Ｒ分散分析06.indd
|
|
|
- せせら ちゃわんや
- 5 years ago
- Views:
Transcription
1 > mm <- read.table("box1_r.txt", header=t) Box1_R.data mm > mm TRT DATA 1 DM DM DM DM DM DM DM DM DDT DDT DDT DDT AZO AZO AZO AZO DB DB DB DB DK DK DK DK Con Con Con Con 1077 > attach(mm) mm mm
2 > TRT <- factor(trt) mm TRT > bartlett.test(data ~ TRT) data: DATA by TRT Bartlett's K-squared = 5.559, df = 6, p-value = aov > fn <- oneway.test(data ~ TRT) > fn One-way analysis of means (not assuming equal variances) data: DATA and TRT F = , num df = 6.00, denom df = 9.23, p-value = > shapiro.test(data) Shapiro-Wilk normality test data: DATA W = 0.978, p-value = aov > fn <- kruskal.test(data ~ TRT) > fn Kruskal-Wallis rank sum test data: DATA by TRT Kruskal-Wallis chi-squared = , df = 6, p-value = > fm <- aov(data ~ TRT) DATA ~ TRT aov > summary(fm) aov TRT e-05 *** Residuals
3 > pairwise.t.test(data, TRT, p.adj="holm") data: DATA and TRT AZO Con DB DDT DK DM1 Con DB DDT DK DM DM e P value adjustment method: holm > pairwise.t.test(data, TRT, p.adj="bonferroni") data: DATA and TRT AZO Con DB DDT DK DM1 Con DB DDT DK DM DM e > interval <- TukeyHSD(fm, "TRT", ordered=f, conf.level=0.95) > interval Tukey multiple comparisons of means 95% family-wise confidence level Fit: aov(formula = DATA ~ TRT) $TRT diff lwr upr p adj Con-AZO DB-AZO
4 DDT-AZO DK-AZO DM1-AZO DM2-AZO DB-Con DDT-Con DK-Con DM1-Con DM2-Con DDT-DB DK-DB DM1-DB DM2-DB DK-DDT DM1-DDT DM2-DDT DM1-DK DM2-DK DM2-DM > plot(interval) > detach() detach > rm(list=ls()) DM2 DM1 DM1 DB DDT Con DB AZO 95% family wise confidence level Differences in mean levels of TRT > mm <- read.table("box2_r.txt", header=t) > mm REP TRT DATA 1 1 S S S S
5 5 1 S S S S S S S S S S S S S S S S S S S S > attach(mm) > REP <- factor(rep) > TRT <- factor(trt) > bartlett.test(data ~ REP) data: DATA by REP Bartlett's K-squared = , df = 3, p-value = > bartlett.test(data ~ TRT) data: DATA by TRT Bartlett's K-squared = , df = 5, p-value = > fm <- aov(data ~ REP + TRT) DATA~REP+TRT > summary(fm) REP ** TRT Residuals
6 TRT REP > pairwise.t.test(data, TRT, p.adj="bonferroni") data: DATA and TRT S100 S125 S150 S25 S50 S S S S S > pairwise.t.test(data, REP, p.adj="bonferroni") data: mm$data and mm$rep > detach() detach > rm(list=ls()) > mm <- read.table("box3_r.txt", header=t) > mm REP V N DATA 1 1 V1 N V1 N V1 N V1 N V1 N V2 N V2 N V2 N V2 N V2 N V3 N
7 12 1 V3 N V3 N V3 N V3 N V1 N V1 N V1 N V1 N V1 N V2 N V2 N V2 N V2 N V2 N V3 N V3 N V3 N V3 N V3 N V1 N V1 N V1 N V1 N V1 N V2 N V2 N V2 N V2 N V2 N V3 N V3 N V3 N V3 N V3 N V1 N V1 N V1 N V1 N V1 N V2 N V2 N V2 N V2 N V2 N V3 N V3 N V3 N V3 N V3 N > attach(mm) > REP <- factor(rep) > V <- factor(v) > N <- factor(n) > bartlett.test(data ~ REP)
