評価点の差と選択率 実際には ほとんど評価点が同じときは, どちらも選択される可能性がある 評価点の差が大きいときは, 片方しか選ばれない. A が圧倒的に劣る A が選ばれることはほとんどない 選択肢 A が選ばれる可能性 0 つは同じ魅力 0% ずつ A が圧倒的に良いほとんど A だけが選ばれ

Size: px
Start display at page:

Download "評価点の差と選択率 実際には ほとんど評価点が同じときは, どちらも選択される可能性がある 評価点の差が大きいときは, 片方しか選ばれない. A が圧倒的に劣る A が選ばれることはほとんどない 選択肢 A が選ばれる可能性 0 つは同じ魅力 0% ずつ A が圧倒的に良いほとんど A だけが選ばれ"

Transcription

1 交通計画 A 交通需要予測 交通手段選択と ロジットモデル 交通手段分析 分担率曲線法 トリップ費用や時間 距離を横軸 ( 説明変数 縦軸に分担率を描く 徒歩分担率 マストラ分担率 非集計モデル ( ロジットモデル 法 個人ごとの目的地の選択行動をモデルで表現し, 一人一人の行動を加算して推計する. 分担率曲線 連続的選択と離散的選択 第 回仙台都市圏 T 調査による分担率 仙台都心までのトリップでは 長距離ほど鉄道が多い 運賃やサービスレベルの影響が考慮できない 標準的消費者行動モデル ( 連続的選択 一定期間に購入する 万円財 サービスの量を説明 ( お金 時間をいくらずつ割り振るか? 離散的 ( 質的 選択モデル どの種類の財を選択するか? ( どこへ行くか? 何を買うか? 離散的 (dscrete な選択肢 (alternatve からの選択 離散的選択のモデル化 個人は, 採りうる選択肢 alternatve を列挙する それぞれの選択肢の特徴と費用に基づいて, 評価得点 utlty をつける 評価点が高いものを選ぶ 中国旅行 60 点フランス旅行 40 点アメリカ旅行 0 点 確定的選択モデル 個人は 評価得点が少しでも高いほうの選択肢を必ず選ぶ と考えるモデル 全員が同じ考え方で評価 同じ状況に直面する人は, 全員同じ選択肢を選択 異なる条件の人の選択結果から効用関数を推定 判別関数モデル, 数量化理論 II 類モデル 同じ状況に対する個人間での考え方の違いを考慮 例 : 高齢者は着席可能性を, 若者は低運賃を重視 犠牲量 ( 最小化 モデル 比較における あいまいさ を認める ファジィ選択モデル

2 評価点の差と選択率 実際には ほとんど評価点が同じときは, どちらも選択される可能性がある 評価点の差が大きいときは, 片方しか選ばれない. A が圧倒的に劣る A が選ばれることはほとんどない 選択肢 A が選ばれる可能性 0 つは同じ魅力 0% ずつ A が圧倒的に良いほとんど A だけが選ばれる 選択肢 A の得点 - 選択肢 B の得点 ロジットモデル S 字型の曲線として, という式で表わされる曲線を使うと, いろいろな計算が簡単にできる つ以上の選択肢からの選択も同じ形になる 000 年ノーベル経済学賞 McFadden(9- が提案 各自の評価点が安定している部分と確率的に変動する部分の和である場合の選択から理論的に導いた ( ランダム効用モデル ロジットモデル 選択肢がつの 項ロジットモデル Bnary Logt exp( exp( exp( exp( exp( 選択肢が多数 (n 個 ある場合の多項ロジットモデル Multnomnal Logt exp( j j N exp(, exp( ロジットモデルの限界と注意点 青バス 赤バス問題 (I.I.A 特性 例 : バスと自動車の交通機関選択モデル バスも自動車も共に一般化交通費用が等しい バス, 自動車の選択率は / ずつになる バスの半数を赤く, 半数を青く塗って区別 青バス, 赤バス, 自動車の選択率は / ずつ色を変えたらバスのシェアが / から / に上昇? 各選択肢の確率的効用の間に相関がある場合には, 非現実的な選択率を与える モデルの使用手順 選択モデルの定式化 ( 得点から S カーブで選択率を計算 パラメータ η,β の推定 ( 実際の選択結果から どういう得点付けだったかを推測 将来の選択率の予測 ( 将来の選択肢の状況から得点を計算し 選択率を計算 実際の観測結果から もとの事象の発生確率を推定する 手品師がイカサマかも知れないコインを 6 回振ったら 表が 回 裏が 回出た このコインは正しいコインだろうか? 表が出やすいようなイカサマのコインだろうか? 表 回 裏 回という観測結果から このコインを 回振ったときに表が出る確率 p の値を推測したい 比率を用いてそのまま p=/6 と推測する方法 さいゆうほう ( 最尤法

3 最尤法による推定 ( 個々の事象の組み合わせを考える コインを続けて 6 回振ったところ そのうち 回が表であった. このコインの表の出る確率 q はいくらか? 母数 ( ここでは表の出る確率 q を変えたときに, 観察された事象が実現する確率を求める ( 尤度関数 L(q 観察された事象の発生確率が最大になる q の値を求める 尤度関数を求めてみよう 確率 q の事象が 回,(-q の事象が 回観察されたのだから 何回目が裏かが 6 通りあることを踏まえると 6! L( q 6Cq ( q q ( q 6q ( q!! 最尤法による母数の推定の例 尤度関数を最大化する L( q 6q ( q dl( q q ( q q 6q ( q q dq 4 6q ( 6q 0 あるいは対数をとったものをqについて最大化してもよい L*( q ln L( q ln 6 ln q dl* ( q q 6q 0 dq q ( q q( q q( q q / ln( q L(θ これは,6 回のうち 回という割合に一致 比率によるロジットモデルの推定 集計的方法 ( 集団の選択率にあわせる ある選択肢の状況下で観測された集団の選択確率 p を用いる ロジットモデルから その時の つの選択肢の魅力度 A と B の差が逆算できる 魅力度の差がうまく一致するように 魅力度の関数の形を調整する 先の例 :6 回のうち 回表だから p=/6 と推測した 非集計的方法 ( 各個人の選択を考える 魅力度の関数形を仮定する 各個人が直面した選択肢の状況をもとに ロジットモデルで各自の選択確率を求める それらを掛け合わせて 観測された事象の発生確率 ( 尤度関数 を求める L N J n j 尤度関数の値が最大になるように 魅力度の関数の形を調整する nj nj 交通手段選択モデル 集計データ ( 比率 を用いたロジットモデルの推定 ある OD を移動する消費者が, 複数の交通手段の所要時間や費用を考えて手段を選択 U 項ロジットモデル r ob[ U j t t c c U : ( K] 選択肢 j の魅力度が他の選択肢よりも高い確率, exp( exp( 表. バスの所要時間 tb 表.6 自動車の所要時間 tc 表. バスの所要費用 cb 表. 自動車の所要費用 cc 表.9 バスの分担率 B 表.0 自動車の分担率 C

