1 1 ( ) ( % mm % A B A B A 1

Size: px
Start display at page:

Download "1 1 ( ) ( 1.1 1.1.1 60% mm 100 100 60 60% 1.1.2 A B A B A 1"

Transcription

1 qliu@res.otaru-uc.ac.jp

2 1 1 ( ) ( % mm % A B A B A 1

3 B boy W ID DI DII DIII OL OL

4

5 Excel 3 Excel 3.1 sum,mean,max,min,round,if... Σ [ ] 4

6 SUM =sum( =sum(a1:a5) AVERAGE sum MAX MIN 1 ROUND =round( ) =round( ,2) =round(b1,3) 1 5

7 IF =if( =if(a1>2,1,0) =if(a1=1,, ) 3.2 > > > > > > > 2 DATA01 2 = ( 2 /10000) 22 x ( 5 <= x <= 5 abs(x) <= 5) (x < 5 x > 5) 3 Word 2 3 6

8 3.3 DATA02 > > ( D)=Sheet1!A1:E7 =a1:e7) > > > 7

9 ( D)=Sheet1!A1:E7 =a1:e7) 8

10 専 攻 人 数 クラス1 クラス2 クラス3 クラス 中 国 語 韓 国 語 英 語 フランス 語 ドイツ 語 イタリア 語 言 語 3 4 DATA DATA01 9

11 階 級 度 数 累 積 度 数 相 対 度 数 累 積 相 対 度 数 % 18% % 38% % 66% % 90% % 94% % 100% 5 / 6 / 25 ヒストグラム 20 度 数 階 級 の 下 限 7 DATA

12 5 8 ( ) 9 () 10 () x = 1 n n x i = x 1 + x x n n n (x i x) = x 3 3. {x 1, x 2,, x t } t t 11

13 3 4 x t = x t 1 + x t + x t 3 x t = x t 1 + x t + x t+1 + x t+2 4 { x 2, x 3,, x n 1 } { x 3, x 4,, x n 2 } TOPIX 4 日 付 終 値 3 項 移 動 平 均 5 項 移 動 平 均 7 項 移 動 平 均 18/04/ /04/ /04/ /04/ /04/ /04/ /04/ /04/ /04/ /04/ /04/ /04/ /03/ /03/ /03/ TOPIX 4 Yahoo Japan Finance TOPIX 12

14 1, , , 終 値 3 項 移 動 平 均 半 月 移 動 平 均 一 ヶ 月 移 動 平 均 1, , , /2/7 06/2/22 06/3/9 06/3/24 06/4/8 TOPIX 4. x = n x 1 x 2 x n 1 x n 3 r 1 = 23%, r 2 = 27%, r 3 = 28% 10 R = (1 + r 1 )(1 + r 2 )(1 + r 3 ) 1 1 r = 3 (1 + r 1 )(1 + r 2 )(1 + r 3 ) 1 26% 13

15 % 10 r r = R 1 = % 25% r 3 (1 + r) 3 = (1 + 26%) (1 + 26%) (1 + 26%) DATA

16 Excel median 11 15

17 12 7 X = {4, 7, 2, 30, 9, 7, 1} X = {1, 2, 4, 7, 7, 9, 30} , 90, 10, 110, mode X = {2, 3, 2, 4, 6, 4, 6, 6, 7} range 16 R = max(x) min(x) 17 X = {2, 3, 2, 4, 6, 4, 6, 6, 7} X 2 7 = 7 2 = 5 16

18 7.4 mean deviation 18 X = {x 1, x 2,, x n } d = n x i x n = x 1 x + x 2 x + + x n x n x 19 X = {x 1, x 2,, x 10 } = {2, 3, 2, 4, 6, 4, 6, 6, 3, 4} x = = d = 10 = = x 7/5 7.5 Excel max( -min( 20 max(a1:a10)-min(a1:a10) MEDIAN( ) 21 =MEDIAN(a1:a10) MODE( ) 22 =MODE(a1:a10) 17

19 8 8.1 Variance) 23 S 2 = = n (x i x) 2 n n x2 i n x 2 = (x 1 x) 2 + (x 2 x) (x n x) 2 n x P n x2 i n x 2 s 2 = n (x i x) 2 n 1 n 8.2 Standard Deviation 24 S = S 2 = n (x i x) 2 n S = s 2 = n (x i x) 2 n 1 18

20 8.3 5 Yahoo! , ), (0.003, ) (-0.003, ) 株 価 の 収 益 率 の 例 収 益 率 収 益 率 トヨダ 自 動 車 収 益 率 日 産 自 動 車 収 益 率 新 日 本 製 鐵 T 8.4 C.V. = S x 5 19

21 z i = x i S x S x x T i = zi 8.6 Excel S 2 =VARP( ) s 2 =VAR( ) S =STDEVP( ) s: =STDEV( ) 26 Yahoo

22 X Y Z S 2 = = n (x i x) 2 n n x2 i n x 2 = (x 1 x) 2 + (x 2 x) (x n x) 2 n x = = 3 3 n Sx 2 = (x i x) 2 n = ( 2) S 2 x = n x2 i n S 2 y = S 2 z = = (1 3)2 + (5 3) 2 + (3 3) 2 3 = = 2.67 x 2 = = 2.67 ( ) = ( ) = S 2 z > S 2 y > S 2 x. Z X 1, 5, 3 Z 15, 50,

23 X Y Z 28 X = {x 1, x 2,, x 100 }, Y = {y 1, y 2,, y 100 }, Z{y 1, y 2,, y 100 } 0 1, 3, DATA

24 9.1 DATA01 体 重 図 1 身 長 と 体 重 の 散 布 図 身 長 GDP( GDP cm cm 175cm 50kg kg

25 図 2 一 人 当 たりGDPと 乳 児 死 亡 率 乳 児 死 亡 率 一 人 当 たりGDP 1: GDP SNA 9.3 X Y S xy X Y ρ xy X Y S xy = 1 n = 1 n n (x i x) (y i ȳ) n x i y i xȳ 30 24

26 ρ xy = S xy S x S y = 1 n n 1 n n (x i x) (y i ȳ) n (x i x) 2 1 n (y i ȳ) 2 n (x i x) (y i ȳ) (x i x) 2 n (y i ȳ) 2 n 1 ρ

27 ρ xy = ρ xy = ρ xy = ρ xy = ID a b c d e f g h i j (g) (kg)

28 (kg) (g) 5 ρ xy = x = {4, 3, 5, 1, 5}, y = {1, 3, 3, 0, 1} x y Excel 1. =COVAR( 1 2 ) 2. =CORREL( 1 2 ) DATA

29 10.1 x, y y = a + bx x y a = 3, b = 2 y = 3 + 2x x = 0 y = = 3, x = 2 y = = 7..., 4 x y y x

30 学 籍 番 号 身 長 (cm) 体 重 (kg) 体 重 身 長 29

31 Ìd W e i g h t H e i g h t g x y x i y i, i = 1, 2, 3,..., 12. ŷ = a + bx d i = y i ŷ = y i (a + bx i ) 30

32 S 12 S = (y i (a + bx i )) 2 S = n (y i (a + bx i )) 2. (1) 35 ( ) S b = n x iy i n xȳ n x2 i n x2 (2) a = ȳ b x (3) 11 a b S a b 1 ( n n ) ( n ) S = yi 2 + na 2 + b 2 + x i 2ab x 2 i ( n ) ( n ) y i 2a x i y i 2b (4) x i y i 3 a a ( ( n ) ( n ) S = na 2 y i 2a + x i 2ab ( nȳ 2 2nb xȳ + nb 2 x 2)) + ( nȳ 2 2nb xȳ + nb 2 x 2) + ( n n yi 2 + x 2 i ) ( n ) b 2 x i y i 2b S = n(a (ȳ b x))

33 S a = ȳ b x (5) 3 b b S = n x 2 i ( b S ( n x iy i a n x )) 2 i n + x2 i n x2 i b = ( n x iy i ) a n x i (6) 5 a 6 b = ( n x iy i ) n xȳ ( n x2 i ) n x2 (7) a = ȳ b x (8) 1 { S = 0 a S = 0 b

34 i x i y i x 2 i x i y i (x iy i ) 12 x i 12 y i 12 x2 i x ȳ b = ( n x iy i ) n xȳ ( n x2 i ) = = 0.80 n x a = ȳ b x = = ŷ = x 1cm 0.8kg 36 x = {2, 5, 6, 9}, y = {4, 6, 8, 9} 33

35 x, y y = a + bx x y a = 3, b = 2 y = 3 + 2x x = 0 y = = 3, x = 2 y = = 7..., 4 x y y x

36 12.2 学 籍 番 号 身 長 (cm) 体 重 (kg) 体 重 身 長 35

37 Ìd W e i g h t H e i g h t g x y x i y i, i = 1, 2, 3,..., 12. ŷ = a + bx d i = y i ŷ = y i (a + bx i ) 36