8 data: DATA by REP Bartlett's K-squared = , df = 3, p-value = > bartlett.test(data ~ V) data: DATA by V Bartlett's K-squared = , df = 2, p-value = > bartlett.test(data ~ N) data: DATA by N Bartlett's K-squared = , df = 4, p-value = > fm <- aov(data ~ REP + V + N + V:N) REP V N V:N > summary(fm) REP ** V * N < 2.2e-16 *** V:N Residuals V*N V + N + V:N > fm <- aov(data ~ REP + V*N) > summary(fm) REP ** V * N < 2.2e-16 *** V:N Residuals > pairwise.t.test(data, REP, p.adj="bonferroni") data: DATA and REP
9 > pairwise.t.test(data, N, p.adj="bonferroni") data: DATA and N N0 N1 N2 N3 N1 1.6e N2 3.7e N3 5.3e N4 5.8e e > pairwise.t.test(data, V, p.adj="bonferroni") data: mm$data and mm$v V1 V2 V2 1 - V3 1 1 > detach() detach > rm(list=ls()) > mm <- read.table("box4_r.txt", header=t) > mm
10 > attach(mm) > REP <- factor(rep) > N <- factor(n) > V <- factor(v) > bartlett.test(data ~ REP)
11 data: DATA by REP Bartlett's K-squared = , df = 2, p-value = > bartlett.test(data ~ N) data: DATA by N Bartlett's K-squared = , df = 5, p-value = 2.665e-07 > bartlett.test(data ~ V) data: DATA by V Bartlett's K-squared = , df = 3, p-value = > fm <- aov(data ~ REP + N*N + Error(REP/N)) N Error(REP/N) N > summary(fm) Error: REP Residuals Error: REP:N N N e-06 *** Residuals Error: Within V N:N V < 2.2e-16 *** N:V e-10 *** Residuals > pairwise.t.test(data, REP, p.adj="bonferroni")
12 data: DATA and REP > pairwise.t.test(data, N, p.adj="bonferroni") data: DATA and N N0 N1 N2 N3 N4 N N N N N > pairwise.t.test(data, V, p.adj="bonferroni") data: DATA and V V1 V2 V3 V V V4 2.7e e > detach() detach > rm(list=ls()) > mm <- read.table("box5_r.txt", header=t) > mm REP V N DATA 1 1 V1 N1 2373
13 2 1 V1 N V1 N V2 N V2 N V2 N V3 N V3 N V3 N V4 N V4 N V4 N V5 N V5 N V5 N V6 N V6 N V6 N V1 N V1 N V1 N V2 N V2 N V2 N V3 N V3 N V3 N V4 N V4 N V4 N V5 N V5 N V5 N V6 N V6 N V6 N V1 N V1 N V1 N V2 N V2 N V2 N V3 N V3 N V3 N V4 N V4 N V4 N V5 N V5 N V5 N V6 N V6 N V6 N > attach(mm) > REP <- factor(rep) > V <- factor(v) > N <- factor(n) > bartlett.test(data~rep)
14 data: DATA by REP Bartlett's K-squared = , df = 2, p-value = > bartlett.test(data~v) data: DATA by V Bartlett's K-squared = , df = 5, p-value = > bartlett.test(data~n) data: DATA by N Bartlett's K-squared = , df = 2, p-value = > fm <- aov(data ~ REP + V*N + Error(REP/V)) > summary(fm) Error: REP Df Sum Sq Mean Sq REP Error: REP:V V ** Residuals Error: Within N e-09 *** V:N *** Residuals > fm <- aov(data ~ REP + V*N + Error(REP/N)) > summary(fm) Error: REP Df Sum Sq Mean Sq REP
15 Error: REP:N N ** Residuals Error: Within V e-07 *** V:N ** Residuals > fm <- aov(data ~ REP + V*N + Error(REP/N*V)) > summary(fm) Error: REP Df Sum Sq Mean Sq REP Error: V Df Sum Sq Mean Sq V Error: REP:N N ** Residuals Error: REP:V Residuals Error: REP:N:V V:N *** Residuals
16 Error: REP Df Sum Sq Mean Sq REP Error: REP:V V ** Residuals Error: REP:N N ** Residuals Error: REP:N:V V:N *** Residuals
統計研修Ｒ分散分析(追加).indd
http://cse.niaes.affrc.go.jp/minaka/r/r-top.html > mm mm TRT DATA 1 DM1 2537 2 DM1 2069 3 DM1 2104 4 DM1 1797 5 DM2 3366 6 DM2 2591 7 DM2 2211 8
