 (discriminant analysis) 多変量のデータを用い, 重みづけた説明変数 ( 独立変数 ) を合成して, 個々人の所属する集団を分ける基準変数 ( 従属変数 ) を予測 ( 判別 ) する多変量解析法を, 判別分析と総称する. 例 : ある患者に対する多種類の検査結果を総合して ( 説明変数 ), どのような病気かを診断する ( 基準変数

More information

Microsoft Word - M4_9(N.K.).docx

Microsoft Word - M4_9(N.K.).docx 第 9 章因子分析 9-1 因子分析とは 因子分析 (factor analysis) 実験や観測によって得られた 観測変数 の背後に存在する 因子 を推定する統計的分析手段 観測変数 (observed variable) 実験や観測を通して得られたデータ ( 観測値 ) 因子 (factor) 得られた観測変数に対し影響を及ぼしている 一見すると表には出て来ていない潜在的な要因のこと 潜在変数

More information

DVIOUT

DVIOUT 最適レギュレータ 松尾研究室資料 第 最適レギュレータ 節時不変型無限時間最適レギュレータ 状態フィードバックの可能な場合の無限時間問題における最適レギュレータについて確定系について説明する. ここで, レギュレータとは状態量をゼロにするようなコントローラのことである. なぜ, 無限時間問題のみを述べるかという理由は以下のとおりである. 有限時間の最適レギュレータ問題の場合の最適フィードバックゲインは微分方程式の解から構成される時間関数として表現される.

More information

file_open_17_re_ xlsx

file_open_17_re_ xlsx 球場 を構成する項目における各チームの 球場 を構成する項目における各チームの評価平均値とランキング 各球団の球場として 次の球場を評価してもらった 球団名球場名日本ハム札幌ドームソフトバンク福岡ヤフオク! ドーム日本ハム札幌ドームロッテ ZOZOマリンスタジアム (2016 年 10 月より呼称変更 ) 西武西武ドーム Koboパーク宮城楽天 (2016 年 10 月より呼称変更 ) オリックス広島巨人横浜

More information

スライド タイトルなし

スライド タイトルなし 線形代数 演習 (008 年度版 ) 008/5/6 線形代数 演習 Ⅰ コンピュータ グラフィックス, 次曲面と線形代数指南書第七の巻 直交行列, 実対称行列とその対角化, 次曲線池田勉龍谷大学理工学部数理情報学科 実行列, 正方行列, 実対称行列, 直交行列 a a N A am a MN 実行列 : すべての成分 a が実数である行列 ij ji ij 正方行列 : 行の数と列の数が等しい (

More information

はじめに 本書は 野球デジタルスコアブック ばちこい のユーザ操作マニュアルです ばちこい は タブレット端末を利用して野球のスコアを簡単に入力 管理できるアプリケーションです 本バージョンでは 少年野球の使用に最適な仕様となっております 本書に掲載されている画面は開発中の画面です 実際の画面とは異

はじめに 本書は 野球デジタルスコアブック ばちこい のユーザ操作マニュアルです ばちこい は タブレット端末を利用して野球のスコアを簡単に入力 管理できるアプリケーションです 本バージョンでは 少年野球の使用に最適な仕様となっております 本書に掲載されている画面は開発中の画面です 実際の画面とは異 野球デジタルスコアブック ばちこい ユーザ操作マニュアル はじめに 本書は 野球デジタルスコアブック ばちこい のユーザ操作マニュアルです ばちこい は タブレット端末を利用して野球のスコアを簡単に入力 管理できるアプリケーションです 本バージョンでは 少年野球の使用に最適な仕様となっております 本書に掲載されている画面は開発中の画面です 実際の画面とは異なる場合があります 本書の内容に関しては 将来予告なく変更することがあります

More information

Microsoft Word ã‡»ã…«ã‡ªã…¼ã…‹ã…žã…‹ã…³ã†¨åłºæœ›å•¤(佒芤喋çfl�)