38 S 12 S = (y i (a + bx i )) 2 S = n (y i (a + bx i )) 2. (9) 37 ( ) S b = n x iy i n xȳ n x2 i n x2 (10) a = ȳ b x (11) 13 a b S a b 1 ( n n ) ( n ) S = yi 2 + na 2 + b 2 + x i 2ab x 2 i ( n ) ( n ) y i 2a x i y i 2b (12) x i y i 3 a a ( ( n ) ( n ) S = na 2 y i 2a + x i 2ab ( nȳ 2 2nb xȳ + nb 2 x 2)) + ( nȳ 2 2nb xȳ + nb 2 x 2) + ( n n yi 2 + x 2 i ) ( n ) b 2 x i y i 2b S = n(a (ȳ b x))

39 S a = ȳ b x (13) 3 b b S = n x 2 i ( b S ( n x iy i a n x )) 2 i n + x2 i n x2 i b = ( n x iy i ) a n x i (14) 5 a 6 b = ( n x iy i ) n xȳ ( n x2 i ) n x2 (15) a = ȳ b x (16) 1 { S = 0 a S = 0 b

40 i x i y i x 2 i x i y i (x iy i ) 12 x i 12 y i 12 x2 i x ȳ b = ( n x iy i ) n xȳ ( n x2 i ) = = 0.80 n x a = ȳ b x = = ŷ = x 1cm 0.8kg 38 x = {2, 5, 6, 9}, y = {4, 6, 8, 9} 39

41 x = {4, 6, 9}, y = {6, 6, 9} x y DATA03 Excel Excel Excel OK Y X OK 40

42 概 要 回 帰 統 計 重 相 関 R 重 決 定 R 補 正 R 標 準 誤 差 観 測 数 30 分 散 分 析 表 自 由 度 変 動 分 散 観 測 された 分 散 比 有 意 F 回 帰 残 差 合 計 係 数 標 準 誤 差 t P 値 下 限 95% 上 限 95% 下 限 95.0% 上 限 95.0% 切 片 X 値 y x 7 y = a + b x + u u a 94.4 b X y = x 17, 40 A 1 A = {... } 41 A = {2, 1, 5}, B = {3, 6, 5} A B A B A B = {2, 1, 5, 3, 6} A B A B A B = {5} 41

43 / / n n m n m/n p p p 42

44 A P (A) 0 P (A) 1 2. Ω P (Ω) = 1 3. A B A B P (A B) = P (A) + P (B) A B { { 4 1 1/4 47 A = { 2 }, B = { } P {A B}? 48 {A B} = { 2 } P {A B} = 1 49 C = { 2 } D = { 2 } 50 P (C D) C = { } D = { } C D C D = φ φ P {φ} = P {B} P {A B} = P {A} + P {B} ?{ 1 2 }?{ 1 2 }? 43

45 Excel Excel P = 0.5 OK X X = 0 0.5, X = x = 1 1 6, x = 2 1 6, X 0 1 0, 1, 2, 3, 4, 5, X x 1 x 2 x 3 x 4 P (x) P (x 1 ) P (x 2 ) P (x 3 ) P (x 4 ) x i P (x) P (x 1 ), P (x 2 )... x 44

46 F (x) {X x} F (x) = P ({X x}) F (x) = P ({X x}) = x i <x P (x i ) x x i F (x 3 ) = P (X x 3 ) = P (x 1 ) + P (x 2 ) + P (x 3 ) x i X E (X) E (X) = n x i P (x i ). X V (X) V (X) = E [ (X E (X)) 2] = n [ (xi E (X)) 2 P (x i ) ]. 53 () X P (x) X P (x) { P (x) = p P (x) = 1 p x = 1 x = 0 E (X) = 1 p + 0 (1 p) = p. V (X) = (0 p) 2 (1 p) + (1 p) 2 p = p 2 p 3 + p 2p 2 + p 3 = p p 2 45

47 F(x) p = F (x) = 1 p 1 x < 0 0 x < 1 x 1 46

48 F(x) p = 0.5 p = P (x) = C x np x (1 p) n x x = 0, 1, 2,..., n. Y i 0 p X = n ( n ) E (X) = E Y i = np V (X) = V ( n ) Y i = n(p p 2 ) C x n Cn x = P n x n!/ (n x)! = Px x x! n (n 1) (n 2) (n x + 1) = x (x 1) (x 2) 3 2 Y i 47

49 F (x) = x P (x i ) n x p = P (x) = e λ λ x p = λ/n. p = λ/n x! C x np x (1 p) n x = (n 1) (n 2) n n = n!/ (n x)! x! n n (n 1) n (n 2) n ( m ) x ( 1 m ) n x n n (n (x 1)) n x! ( m x 1 m ) n ( 1 m ) x n n ) x 1 ( 1 m n ) n e m n (n (x 1)) 1, ( 1 m n n n P (x) = e λ λ x x! E (X) = λ. V (X) = λ. F (x) = x P (x i ) n p 48

50 λ = 10 P (X 2) = F (2) = = e λ λ 0 0! 2 e λ i λ x i i=0 + e λ λ 1 1! x i! + e λ λ 2 2! = e ! = e ! + e ! p = 0.3, n = 10 P (6) Probability Density Funtion PDF x x x 1000 P (c) 6 = C c np c (1 p) n c x = 0, 1, 2,..., n. (17) 6 P (c), f (c), F (c) P (x), f (x), F (x) 49

51 f (c) = 1 σ (c µ) 2 2π e 2σ 2 (18) f (x) X c c

52 21 (Cumulative Distribution Function CDF) F (c) = P (X c) = c P (x i ) = c C x i n p x i (1 p) n x i x = 0, 1, 2,..., n. (19) 51

53 F (c) = P (X c) = c 1 σ (x µ) 2 2π e 2σ 2 dx (20) k k k F (x) c c c P (c) f (c) F (c) a b a < b X a b a b X 52

54 X c d c d X F (c) = P (X c) = c P (x i ) (21) F (c) = P (X c) = c f (x) dx (22) The area of this part F ( 1) 53

55 This value F ( 1) E (X) = n x i P (x i ). X V (X) V (X) = E [ (X E (X)) 2] = n [ (xi E (X)) 2 P (x i ) ]. E (X) = V (X) = E [ (X E (X)) 2] = xf (x) dx. (x E (X)) 2 f (x) dx. 54

56 22 1. P (x) = C x np x (1 p) n x x = 0, 1, 2,..., n. (23) x F (x) = P (x i ) (24) ( n ) E (X) = E Y i = np (25) ( n ) V (X) = V Y i = n(p p 2 ). (26) 2. f (c) = 1 σ (c µ) 2 2π e 2σ 2 (27) F (c) = 1 c σ e (x µ)2 2σ 2 dx (28) 2π 55

57 µ σ 2 E (X) = V (X) = = 1 σ 2π = µ = 1 σ 2π = σ 2 xf (x) dx c xe (x µ)2 2σ 2 dx (x µ) 2 f (x) dx c (x µ) 2 e (x µ)2 2σ 2 dx Excel Excel 10 p = x i, i = 1, 2,..., 100 x i 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, Excel p = 0.3, n = 6 P (3) C Excel 56

58 : 1 59 Excel p = 0.5, n = 10 x = 0, 1, 2,..., X 0 2 (1) 2 1 (2) 1 0 (3) P (X 1) P (X 0) f(0), f(1) 61 X 2 F ( 1) F (0) P (X 1) P (X 0) 57

59 : 58

60 Excel Cn x nc x = combin (n, x) C6 3 = combin (6, 3) P (x) = Cnp x x (1 p) n x x = 0, 1, 2,..., n. (29) x F (x) = P (x i ) (30) ( n ) E (X) = E Y i = np (31) ( n ) V (X) = V Y i = n(p p 2 ). (32) 2. µ σ 2 f (c) = 1 σ (c µ) 2 2π e 2σ 2 (33) F (c) = 1 c σ e (x µ)2 2σ 2 dx (34) 2π 59

61 3. P (x) = e λ λ x x! (35) p = λ/n E (X) = λ. (36) V (X) = λ. (37) 25 p n x P (x) = C x np x (1 p) n x x = 0, 1, 2,..., n. (38) P (x) = e λ λ x λ x x! (39) 26 1 X 0 2 (1) 2 1 (2) 1 0 (3) P (X 1) 60

62 P (X 0) f(0), f(1) X P (X c) P (X c) = F (c) = 1 σ 2π c e (x µ)2 2σ 2 dx (40) c P (X c) µ = 0 σ 2 =

63 27.1 E (X) = µ V (X) = σ 2 X X Z = X µ σ E (Z) = 0 V (Z) = 1 63 X µ = 0 σ 2 = 1 X 1.64 F (1.64) P (X 1.64) P (0 < X 1.64) X 1.64 P (X 1.64) = 0.95 P (0 < X 1.64) = P (X 1.64) P (X 0) P (X 0) P (X 1.64) P (0 < X 1.64) = P (X 1.64) P (X 0) = = X µ = 1 σ 2 = 4 X 4.28 µ = 1 σ 2 = 4 X µ = 0 σ 2 = 1 Z Z = X µ σ 2 = X 1 2 Z x = 4.38 x X z = x 1 = = P (X 4.28) = P (Z 1.64) =