DAA12
Observed Data (Total variance) Predicted Data (prediction variance) Errors in Prediction (error variance) Shoesize 23 24 25 26 27 male female male mean female mean overall mean Shoesize 23 24 25 26 27
こんにちは由美子です
Analysis of Variance 2 two sample t test analysis of variance (ANOVA) CO 3 3 1 EFV1 µ 1 µ 2 µ 3 H 0 H 0 : µ 1 = µ 2 = µ 3 H A : Group 1 Group 2.. Group k population mean µ 1 µ µ κ SD σ 1 σ σ κ sample mean
Stata 11 Stata ROC whitepaper mwp anova/oneway 3 mwp-042 kwallis Kruskal Wallis 28 mwp-045 ranksum/median / 31 mwp-047 roctab/roccomp ROC 34 mwp-050 s
BR003 Stata 11 Stata ROC whitepaper mwp anova/oneway 3 mwp-042 kwallis Kruskal Wallis 28 mwp-045 ranksum/median / 31 mwp-047 roctab/roccomp ROC 34 mwp-050 sampsi 47 mwp-044 sdtest 54 mwp-043 signrank/signtest
(lm) lm AIC 2 / 1
W707 s-taiji@is.titech.ac.jp 1 / 1 (lm) lm AIC 2 / 1 : y = β 1 x 1 + β 2 x 2 + + β d x d + β d+1 + ϵ (ϵ N(0, σ 2 )) y R: x R d : β i (i = 1,..., d):, β d+1 : ( ) (d = 1) y = β 1 x 1 + β 2 + ϵ (d > 1) y
A B C A B C X Y Z
Argonauta 8: 27-37 (2003) 1 ANOVA, analysis of variance t 1980 90 ANOVA ANOVA Underwood, 1997 ANOVA ANOVA ANOVA 1975 Sokal & Rohlf 1981 1990 Underwood 1997 1997 Zar 1999 1-way ANOVA 2-way, 3-way, ANOVA,
1 R Windows R 1.1 R The R project web R web Download [CRAN] CRAN Mirrors Japan Download and Install R [Windows 9
![1 R Windows R 1.1 R The R project web R web Download [CRAN] CRAN Mirrors Japan Download and Install R [Windows 9](/thumbs/99/142039515.jpg "1 R Windows R 1.1 R The R project web R web Download [CRAN] CRAN Mirrors Japan Download and Install R [Windows 9")
1 R 2007 8 19 1 Windows R 1.1 R The R project web http://www.r-project.org/ R web Download [CRAN] CRAN Mirrors Japan Download and Install R [Windows 95 and later ] [base] 2.5.1 R - 2.5.1 for Windows R
Microsoft Word - 計量研修テキスト_第5版）.doc
Q9-1 テキスト P166 2)VAR の推定 注 ) 各変数について ADF 検定を行った結果 和文の次数はすべて 1 である 作業手順 4 情報量基準 (AIC) によるラグ次数の選択 VAR Lag Order Selection Criteria Endogenous variables: D(IG9S) D(IP9S) D(CP9S) Exogenous variables: C Date:
201711grade2.pdf
2017 11 26 1 2 28 3 90 4 5 A 1 2 3 4 Web Web 6 B 10 3 10 3 7 34 8 23 9 10 1 2 3 1 (A) 3 32.14 0.65 2.82 0.93 7.48 (B) 4 6 61.30 54.68 34.86 5.25 19.07 (C) 7 13 5.89 42.18 56.51 35.80 50.28 (D) 14 20 0.35
SQ2.1 SQ2.2 ( ) 19971998 1981-97 1 Stata SEM LightStone 4 SEM 4.. Alan C. Acock, Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press 3.
1 Stata SEM LightStone 4 SEM 4.. Alan C. Acock, 2013. Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press 3. 2 4, 2. 1 2 2 Depress Conservative. 3., 3,. SES66 Alien67 Alien71,
1 Stata SEM LightStone 3 2 SEM. 2., 2,. Alan C. Acock, Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press.
1 Stata SEM LightStone 3 2 SEM. 2., 2,. Alan C. Acock, 2013. Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press. 2 3 2 Conservative Depress. 3.1 2. SEM. 1. x SEM. Depress.