Microsoft Word ã‡»ã…«ã‡ªã…¼ã…‹ã…žã…‹ã…³ã†¨åłºæœ›å•¤(佒芤喋çfl�) Cellulr uo nd heir eigenlues 東洋大学総合情報学部 佐藤忠一 Tdzu So Depren o Inorion Siene nd rs Toyo Uniersiy. まえがき 一次元セルオ-トマトンは数学的には記号列上の行列の固有値問題である 固有値問題の行列はふつう複素数体上の行列である 量子力学における固有値問題も無限次元ではあるが関数環上の行列でその成分は可換環である

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション 2012 前期 プロジェクト研究 人的資源管理 プロ野球の労働市場 プロ野球選手の年俸決定における要因分析 2012 年 8 月 18 日 ( 土 ) 井下晶雄 北脇裕章 田鍋洋三 仲野大輔 1 < 目次 > はじめに 1. プロ野球の概要 2. 入団プロセスと報酬決定の仕組み 3.2 年目以降の報酬決定の仕組み 4. 報酬決定の要因分析 5. 結論 < 目次 > はじめに 1. プロ野球の概要 2.

More information

OCW-iダランベールの原理

OCW-iダランベールの原理 講義名連続体力学配布資料 OCW- 第 2 回ダランベールの原理 無機材料工学科准教授安田公一 1 はじめに今回の講義では, まず, 前半でダランベールの原理について説明する これを用いると, 動力学の問題を静力学の問題として解くことができ, さらに, 前回の仮想仕事の原理を適用すると動力学問題も簡単に解くことができるようになる また, 後半では, ダランベールの原理の応用として ラグランジュ方程式の導出を示す

More information

多次元レーザー分光で探る凝縮分子系の超高速動力学

多次元レーザー分光で探る凝縮分子系の超高速動力学 波動方程式と量子力学 谷村吉隆 京都大学理学研究科化学専攻 http:theochem.kuchem.kyoto-u.ac.jp TA: 岩元佑樹 iwamoto.y@kuchem.kyoto-u.ac.jp ベクトルと行列の作法 A 列ベクトル c = c c 行ベクトル A = [ c c c ] 転置ベクトル T A = [ c c c ] AA 内積 c AA = [ c c c ] c =

More information

横浜市環境科学研究所

横浜市環境科学研究所 周期時系列の統計解析 単回帰分析 io 8 年 3 日 周期時系列に季節調整を行わないで単回帰分析を適用すると, 回帰係数には周期成分の影響が加わる. ここでは, 周期時系列をコサイン関数モデルで近似し単回帰分析によりモデルの回帰係数を求め, 周期成分の影響を検討した. また, その結果を気温時系列に当てはめ, 課題等について考察した. 気温時系列とコサイン関数モデル第 報の結果を利用するので, その一部を再掲する.

More information

9/3 D52 布袋 4 盗塁で盗塁王へ驀進! 9/10 G11 野内 7 打点の荒稼ぎ 9/10 A17 山田監督自らサヨナラ打! 9 月 3 日第 13 戦中止試合 ( サンケイ 19 号面 ) 第一試合 DCUPS 4 第二試合 FUNKY S 2 第三試合 HEROES 9 第四試合 GAI

9/3 D52 布袋 4 盗塁で盗塁王へ驀進! 9/10 G11 野内 7 打点の荒稼ぎ 9/10 A17 山田監督自らサヨナラ打! 9 月 3 日第 13 戦中止試合 ( サンケイ 19 号面 ) 第一試合 DCUPS 4 第二試合 FUNKY S 2 第三試合 HEROES 9 第四試合 GAI COMETS NEWS 公式戦閉幕 コメッツニュース 発行 : 編集 : 東京コメッツ野球クラブ井上淳 E-Mail gaian2010@mbn.nifty.com Tel 090-4412-7992 投打四冠! C59 古屋 2 点 2 塁打で打点王手中! H16 大山最終打席のヒットで熾烈な首位打者争いを制す! 9/3 D52 布袋 4 盗塁で盗塁王へ驀進! 9/10 G11 野内 7 打点の荒稼ぎ