64 28.1 X {X 1, X 2, X 3,..., X n } X E (X) µ V ar (X) = σ 2 65 (at random ) µ n X = 1 n X i σ 2 S 2 = 1 n 1 n (X i X) 2 X: 100 {X 1, X 2, X 3,..., X 100 } E (X) µ µ X = X i σ 2 S 2 = (X i X) 2 66 ( ) Γ γ E (γ) = Γ γ Γ 63

65 X S 2 µ σ 2 X E ( ( ) 1 n X) = E X i n = 1 n E (X i ) n X i X E (X i ) = µ = 1 n µ = µ. n ( ) X i µ σ 2 lim n X = µ. 68 ( ) Γ γ lim n γ = Γ γ Γ X µ

66 H 0 H H 0 H 1 : ( ) X i µ σ 2 n n X n( X µ) d N(0, 1). σ 31.3 σ σ σ

67 70 X 100 X = 175 σ = 10 µ 170 H 0 µ = 170 H 1 µ > 170 X µ = 170 σ = 10 N (170, 100) X 175 α 1% 5% µ = 170 n X Z 0 Z 0 1. H 0 µ = 170 H 1 µ > α α = 5% 3. α Z P (Z > Z ) = α Z P (Z > Z ) = 5% Z P (Z Z ) = 1 5% Z Z = Z 0 = n ( X µ ) /σ Z 0 = 100 ( ) /10 = 5 66

68 5. Z 0 Z Z 0 > Z Z 0 Z Z 0 = 5, Z = 1.65 Z 0 > Z µ = 170 µ > 170 Z 0 Z µ = % σ 2 = 9 25 X = 12 H 0 µ = 10 H 1 µ > 10 67

69 DATA01 µ 160 cm σ = σ 100 X = 3.2 cm σ 2 = 4 µ = 3 µ σ 2 X µ = 3 1. H 0 µ = 3 cm H 1 µ > 3 cm µ < 3 cm µ 3cm 2. α 1/2 α α = 5% 1/2 α = 2.5% 3. 1/2 α Z P (Z > Z ) = 1/2 α Z P (Z > Z ) = 2.5% Z P (Z Z ) = 1 2.5% z Z = Z 0 = n ( X µ ) /σ Z 0 = 100 (3.2 3) /2 = 1 68

70 5. Z 0 Z Z 0 > Z Z 0 < Z Z Z 0 Z Z 0 = 1, Z = 1.96 Z 0 < Z µ = 3 Z 0 Z Z µ = % 2.5%

71 , 9.3, 8, 7, 8.9, 9.8, 9.3, 9.2, 9, 8.9 α = 1% σ 2 = 4 37 σ n 37.1 σ σ n( X µ) σ d N(0, 1). σ σ σ s n( X µ) s n 1( X µ) s d N(0, 1) d t (n 1). 70

72 t (n 1) n 1 t n 1( X µ) t t n 1 t s 37.2 t t t t 3 t 37.3 σ σ t t σ 71 X 25 71

73 µ H 0 µ = 170 H 1 µ > α α = 5% 3. υ = n 1 υ = 25 1 = α n 1 t t t P (t > t ) = α t 24 t P (t > t ) = 5% t t = X s s 2 = n (x i x) 2 n 1 X = 175, s 2 = t 0 = n 1 ( X µ ) /s t 0 = 24 ( ) / t 0 4 t t 0 > t t 0 t t 0 = 2.5, t = 1.71 t 0 > t µ = 170 µ > cm 72

74 H 0 µ = µ 0 H 1 µ µ 0 2. α 1/2 α 3. υ = n 1 υ = 25 1 = /2 α n 1 t t t P (t > t ) = α t 5. X s s 2 = n (x i x) 2 n 1 6. t 0 = n 1 ( X µ ) /s 7. t 0 t t 0 > t t 0 < t t 0 t t 0 t 72 DATA01 9 µ > σ 73

75 100 X = 3.8 cm σ 2 = 4 µ = 3 µ σ 2 X µ = 3 1. H 0 µ = 3 cm H 1 µ > 3 cm µ < 3 cm µ 3cm 2. α 1/2 α α = 5% 1/2 α = 2.5% 3. 1/2 α Z P (Z > Z ) = 1/2 α Z P (Z > Z ) = 2.5% Z P (Z Z ) = 1 2.5% z Z = Z 0 = n ( X µ ) /σ Z 0 = 100 (3.2 3) /2 = 1 5. Z 0 z Z 0 > Z Z 0 < Z Z 0 Z Z 0 Z Z 0 = 1, Z = 1.96 Z 0 < Z µ = 3 Z 0 Z Z 74

76 µ = % 2.5% σ 4 10 cm, 12 cm, 15 cm, 9 cm 13 cm X = {3, 6, 9} Y = {2, 3, 8} 74 75

77 % [1] ˆb Y i = a + b X i (41) / n t ˆb (x i x) 2 t n 2 t Excel t 41.1 DATA03 Excel Excel 76

78 概 要 回 帰 統 計 重 相 関 R 重 決 定 R 補 正 R 標 準 誤 差 観 測 数 30 分 散 分 析 表 自 由 度 変 動 分 散 観 測 された 分 散 比 有 意 F 回 帰 残 差 合 計 係 数 標 準 誤 差 t P 値 下 限 95% 上 限 95% 下 限 95.0% 上 限 95.0% 切 片 X 値 y x 7 y = a + b x + u u a 94.4 b X y = x x t t p t p p [1] 2002) 77

0 (1 ) 0 (1 ) 01 Excel Excel ( ) = Excel Excel =5+ 5 + 7 =5-5 3 =5* 5 10 =5/ 5 5 =5^ 5 5 ( ), 0, Excel, Excel 13E+05 13 10 5 13000 13E-05 13 10 5 0000

0 (1 ) 0 (1 ) 01 Excel Excel ( ) = Excel Excel =5+ 5 + 7 =5-5 3 =5* 5 10 =5/ 5 5 =5^ 5 5 ( ), 0, Excel, Excel 13E+05 13 10 5 13000 13E-05 13 10 5 0000 1 ( S/E) 006 7 30 0 (1 ) 01 Excel 0 7 3 1 (-4 ) 5 11 5 1 6 13 7 (5-7 ) 9 1 1 9 11 3 Simplex 1 4 (shadow price) 14 5 (reduced cost) 14 3 (8-10 ) 17 31 17 3 18 33 19 34 35 36 Excel 3 4 (11-13 ) 5 41 5 4

More information

June 2016 i (statistics) F Excel Numbers, OpenOffice/LibreOffice Calc ii *1 VAR STDEV 1 SPSS SAS R *2 R R R R *1 Excel, Numbers, Microsoft Office, Apple iwork, *2 R GNU GNU R iii URL http://ruby.kyoto-wu.ac.jp/statistics/training/

More information

情報科学概論 第1回資料

情報科学概論 第1回資料 1. Excel (C) Hiroshi Pen Fujimori 1 2. (Excel) 2.1 Excel : 2.2Excel Excel (C) Hiroshi Pen Fujimori 2 256 (IV) :C (C 65536 B4 :2 (2 A3 Excel (C) Hiroshi Pen Fujimori 3 Tips: (1) B3 (2) (*1) (3) (4)Word

More information

2 Excel =sum( ) =average( ) B15:D20 : $E$26 E26 $ =A26*$E$26 $ $E26 E$26 E$26 $G34 $ E26 F4

2 Excel =sum( ) =average( ) B15:D20 : $E$26 E26 $ =A26*$E$26 $ $E26 E$26 E$26 $G34 $ E26 F4 1234567 0.1234567 = 2 3 =2+3 =2-3 =2*3 =2/3 =2^3 1:^, 2:*/, 3:+- () =2+3*4 =(2+3)*4 =3*2^2 =(3*2)^2 =(3+6)^0.5 A12 =A12+B12 ( ) ( )0.4 ( 100)0.9 % 1 2 Excel =sum( ) =average( ) B15:D20 : $E$26 E26 $ =A26*$E$26

More information

(Nov/2009) 2 / = (,,, ) 1 4 3 3 2/8

(Nov/2009) 2 / = (,,, ) 1 4 3 3 2/8 (Nov/2009) 1 sun open-office calc 2 1 2 3 3 1 3 1 2 3 1 2 3 1/8 (Nov/2009) 2 / = (,,, ) 1 4 3 3 2/8 (Nov/2009) 1 (true) false 1 2 2 A1:A10 A 1 2 150 3 200 4 250 5 320 6 330 7 360 8 380 9 420 10 480 (1)

More information

I L01( Wed) : Time-stamp: Wed 07:38 JST hig e, ( ) L01 I(2017) 1 / 19

I L01( Wed) : Time-stamp: Wed 07:38 JST hig e,   ( ) L01 I(2017) 1 / 19 I L01(2017-09-20 Wed) : Time-stamp: 2017-09-20 Wed 07:38 JST hig e, http://hig3.net ( ) L01 I(2017) 1 / 19 ? 1? 2? ( ) L01 I(2017) 2 / 19 ?,,.,., 1..,. 1,2,.,.,. ( ) L01 I(2017) 3 / 19 ? I. M (3 ) II,

More information

リスクとは何か?