4 集計データ ( 比率 を用いたロジットモデルの推定 ロジットモデル式から つの選択率の比は以下のようになる ln[ / ] ( t t ( c c tb tc cb cc B C ln(c/b tc-tb cc-cb 回帰分析 Lnear Regresson x ( t t y ln[ / x y x x つ ( 以上 の変数を用いて 目的の変数 y の値をうまく予測できるような平面を決める方法 ] ( c c 平面 y x x をうまく決める 集計データ ( 比率 を用いたロジットモデルの推定 係数標準誤差 t - 値下限 9% 上限 9% 下限 9.0 上限 9.0 切片 E X 値 E X 値 E E 回帰統計バスの分担率 重相関 重決定 補正 標準誤差 観測数 t 0.096t 0.00c 0.00c tc 表. バスの所要時間 tb 0 4 表.6 自動車の所要時間 表. バスの所要費用 cb 表. 自動車の所要費用 cc 表バスの利用者数 NB 表自動車の利用者数 NC 時間 費用 選択人数 魅力度 ( 仮定値 個人の選択率事象発生確率 tb tccb cc NB NC b c b c b^nb c^nc E-.E E-06.E E-.E E- 4.E E-9.E E- 9.E E-.E E- 6.E E-.E-9 魅力度関数の係数の仮定値 α E-9.E- β 尤度関数尤度関数 E- γ 最大になるように値を調整 ソルバー機能 : 表計算ソフト :Excel の中では いくつかの数値が別のセルの数値に影響を与える場合 目的のセルの数値を最大にするように 元の数値を決定する計算ができる 実際には この尤度関数は あまりに値が小さいため 数値計算誤差の影響でうまく計算できない 尤度関数の対数 (log を取ったものを考え それを最大化する ln N J N J nj nj ln nj n j nj n j 4

5 時間費用選択人数魅力度 ( 仮定値 個人の選択率選択率の対数人数分を合計 tb tccb cc NB NC b c b c lnb lnc Nblnb Nclnc 魅力度関数の係数の仮定値 α β 対数尤度関数 -6. γ 最大になるように値を調整 作成されたロジットモデル 0.0t 0.0t 0.00c 0.00c exp( exp( exp( 0.9 ロジットモデルによる将来の手段分担率の推計 将来の所要時間 費用をロジットモデルに代入して分担率を推計 表. バスの所要時間 表. バスの所要費用 tb cb 表. 自動車の所要時間表.4 自動車の所要費用 tc cc バスの分担率 B OD 表と掛け合わせて バス OD 表 自動車 OD 表を得る ここからは 興味のある人だけ ランダム効用理論に基づくロジットモデルの誘導 非集計データによる最尤法の理論的背景 最尤法の計算例 ( 別の例 ランダム項がある場合の選択 ランダム項の確率分布の仮定 集団全体における各自の効用の誤差 ε の頻度分布を連続的な確率密度関数で表現

6 選択率の導出 具体的なランダム効用モデル ロジット (LOGIT モデル 各選択肢の誤差項が独立で同一の Gumbel 分布に従う F( x rob( x exp exp( x と仮定したモデル f ( x F' ( x exp( x F( x 第 選択肢の選択確率は, exp( / exp( プロビット (ROBIT モデル 誤差項が多変量正規分布に従うと仮定したモデル 選択確率を解析的に表示することができない モンテカルロシミュレーションなどを用い近似値を計算 η: 誤差項の分散に反比例するパラメータ 非集計データによるロジットモデルのパラメータ推定 パラメータ推定 ( 尤度関数 尤度関数の値を最大にするように β を定める ニュートン ラプソン法 最尤法の計算例 通勤に 種類の交通手段 (: バス : 鉄道 があり 0 人の両交通機関での所要時間を調べたところ 表のようであった ロジットモデルを適用して 所要時間のパラメータとバスの選択し定数項のパラメータを計算せよ さらに バス専用レーンの設置により 全てのサンプルのパス所要時間が 分短縮された場合に バス選択確率がどのように変化するかを推測せよ サンプル選択所要時間 時間差 番号 バス バス 鉄道 Z -Z 合計 4 平均 6

7 尤度関数の数値計算例 尤度関数の数値計算例 ( ソルバー alpha/beta alpha/beta alpha/beta =/( (+EX(-B$4*0+$A* (+EX(-B$4*4+$A* (+EX(-B$4*4+$A* (+EX(-B$4*+$A* (+EX(-B$4*+$A* (+EX(-B$4*+$A* (+EX(B$4*-$A* (+EX(B$4*0-$A* (+EX(B$4*(--$A* (+EX(B$4*(--$A 得られたパラメータを用いた予測 現況再現 α 0. 6 β 予測 バスを利用するサンプルの予測値 4 政策実施後 ( レーン設置後 予測 バスを利用するサンプルの予測値 6

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

4 段階推定法とは 予測に使うモデルの紹介 4 段階推定法の課題 2

4 段階推定法とは 予測に使うモデルの紹介 4 段階推定法の課題 2 4 段階推定法 羽藤研 4 芝原貴史 1 4 段階推定法とは 予測に使うモデルの紹介 4 段階推定法の課題 2 4 段階推定法とは 交通需要予測の実用的な予測手法 1950 年代のアメリカで開発 シカゴで高速道路の需要予測に利用 日本では 1967 年の広島都市圏での適用が初 その後 1968 年の東京都市圏など 人口 30 万人以上の 56 都市圏に適用 3 ゾーニング ゾーニングとネットワークゾーン間のトリップはゾーン内の中心点

More information

スライド 1

スライド 1 効用最大化に基づく 離散選択モデルの基礎 愛媛大学 倉内慎也 8/9/ 第 7 回行動モデル夏の学校 モデルの種類 () ~ 決定論的モデルと確率論的モデル~ 決定論的モデル F=ma 確率論的モデル ビールの売上げ =f( 宣伝広告費 気温など )+ε 我々が扱うのは交通現象 確率モデル 8/9/ 第 7 回行動モデル夏の学校 交通量 ( 万台 ) モデルの種類 () ~ 集計モデルと非集計モデル~

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

基礎統計

基礎統計 基礎統計 第 11 回講義資料 6.4.2 標本平均の差の標本分布 母平均の差 標本平均の差をみれば良い ただし, 母分散に依存するため場合分けをする 1 2 3 分散が既知分散が未知であるが等しい分散が未知であり等しいとは限らない 1 母分散が既知のとき が既知 標準化変量 2 母分散が未知であり, 等しいとき 分散が未知であるが, 等しいということは分かっているとき 標準化変量 自由度 の t

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

Kumamoto University Center for Multimedia and Information Technologies Lab. 熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI 宮崎県美郷

Kumamoto University Center for Multimedia and Information Technologies Lab. 熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI 宮崎県美郷 熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI プロジェクト @ 宮崎県美郷町 熊本大学副島慶人川村諒 1 実験の目的 従来 信号の受信電波強度 (RSSI:RecevedSgnal StrengthIndcator) により 対象の位置を推定する手法として 無線 LAN の AP(AccessPont) から受信する信号の減衰量をもとに位置を推定する手法が多く検討されている

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

Excelにおける回帰分析(最小二乗法)の手順と出力

Excelにおける回帰分析(最小二乗法)の手順と出力 Microsoft Excel Excel 1 1 x y x y y = a + bx a b a x 1 3 x 0 1 30 31 y b log x α x α x β 4 version.01 008 3 30 Website:http://keijisaito.info, E-mail:master@keijisaito.info 1 Excel Excel.1 Excel Excel