More information

安 打 全日程終了時点 ( 安打 + 四死球 ) 打 数 打席 位 打率 選手名 位本塁打 選手名 位 打点 選手名 位 盗塁 選手名 位 安打 選手名 位四死球 選手名 位 出塁率 選手名 S51 真鍋 S0 眞田 42 1 E11 阿部 40 4 J14 岡村 39

安 打 全日程終了時点 ( 安打 + 四死球 ) 打 数 打席 位 打率 選手名 位本塁打 選手名 位 打点 選手名 位 盗塁 選手名 位 安打 選手名 位四死球 選手名 位 出塁率 選手名 S51 真鍋 S0 眞田 42 1 E11 阿部 40 4 J14 岡村 39 安 打 全日程終了時点 ( 安打 + 四死球 ) 打 数 打席 位 打率 選手名 位本塁打 選手名 位 打点 選手名 位 盗塁 選手名 位 安打 選手名 位四死球 選手名 位 出塁率 選手名 1.611 S0 眞田 1 4 E2 小泉 1 14 E2 小泉 1 15 E5 佐野 ( 雅 ) 1 11 E5 佐野 ( 雅 ) 1 9 F51 村本 1.722 M30 山岸 2.583 M30 山岸 1

More information

ベイズ統計入門

ベイズ統計入門 ベイズ統計入門 条件付確率 事象 F が起こったことが既知であるという条件の下で E が起こる確率を条件付確率 (codtoal probablt) という P ( E F ) P ( E F ) P( F ) 定義式を変形すると 確率の乗法公式となる ( E F ) P( F ) P( E F ) P( E) P( F E) P 事象の独立 ある事象の生起する確率が 他のある事象が生起するかどうかによって変化しないとき

More information

プロ野球のサービスに関する調査 (2019 年 1 月下旬実施 ) 慶應義塾大学理工学部管理工学科鈴木秀男 球場 を構成する項目における各チームの評価平均値とランキング 各球団の球場として 次の球場を評価してもらった 球団名球場名西武メットライフドームソフトバンク福岡ヤフオク! ドーム日本ハム札幌ド

プロ野球のサービスに関する調査 (2019 年 1 月下旬実施 ) 慶應義塾大学理工学部管理工学科鈴木秀男 球場 を構成する項目における各チームの評価平均値とランキング 各球団の球場として 次の球場を評価してもらった 球団名球場名西武メットライフドームソフトバンク福岡ヤフオク! ドーム日本ハム札幌ド 球場 を構成する項目における各チームの評価平均値とランキング 各球団の球場として 次の球場を評価してもらった 球団名球場名西武メットライフドームソフトバンク福岡ヤフオク! ドーム日本ハム札幌ドームオリックス京セラドーム大阪ロッテ ZOZOマリンスタジアム楽天楽天生命パーク宮城広島 MAZDA Zoom-Zoom スタジアム広島ヤクルト明治神宮野球場巨人東京ドーム横浜 DeNA 横浜スタジアム中日ナゴヤドーム阪神阪神甲子園球場

More information

Microsoft Word - Time Series Basic - Modeling.doc

Microsoft Word - Time Series Basic - Modeling.doc 時系列解析入門 モデリング. 確率分布と統計的モデル が確率変数 (radom varable のとき すべての実数 R に対して となる確 率 Prob( が定められる これを の関数とみなして G( Prob ( とあらわすとき G( を確率変数 の分布関数 (probablt dstrbuto ucto と呼 ぶ 時系列解析で用いられる確率変数は通常連続型と呼ばれるもので その分布関数は (

More information

切片 ( 定数項 ) ダミー 以下の単回帰モデルを考えよう これは賃金と就業年数の関係を分析している : ( 賃金関数 ) ここで Y i = α + β X i + u i, i =1,, n, u i ~ i.i.d. N(0, σ 2 ) Y i : 賃金の対数値, X i : 就業年数. (