リスクとは何か? http://www.craft.titech.ac.jp/~nakagawa/dir2/lecture.html#tit2005_1 Agenda Value at Risk 2 3 TOPIX 10 95% 4 TOPIX or Value at Risk 5 TOPIX = log TOPIX N 6 7 N TOPIX x, x, 1 2, L x N 8 x = N 1 EXCEL AVERAGE

More information

Microsoft PowerPoint - Econometrics-2013-04-1018.pptx

Microsoft PowerPoint - Econometrics-2013-04-1018.pptx 計 量 経 済 学 講 義 第 回 記 述 統 計 の 基 礎 Part 0 年 0 8 ( ) 限 担 当 教 員 : 唐 渡 広 志 研 究 室 : 経 済 学 研 究 棟 階 号 室 email: kkarato@eco.u-toyama.ac.jp website: http://www.u-toyama.ac.jp/kkarato/ 講 義 の 目 的 般 的 なデータの 集 約 法 や

More information

¥¤¥ó¥¿¡¼¥Í¥Ã¥È·×¬¤È¥Ç¡¼¥¿²òÀÏ Âè2²ó

¥¤¥ó¥¿¡¼¥Í¥Ã¥È·×¬¤È¥Ç¡¼¥¿²òÀÏ Âè2²ó 2 212 4 13 1 (4/6) : ruby 2 / 35 ( ) : gnuplot 3 / 35 ( ) 4 / 35 (summary statistics) : (mean) (median) (mode) : (range) (variance) (standard deviation) 5 / 35 (mean): x = 1 n (median): { xr+1 m, m = 2r

More information

statstcs statstcum (EBM) 2 () : ( )GDP () : () : POS STEP 1: STEP 2: STEP 3: STEP 4: 3 2

statstcs statstcum (EBM) 2 () : ( )GDP () : () : POS STEP 1: STEP 2: STEP 3: STEP 4: 3 2 (descrptve statstcs) 2010 9 3 1 1 2 2 3 2 3.1............................................. 3 3.2............................................. 3 4 4 4.1........................................ 5 5 6 6 -pvot

More information

Excel基礎講座テキスト-表紙と目次v1.3.doc

Excel基礎講座テキスト-表紙と目次v1.3.doc Future Lifestyle Inc. IT Microsoft Excel 2000 Microsoft Microsoft Corporation < > Excel Excel Microsoft Excel = 11 11 1 G11 1 < > Excel Word Excel Sheet1Sheet2Sheet3 OK Sheet2 Sheet3 2 Word Excel Book1.

More information

2変量データの共分散・相関係数・回帰分析

2変量データの共分散・相関係数・回帰分析 2, 1, Excel 2, Excel http://hig3.net ( ) L04 2 I(2017) 1 / 24 2 I L04(2017-10-11 Wed) : Time-stamp: 2017-10-10 Tue 23:02 JST hig L03-Q1 L03-Q2 Quiz : 1.6m, 0.0025m 2, 0.05m. L03-Q3 Quiz : Sx 2 = 4, S x

More information

tokei01.dvi

tokei01.dvi 2. :,,,. :.... Apr. - Jul., 26FY Dept. of Mechanical Engineering, Saga Univ., JAPAN 4 3. (probability),, 1. : : n, α A, A a/n. :, p, p Apr. - Jul., 26FY Dept. of Mechanical Engineering, Saga Univ., JAPAN

More information

統計的仮説検定とExcelによるt検定

統計的仮説検定とExcelによるt検定 I L14(016-01-15 Fri) : Time-stamp: 016-01-15 Fri 14:03 JST hig 1,,,, p, Excel p, t. http://hig3.net ( ) L14 Excel t I(015) 1 / 0 L13-Q1 Quiz : n = 9. σ 0.95, S n 1 (n 1)

More information

4 4. A p X A 1 X X A 1 A 4.3 X p X p X S(X) = E ((X p) ) X = X E(X) = E(X) p p 4.3p < p < 1 X X p f(i) = P (X = i) = p(1 p) i 1, i = 1,,... 1 + r + r

4 4. A p X A 1 X X A 1 A 4.3 X p X p X S(X) = E ((X p) ) X = X E(X) = E(X) p p 4.3p < p < 1 X X p f(i) = P (X = i) = p(1 p) i 1, i = 1,,... 1 + r + r 4 1 4 4.1 X P (X = 1) =.4, P (X = ) =.3, P (X = 1) =., P (X = ) =.1 E(X) = 1.4 +.3 + 1. +.1 = 4. X Y = X P (X = ) = P (X = 1) = P (X = ) = P (X = 1) = P (X = ) =. Y P (Y = ) = P (X = ) =., P (Y = 1) =

More information

単回帰モデル

単回帰モデル 回 帰 分 析 (その 3) 経 済 情 報 処 理 価 格 弾 力 性 の 推 定 ある 商 品 について その 購 入 量 を w 単 価 を p とし それぞれの 変 化 量 を w p で 表 ww すことにする この 時 この 商 品 の 価 格 弾 力 性 は により 定 義 される これ p p は p が 1 パーセント 変 化 した 場 合 に w が 何 パーセント 変 化 するかを

More information

<4D6963726F736F667420576F7264202D204850835483938376838B8379815B83578B6594BB2D834A836F815B82D082C88C60202E646F63>

<4D6963726F736F667420576F7264202D204850835483938376838B8379815B83578B6594BB2D834A836F815B82D082C88C60202E646F63> 例 題 で 学 ぶ Excel 統 計 入 門 第 2 版 サンプルページ この 本 の 定 価 判 型 などは, 以 下 の URL からご 覧 いただけます. http://www.morikita.co.jp/books/mid/084302 このサンプルページの 内 容 は, 第 2 版 発 行 当 時 のものです. i 2 9 2 Web 2 Excel Excel Excel 11 Excel

More information

確率論と統計学の資料

確率論と統計学の資料 5 June 015 ii........................ 1 1 1.1...................... 1 1........................... 3 1.3... 4 6.1........................... 6................... 7 ii ii.3.................. 8.4..........................

More information

3 3 i

3 3 i 00D8102021I 2004 3 3 3 i 1 ------------------------------------------------------------------------------------------------1 2 ---------------------------------------------------------------------------------------2

More information

【補足資料】確率・統計の基礎知識

【補足資料】確率・統計の基礎知識 補 足 資 料 確 率 統 計 の 基 礎 知 識 2011 年 3 月 日 本 銀 行 金 融 機 構 局 金 融 高 度 化 センター 1 目 次 1. 基 本 統 計 量 (1 変 量 ) - 平 均 分 散 標 準 偏 差 パーセント 点 2. 基 本 統 計 量 (2 変 量 ) - 散 布 図 共 分 散 相 関 係 数 相 関 行 列 3. 確 率 変 数 - 確 率 変 数 確 率

More information

24.15章.微分方程式

24.15章.微分方程式 m d y dt = F m d y = mg dt V y = dy dt d y dt = d dy dt dt = dv y dt dv y dt = g dv y dt = g dt dt dv y = g dt V y ( t) = gt + C V y ( ) = V y ( ) = C = V y t ( ) = gt V y ( t) = dy dt = gt dy = g t dt

More information

4

4 4 5 6 7 + 8 = ++ 9 + + + + ++ 10 + + 11 12 WS LC VA L WS = LC VA = LC L L VA = LC L VA L 13 i LC VA WS WS = LC = VA LC VA VA = VA α WS α = VA VA i WS = LC VA i t t+1 14 WS = α WS + WS α WS = WS WS WS =

More information

( 28 ) ( ) ( ) 0 This note is c 2016, 2017 by Setsuo Taniguchi. It may be used for personal or classroom purposes, but not for commercial purp

( 28 ) ( ) ( ) 0 This note is c 2016, 2017 by Setsuo Taniguchi. It may be used for personal or classroom purposes, but not for commercial purp ( 28) ( ) ( 28 9 22 ) 0 This ote is c 2016, 2017 by Setsuo Taiguchi. It may be used for persoal or classroom purposes, but ot for commercial purposes. i (http://www.stat.go.jp/teacher/c2epi1.htm ) = statistics

More information

... 3... 3... 3... 3... 4... 7... 10... 10... 11... 12... 12... 13... 14... 15... 18... 19... 20... 22... 22... 23 2

... 3... 3... 3... 3... 4... 7... 10... 10... 11... 12... 12... 13... 14... 15... 18... 19... 20... 22... 22... 23 2 1 ... 3... 3... 3... 3... 4... 7... 10... 10... 11... 12... 12... 13... 14... 15... 18... 19... 20... 22... 22... 23 2 3 4 5 6 7 8 9 Excel2007 10 Excel2007 11 12 13 - 14 15 16 17 18 19 20 21 22 Excel2007

More information

Excel97関数編

Excel97関数編 Excel97 SUM Microsoft Excel 97... 1... 1... 1... 2... 3... 3... 4... 5... 6... 6... 7 SUM... 8... 11 Microsoft Excel 97 AVERAGE MIN MAX SUM IF 2 RANK TODAY ROUND COUNT INT VLOOKUP 1/15 Excel A B C A B

More information

( 30 ) 30 4 5 1 4 1.1............................................... 4 1.............................................. 4 1..1.................................. 4 1.......................................

More information

1 1 3 1.1 (Frequecy Tabulatios)................................ 3 1........................................ 8 1.3.....................................