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

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

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

交通計画 A Transportation Planning A 3. 交通需要予測手法 (1) 4 段階推定法とは? 交通発生 集中, 分布 トリップの実態調査 パーソントリップ (PT) 調査 人々がどのような目的で, どこからどこへ, どのような時間帯に, どのような交通手段を利用して移動して

交通計画 A Transportation Planning A 3. 交通需要予測手法 (1) 4 段階推定法とは? 交通発生 集中, 分布 トリップの実態調査 パーソントリップ (PT) 調査 人々がどのような目的で, どこからどこへ, どのような時間帯に, どのような交通手段を利用して移動して 交通画 A Trasportato Plag A. 交通需要予測手法 ( 4 段階推定法とは? 交通発生 集中, 分布 トリップの実態調査 パーソントリップ (PT 調査 人々がどのような目的で, どこからどこへ, どのような時間帯に, どのような交通手段を利用して移動しているかをアンケート形式で調査する. 居住者を無作為に抽出し, 調査員が訪問して, 調査票を配布, 後日記入済みの調査票を回収する

More information

EBNと疫学

EBNと疫学 推定と検定 57 ( 復習 ) 記述統計と推測統計 統計解析は大きく 2 つに分けられる 記述統計 推測統計 記述統計 観察集団の特性を示すもの 代表値 ( 平均値や中央値 ) や ばらつきの指標 ( 標準偏差など ) 図表を効果的に使う 推測統計 観察集団のデータから母集団の特性を 推定 する 平均 / 分散 / 係数値などの推定 ( 点推定 ) 点推定値のばらつきを調べる ( 区間推定 ) 検定統計量を用いた検定

More information

Microsoft PowerPoint - sc7.ppt [互換モード]

Microsoft PowerPoint - sc7.ppt [互換モード] / 社会調査論 本章の概要 本章では クロス集計表を用いた独立性の検定を中心に方法を学ぶ 1) 立命館大学経済学部 寺脇 拓 2 11 1.1 比率の推定 ベルヌーイ分布 (Bernoulli distribution) 浄水器の所有率を推定したいとする 浄水器の所有の有無を表す変数をxで表し 浄水器をもっている を 1 浄水器をもっていない を 0 で表す 母集団の浄水器を持っている人の割合をpで表すとすると

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

統計的データ解析

統計的データ解析 統計的データ解析 011 011.11.9 林田清 ( 大阪大学大学院理学研究科 ) 連続確率分布の平均値 分散 比較のため P(c ) c 分布 自由度 の ( カイ c 平均値 0, 標準偏差 1の正規分布 に従う変数 xの自乗和 c x =1 が従う分布を自由度 の分布と呼ぶ 一般に自由度の分布は f /1 c / / ( c ) {( c ) e }/ ( / ) 期待値 二乗 ) 分布 c

More information

データ解析

データ解析 データ解析 ( 前期 ) 最小二乗法 向井厚志 005 年度テキスト 0 データ解析 - 最小二乗法 - 目次 第 回 Σ の計算 第 回ヒストグラム 第 3 回平均と標準偏差 6 第 回誤差の伝播 8 第 5 回正規分布 0 第 6 回最尤性原理 第 7 回正規分布の 分布の幅 第 8 回最小二乗法 6 第 9 回最小二乗法の練習 8 第 0 回最小二乗法の推定誤差 0 第 回推定誤差の計算 第

More information

Microsoft PowerPoint - stat-2014-[9] pptx

Microsoft PowerPoint - stat-2014-[9] pptx 統計学 第 17 回 講義 母平均の区間推定 Part-1 014 年 6 17 ( )6-7 限 担当教員 : 唐渡 広志 ( からと こうじ ) 研究室 : 経済学研究棟 4 階 43 号室 email: kkarato@eco.u-toyama.ac.j website: htt://www3.u-toyama.ac.j/kkarato/ 1 講義の目的 標本平均は正規分布に従うという性質を

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション A nested recursive logit model for route choice analysis Tien Mai, Mogens Fosgerau, Emma Frejinger Transportation Research Part B, Vol. 75, pp.100-112, 2015 2015/06/19( 金 ) 理論談話会 2015#6 B4 三木真理子 目次 1.

More information

スライド 1

スライド 1 移動体観測を活用した交通 NW の リアルタイムマネジメントに向けて : プローブカーデータを用いた動的 OD 交通量のリアルタイム推定 名古屋大学山本俊行 背景 : マルチモード経路案内システム PRONAVI 2 プローブカーデータの概要 プローブカー : タクシー 157 台 蓄積用データ収集期間 : 22 年 1 月 ~3 月,1 月 ~23 年 3 月 データ送信はイベントベース : 車両発進

More information

<4D F736F F D208D A778D5A8A778F4B8E7793B CC A7795D2816A2E646F6378>

<4D F736F F D208D A778D5A8A778F4B8E7793B CC A7795D2816A2E646F6378> 高等学校学習指導要領解説数学統計関係部分抜粋 第 部数学第 2 章各科目第 節数学 Ⅰ 3 内容と内容の取扱い (4) データの分析 (4) データの分析統計の基本的な考えを理解するとともに, それを用いてデータを整理 分析し傾向を把握できるようにする アデータの散らばり四分位偏差, 分散及び標準偏差などの意味について理解し, それらを用いてデータの傾向を把握し, 説明すること イデータの相関散布図や相関係数の意味を理解し,

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

集中理論談話会 #9 Bhat, C.R., Sidharthan, R.: A simulation evaluation of the maximum approximate composite marginal likelihood (MACML) estimator for mixed mu

集中理論談話会 #9 Bhat, C.R., Sidharthan, R.: A simulation evaluation of the maximum approximate composite marginal likelihood (MACML) estimator for mixed mu 集中理論談話会 #9 Bhat, C.R., Sidharthan, R.: A simulation evaluation of the maximum approximate composite marginal likelihood (MACML) estimator for mixed multinomial probit models, Transportation Research Part

More information

<4D F736F F D208EC08CB18C7689E68A E F193F18D8095AA957A C C839395AA957A814590B38B4B95AA957A2E646F63>

<4D F736F F D208EC08CB18C7689E68A E F193F18D8095AA957A C C839395AA957A814590B38B4B95AA957A2E646F63> 第 4 回二項分布, ポアソン分布, 正規分布 実験計画学 009 年 月 0 日 A. 代表的な分布. 離散分布 二項分布大きさ n の標本で, 事象 Eの起こる確率を p とするとき, そのうち x 個にEが起こる確率 P(x) は二項分布に従う. 例さいころを 0 回振ったときに の出る回数 x の確率分布は二項分布に従う. この場合, n = 0, p = 6 の二項分布になる さいころを

More information

Microsoft PowerPoint - 基礎・経済統計6.ppt

Microsoft PowerPoint - 基礎・経済統計6.ppt . 確率変数 基礎 経済統計 6 確率分布 事象を数値化したもの ( 事象ー > 数値 の関数 自然に数値されている場合 さいころの目 量的尺度 数値化が必要な場合 質的尺度, 順序的尺度 それらの尺度に数値を割り当てる 例えば, コインの表が出たら, 裏なら 0. 離散確率変数と連続確率変数 確率変数の値 連続値をとるもの 身長, 体重, 実質 GDP など とびとびの値 離散値をとるもの 新生児の性別