Microsoft Word - 計量研修テキスト_第5版）.doc
Q10-2 テキスト P191 1. 記述統計量 ( 変数 :YY95) 表示変数として 平均 中央値 最大値 最小値 標準偏差 観測値 を選択 A. 都道府県別 Descriptive Statistics for YY95 Categorized by values of PREFNUM Date: 05/11/06 Time: 14:36 Sample: 1990 2002 Included
untitled
IT (1, horiike@ml.me.titech.ac.jp) (1, jun-jun@ms.kagu.tus.ac.jp) 1. 1-1 19802000 2000ITIT IT IT TOPIX (%) 1TOPIX 2 1-2. 80 80 ( ) 2004/11/26 S-PLUS 2 1-3. IT IT IT IT 2. 2-1. a. b. (Size) c. B/M(Book
DAA09
> summary(dat.lm1) Call: lm(formula = sales ~ price, data = dat) Residuals: Min 1Q Median 3Q Max -55.719-19.270 4.212 16.143 73.454 Coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) 237.1326
yamadaiR(cEFA).pdf
R 2012/10/05 Kosugi,E.Koji (Yamadai.R) Categorical Factor Analysis by using R 2012/10/05 1 / 9 Why we use... 3 5 Kosugi,E.Koji (Yamadai.R) Categorical Factor Analysis by using R 2012/10/05 2 / 9 FA vs
Stata11 whitepapers mwp-037 regress - regress regress. regress mpg weight foreign Source SS df MS Number of obs = 74 F(
mwp-037 regress - regress 1. 1.1 1.2 1.3 2. 3. 4. 5. 1. regress. regress mpg weight foreign Source SS df MS Number of obs = 74 F( 2, 71) = 69.75 Model 1619.2877 2 809.643849 Prob > F = 0.0000 Residual
dat
N N 1,, N 2 N N N N N 1,, N 2 N N N N N 1,, N 2 N N N 8 1 6 3 5 7 4 9 2 1 12 13 8 15 6 3 10 4 9 16 5 14 7 2 11 7 11 23 5 19 3 20 9 12 21 14 22 1 18 10 16 8 15 24 2 25 4 17 6 13 8 1 6 3 5 7 4 9 2 1 12 13
% 10%, 35%( 1029 ) p (a) 1 p 95% (b) 1 Std. Err. (c) p 40% 5% (d) p 1: STATA (1). prtesti One-sample test of pr
1 1. 2014 6 2014 6 10 10% 10%, 35%( 1029 ) p (a) 1 p 95% (b) 1 Std. Err. (c) p 40% 5% (d) p 1: STATA (1). prtesti 1029 0.35 0.40 One-sample test of proportion x: Number of obs = 1029 Variable Mean Std.
AR(1) y t = φy t 1 + ɛ t, ɛ t N(0, σ 2 ) 1. Mean of y t given y t 1, y t 2, E(y t y t 1, y t 2, ) = φy t 1 2. Variance of y t given y t 1, y t
87 6.1 AR(1) y t = φy t 1 + ɛ t, ɛ t N(0, σ 2 ) 1. Mean of y t given y t 1, y t 2, E(y t y t 1, y t 2, ) = φy t 1 2. Variance of y t given y t 1, y t 2, V(y t y t 1, y t 2, ) = σ 2 3. Thus, y t y t 1,
80 X 1, X 2,, X n ( λ ) λ P(X = x) = f (x; λ) = λx e λ, x = 0, 1, 2, x! l(λ) = n f (x i ; λ) = i=1 i=1 n λ x i e λ i=1 x i! = λ n i=1 x i e nλ n i=1 x
80 X 1, X 2,, X n ( λ ) λ P(X = x) = f (x; λ) = λx e λ, x = 0, 1, 2, x! l(λ) = n f (x i ; λ) = n λ x i e λ x i! = λ n x i e nλ n x i! n n log l(λ) = log(λ) x i nλ log( x i!) log l(λ) λ = 1 λ n x i n =
卒業論文
Y = ax 1 b1 X 2 b2...x k bk e u InY = Ina + b 1 InX 1 + b 2 InX 2 +...+ b k InX k + u X 1 Y b = ab 1 X 1 1 b 1 X 2 2...X bk k e u = b 1 (ax b1 1 X b2 2...X bk k e u ) / X 1 = b 1 Y / X 1 X 1 X 1 q YX1
k3 ( :07 ) 2 (A) k = 1 (B) k = 7 y x x 1 (k2)?? x y (A) GLM (k
2012 11 01 k3 (2012-10-24 14:07 ) 1 6 3 (2012 11 01 k3) kubo@ees.hokudai.ac.jp web http://goo.gl/wijx2 web http://goo.gl/ufq2 1 3 2 : 4 3 AIC 6 4 7 5 8 6 : 9 7 11 8 12 8.1 (1)........ 13 8.2 (2) χ 2....................