1 1 3 1.1 (Frequecy Tabulatios)................................ 3 1........................................ 8 1.3..................................... 1 1 3 1.1 (Frequecy Tabulatios)................................ 3 1........................................ 8 1.3........................................... 1 17.1................................................

More information

3 3.3. I 3.3.2. [ ] N(µ, σ 2 ) σ 2 (X 1,..., X n ) X := 1 n (X 1 + + X n ): µ X N(µ, σ 2 /n) 1.8.4 Z = X µ σ/ n N(, 1) 1.8.2 < α < 1/2 Φ(z) =.5 α z α

3 3.3. I 3.3.2. [ ] N(µ, σ 2 ) σ 2 (X 1,..., X n ) X := 1 n (X 1 + + X n ): µ X N(µ, σ 2 /n) 1.8.4 Z = X µ σ/ n N(, 1) 1.8.2 < α < 1/2 Φ(z) =.5 α z α 2 2.1. : : 2 : ( ): : ( ): : : : ( ) ( ) ( ) : ( pp.53 6 2.3 2.4 ) : 2.2. ( ). i X i (i = 1, 2,..., n) X 1, X 2,..., X n X i (X 1, X 2,..., X n ) ( ) n (x 1, x 2,..., x n ) (X 1, X 2,..., X n ) : X 1,

More information

untitled

untitled 1 1 Excel3 2008.8.19 2 3 10 1 () 4 40596079 2 OK 1 5 341 1 1 6 3-1 A134A135 B135 COUNTIF OK 3-1 7 3 B6B132 1 B135 COUNTIF) OK B6B132 8 2 3-1 3 3-1 3 1 2A133 A134 A135 3B133 SUBTOTAL 9 2 B5B131 OK 4SUBTOTAL

More information

151021slide.dvi

151021slide.dvi : Mac I 1 ( 5 Windows (Mac Excel : Excel 2007 9 10 1 4 http://asakura.co.jp/ books/isbn/978-4-254-12172-8/ (1 1 9 1/29 (,,... (,,,... (,,, (3 3/29 (, (F7, Ctrl + i, (Shift +, Shift + Ctrl (, a i (, Enter,

More information

1 1 1 1 1 1 2 f z 2 C 1, C 2 f 2 C 1, C 2 f(c 2 ) C 2 f(c 1 ) z C 1 f f(z) xy uv ( u v ) = ( a b c d ) ( x y ) + ( p q ) (p + b, q + d) 1 (p + a, q + c) 1 (p, q) 1 1 (b, d) (a, c) 2 3 2 3 a = d, c = b

More information

untitled

untitled yoshi@image.med.osaka-u.ac.jp http://www.image.med.osaka-u.ac.jp/member/yoshi/ II Excel, Mathematica Mathematica Osaka Electro-Communication University (2007 Apr) 09849-31503-64015-30704-18799-390 http://www.image.med.osaka-u.ac.jp/member/yoshi/

More information

untitled

untitled 1 Hitomi s English Tests 1 2 3 4 5 6 7 8 9 10 11 12 13 14 1 1 0 1 1 0 1 0 0 0 1 0 0 1 0 2 0 0 1 1 0 0 0 0 0 1 1 1 1 0 3 1 1 0 0 0 0 1 0 1 0 1 0 1 1 4 1 1 0 1 0 1 1 1 1 0 0 0 1 1 5 1 1 0 1 1 1 1 0 0 1 0

More information

ユニセフ表紙_CS6_三.indd

ユニセフ表紙_CS6_三.indd 16 179 97 101 94 121 70 36 30,552 1,042 100 700 61 32 110 41 15 16 13 35 13 7 3,173 41 1 4,700 77 97 81 47 25 26 24 40 22 14 39,208 952 25 5,290 71 73 x 99 185 9 3 3 3 8 2 1 79 0 d 1 226 167 175 159 133

More information

分布

分布 (normal distribution) 30 2 Skewed graph 1 2 (variance) s 2 = 1/(n-1) (xi x) 2 x = mean, s = variance (variance) (standard deviation) SD = SQR (var) or 8 8 0.3 0.2 0.1 0.0 0 1 2 3 4 5 6 7 8 8 0 1 8 (probability

More information

koji07-02.dvi

koji07-02.dvi 007 I II III 1,, 3, 4, 5, 6, 7 5 4 1 ε-n 1 ε-n ε-n ε-n. {a } =1 a ε N N a a N= a a

More information

untitled

untitled 1 BASIC (Beginner s All-purpose Symbolic Instruction Code) EXCEL BASIC EXCEL EXCEL VBA (Visual Basic for Applications) 2 3 1.1 Excel Excel Excel Check Point 1. 2. 1.1.1 Sheet1 A Sheet2 Sheet A A10 4 1

More information

¥¤¥ó¥¿¡¼¥Í¥Ã¥È·×¬¤È¥Ç¡¼¥¿²òÀÏ Âè2²ó

¥¤¥ó¥¿¡¼¥Í¥Ã¥È·×¬¤È¥Ç¡¼¥¿²òÀÏ Âè2²ó 2 2015 4 20 1 (4/13) : ruby 2 / 49 2 ( ) : gnuplot 3 / 49 1 1 2014 6 IIJ / 4 / 49 1 ( ) / 5 / 49 ( ) 6 / 49 (summary statistics) : (mean) (median) (mode) : (range) (variance) (standard deviation) 7 / 49

More information

α = 2 2 α 2 = ( 2) 2 = 2 x = α, y = 2 x, y X 0, X 1.X 2,... x 0 X 0, x 1 X 1, x 2 X 2.. Zorn A, B A B A B A B A B B A A B N 2

α = 2 2 α 2 = ( 2) 2 = 2 x = α, y = 2 x, y X 0, X 1.X 2,... x 0 X 0, x 1 X 1, x 2 X 2.. Zorn A, B A B A B A B A B B A A B N 2 1. 2. 3. 4. 5. 6. 7. 8. N Z 9. Z Q 10. Q R 2 1. 2. 3. 4. Zorn 5. 6. 7. 8. 9. x x x y x, y α = 2 2 α x = y = 2 1 α = 2 2 α 2 = ( 2) 2 = 2 x = α, y = 2 x, y X 0, X 1.X 2,... x 0 X 0, x 1 X 1, x 2 X 2.. Zorn

More information

Copyrght 7 Mzuho-DL Fnancal Technology Co., Ltd. All rghts reserved.

Copyrght 7 Mzuho-DL Fnancal Technology Co., Ltd. All rghts reserved. 766 Copyrght 7 Mzuho-DL Fnancal Technology Co., Ltd. All rghts reserved. Copyrght 7 Mzuho-DL Fnancal Technology Co., Ltd. All rghts reserved. 3 Copyrght 7 Mzuho-DL Fnancal Technology Co., Ltd. All rghts

More information

第85 回日本感染症学会総会学術集会後抄録(III)

第85 回日本感染症学会総会学術集会後抄録(III) β β α α α µ µ µ µ α α α α γ αβ α γ α α γ α γ µ µ β β β β β β β β β µ β α µ µ µ β β µ µ µ µ µ µ γ γ γ γ γ γ µ α β γ β β µ µ µ µ µ β β µ β β µ α β β µ µµ β µ µ µ µ µ µ λ µ µ β µ µ µ µ µ µ µ µ

More information

a n a n ( ) (1) a m a n = a m+n (2) (a m ) n = a mn (3) (ab) n = a n b n (4) a m a n = a m n ( m > n ) m n 4 ( ) 552

a n a n ( ) (1) a m a n = a m+n (2) (a m ) n = a mn (3) (ab) n = a n b n (4) a m a n = a m n ( m > n ) m n 4 ( ) 552 3 3.0 a n a n ( ) () a m a n = a m+n () (a m ) n = a mn (3) (ab) n = a n b n (4) a m a n = a m n ( m > n ) m n 4 ( ) 55 3. (n ) a n n a n a n 3 4 = 8 8 3 ( 3) 4 = 8 3 8 ( ) ( ) 3 = 8 8 ( ) 3 n n 4 n n

More information

countif Excel E4:E10E4:E10 OK 2/25

countif Excel E4:E10E4:E10 OK 2/25 1....................... 1 2............................... 2 2.1 -countif(2 ) 2.2 (7 ) 2.3 frequency(7 ) 3 []............ 8 4................................. 8 4.1 (8 ) 4.2 (11 ) 4.3 (12 ) 4.4 (13 )

More information

2016 年 度 情 報 リテラシー 三 科 目 合 計 の 算 出 関 数 を 用 いて 各 教 科 の 平 均 点 と 最 高 点 を 求 めることにする この2つの 計 算 は [ホーム]タブのコマ ンドにも 用 意 されているが 今 回 は 関 数 として 作 成 する まず 表 に 三 科

2016 年 度 情 報 リテラシー 三 科 目 合 計 の 算 出 関 数 を 用 いて 各 教 科 の 平 均 点 と 最 高 点 を 求 めることにする この2つの 計 算 は [ホーム]タブのコマ ンドにも 用 意 されているが 今 回 は 関 数 として 作 成 する まず 表 に 三 科 ( 第 9 回 )2016/06/13 Excel 関 数 の 基 礎 この 回 では Excel での 数 値 処 理 に 役 立 つ 関 数 について 解 説 する 1. 課 題 の 確 認 成 績 の 集 計 について 関 数 を 利 用 して 行 う 利 用 するソフトウェア:Microsoft Excel 1.1. 演 習 の 内 容 関 数 は 表 計 算 ソフトで 数 値 処 理 を