More information

<4D F736F F D208EC08CB18C7689E68A E F193F18D8095AA957A C C839395AA957A814590B38B4B95AA957A2E646F63>

<4D F736F F D208EC08CB18C7689E68A E F193F18D8095AA957A C C839395AA957A814590B38B4B95AA957A2E646F63> 第 4 回二項分布, ポアソン分布, 正規分布 実験計画学 A. 代表的な分布. 離散分布 二項分布大きさ n の標本で, 事象 Eの起こる確率を p とするとき, そのうち x 個にEが起こる確率 P(x) は二項分布に従う. 例さいころを 0 回振ったときに の出る回数 x の確率分布は二項分布に従う. この場合, n 0, p 6 の二項分布になる さいころを 0 回振ったときに が 0 回出る

More information

NLMIXED プロシジャを用いた生存時間解析 伊藤要二アストラゼネカ株式会社臨床統計 プログラミング グループグルプ Survival analysis using PROC NLMIXED Yohji Itoh Clinical Statistics & Programming Group, A

NLMIXED プロシジャを用いた生存時間解析 伊藤要二アストラゼネカ株式会社臨床統計 プログラミング グループグルプ Survival analysis using PROC NLMIXED Yohji Itoh Clinical Statistics & Programming Group, A NLMIXED プロシジャを用いた生存時間解析 伊藤要二アストラゼネカ株式会社臨床統計 プログラミング グループグルプ Survival analysis using PROC NLMIXED Yohji Itoh Clinical Statistics & Programming Group, AstraZeneca KK 要旨 : NLMIXEDプロシジャの最尤推定の機能を用いて 指数分布 Weibull

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

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

SAP11_03

SAP11_03 第 3 回 音声音響信号処理 ( 線形予測分析と自己回帰モデル ) 亀岡弘和 東京大学大学院情報理工学系研究科日本電信電話株式会社 NTT コミュニケーション科学基礎研究所 講義内容 ( キーワード ) 信号処理 符号化 標準化の実用システム例の紹介情報通信の基本 ( 誤り検出 訂正符号 変調 IP) 符号化技術の基本 ( 量子化 予測 変換 圧縮 ) 音声分析 合成 認識 強調 音楽信号処理統計的信号処理の基礎

More information

Microsoft PowerPoint - Econometrics

Microsoft PowerPoint - Econometrics 計量経済学講義 第 0 回回帰分析 Part 07 年 月 日 ( 水 ) 限 ( 金曜授業実施日 ) 担当教員 : 唐渡 広志 研究室 : 経済学研究棟 4 階 4 号室 mal: kkarato@co.-toama.ac.jp wbst: http://www.-toama.ac.jp/kkarato/ 講義の目的 ロジスティック関数の推定方法について学びます 多重回帰分析について学びます kwords:

More information

Microsoft PowerPoint - statistics pptx

Microsoft PowerPoint - statistics pptx 統計学 第 16 回 講義 母平均の区間推定 Part-1 016 年 6 10 ( ) 1 限 担当教員 : 唐渡 広志 ( からと こうじ ) 研究室 : 経済学研究棟 4 階 43 号室 email: kkarato@eco.u-toyama.ac.jp website: http://www3.u-toyama.ac.jp/kkarato/ 1 講義の目的 標本平均は正規分布に従うという性質を

More information

2-2 需要予測モデルの全体構造交通需要予測の方法としては,1950 年代より四段階推定法が開発され, 広く実務的に適用されてきた 四段階推定法とは, 以下の4つの手順によって交通需要を予測する方法である 四段階推定法将来人口を出発点に, 1 発生集中交通量 ( 交通が, どこで発生し, どこへ集中

2-2 需要予測モデルの全体構造交通需要予測の方法としては,1950 年代より四段階推定法が開発され, 広く実務的に適用されてきた 四段階推定法とは, 以下の4つの手順によって交通需要を予測する方法である 四段階推定法将来人口を出発点に, 1 発生集中交通量 ( 交通が, どこで発生し, どこへ集中 資料 2 2 需要予測 2-1 需要予測モデルの構築地下鉄などの将来の交通需要の見通しを検討するに当たっては パーソントリップ調査をベースとした交通需要予測手法が一般的に行われている その代表的なものとしては 国土交通省では 近畿圏における望ましい交通のあり方について ( 近畿地方交通審議会答申第 8 号 ) ( 以下 8 号答申 と略す ) などにおいて 交通需要予測手法についても検討が行われ これを用いて提案路線の検討が行われている

More information

第 4 章事業収支シミュレーション 1. シミュレーションの作成 本章では アンケート調査結果から得られた9 月収支差プラスの事業所データ 4 をもとに その平均像をもとにした事業所 1か月当たりの事業実態のシミュレーションを試みることとする 試算にあたっては 利用者数の設定から 単月ベースの事業所

第 4 章事業収支シミュレーション 1. シミュレーションの作成 本章では アンケート調査結果から得られた9 月収支差プラスの事業所データ 4 をもとに その平均像をもとにした事業所 1か月当たりの事業実態のシミュレーションを試みることとする 試算にあたっては 利用者数の設定から 単月ベースの事業所 第 4 章事業収支シミュレーション 115 第 4 章事業収支シミュレーション 1. シミュレーションの作成 本章では アンケート調査結果から得られた9 月収支差プラスの事業所データ 4 をもとに その平均像をもとにした事業所 1か月当たりの事業実態のシミュレーションを試みることとする 試算にあたっては 利用者数の設定から 単月ベースの事業所のサービス提供時間 売上高 人件費 総職員数 訪問介護員数の算出を試みた

More information

Microsoft Word doc

Microsoft Word doc . 正規線形モデルのベイズ推定翠川 大竹距離減衰式 (PGA(Midorikawa, S., and Ohtake, Y. (, Attenuation relationships of peak ground acceleration and velocity considering attenuation characteristics for shallow and deeper earthquakes,

More information

U U U car Vcar car bus Vbus bus rail Vrail bus 多項ロジットモデル ε~iidガンベル 2 独立で (Independently) 同一 (Identically) の分散を持つ 0 分布 (Distributed) 0 Cov(U)

U U U car Vcar car bus Vbus bus rail Vrail bus 多項ロジットモデル ε~iidガンベル 2 独立で (Independently) 同一 (Identically) の分散を持つ 0 分布 (Distributed) 0 Cov(U) ral ral 多項ロジットモデル ε~iidガンベル 独立で (Iply) 同一 (Ially) の分散を持つ 分布 (Dsrbu) Cov() 6 愛媛大学倉内慎也 kurauh@.hm u.a.jp.5.5..35.3.5..5..5 f(ε) ε -3 -.5 - -.5 - -.5.5.5.5 3 3.5.5 5 図. 正規分布とガンベル分布の確率密度関数 f xp xp xp F ε xp