会津若松市民の運動行動における変化ステージの評価
2 Bandura1977 2000 Bandura 50 36 3 4 MarcusSimkin1993 2002 6 6 6 6 1995 2000.81 1998 1995 2000.91 2000 5 .65 1986.83 Marcus et al1992 2002 Pros.81 Cons.80 Pros Cons Pros Cons 6 7 8 9 10 11 12 13 5 Tukey
こんにちは由美子です
Sample size power calculation Sample Size Estimation AZTPIAIDS AIDSAZT AIDSPI AIDSRNA AZTPr (S A ) = π A, PIPr (S B ) = π B AIDS (sampling)(inference) π A, π B π A - π B = 0.20 PI 20 20AZT, PI 10 6 8 HIV-RNA
untitled
WinLD R (16) WinLD https://www.biostat.wisc.edu/content/lan-demets-method-statistical-programs-clinical-trials WinLD.zip 2 2 1 α = 5% Type I error rate 1 5.0 % 2 9.8 % 3 14.3 % 5 22.6 % 10 40.1 % 3 Type
こんにちは由美子です
1 2 . sum Variable Obs Mean Std. Dev. Min Max ---------+----------------------------------------------------- var1 13.4923077.3545926.05 1.1 3 3 3 0.71 3 x 3 C 3 = 0.3579 2 1 0.71 2 x 0.29 x 3 C 2 = 0.4386
BMIdata.txt DT DT <- read.table("bmidata.txt") DT head(dt) names(dt) str(dt)
?read.table read.table(file, header = FALSE, sep = "", quote = "\" ", dec = ".", numerals = c("allow.loss", "warn.loss", "no.loss"), row.names, col.names, as.is =!stringsasfactors, na.strings = "NA", colclasses
Microsoft Word - 計量研修テキスト_第5版）.doc
Q8-1 テキスト P131 Engle-Granger 検定 Dependent Variable: RM2 Date: 11/04/05 Time: 15:15 Sample: 1967Q1 1999Q1 Included observations: 129 RGDP 0.012792 0.000194 65.92203 0.0000 R -95.45715 11.33648-8.420349
第1回（全5回） Rの基礎と仮説検定
1 環境統計学ぷらす 第 1 回 ( 全 5 回?) R の基礎と仮説検定 高木俊 shun.takagi@sci.toho-u.ac.jp 2013/10/24 2 今回やること R の基礎 仮説検定 Fisher の正確確率検定 2 群の平均値の差の検定 (t 検定 ) 結果の表し方 図と表 文章中の表現 * 今後 Win 版を前提に話を進めます * 次回以降も R の操作練習 統計の解説 論文での表現の
Microsoft PowerPoint - TA報告（7）
TA 報告 (7) 実証会計学 Eviews の基本操作 藤井ゼミサブゼミ 6/21(Fri) @106 演習室京都大学大学院経済学研究科博士後期課程 1 回生渡邊誠士 注意 Eviews の操作は多くの方法が存在する 正直なところ 私自身も効率的な使い方ができているかどうかはわからない ( おそらくできていない ) きちんとした使い方は多くの本が出ているので 文献を調査して自学自習してください 1
1 911 34/ 22 1012 2/ 20 69 3/ 22 69 1/ 22 69 3/ 22 69 1/ 22 68 3/ 22 68 1/ 3 8 D 0.0900.129mm 0.1300.179mm 0.1800.199mm 0.1000.139mm 0.1400.409mm 0.4101.199mm 0.0900.139mm 0.1400.269mm 0.2700.289mm
(1519) () 1 ( ) () 1 ( ) - 1 - - 2 - (1531) (25) 5 25,000 (25) 5 30,000 25,000 174 3 323 174 3 323 (1532) () 2 () 2-3 - - 4 - (1533) () 1 (2267)204 () (1)(2) () 1 (2267)204 () (1)(2) (3) (3) 840,000 680,000
[mm] [mm] [mm] 70 60 50 40 30 20 10 1H 0 18 19 20 21 22 23 24 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1 2 3 4 5 6 7 8 9 10 11 12 60 50 40 30 20 10 0 18 19 20 21 22 23 24 1 2 3 4
1 2 http://www.japan-shop.jp/ 3 4 http://www.japan-shop.jp/ 5 6 http://www.japan-shop.jp/ 7 2,930mm 2,700 mm 2,950mm 2,930mm 2,950mm 2,700mm 2,930mm 2,950mm 2,700mm 8 http://www.japan-shop.jp/ 9 10 http://www.japan-shop.jp/
第18回海岸シンポジウム報告書
2011.6.25 2011.6.26 L1 2011.6.27 L2 2011.7.6 2011.12.7 2011.10-12 2011.9-10 2012.3.9 23 2012.4, 2013.8.30 2012.6.13 2013.9 2011.7-2011.12-2012.4 2011.12.27 2013.9 1m30 1 2 3 4 5 6 m 5.0m 2.0m -5.0m 1.0m
液晶ディスプレイ取説TD-E432/TD-E502/TD-E552/TD-E652/TD-E432D/TD-E502D
1 2 3 4 5 6 7 1 2 3 4 5 6 7 2 2 2 1 1 2 9 10 11 12 13 14 15 16 17 1 8 2 3 4 5 6 7 1 2 3 4 5 6 7 8 9 10 9 11 12 13 13 14 15 16 17 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 1 2 3 4 5 6 7 8 9 11 12
000-.\..