切片 ( 定数項 ) ダミー 以下の単回帰モデルを考えよう これは賃金と就業年数の関係を分析している : ( 賃金関数 ) ここで Y i = α + β X i + u i, i =1,, n, u i ~ i.i.d. N(0, σ 2 ) Y i : 賃金の対数値, X i : 就業年数. ( 統計学ダミー変数による分析 担当 : 長倉大輔 ( ながくらだいすけ ) 1 切片 ( 定数項 ) ダミー 以下の単回帰モデルを考えよう これは賃金と就業年数の関係を分析している : ( 賃金関数 ) ここで Y i = α + β X i + u i, i =1,, n, u i ~ i.i.d. N(0, σ 2 ) Y i : 賃金の対数値, X i : 就業年数. ( 実際は賃金を就業年数だけで説明するのは現実的はない

More information

Microsoft PowerPoint - 9.pptx

Microsoft PowerPoint - 9.pptx 9. 線形写像 ここでは 行列の積によって 写像を定義できることをみていく また 行列の積によって定義される写像の性質を調べていく 行列演算と写像 ( 次変換 3 拡大とスカラー倍 p ' = ( ', ' = ( k, kk p = (, k 倍 k 倍 拡大後 k 倍拡大の関係は スカラー倍を用いて次のように表現できる ' = k ' 拡大前 拡大 4 拡大と行列の積 p ' = ( ', '

More information

<4D F736F F F696E74202D2091E6824F82538FCD8CEB82E88C9F8F6F814592F990B382CC8CB4979D82BB82CC82505F D E95848D8682CC90B69

<4D F736F F F696E74202D2091E6824F82538FCD8CEB82E88C9F8F6F814592F990B382CC8CB4979D82BB82CC82505F D E95848D8682CC90B69 第 章 誤り検出 訂正の原理 その ブロック符号とその復号 安達文幸 目次 誤り訂正符号化を用いる伝送系誤り検出符号誤り検出 訂正符号 7, ハミング符号, ハミング符号生成行列, パリティ検査行列の一般形符号の生成行列符号の生成行列とパリティ検査行列の関係符号の訂正能力符号多項式 安達 : コミュニケーション符号理論 安達 : コミュニケーション符号理論 誤り訂正符号化を用いる伝送系 伝送システム

More information

<4D F736F F D2094F795AA95FB92F68EAE82CC89F082AB95FB E646F63>

<4D F736F F D2094F795AA95FB92F68EAE82CC89F082AB95FB E646F63> 力学 A 金曜 限 : 松田 微分方程式の解き方 微分方程式の解き方のところが分からなかったという声が多いので プリントにまとめます 数学的に厳密な話はしていないので 詳しくは数学の常微分方程式を扱っているテキストを参照してください また os s は既知とします. 微分方程式の分類 常微分方程式とは 独立変数 と その関数 その有限次の導関数 がみたす方程式 F,,, = のことです 次までの導関数を含む方程式を

More information

Microsoft PowerPoint - 統計科学研究所_R_重回帰分析_変数選択_2.ppt

Microsoft PowerPoint - 統計科学研究所_R_重回帰分析_変数選択_2.ppt 重回帰分析 残差分析 変数選択 1 内容 重回帰分析 残差分析 歯の咬耗度データの分析 R で変数選択 ~ step 関数 ~ 2 重回帰分析と単回帰分析 体重を予測する問題 分析 1 身長 のみから体重を予測 分析 2 身長 と ウエスト の両方を用いて体重を予測 分析 1 と比べて大きな改善 体重 に関する推測では 身長 だけでは不十分 重回帰分析における問題 ~ モデルの構築 ~ 適切なモデルで分析しているか?