More information

1.民営化

1.民営化 参考資料 最小二乗法 数学的性質 経済統計分析 3 年度秋学期 回帰分析と最小二乗法 被説明変数 の動きを説明変数 の動きで説明 = 回帰分析 説明変数がつ 単回帰 説明変数がつ以上 重回帰 被説明変数 従属変数 係数 定数項傾き 説明変数 独立変数 残差... で説明できる部分 説明できない部分 説明できない部分が小さくなるように回帰式の係数 を推定する有力な方法 = 最小二乗法 最小二乗法による回帰の考え方

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション 第 6 回基礎ゼミ資料 Practice NL&MXL from R 平成 30 年 5 月 18 日 ( 金 ) 朝倉研究室修士 1 年小池卓武 使用データ 1 ~ 横浜プローブパーソンデータ ~ 主なデータの中身 トリップ ID 目的 出発, 到着時刻 総所要時間 移動距離 交通機関別の時間, 距離 アクセス, イグレス時間, 距離 費用 代表交通手段 代替手段生成可否 性別, 年齢等の個人属性

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

ii 3.,. 4. F. (), ,,. 8.,. 1. (75% ) (25% ) =9 7, =9 8 (. ). 1.,, (). 3.,. 1. ( ).,.,.,.,.,. ( ) (1 2 )., ( ), 0. 2., 1., 0,.

ii 3.,. 4. F. (), ,,. 8.,. 1. (75% ) (25% ) =9 7, =9 8 (. ). 1.,, (). 3.,. 1. ( ).,.,.,.,.,. ( ) (1 2 )., ( ), 0. 2., 1., 0,. 23(2011) (1 C104) 5 11 (2 C206) 5 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

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション 1/X Chapter 9: Linear correlation Cohen, B. H. (2007). In B. H. Cohen (Ed.), Explaining Psychological Statistics (3rd ed.) (pp. 255-285). NJ: Wiley. 概要 2/X 相関係数とは何か 相関係数の数式 検定 注意点 フィッシャーのZ 変換 信頼区間 相関係数の差の検定

More information

Microsoft Word - reg.doc

Microsoft Word - reg.doc 回帰分析 単回帰 麻生良文. 回帰分析の前提 次のようなモデルを考える 単回帰モデル : mple regreo moel : 被説明変数 eple vrble 従属変数 epeet vrble regre : 説明変数 epltor vrble 独立変数 epeet vrble regreor : 誤差項 error term 撹乱項 trbe term emple Kee 型消費関数 C YD

More information

数値計算法

数値計算法 数値計算法 008 4/3 林田清 ( 大阪大学大学院理学研究科 ) 実験データの統計処理その 誤差について 母集団と標本 平均値と標準偏差 誤差伝播 最尤法 平均値につく誤差 誤差 (Error): 真の値からのずれ 測定誤差 物差しが曲がっていた 測定する対象が室温が低いため縮んでいた g の単位までしかデジタル表示されない計りで g 以下 計りの目盛りを読み取る角度によって値が異なる 統計誤差

More information

Microsoft PowerPoint - R-stat-intro_12.ppt [互換モード]

Microsoft PowerPoint - R-stat-intro_12.ppt [互換モード] R で統計解析入門 (12) 生存時間解析 中篇 準備 : データ DEP の読み込み 1. データ DEP を以下からダウンロードする http://www.cwk.zaq.ne.jp/fkhud708/files/dep.csv /fkh /d 2. ダウンロードした場所を把握する ここでは c:/temp とする 3. R を起動し,2. 2 の場所に移動し, データを読み込む 4. データ

More information

日心TWS

日心TWS 2017.09.22 (15:40~17:10) 日本心理学会第 81 回大会 TWS ベイジアンデータ解析入門 回帰分析を例に ベイジアンデータ解析 を体験してみる 広島大学大学院教育学研究科平川真 ベイジアン分析のステップ (p.24) 1) データの特定 2) モデルの定義 ( 解釈可能な ) モデルの作成 3) パラメタの事前分布の設定 4) ベイズ推論を用いて パラメタの値に確信度を再配分ベイズ推定

More information

<4D F736F F F696E74202D B CC8EC091482E B8CDD8AB B83685D>

<4D F736F F F696E74202D B CC8EC091482E B8CDD8AB B83685D> 報告日 :2008 年 10 月 22 日 報告者 : 寺脇 拓 2 11 1.1 個人トラベルコスト法 個人トラベルコスト法 (individual travel cost method: ITCM) 評価対象となるレクリエーションサイトまでの個人の旅行費用とそこへの年間の訪問回数の関係からレクリエーション需要関数を推定する方法 個人が年間何度も訪れるようなサイトの評価に適している 4 単位買う

More information

自動車感性評価学 1. 二項検定 内容 2 3. 質的データの解析方法 1 ( 名義尺度 ) 2.χ 2 検定 タイプ 1. 二項検定 官能検査における分類データの解析法 識別できるかを調べる 嗜好に差があるかを調べる 2 点比較法 2 点識別法 2 点嗜好法 3 点比較法 3 点識別法 3 点嗜好

自動車感性評価学 1. 二項検定 内容 2 3. 質的データの解析方法 1 ( 名義尺度 ) 2.χ 2 検定 タイプ 1. 二項検定 官能検査における分類データの解析法 識別できるかを調べる 嗜好に差があるかを調べる 2 点比較法 2 点識別法 2 点嗜好法 3 点比較法 3 点識別法 3 点嗜好 . 内容 3. 質的データの解析方法 ( 名義尺度 ).χ 検定 タイプ. 官能検査における分類データの解析法 識別できるかを調べる 嗜好に差があるかを調べる 点比較法 点識別法 点嗜好法 3 点比較法 3 点識別法 3 点嗜好法 : 点比較法 : 点識別法 配偶法 配偶法 ( 官能評価の基礎と応用 ) 3 A か B かの判定において 回の判定でAが選ばれる回数 kは p の二項分布に従う H :

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 - 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

Microsoft Word - appendix_b

Microsoft Word - appendix_b 付録 B エクセルの使い方 藪友良 (2019/04/05) 統計学を勉強しても やはり実際に自分で使ってみないと理解は十分ではあ りません ここでは 実際に統計分析を使う方法のひとつとして Microsoft Office のエクセルの使い方を解説します B.1 分析ツールエクセルについている分析ツールという機能を使えば さまざまな統計分析が可能です まず この機能を使えるように設定をします もし

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

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

Microsoft PowerPoint - Econometrics

Microsoft PowerPoint - Econometrics 計量経済学講義 第 回回帰分析 Part 4 7 年 月 7 日 ( 火 ) 限 担当教員 : 唐渡広志 研究室 : 経済学研究棟 4 階 4 号室 emal: kkarato@eco.-toyama.ac.jp webste: http://www.-toyama.ac.jp/kkarato/ 講義の目的 最小 乗法について理論的な説明をします 多重回帰分析についての特殊なケースについて 多重回帰分析のいくつかの応用例を検討します

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

情報工学概論

情報工学概論 確率と統計 中山クラス 第 11 週 0 本日の内容 第 3 回レポート解説 第 5 章 5.6 独立性の検定 ( カイ二乗検定 ) 5.7 サンプルサイズの検定結果への影響練習問題 (4),(5) 第 4 回レポート課題の説明 1 演習問題 ( 前回 ) の解説 勉強時間と定期試験の得点の関係を無相関検定により調べる. データ入力 > aa

More information

Microsoft Word - å“Ÿåłžå¸°173.docx

Microsoft Word - å“Ÿåłžå¸°173.docx 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 w w 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示したものである ここで p を 0 に近づけていった極限を考えると d ln w 1 dw dw

More information

Microsoft Word - econome5.docx

Microsoft Word - econome5.docx : 履修登録したクラスの担当教員名を書く : 学籍番号及びが未記入のもの, また授業終了後に提出されたものは採点しないので, 注意すること. 4. 重回帰分析 4.1 重回帰分析とは経済変数間の関係は, 組だけの変数だけで記述できるわけではありません. ミクロ経済で学んだように, 需要を変化させる要因は財価格以外に様々なものが考えられます. 例えば, うどんの需要はうどんの価格以外に, 所得や代替財のそばの価格や補完財のネギの価格などの需要を変化させる要因があります.