1 1 1 2 3 4 5 6 7 8 9 e e 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 10mm 150mm 60mm 25mm 40mm 30mm 25 26 27 1 28 29 30 31 32 e e e e e e 33 e 34 35 35 e e e e 36 37 38 38 e e 39 e 1 40 e 41 e 42 43
1 1 36 223 42 14 92 4 3 2 1 4 3 4 3429 13536 5 6 7 8 9 2.4m/ (M) (M) (M) (M) (M) 6.67.3 6.57.2 6.97.6 7.27.8 8.4 5 6 5 6 5 5 74 1,239 0 30 21 ( ) 1,639 3,898 0 1,084 887 2 5 0 2 2 4 22 1 3 1 ( :) 426 1500
1 C 2 C 3 C 4 C 1 C 2 C 3 C
1 e N >. C 40 41 2 >. C 3 >.. C 26 >.. C .mm 4 C 106 e A 107 1 C 2 C 3 C 4 C 1 C 2 C 3 C 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124
平成２４年財政投融資計画ＰＤＦ出後８／０１６‐０３０
24 23 28,707,866 2,317,737 26,390,129 29,289,794 2,899,665 24 23 19,084,525 21,036,598 1952,073 24 23 8,603,613 8,393,427 967,631 925,404 202,440 179,834 217,469 219,963 66,716 64,877 3,160,423 2,951,165
Use R
Use R! 2008/05/23( ) Index Introduction (GLM) ( ) R. Introduction R,, PLS,,, etc. 2. Correlation coefficient (Pearson s product moment correlation) r = Sxy Sxx Syy :, Sxy, Sxx= X, Syy Y 1.96 95% R cor(x,
untitled
2011/6/22 M2 1*1+2*2 79 2F Y YY 0.0 0.2 0.4 0.6 0.8 0.000 0.002 0.004 0.006 0.008 0.010 0.012 1.0 1.5 2.0 2.5 3.0 3.5 4.0 Y 0 50 100 150 200 250 YY A (Y = X + e A ) B (YY = X + e B ) X 0.00 0.05 0.10
232528 152810 232513 -1- -2- -3- -4- -5- -6- -7- -8- -9- -10- -11- -12- -13- -14- -15- -16- -17- -18- -19- -20- -21- -22- -23- -24- -25- -26- -27- -28- -29- -30- -31- -32- -33- -34- -35- -36- -37- -38-
225 225 232528 152810 225 232513 -1- -2- -3- -4- -5- -6- -7- -8- -9- -10- -11- -12- -13- -14- -15- -16- -17- -18- -19- -20- -21- -22- -23- -24- -25- -26- -27- -28- -29- -30- -31- -32- -33- -34- -35- -36-
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,
kennsetusuijyunnakabane.xls
75 50 35 25 20 12 8 6 1/10 1/9 1/8 1/7 1/6 1/5 1/4 1/3 1,200 1,200 1,500 1,800 (1,100) (1,100) (1,450) 850 1,200 1,500 1,800 (800) (1,100) (1,450) 850 (800) 850 (800) 850 (800) 1,800 1 850 2 3 41 db AA
R EZR 2013 11 5 *1 1 R 2 1.1 R [2013 11 5 ]................................ 2 1.2 R................................................ 3 1.3 Rgui......................................... 3 1.4 EZR...................................................