More information

Box-Jenkinsの方法

Box-Jenkinsの方法 Box-Jeks の 方 法 自 己 回 帰 AR 任 意 の 時 系 列 を 過 程 ARと 呼 ぶ で 表 す これが AR または AR m m m 個 の 過 去 の 値 に 依 存 する 時 これを 次 数 の 自 己 回 帰 ここで は 時 間 の 経 過 に 対 して 不 変 な 分 布 を 持 つ 系 列 相 関 のない 撹 乱 誤 差 項 である 期 待 値 一 定 の 分 散 σ

More information

統計Ⅰ 第1回 序説~確率

統計Ⅰ 第1回 序説~確率 授 業 担 当 : 徳 永 伸 一 東 京 医 科 歯 科 大 学 教 養 部 数 学 講 座 前 回 ( 第 2 回 )の 授 業 の 概 要 : 第 1 回 ( 教 科 書 第 9 章 順 列 組 合 せと 確 率 ほぼ 全 部 )の 復 習 教 科 書 第 10 章 記 述 統 計 S. TOKUNAGA 2 Overview 確 率 (9 章 ) 記 述 統 計 (10 章 ) 情 報 の

More information

68 A mm 1/10 A. (a) (b) A.: (a) A.3 A.4 1 1

68 A mm 1/10 A. (a) (b) A.: (a) A.3 A.4 1 1 67 A Section A.1 0 1 0 1 Balmer 7 9 1 0.1 0.01 1 9 3 10:09 6 A.1: A.1 1 10 9 68 A 10 9 10 9 1 10 9 10 1 mm 1/10 A. (a) (b) A.: (a) A.3 A.4 1 1 A.1. 69 5 1 10 15 3 40 0 0 ¾ ¾ É f Á ½ j 30 A.3: A.4: 1/10

More information

1 2 3 2 2.1 -countif Excel 22 http://software.ssri.co.jp/statweb2/ 1. 111 3 2. 4 4 3 3.E4:E10E4:E10 OK 2/27

1 2 3 2 2.1 -countif Excel 22 http://software.ssri.co.jp/statweb2/ 1. 111 3 2. 4 4 3 3.E4:E10E4:E10 OK 2/27 1....................... 1 2............................... 2 2.1 -countif(2 ) 2.2 (7 ) 2.3 frequency(7 ) 3....................... 8 4 [].................... 10 5................................ 10 5.1

More information

0.,,., m Euclid m m. 2.., M., M R 2 ψ. ψ,, R 2 M.,, (x 1 (),, x m ()) R m. 2 M, R f. M (x 1,, x m ), f (x 1,, x m ) f(x 1,, x m ). f ( ). x i : M R.,,

0.,,., m Euclid m m. 2.., M., M R 2 ψ. ψ,, R 2 M.,, (x 1 (),, x m ()) R m. 2 M, R f. M (x 1,, x m ), f (x 1,, x m ) f(x 1,, x m ). f ( ). x i : M R.,, 2012 10 13 1,,,.,,.,.,,. 2?.,,. 1,, 1. (θ, φ), θ, φ (0, π),, (0, 2π). 1 0.,,., m Euclid m m. 2.., M., M R 2 ψ. ψ,, R 2 M.,, (x 1 (),, x m ()) R m. 2 M, R f. M (x 1,, x m ), f (x 1,, x m ) f(x 1,, x m ).

More information

46 Y 5.1.1 Y Y Y 3.1 R Y Figures 5-1 5-3 3.2mm Nylon Glass Y (X > X ) X Y X Figure 5-1 X min Y Y d Figure 5-3 X =X min Y X =10 Y Y Y 5.1.2 Y Figure 5-

46 Y 5.1.1 Y Y Y 3.1 R Y Figures 5-1 5-3 3.2mm Nylon Glass Y (X > X ) X Y X Figure 5-1 X min Y Y d Figure 5-3 X =X min Y X =10 Y Y Y 5.1.2 Y Figure 5- 45 5 5.1 Y 3.2 Eq. (3) 1 R [s -1 ] ideal [s -1 ] Y [-] Y [-] ideal * [-] S [-] 3 R * ( ω S ) = ω Y = ω 3-1a ideal ideal X X R X R (X > X ) ideal * X S Eq. (3-1a) ( X X ) = Y ( X ) R > > θ ω ideal X θ =

More information

ID POS F

ID POS F 01D8101011L 2005 3 ID POS 2 2 1 F 1... 1 2 ID POS... 2 3... 4 3.1...4 3.2...4 3.3...5 3.4 F...5 3.5...6 3.6 2...6 4... 8 4.1...8 4.2...8 4.3...8 4.4...9 4.5...10 5... 12 5.1...12 5.2...13 5.3...15 5.4...17

More information

基礎数学I

基礎数学I I & II ii ii........... 22................. 25 12............... 28.................. 28.................... 31............. 32.................. 34 3 1 9.................... 1....................... 1............

More information

15 2004.03 194

15 2004.03 194 The Statistical Processing using EXCEL MIYOSHI Yoshihiko In this paper, I summarize the method of performing statistical processing using only the basic function of EXCEL without the VBA macro, add-in

More information

1.1 ft t 2 ft = t 2 ft+ t = t+ t 2 1.1 d t 2 t + t 2 t 2 = lim t 0 t = lim t 0 = lim t 0 t 2 + 2t t + t 2 t 2 t + t 2 t 2t t + t 2 t 2t + t = lim t 0

1.1 ft t 2 ft = t 2 ft+ t = t+ t 2 1.1 d t 2 t + t 2 t 2 = lim t 0 t = lim t 0 = lim t 0 t 2 + 2t t + t 2 t 2 t + t 2 t 2t t + t 2 t 2t + t = lim t 0 A c 2008 by Kuniaki Nakamitsu 1 1.1 t 2 sin t, cos t t ft t t vt t xt t + t xt + t xt + t xt t vt = xt + t xt t t t vt xt + t xt vt = lim t 0 t lim t 0 t 0 vt = dxt ft dft dft ft + t ft = lim t 0 t 1.1

More information

(interval estimation) 3 (confidence coefficient) µ σ/sqrt(n) 4 P ( (X - µ) / (σ sqrt N < a) = α a α X α µ a σ sqrt N X µ a σ sqrt N 2

(interval estimation) 3 (confidence coefficient) µ σ/sqrt(n) 4 P ( (X - µ) / (σ sqrt N < a) = α a α X α µ a σ sqrt N X µ a σ sqrt N 2 7 2 1 (interval estimation) 3 (confidence coefficient) µ σ/sqrt(n) 4 P ( (X - µ) / (σ sqrt N < a) = α a α X α µ a σ sqrt N X µ a σ sqrt N 2 (confidence interval) 5 X a σ sqrt N µ X a σ sqrt N - 6 P ( X

More information

Part. 4. () 4.. () 4.. 3 5. 5 5.. 5 5.. 6 5.3. 7 Part 3. 8 6. 8 6.. 8 6.. 8 7. 8 7.. 8 7.. 3 8. 3 9., 34 9.. 34 9.. 37 9.3. 39. 4.. 4.. 43. 46.. 46..

Part. 4. () 4.. () 4.. 3 5. 5 5.. 5 5.. 6 5.3. 7 Part 3. 8 6. 8 6.. 8 6.. 8 7. 8 7.. 8 7.. 3 8. 3 9., 34 9.. 34 9.. 37 9.3. 39. 4.. 4.. 43. 46.. 46.. Cotets 6 6 : 6 6 6 6 6 6 7 7 7 Part. 8. 8.. 8.. 9..... 3. 3 3.. 3 3.. 7 3.3. 8 Part. 4. () 4.. () 4.. 3 5. 5 5.. 5 5.. 6 5.3. 7 Part 3. 8 6. 8 6.. 8 6.. 8 7. 8 7.. 8 7.. 3 8. 3 9., 34 9.. 34 9.. 37 9.3.