More information

スライド 1

スライド 1 担当 : 田中冬彦 016 年 4 月 19 日 @ 統計モデリング 統計モデリング 第二回配布資料 文献 : A. J. Dobson and A. G. Barnett: An Introduction to Generalized Linear Models 3rd ed., CRC Press. 配布資料の PDF は以下からも DL できます. 短縮 URL http://tinyurl.com/lxb7kb8

More information

タイトルを修正 軸ラベルを挿入グラフツール デザイン グラフ要素を追加 軸ラベル 第 1 横 ( 縦 ) 軸 凡例は削除 横軸は, 軸の目盛範囲の最小値 最 大値を手動で設定して調整 図 2 散布図の仕上げ見本 相関係数の計算 散布図を見ると, 因果関係はともかく, 人口と輸送量の間には相関関係があ

タイトルを修正 軸ラベルを挿入グラフツール デザイン グラフ要素を追加 軸ラベル 第 1 横 ( 縦 ) 軸 凡例は削除 横軸は, 軸の目盛範囲の最小値 最 大値を手動で設定して調整 図 2 散布図の仕上げ見本 相関係数の計算 散布図を見ると, 因果関係はともかく, 人口と輸送量の間には相関関係があ Excel を使った相関係数の計算 回帰分析 準備データは授業のホームページ上に Excel ブックの状態 ( ファイル名 pop_traffic.xlsx) で用意してあるので, これをダウンロードして保存しておく ダウンロードされたファイルを開いたら,DATA シート中の空欄 (POP,TK の列 ) をそれぞれの合計値 (POP の場合は,POP1~POP3) で埋めるように,SUM 関数あるいは和の式を使って処理しておく

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

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

生命情報学

生命情報学 生命情報学 5 隠れマルコフモデル 阿久津達也 京都大学化学研究所 バイオインフォマティクスセンター 内容 配列モチーフ 最尤推定 ベイズ推定 M 推定 隠れマルコフモデル HMM Verアルゴリズム EMアルゴリズム Baum-Welchアルゴリズム 前向きアルゴリズム 後向きアルゴリズム プロファイル HMM 配列モチーフ モチーフ発見 配列モチーフ : 同じ機能を持つ遺伝子配列などに見られる共通の文字列パターン

More information

森林水文 水資源学 2 2. 水文統計 豪雨があった時, 新聞やテレビのニュースで 50 年に一度の大雨だった などと報告されることがある. 今争点となっている川辺川ダムは,80 年に 1 回の洪水を想定して治水計画が立てられている. 畑地かんがいでは,10 年に 1 回の渇水を対象として計画が立て

森林水文 水資源学 2 2. 水文統計 豪雨があった時, 新聞やテレビのニュースで 50 年に一度の大雨だった などと報告されることがある. 今争点となっている川辺川ダムは,80 年に 1 回の洪水を想定して治水計画が立てられている. 畑地かんがいでは,10 年に 1 回の渇水を対象として計画が立て . 水文統計 豪雨があった時, 新聞やテレビのニュースで 50 年に一度の大雨だった などと報告されることがある. 今争点となっている川辺川ダムは,80 年に 回の洪水を想定して治水計画が立てられている. 畑地かんがいでは,0 年に 回の渇水を対象として計画が立てられる. このように, 水利構造物の設計や, 治水や利水の計画などでは, 年に 回起こるような降雨事象 ( 最大降雨強度, 最大連続干天日数など

More information

カイ二乗フィット検定、パラメータの誤差

カイ二乗フィット検定、パラメータの誤差 統計的データ解析 008 008.. 林田清 ( 大阪大学大学院理学研究科 ) 問題 C (, ) ( x xˆ) ( y yˆ) σ x πσ σ y y Pabx (, ;,,, ) ˆ y σx σ y = dx exp exp πσx ただし xy ˆ ˆ はyˆ = axˆ+ bであらわされる直線モデル上の点 ( ˆ) ( ˆ ) ( ) x x y ax b y ax b Pabx (,

More information

<4D F736F F D BD82C892E CF092CA93B193FC8BF38AD492B28DB895F18D908F B95D2816A5F >

<4D F736F F D BD82C892E CF092CA93B193FC8BF38AD492B28DB895F18D908F B95D2816A5F > 3 需要の試算ここでは,2. で設定したルート案について, 低炭素交通を導入した場合の需要を試算した 試算に当たっては, アンケート調査を基に中心部周辺エリア内における交通量を再現し, 低炭素交通が導入された場合における各交通手段のサービスレベルや利用意向を反映して, 低炭素交通の利用需要を推計した 3.1 予測方法 前提条件 3.1.1 予測年次 低炭素交通の開業は, 平成 42 年 (2030

More information

試験 研究 仮設構造物の設計風速 Design wind speeds for temporary structures 西村宏昭 *1 1. はじめに仮設構造物は比較的短い期間だけに存在する構造物である これらの構造物は 通常の恒久建築物や構造物の設計風速を用いて耐風設計されると 安全ではあるが

試験 研究 仮設構造物の設計風速 Design wind speeds for temporary structures 西村宏昭 *1 1. はじめに仮設構造物は比較的短い期間だけに存在する構造物である これらの構造物は 通常の恒久建築物や構造物の設計風速を用いて耐風設計されると 安全ではあるが 試験 研究 仮設構造物の設計 Design wind speeds for temporary structures 西村宏昭 *. はじめに仮設構造物は比較的短い期間だけに存在する構造物である これらの構造物は 通常の恒久建築物や構造物の設計を用いて耐風設計されると 安全ではあるが 過剰な設計となることは明らかである 一般に 建築基準法では 建築物は50 の再現期間を想定した基準から計算される風荷重に対して安全であるように設計される

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 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 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

CAEシミュレーションツールを用いた統計の基礎教育 | (株)日科技研

CAEシミュレーションツールを用いた統計の基礎教育 | (株)日科技研 CAE シミュレーションツール を用いた統計の基礎教育 ( 株 ) 日本科学技術研修所数理事業部 1 現在の統計教育の課題 2009 年から統計教育が中等 高等教育の必須科目となり, 大学でも問題解決ができるような人材 ( 学生 ) を育てたい. 大学ではコンピューター ( 統計ソフトの利用 ) を重視した教育をより積極的におこなうのと同時に, 理論面もきちんと教育すべきである. ( 報告 数理科学分野における統計科学教育