H22 BioS (i) I treat1 II treat2 data d1; input group patno treat1 treat2; cards; ; run; I
H BioS (i) I treat II treat data d; input group patno treat treat; cards; 8 7 4 8 8 5 5 6 ; run; I II sum data d; set d; sum treat + treat; run; sum proc gplot data d; plot sum * group ; symbol c black
28
y i = Z i δ i +ε i ε i δ X y i = X Z i δ i + X ε i [ ] 1 δ ˆ i = Z i X( X X) 1 X Z i [ ] 1 σ ˆ 2 Z i X( X X) 1 X Z i Z i X( X X) 1 X y i σ ˆ 2 ˆ σ 2 = [ ] y i Z ˆ [ i δ i ] 1 y N p i Z i δ ˆ i i RSTAT
1 R ID 1. ID Before After 1 X 1 Y 1 2 X 2 Y n 1 X n 1 Y n 1 n X n Y n. ID Group Measure. 1 1 Y 1... n 1 1 Y n1 n Y n n 0 Y n 1 E
2010 R 0 C626 R 2 t Welch t Wilcoxon 3 Fisher McNemar Box-Muller p- Excel R 1 B USB tomo-statim i.softbank.jp R WWW D3 C626 E-Mail d082905 hiroshima-u.ac.jp url http://home.hiroshima-u.ac.jp/d082905/r.html
1 環境統計学ぷらす 第 5 回 一般 ( 化 ) 線形混合モデル 高木俊 2013/11/21
1 環境統計学ぷらす 第 5 回 一般 ( 化 ) 線形混合モデル 高木俊 shun.takagi@sci.toho-u.ac.jp 2013/11/21 2 予定 第 1 回 : Rの基礎と仮説検定 第 2 回 : 分散分析と回帰 第 3 回 : 一般線形モデル 交互作用 第 4.1 回 : 一般化線形モデル 第 4.2 回 : モデル選択 (11/29?) 第 5 回 : 一般化線形混合モデル
> usdata01 と打ち込んでエンター キーを押すと V1 V2 V : : : : のように表示され 読み込まれていることがわかる ここで V1, V2, V3 は R が列のデータに自 動的につけた変数名である ( variable
R による回帰分析 ( 最小二乗法 ) この資料では 1. データを読み込む 2. 最小二乗法によってパラメーターを推定する 3. データをプロットし 回帰直線を書き込む 4. いろいろなデータの読み込み方について簡単に説明する 1. データを読み込む 以下では read.table( ) 関数を使ってテキストファイル ( 拡張子が.txt のファイル ) のデー タの読み込み方を説明する 1.1
9 8 7 (x-1.0)*(x-1.0) *(x-1.0) (a) f(a) (b) f(a) Figure 1: f(a) a =1.0 (1) a 1.0 f(1.0)
E-mail: takio-kurita@aist.go.jp 1 ( ) CPU ( ) 2 1. a f(a) =(a 1.0) 2 (1) a ( ) 1(a) f(a) a (1) a f(a) a =2(a 1.0) (2) 2 0 a f(a) a =2(a 1.0) = 0 (3) 1 9 8 7 (x-1.0)*(x-1.0) 6 4 2.0*(x-1.0) 6 2 5 4 0 3-2
k2 ( :35 ) ( k2) (GLM) web web 1 :
2012 11 01 k2 (2012-10-26 16:35 ) 1 6 2 (2012 11 01 k2) (GLM) kubo@ees.hokudai.ac.jp web http://goo.gl/wijx2 web http://goo.gl/ufq2 1 : 2 2 4 3 7 4 9 5 : 11 5.1................... 13 6 14 6.1......................
日本統計学会誌, 第44巻, 第2号, 251頁-270頁
44, 2, 205 3 25 270 Multiple Comparison Procedures for Checking Differences among Sequence of Normal Means with Ordered Restriction Tsunehisa Imada Lee and Spurrier (995) Lee and Spurrier (995) (204) (2006)
第11回：線形回帰モデルのOLS推定
11 OLS 2018 7 13 1 / 45 1. 2. 3. 2 / 45 n 2 ((y 1, x 1 ), (y 2, x 2 ),, (y n, x n )) linear regression model y i = β 0 + β 1 x i + u i, E(u i x i ) = 0, E(u i u j x i ) = 0 (i j), V(u i x i ) = σ 2, i
R John Fox R R R Console library(rcmdr) Rcmdr R GUI Windows R R SDI *1 R Console R 1 2 Windows XP Windows * 2 R R Console R ˆ R
R John Fox 2006 8 26 2008 8 28 1 R R R Console library(rcmdr) Rcmdr R GUI Windows R R SDI *1 R Console R 1 2 Windows XP Windows * 2 R R Console R ˆ R GUI R R R Console > ˆ 2 ˆ Fox(2005) jfox@mcmaster.ca
浜松医科大学紀要
On the Statistical Bias Found in the Horse Racing Data (1) Akio NODA Mathematics Abstract: The purpose of the present paper is to report what type of statistical bias the author has found in the horse
2 2 GDP( ) 1 () 143,694 47,186 48,997 38,371 36,559 44,519 28,565 44,550 26,526 43,237 23,031 38,455 15,945 34,971 14,996 44,950 10,852 10,183 10,337
2 1 R 2 2.1 C C 1 5 ( mmhg) (1) 116 128 120 116 118 71 70 72 68 69 (2) 2 () C (1) saikou
1 15 R Part : website:
1 15 R Part 4 2017 7 24 4 : website: email: http://www3.u-toyama.ac.jp/kkarato/ kkarato@eco.u-toyama.ac.jp 1 2 2 3 2.1............................... 3 2.2 2................................. 4 2.3................................