More information

テンソル ( その ) テンソル ( その ) スカラー ( 階のテンソル ) スカラー ( 階のテンソル ) 階数 ベクトル ( 階のテンソル ) ベクトル ( 階のテンソル ) 行列表現 シンボリック表現 [ ]

テンソル ( その ) テンソル ( その ) スカラー ( 階のテンソル ) スカラー ( 階のテンソル ) 階数 ベクトル ( 階のテンソル ) ベクトル ( 階のテンソル ) 行列表現 シンボリック表現 [ ] Tsor th-ordr tsor by dcl xprsso m m Lm m k m k L mk kk quott rul by symbolc xprsso Lk X thrd-ordr tsor cotrcto j j Copyrght s rsrvd. No prt of ths documt my b rproducd for proft. テンソル ( その ) テンソル ( その

More information

航空機の運動方程式

航空機の運動方程式 可制御性 可観測性. 可制御性システムの状態を, 適切な操作によって, 有限時間内に, 任意の状態から別の任意の状態に移動させることができるか否かという特性を可制御性という. 可制御性を有するシステムに対し, システムは可制御である, 可制御なシステム という言い方をする. 状態方程式, 出力方程式が以下で表されるn 次元 m 入力 r 出力線形時不変システム x Ax u y x Du () に対し,

More information

スライド 1

スライド 1 データ解析特論参考資料 都市高速道路の交通量の分析の例 平成 27 年 6 月 22 日 ( 木 ) 横田孝義 217/6/22 1 217/6/22 道路交通システム ( シティーロジスティクスの一部 ) で PDCA サイクルを回すにはどうしたら良いか? 道路交通状況を Check( センシング ) したいが 路側センサー 情報が不足 ( 一般道の情報が少ない ) 情報が不正確 ( 特に一般道

More information

画像類似度測定の初歩的な手法の検証

画像類似度測定の初歩的な手法の検証 画像類似度測定の初歩的な手法の検証 島根大学総合理工学部数理 情報システム学科 計算機科学講座田中研究室 S539 森瀧昌志 1 目次 第 1 章序論第 章画像間類似度測定の初歩的な手法について.1 A. 画素値の平均を用いる手法.. 画素値のヒストグラムを用いる手法.3 C. 相関係数を用いる手法.4 D. 解像度を合わせる手法.5 E. 振れ幅のヒストグラムを用いる手法.6 F. 周波数ごとの振れ幅を比較する手法第

More information

Microsoft PowerPoint - ad11-09.pptx

Microsoft PowerPoint - ad11-09.pptx 無向グラフと有向グラフ 無向グラフ G=(V, E) 頂点集合 V 頂点の対を表す枝の集合 E e=(u,v) 頂点 u, v は枝 e の端点 f c 0 a 1 e b d 有向グラフ G=(V, E) 頂点集合 V 頂点の順序対を表す枝の集合 E e=(u,v) 頂点 uは枝 eの始点頂点 vは枝 eの終点 f c 0 a 1 e b d グラフのデータ構造 グラフ G=(V, E) を表現するデータ構造

More information

13章 回帰分析

13章 回帰分析 3 章回帰分析の基礎 つ以上の変数についての関係を見る. つの変数を結果, その他の変数を原因として, 因果関係を説明しようとするもの. 厳密な意味での因果関係ではない 例 因果 相関関係等 勤務年数が長ければ, 年間給与は上がる. 景気が良くなれば, 株価は上がる 父親の身長が高ければ, 子供の身長も高い. 価格が低下すれば需要が増える. 自身の兄弟数が多いと, 育てる子供の数も多い. サッカー人気が上がると,

More information

0 21 カラー反射率 slope aspect 図 2.9: 復元結果例 2.4 画像生成技術としての計算フォトグラフィ 3 次元情報を復元することにより, 画像生成 ( レンダリング ) に応用することが可能である. 近年, コンピュータにより, カメラで直接得られない画像を生成する技術分野が生

0 21 カラー反射率 slope aspect 図 2.9: 復元結果例 2.4 画像生成技術としての計算フォトグラフィ 3 次元情報を復元することにより, 画像生成 ( レンダリング ) に応用することが可能である. 近年, コンピュータにより, カメラで直接得られない画像を生成する技術分野が生 0 21 カラー反射率 slope aspect 図 2.9: 復元結果例 2.4 画像生成技術としての計算フォトグラフィ 3 次元情報を復元することにより, 画像生成 ( レンダリング ) に応用することが可能である. 近年, コンピュータにより, カメラで直接得られない画像を生成する技術分野が生まれ, コンピューテーショナルフォトグラフィ ( 計算フォトグラフィ ) と呼ばれている.3 次元画像認識技術の計算フォトグラフィへの応用として,