More information

( )/2 hara/lectures/lectures-j.html 2, {H} {T } S = {H, T } {(H, H), (H, T )} {(H, T ), (T, T )} {(H, H), (T, T )} {1

( )/2   hara/lectures/lectures-j.html 2, {H} {T } S = {H, T } {(H, H), (H, T )} {(H, T ), (T, T )} {(H, H), (T, T )} {1 ( )/2 http://www2.math.kyushu-u.ac.jp/ hara/lectures/lectures-j.html 1 2011 ( )/2 2 2011 4 1 2 1.1 1 2 1 2 3 4 5 1.1.1 sample space S S = {H, T } H T T H S = {(H, H), (H, T ), (T, H), (T, T )} (T, H) S

More information

( ) 1.1 Polychoric Correlation Polyserial Correlation Graded Response Model Partial Credit Model Tetrachoric Correlation ( ) 2 x y x y s r 1 x 2

( ) 1.1 Polychoric Correlation Polyserial Correlation Graded Response Model Partial Credit Model Tetrachoric Correlation ( ) 2 x y x y s r 1 x 2 1 (,2007) SPSSver8 1997 (2002) 1. 2. polychoric correlation coefficient (polyserial correlation coefficient) 3. (1999) M-plus R 1 ( ) 1.1 Polychoric Correlation Polyserial Correlation Graded Response Model

More information

ii 3.,. 4. F. (), ,,. 8.,. 1. (75%) (25%) =7 20, =7 21 (. ). 1.,, (). 3.,. 1. ().,.,.,.,.,. () (12 )., (), 0. 2., 1., 0,.

ii 3.,. 4. F. (), ,,. 8.,. 1. (75%) (25%) =7 20, =7 21 (. ). 1.,, (). 3.,. 1. ().,.,.,.,.,. () (12 )., (), 0. 2., 1., 0,. 24(2012) (1 C106) 4 11 (2 C206) 4 12 http://www.math.is.tohoku.ac.jp/~obata,.,,,.. 1. 2. 3. 4. 5. 6. 7.,,. 1., 2007 (). 2. P. G. Hoel, 1995. 3... 1... 2.,,. ii 3.,. 4. F. (),.. 5... 6.. 7.,,. 8.,. 1. (75%)

More information

Microsoft Word - 触ってみよう、Maximaに2.doc

Microsoft Word - 触ってみよう、Maximaに2.doc i i e! ( x +1) 2 3 ( 2x + 3)! ( x + 1) 3 ( a + b) 5 2 2 2 2! 3! 5! 7 2 x! 3x! 1 = 0 ",! " >!!! # 2x + 4y = 30 "! x + y = 12 sin x lim x!0 x x n! # $ & 1 lim 1 + ('% " n 1 1 lim lim x!+0 x x"!0 x log x

More information

8.1 Fubini 8.2 Fubini 9 (0%) 10 (50%) 10.1 10.2 Carathéodory 10.3 Fubini 1 Introduction [1],, [2],, [3],, [4],, [5],, [6],, [7],, [8],, [1, 2, 3] 1980

8.1 Fubini 8.2 Fubini 9 (0%) 10 (50%) 10.1 10.2 Carathéodory 10.3 Fubini 1 Introduction [1],, [2],, [3],, [4],, [5],, [6],, [7],, [8],, [1, 2, 3] 1980 % 100% 1 Introduction 2 (100%) 2.1 2.2 2.3 3 (100%) 3.1 3.2 σ- 4 (100%) 4.1 4.2 5 (100%) 5.1 5.2 5.3 6 (100%) 7 (40%) 8 Fubini (90%) 2006.11.20 1 8.1 Fubini 8.2 Fubini 9 (0%) 10 (50%) 10.1 10.2 Carathéodory

More information

1 Excel 1. [Standard] (call [Call Standard]) Excel [ ] [E ] Excel m 1 ( ) (

1 Excel 1. [Standard] (call [Call Standard]) Excel [ ] [E ] Excel m 1 ( ) ( 1 Excel 1. [Standard] (call [Call Standard]) Excel [] [E ] Excel 2. 2 2.1 50m 1 ( ) 30 1. 2019 (http://news.fukuoka-edu.ac.jp/form/guide/navi2019.pdf), p.7 8 2. Excel 2019 4 Excel 2019 Excel 2013 [] [R]

More information

(2-1) x, m, 2 N(m, 2 ) x REAL*8 FUNCTION NRMDST (X, M, V) X,M,V REAL*8 x, m, 2 X X N(0,1) f(x) standard-norm.txt normdist1.f x=0, 0.31, 0.5

(2-1) x, m, 2 N(m, 2 ) x REAL*8 FUNCTION NRMDST (X, M, V) X,M,V REAL*8 x, m, 2 X X N(0,1) f(x) standard-norm.txt normdist1.f x=0, 0.31, 0.5 2007/5/14 II II agata@k.u-tokyo.a.jp 0. 1. x i x i 1 x i x i x i x x+dx f(x)dx f(x) f(x) + 0 f ( x) dx = 1 (Probability Density Funtion 2 ) (normal distribution) 3 1 2 2 ( x m) / 2σ f ( x) = e 2πσ x m

More information

Part () () Γ Part ,

Part () () Γ Part , Contents a 6 6 6 6 6 6 6 7 7. 8.. 8.. 8.3. 8 Part. 9. 9.. 9.. 3. 3.. 3.. 3 4. 5 4.. 5 4.. 9 4.3. 3 Part. 6 5. () 6 5.. () 7 5.. 9 5.3. Γ 3 6. 3 6.. 3 6.. 3 6.3. 33 Part 3. 34 7. 34 7.. 34 7.. 34 8. 35

More information

Microsoft Word - A04◆/P006-008.doc

Microsoft Word - A04◆/P006-008.doc Ⅰ 簡 易 生 命 表 の 概 要 生 命 表 とは 生 命 表 とは 一 定 期 間 ( 作 成 基 礎 期 間 )におけるある 集 団 の 死 亡 状 況 を 年 齢 の 関 数 ( 生 命 関 数 )として 表 したものである 生 命 関 数 の 中 で 最 も 広 く 使 われている 平 均 余 命 は ある 年 齢 の 者 が 当 該 期 間 での 死 亡 状 況 で 死 亡 していった

More information

7 27 7.1........................................ 27 7.2.......................................... 28 1 ( a 3 = 3 = 3 a a > 0(a a a a < 0(a a a -1 1 6

7 27 7.1........................................ 27 7.2.......................................... 28 1 ( a 3 = 3 = 3 a a > 0(a a a a < 0(a a a -1 1 6 26 11 5 1 ( 2 2 2 3 5 3.1...................................... 5 3.2....................................... 5 3.3....................................... 6 3.4....................................... 7

More information

2 36 41 41 42 44 44 1 2 16 17 18 19 20 25 26 27 28 29 4 4.12 32 4.2 4.2.1 36 4.2.2 41 4.2.3 41 4.2.4 42 4.3 4.3.1 44 4.3.2 44 31 1 32 33 < 2 x 1 x x 2 < x 1 x1x 2 x1x 2 34 36 4.2 (1) (4) (1)

More information

2 () : ( )GDP () : () : POS STEP 1: STEP 2: STEP 3: STEP 4: 3 2

2 () : ( )GDP () : () : POS STEP 1: STEP 2: STEP 3: STEP 4: 3 2 / //descrptvea1-a.tex 1 1 2 2 3 2 3.1............................................. 3 3.2............................................. 3 4 4 5 9 6 12 7 15 8 19 9 22 1 statstcs statstcum (EBM) 1 2 () : (

More information

抵 抗 値 [Ω] 04.0 累 積 数 頻 度 数 頻 度 分 布 表 市 販 の 00Ωの 抵 抗 の 抵 抗 値 の 分 布 00 00 300 03.5 03.0 0.5 0.0 正 正 正 0.5 0.0 正 正 正 正 正 正 00.5 正 正 正 正 正 正 正 正 00.0 99.5

抵 抗 値 [Ω] 04.0 累 積 数 頻 度 数 頻 度 分 布 表 市 販 の 00Ωの 抵 抗 の 抵 抗 値 の 分 布 00 00 300 03.5 03.0 0.5 0.0 正 正 正 0.5 0.0 正 正 正 正 正 正 00.5 正 正 正 正 正 正 正 正 00.0 99.5 機 械 システム 応 用 実 験 ~データの 統 計 的 処 理 とデータの 考 察 について~ I. データの 統 計 的 処 理 まず データの 統 計 的 処 理 について 学 ぶ ある 物 理 量 を 測 定 する 場 合 測 定 値 の 誤 差 を 考 慮 する 必 要 がある 測 定 値 の 誤 差 には 間 違 い(mistake)や 系 統 的 誤 差 (systematic error)などがあるが

More information

<4D6963726F736F667420506F776572506F696E74202D2081798E9197BF8253817A83588389834383682E707074205B8CDD8AB78382815B83685D>

<4D6963726F736F667420506F776572506F696E74202D2081798E9197BF8253817A83588389834383682E707074205B8CDD8AB78382815B83685D> 導 入 1 導 入 問 題! 次 の 主 張 のどこがおかしい? 学 歴 の 高 さ と 大 学 入 試 の 数 学 成 績 は 比 例 する どうおかしいか どう 直 せばいいか 2 導 入 おかしかったところ ( 主 に) 学 歴 の 高 さ が 数 値 化 されていない これは 何 らかの 方 法 で 解 決 可 能 Y=aXの 関 係 が 成 り 立 つか? X=0でどうか? 全 部 の 点

More information

基礎から学ぶトラヒック理論 サンプルページ この本の定価 判型などは, 以下の URL からご覧いただけます. このサンプルページの内容は, 初版 1 刷発行時のものです.