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

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

2014 BinN 論文セミナーについて

2014 BinN 論文セミナーについて 2014 BinN 論文セミナーについて 内容 論文ゼミは,BinN で毎年行なっているゼミの 1 つで, 昨年度から外部に公開してやっています. 毎週 2 人のひとが, 各自論文 ( 基本英語 ) を読んでその内容をまとめ, 発表 議論するものです. 単に論文を理解するだけでなく, 先生方を交えてどのように応用可能か, 自分の研究にどう生かせそうかなどを議論できる場となっています. 論文ゼミ 基本事項

More information

統計学 - 社会統計の基礎 - 正規分布 標準正規分布累積分布関数の逆関数 t 分布正規分布に従うサンプルの平均の信頼区間 担当 : 岸 康人 資料ページ :

統計学 - 社会統計の基礎 - 正規分布 標準正規分布累積分布関数の逆関数 t 分布正規分布に従うサンプルの平均の信頼区間 担当 : 岸 康人 資料ページ : 統計学 - 社会統計の基礎 - 正規分布 標準正規分布累積分布関数の逆関数 t 分布正規分布に従うサンプルの平均の信頼区間 担当 : 岸 康人 資料ページ : https://goo.gl/qw1djw 正規分布 ( 復習 ) 正規分布 (Normal Distribution)N (μ, σ 2 ) 別名 : ガウス分布 (Gaussian Distribution) 密度関数 Excel:= NORM.DIST

More information

Microsoft PowerPoint - 資料3 BB-REVIEW (依田構成員).ppt

Microsoft PowerPoint - 資料3 BB-REVIEW (依田構成員).ppt 資料 3 高速インターネット接続サービスの需要代替性 : 成熟期に向かうブロードバンドの計量経済分析 京都大学大学院経済学研究科助教授 依田高典 京都大学大学院経済学研究科修士課程 ( 総務省 ) 坂平海 1. はじめに 世界に先行する日本のブロードバンドは普及期から成熟期へ 日本のブロードバンドのサービス間の需要代替性は 未だそれほど高くない ( 総務省 競争評価 2004) 普及期のブロードバンドの需要代替性の計量分析

More information

Microsoft Word - Matlab_R_MLE.docx

Microsoft Word - Matlab_R_MLE.docx R と Matlab による最尤最尤推定推定のコードコードの作成. 最尤法とは? 簡単に言うと尤度関数を最大にするように未知パラメーターの値を決める事 以下では観測されたデータを {y,, y, y } とし そのベクトルを Y = [y,,y ] 未知パラメーターのベクトルを θ = [θ,,θ q ] とする また尤度関数を L(θ と表すとする ( 尤度関数は未知パラメーターの関数 ( データ

More information

Microsoft PowerPoint - Econometrics pptx

Microsoft PowerPoint - Econometrics pptx 計量経済学講義 第 4 回回帰モデルの診断と選択 Part 07 年 ( ) 限 担当教員 : 唐渡 広志 研究室 : 経済学研究棟 4 階 43 号室 emal: kkarato@eco.u-toyama.ac.p webste: http://www3.u-toyama.ac.p/kkarato/ 講義の目的 誤差項の分散が不均 である場合や, 系列相関を持つ場合についての検定 法と修正 法を学びます

More information

ii 2. F. ( ), ,,. 5. G., L., D. ( ) ( ), 2005.,. 6.,,. 7.,. 8. ( ), , (20 ). 1. (75% ) (25% ). 60.,. 2. =8 5, =8 4 (. 1.) 1.,,

ii 2. F. ( ), ,,. 5. G., L., D. ( ) ( ), 2005.,. 6.,,. 7.,. 8. ( ), , (20 ). 1. (75% ) (25% ). 60.,. 2. =8 5, =8 4 (. 1.) 1.,, (1 C205) 4 8 27(2015) http://www.math.is.tohoku.ac.jp/~obata,.,,,..,,. 1. 2. 3. 4. 5. 6. 7.... 1., 2014... 2. P. G., 1995.,. 3.,. 4.. 5., 1996... 1., 2007,. ii 2. F. ( ),.. 3... 4.,,. 5. G., L., D. ( )

More information

Microsoft PowerPoint - statistics pptx

Microsoft PowerPoint - statistics pptx 統計学 第 17 回 講義 母平均の区間推定 Part- 016 年 6 14 ( )3 限 担当教員 : 唐渡 広志 ( からと こうじ ) 研究室 : 経済学研究棟 4 階 43 号室 email: kkarato@eco.u toyama.ac.jp website: http://www3.u toyama.ac.jp/kkarato/ 1 講義の目的 標本平均は正規分布に従うという性質を

More information

当し 図 6. のように 2 分類 ( 疾患の有無 ) のデータを直線の代わりにシグモイド曲線 (S 字状曲線 ) で回帰する手法である ちなみに 直線で回帰する手法はコクラン アーミテージの傾向検定 疾患の確率 x : リスクファクター 図 6. ロジスティック曲線と回帰直線 疾患が発

当し 図 6. のように 2 分類 ( 疾患の有無 ) のデータを直線の代わりにシグモイド曲線 (S 字状曲線 ) で回帰する手法である ちなみに 直線で回帰する手法はコクラン アーミテージの傾向検定 疾患の確率 x : リスクファクター 図 6. ロジスティック曲線と回帰直線 疾患が発 6.. ロジスティック回帰分析 6. ロジスティック回帰分析の原理 ロジスティック回帰分析は判別分析を前向きデータ用にした手法 () ロジスティックモデル 疾患が発症するかどうかをリスクファクターから予想したいまたは疾患のリスクファクターを検討したい 判別分析は後ろ向きデータ用だから前向きデータ用にする必要がある ロジスティック回帰分析を適用ロジスティック回帰分析 ( ロジット回帰分析 ) は 判別分析をロジスティック曲線によって前向き研究から得られたデータ用にした手法

More information

Microsoft PowerPoint - S11_1 2010Econometrics [互換モード]

Microsoft PowerPoint - S11_1 2010Econometrics [互換モード] S11_1 計量経済学 一般化古典的回帰モデル -3 1 図 7-3 不均一分散の検定と想定の誤り 想定の誤りと不均一分散均一分散を棄却 3つの可能性 1. 不均一分散がある. 不均一分散はないがモデルの想定に誤り 3. 両者が同時に起きている 想定に誤り不均一分散を 検出 したら散布図に戻り関数形の想定や説明変数の選択を再検討 残差 残差 Y 真の関係 e e 線形回帰 X X 1 実行可能な一般化最小二乗法

More information

切断安定分布による資産収益率のファットテイル性のモデル化とVaR・ESの計測手法におけるモデル・リスクの数値的分析

切断安定分布による資産収益率のファットテイル性のモデル化とVaR・ESの計測手法におけるモデル・リスクの数値的分析 日本銀行金融高度化センターワークショップ リスク計測の高度化 ~ テイルリスクの把握 ~ 説明資料 1 切断安定分布による資産収益率のファットテイル性のモデル化と VR VaR の計測手法における モデル リスクの数値的分析 2013 年 2 月 28 日日本銀行金融機構局金融高度化センター磯貝孝 要旨 ( 分析の枠組み ) 日経平均株価の日次収益率の母分布を切断安定分布として推計 同分布からのランダム