More information

講義「○○○○」

講義「○○○○」 講義 信頼度の推定と立証 内容. 点推定と区間推定. 指数分布の点推定 区間推定 3. 指数分布 正規分布の信頼度推定 担当 : 倉敷哲生 ( ビジネスエンジニアリング専攻 ) 統計的推測 標本から得られる情報を基に 母集団に関する結論の導出が目的 測定値 x x x 3 : x 母集団 (populaio) 母集団の特性値 統計的推測 標本 (sample) 標本の特性値 分布のパラメータ ( 母数

More information

Microsoft PowerPoint ppt

Microsoft PowerPoint ppt 情報科学第 07 回データ解析と統計代表値 平均 分散 度数分布表 1 本日の内容 データ解析とは 統計の基礎的な値 平均と分散 度数分布表とヒストグラム 講義のページ 第 7 回のその他の欄に 本日使用する教材があります 171025.xls というファイルがありますので ダウンロードして デスクトップに保存してください 2/45 はじめに データ解析とは この世の中には多くのデータが溢れています

More information

DVIOUT

DVIOUT 第 章 離散フーリエ変換 離散フーリエ変換 これまで 私たちは連続関数に対するフーリエ変換およびフーリエ積分 ( 逆フーリエ変換 ) について学んできました この節では フーリエ変換を離散化した離散フーリエ変換について学びましょう 自然現象 ( 音声 ) などを観測して得られる波 ( 信号値 ; 観測値 ) は 通常 電気信号による連続的な波として観測機器から出力されます しかしながら コンピュータはこの様な連続的な波を直接扱うことができないため

More information

Microsoft PowerPoint slide2forWeb.ppt [互換モード]

Microsoft PowerPoint slide2forWeb.ppt [互換モード] 講義内容 9..4 正規分布 ormal dstrbuto ガウス分布 Gaussa dstrbuto 中心極限定理 サンプルからの母集団統計量の推定 不偏推定量について 確率変数, 確率密度関数 確率密度関数 確率密度関数は積分したら. 平均 : 確率変数 分散 : 例 ある場所, ある日時での気温の確率. : 気温, : 気温 が起こる確率 標本平均とのアナロジー 類推 例 人の身長の分布と平均

More information

勝負分中止 勝率 残 順位前日比 西武 ソフトハ ンク 日本ハム ロッテ オリックス 楽天

勝負分中止 勝率 残 順位前日比 西武 ソフトハ ンク 日本ハム ロッテ オリックス 楽天 オープン戦 月日 曜 チーム 結果 チーム 球場 チーム 結果 チーム 球場 チーム 結果 チーム 球場 02/26 土 02/27 日 中日中止横浜北谷ヤクルト中止日本ハム浦添 巨人 3-4 楽天 大分 阪神 3-11 オリックス 安芸 広島 7-9 西武 都城 西武 4-1 ソフトハ ンク 熊本 日本ハム 0-6 中日 名護 巨人 3-0 楽天 山口 オリックス 2-3 阪神 高知市営 横浜 7-4

More information

Microsoft PowerPoint - OsakaU_1intro.pptx

Microsoft PowerPoint - OsakaU_1intro.pptx カーネル法入門. カーネル法へのイントロダクション 福水健次 統計数理研究所 / 総合研究大学院大学 大阪大学大阪大学大学院基礎工学研究科 集中講義 204 September カーネル法 : 近年 990 年代半ばごろから 発展したデータ解析の方法論. 非線形な情報や高次モーメントの扱いが容易. サポートベクターマシンの提案が発端となった. 2 線形なデータ解析 非線形な データ解析 3 データ解析とは?

More information