基礎から学ぶトラヒック理論 サンプルページ この本の定価 判型などは, 以下の URL からご覧いただけます.   このサンプルページの内容は, 初版 1 刷発行時のものです. 基礎から学ぶトラヒック理論 サンプルページ この本の定価 判型などは, 以下の URL からご覧いただけます. http://www.morikita.co.jp/books/mid/085221 このサンプルページの内容は, 初版 1 刷発行時のものです. i +α 3 1 2 4 5 1 2 ii 3 4 5 6 7 8 9 9.3 2014 6 iii 1 1 2 5 2.1 5 2.2 7

More information

第 1 章 書 類 の 作 成 倍 角 文 字 SGML 系 書 類 のみ 使 用 できます 文 字 修 飾 改 行 XML 系 書 類 では 文 字 修 飾 ( 半 角 / 下 線 / 上 付 / 下 付 )と 改 行 が 使 用 できます SGML 系 書 類 では 文 字 修 飾 ( 半 角

第 1 章 書 類 の 作 成 倍 角 文 字 SGML 系 書 類 のみ 使 用 できます 文 字 修 飾 改 行 XML 系 書 類 では 文 字 修 飾 ( 半 角 / 下 線 / 上 付 / 下 付 )と 改 行 が 使 用 できます SGML 系 書 類 では 文 字 修 飾 ( 半 角 1.2 HTML 文 書 の 作 成 基 準 1.2.2 手 続 書 類 で 使 用 できる 文 字 全 角 文 字 手 続 書 類 で 使 用 できる 文 字 種 類 文 字 修 飾 について 説 明 します 参 考 JIS コードについては 付 録 J JIS-X0208-1997 コード 表 をご 覧 ください XML 系 SGML 系 共 通 JIS-X0208-1997 情 報 交 換 用

More information

2 p T, Q

2 p T, Q 270 C, 6000 C, 2 p T, Q p: : p = N/ m 2 N/ m 2 Pa : pdv p S F Q 1 g 1 1 g 1 14.5 C 15.5 1 1 cal = 4.1855 J du = Q pdv U ( ) Q pdv 2 : z = f(x, y). z = f(x, y) (x 0, y 0 ) y y = y 0 z = f(x, y 0 ) x x =

More information

Microsoft Word - 研究デザインと統計学.doc

Microsoft Word - 研究デザインと統計学.doc Study design and the statistical basics Originality Accuracy Objectivity Verifiability Readability perfect Interdisciplinary Sciences Health Science 2014.12.25 2 1. 7 2. 7 3. Bias8 4. random sampling8

More information

: , 2.0, 3.0, 2.0, (%) ( 2.

: , 2.0, 3.0, 2.0, (%) ( 2. 2017 1 2 1.1...................................... 2 1.2......................................... 4 1.3........................................... 10 1.4................................. 14 1.5..........................................

More information

…K…E…X„^…x…C…W…A…fi…l…b…g…‘†[…N‡Ì“‚¢−w‘K‡Ì‹ê™v’«‡É‡Â‡¢‡Ä

…K…E…X„^…x…C…W…A…fi…l…b…g…‘†[…N‡Ì“‚¢−w‘K‡Ì‹ê™v’«‡É‡Â‡¢‡Ä 2009 8 26 1 2 3 ARMA 4 BN 5 BN 6 (Ω, F, µ) Ω: F Ω σ 1 Ω, ϕ F 2 A, B F = A B, A B, A\B F F µ F 1 µ(ϕ) = 0 2 A F = µ(a) 0 3 A, B F, A B = ϕ = µ(a B) = µ(a) + µ(b) µ(ω) = 1 X : µ X : X x 1,, x n X (Ω) x 1,,

More information

2 1 Introduction

2 1 Introduction 1 24 11 26 1 E-mail: toyoizumi@waseda.jp 2 1 Introduction 5 1.1...................... 7 2 8 2.1................ 8 2.2....................... 8 2.3............................ 9 3 10 3.1.........................

More information

XX data 03.xls sheet(1) data 03.xls sheet(1) 2 1. n 1 2. m 1 3. O 11 O

XX data 03.xls sheet(1) data 03.xls sheet(1) 2 1. n 1 2. m 1 3. O 11 O 1 5 2017 5 8 4 : website: email: http://www3.u-toyama.ac.jp/kkarato/ kkarato@eco.u-toyama.ac.jp 1 2 1.1............................. 2 1.2 IF.................................... 3 1.3...............................

More information

untitled

untitled Excel A D-2 B-2 D-2 B2 C-2 D-2 C2-23 - Enter D-2 B2(1000) C2(5) 5000 D-2 (D-2) (D-2) (D-3) (D-6) - 24 - (D-3) (D-6) D (D-2) =B2*C2 (D-3) =B3*C3 (D-4) =B4*C4 Excel - 25 - $A$1 1000 A-1 (B-1) =$A$1 (B-1)

More information

untitled

untitled 280 200 5 7,800 6 8,600 28 1 1 18 7 8 2 ( 31 ) 7 42 2 / / / / / / / / / / 1 3 (1) 4 5 3 1 1 1 A B C D 6 (1) -----) (2) -- ()) (3) ----(). ()() () ( )( )( )( ) ( ) ( )( )( )( ) () (). () ()() 7 () ( ) 1

More information

untitled

untitled 146,650 168,577 116,665 122,915 22,420 23,100 7,564 22,562 140,317 166,252 133,581 158,677 186 376 204 257 5,594 6,167 750 775 6,333 2,325 298 88 5,358 756 1,273 1,657 - - 23,905 23,923 1,749 489 1,309

More information

http://www2.math.kyushu-u.ac.jp/~hara/lectures/lectures-j.html 2 N(ε 1 ) N(ε 2 ) ε 1 ε 2 α ε ε 2 1 n N(ɛ) N ɛ ɛ- (1.1.3) n > N(ɛ) a n α < ɛ n N(ɛ) a n

http://www2.math.kyushu-u.ac.jp/~hara/lectures/lectures-j.html 2 N(ε 1 ) N(ε 2 ) ε 1 ε 2 α ε ε 2 1 n N(ɛ) N ɛ ɛ- (1.1.3) n > N(ɛ) a n α < ɛ n N(ɛ) a n http://www2.math.kyushu-u.ac.jp/~hara/lectures/lectures-j.html 1 1 1.1 ɛ-n 1 ɛ-n lim n a n = α n a n α 2 lim a n = 1 n a k n n k=1 1.1.7 ɛ-n 1.1.1 a n α a n n α lim n a n = α ɛ N(ɛ) n > N(ɛ) a n α < ɛ

More information

untitled

untitled 11 10 267 6 129 48.3 6 63 2 1 2JIS ME JIS T 1005JIS 1994 1 11 A 10 1999 5 3 13 ME 4 2 11 B B 1999 4 10 267 6 B 7 9 6 10 12 3 11 Excel MODE Excel STANDARDIZE STANDARDIZE(X,)X AVERAGE STDEVP Excel VAR 0.5

More information

1 1.1 Excel Excel Excel log 1, log 2, log 3,, log 10 e = ln 10 log cm 1mm 1 10 =0.1mm = f(x) f(x) = n

1 1.1 Excel Excel Excel log 1, log 2, log 3,, log 10 e = ln 10 log cm 1mm 1 10 =0.1mm = f(x) f(x) = n 1 1.1 Excel Excel Excel log 1, log, log,, log e.7188188 ln log 1. 5cm 1mm 1 0.1mm 0.1 4 4 1 4.1 fx) fx) n0 f n) 0) x n n! n + 1 R n+1 x) fx) f0) + f 0) 1! x + f 0)! x + + f n) 0) x n + R n+1 x) n! 1 .

More information

1: *2 W, L 2 1 (WWL) 4 5 (WWL) W (WWL) L W (WWL) L L 1 2, 1 4, , 1 4 (cf. [4]) 2: 2 3 * , , = , 1

1: *2 W, L 2 1 (WWL) 4 5 (WWL) W (WWL) L W (WWL) L L 1 2, 1 4, , 1 4 (cf. [4]) 2: 2 3 * , , = , 1 I, A 25 8 24 1 1.1 ( 3 ) 3 9 10 3 9 : (1,2,6), (1,3,5), (1,4,4), (2,2,5), (2,3,4), (3,3,3) 10 : (1,3,6), (1,4,5), (2,2,6), (2,3,5), (2,4,4), (3,3,4) 6 3 9 10 3 9 : 6 3 + 3 2 + 1 = 25 25 10 : 6 3 + 3 3

More information

ii 3.,. 4. F. ( ), ,,. 8.,. 1. (75% ) (25% ) =7 24, =7 25, =7 26 (. ). 1.,, ( ). 3.,...,.,.,.,.,. ( ) (1 2 )., ( ), 0., 1., 0,.

ii 3.,. 4. F. ( ), ,,. 8.,. 1. (75% ) (25% ) =7 24, =7 25, =7 26 (. ). 1.,, ( ). 3.,...,.,.,.,.,. ( ) (1 2 )., ( ), 0., 1., 0,. (1 C205) 4 10 (2 C206) 4 11 (2 B202) 4 12 25(2013) http://www.math.is.tohoku.ac.jp/~obata,.,,,..,,. 1. 2. 3. 4. 5. 6. 7. 8. 1., 2007 ( ).,. 2. P. G., 1995. 3. J. C., 1988. 1... 2.,,. ii 3.,. 4. F. ( ),..

More information

ii

ii ii iii 1 1 1.1..................................... 1 1.2................................... 3 1.3........................... 4 2 9 2.1.................................. 9 2.2...............................

More information