More information

Excelを用いた行列演算

Excelを用いた行列演算 を用いた行列演算 ( 統計専門課程国民 県民経済計算の受講に向けて ) 総務省統計研究研修所 この教材の内容について計量経済学における多くの経済モデルは連立方程式を用いて記述されています この教材は こうした科目の演習においてそうした連立方程式の計算をExcelで行う際の技能を補足するものです 冒頭 そもそもどういう場面で連立方程式が登場するのかについて概括的に触れ なぜ この教材で連立方程式の解法について事前に学んでおく必要があるのか理解していただこうと思います

More information

RSS Higher Certificate in Statistics, Specimen A Module 3: Basic Statistical Methods Solutions Question 1 (i) 帰無仮説 : 200C と 250C において鉄鋼の破壊応力の母平均には違いはな

RSS Higher Certificate in Statistics, Specimen A Module 3: Basic Statistical Methods Solutions Question 1 (i) 帰無仮説 : 200C と 250C において鉄鋼の破壊応力の母平均には違いはな RSS Higher Certiicate in Statistics, Specimen A Module 3: Basic Statistical Methods Solutions Question (i) 帰無仮説 : 00C と 50C において鉄鋼の破壊応力の母平均には違いはない. 対立仮説 : 破壊応力の母平均には違いがあり, 50C の方ときの方が大きい. n 8, n 7, x 59.6,

More information

Microsoft Word - mstattext03.docx

Microsoft Word - mstattext03.docx 3 章判別分析 複数の変数によって 分類の変数を予想する手法を判別分析と言います 例えばいくつかの模擬試験の点数によって入試の合否を予想するなどは典型的な例です 以下の例を見てみましょう 例入学試験の合否と勉強時間 模擬試験の平均点のデータを求めたところ以下のような結果を得た (Samples 判別分析.txt) 合否を判定するための勉強時間と平均点の 次関数を求めよ またこの関数によってこのデータを判別し

More information

Microsoft PowerPoint - TCM.ppt [互換モード]

Microsoft PowerPoint - TCM.ppt [互換モード] 立命館大学経済学部 寺脇 拓 2 11 1.1 個人トラベルコスト法 個人トラベルコスト法 (individual travel cost method: ITCM) 評価対象となるレクリエーションサイトまでの個人の旅行費用とそこへの年間の訪問回数の関係からレクリエーション需要関数を推定する方法 個人が年間何度も訪れるようなサイトの評価に適している 4 単位買う 旅行費用 : 600 円 2 単位買う

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

<4D F736F F F696E74202D A328CC B835E89F090CD89898F4B814096F689AA>

<4D F736F F F696E74202D A328CC B835E89F090CD89898F4B814096F689AA> ロジスティスク回帰分析 2014/4/30 教育学研究科 M1 柳岡開地 はじめに 統計が苦手な人による統計が苦手な人への説明にしたい ( すごーく分かっている人の説明は, 逆に分かりにくい ) クリティカルな質問には面食らいます 自分の研究を材料に, 架空のデータでロジスティク回帰分析を実践してみた ( 一種の宣伝でもあるのです!) 1 2 回帰分析と同じところ ロジスティック回帰分析は線形回帰分析

More information

Excelによるデータ分析

Excelによるデータ分析 Excel による データ分析 多変量解析編 矢野佑樹 2013/07/27 Excel で学ぶデータ分析 ( 多変量解析編 ) 多変量解析では, 気温とアイスの売上個数の関係や, 最寄り駅からの距離と来店者数の 関係など,2 つ以上の変数を一度に分析します. では, 早速 2 つのデータ間の関係を Excel によって分析しましょう. < 散布図と相関 > 例 1. あるアイスクリーム販売店では,1

More information

統計学的画像再構成法である

統計学的画像再構成法である OSEM アルゴリズムの基礎論 第 1 章 確率 統計の基礎 1.13 最尤推定 やっと本命の最尤推定という言葉が出てきました. お待たせしました. この節はいままでの中で最も長く, 少し難しい内容も出てきます. がんばってください. これが終わるといよいよ本命の MLEM,OSEM の章です. ところで 尤 なる字はあまり見かけませんね. ゆう と読みます. いぬ ではありません!! この意味は

More information

_KyoukaNaiyou_No.4

_KyoukaNaiyou_No.4 理科教科内容指導論 I : 物理分野 物理現象の定量的把握第 4 回 ( 実験 ) データの眺め ~ 統計学の基礎続き 統計のはなし 基礎 応 娯楽 (Best selected business books) 村平 科技連出版社 1836 円 前回の復習と今回以降の 標 東京 学 善 郎 Web サイトより データ ヒストグラム 代表値 ( 平均値 最頻値 中間値 ) 分布の散らばり 集団の分布

More information

スライド 1

スライド 1 205 年 4 月 28 日 @ 統計モデリング 統計モデリング 第三回配布資料 文献 : A. J. Dobso ad A. G. Barett: A Itroducto to Geeralzed Lear Models. 3rd ed., CRC Press. J. J. Faraway: Etedg the Lear Model wth R. CRC Press. 配布資料の PDF は以下からも

More information

正常 正常 正常 正常 正常 正常 正常 正常 正常 正常 正常 正常 正常 220

正常 正常 正常 正常 正常 正常 正常 正常 正常 正常 正常 正常 正常 220 5. 判別分析 5. 判別分析の原理 判別分析は後ろ向き研究から得られたデータに適用する手法 () 判別分析 医学分野では病気の診断を必要とする場面が多い ある検査項目を用いて被験者が疾患かどうかを判断したいまたはある検査項目が疾患の診断に寄与するかどうかを検討したい 判別分析は多種類のデータに基いて被験者を特定の群に判別したり 判別に強い影響を及ぼ すデータを探索したりするための手法 後ろ向き研究から得られたデータに適用する

More information

ファイナンスのための数学基礎 第1回 オリエンテーション、ベクトル

ファイナンスのための数学基礎 第1回 オリエンテーション、ベクトル 時系列分析 変量時系列モデルとその性質 担当 : 長倉大輔 ( ながくらだいすけ 時系列モデル 時系列モデルとは時系列データを生み出すメカニズムとなるものである これは実際には未知である 私たちにできるのは観測された時系列データからその背後にある時系列モデルを推測 推定するだけである 以下ではいくつかの代表的な時系列モデルを考察する 自己回帰モデル (Auoregressive Model もっとも頻繁に使われる時系列モデルは自己回帰モデル

More information

untitled

untitled に, 月次モデルの場合でも四半期モデルの場合でも, シミュレーション期間とは無関係に一様に RMSPE を最小にするバンドの設定法は存在しないということである 第 2 は, 表で与えた 2 つの期間及びすべての内生変数を見渡して, 全般的にパフォーマンスのよいバンドの設定法は, 最適固定バンドと最適可変バンドのうちの M 2, Q2 である いずれにしても, 以上述べた 3 つのバンド設定法は若干便宜的なものと言わざるを得ない

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