最小2乗法
2 2012 4 ( ) 2 2012 4 1 / 42 X Y Y = f (X ; Z) linear regression model X Y slope X 1 Y (X, Y ) 1 (X, Y ) ( ) 2 2012 4 2 / 42 1 β = β = β (4.2) = β 0 + β (4.3) ( ) 2 2012 4 3 / 42 = β 0 + β + (4.4) ( )
R EZR 2016 10 3 *1 1 R 2 1.1 R [2016 10 3 ]................................ 2 1.2 R................................................ 3 1.3 Rgui......................................... 3 1.4 EZR...................................................
Microsoft Word - 計量研修テキスト_第5版）.doc
Q4-1 テキスト P83 多重共線性が発生する回帰 320000 280000 240000 200000 6000 4000 160000 120000 2000 0-2000 -4000 74 76 78 80 82 84 86 88 90 92 94 96 98 R e s i dual A c tual Fi tted Dependent Variable: C90 Date: 10/27/05
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
5 Armitage x 1,, x n y i = 10x i + 3 y i = log x i {x i } {y i } 1.2 n i i x ij i j y ij, z ij i j 2 1 y = a x + b ( cm) x ij (i j )
5 Armitage. x,, x n y i = 0x i + 3 y i = log x i x i y i.2 n i i x ij i j y ij, z ij i j 2 y = a x + b 2 2. ( cm) x ij (i j ) (i) x, x 2 σ 2 x,, σ 2 x,2 σ x,, σ x,2 t t x * (ii) (i) m y ij = x ij /00 y
こんにちは由美子です
1 2 λ 3 λ λ. correlate father mother first second (obs=20) father mother first second ---------+------------------------------------ father 1.0000 mother 0.2254 1.0000 first 0.7919 0.5841 1.0000 second
4 OLS 4 OLS 4.1 nurseries dual c dual i = c + βnurseries i + ε i (1) 1. OLS Workfile Quick - Estimate Equation OK Equation specification dual c nurser
1 EViews 2 2007/5/17 2007/5/21 4 OLS 2 4.1.............................................. 2 4.2................................................ 9 4.3.............................................. 11 4.4
10
z c j = N 1 N t= j1 [ ( z t z ) ( )] z t j z q 2 1 2 r j /N j=1 1/ N J Q = N(N 2) 1 N j j=1 r j 2 2 χ J B d z t = z t d (1 B) 2 z t = (z t z t 1 ) (z t 1 z t 2 ) (1 B s )z t = z t z t s _ARIMA CONSUME
第２回 回帰と分散分析
1 環境統計学ぷらす 第 2 回 分散分析と回帰 高木俊 shun.takagi@sci.toho-u.ac.jp 2013/10/31 2 予定 第 1 回 : Rの基礎と仮説検定 第 2 回 : 分散分析と回帰 第 3 回 : 一般線形モデル 交互作用 第 4 回 : 一般化線形モデル モデル選択 第 5 回 : 一般化線形混合モデル 第 6 回 : 多変量解析 3 今日やること R 操作編 RエディタからのRの実行
N 847 1085 1932 2966 3336 6302 % 43.8 56.2 100 47.1 52.9 100 28 72 41.34 28 77 51.52 N 84 750 580 478 28 12 1932 % 4.3 38.8 30.0 24.7 1.4 0.6 100 N 1079 2710 1318 1083 60 52 6302 % 17.1 43.0 20.9 17.2
<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
: : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : :
1 1 1 1.1 : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 1 1.2 : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 1 1.2.1 t :
講義のーと : データ解析のための統計モデリング. 第５回
Title 講義のーと : データ解析のための統計モデリング Author(s) 久保, 拓弥 Issue Date 2008 Doc URL http://hdl.handle.net/2115/49477 Type learningobject Note この講義資料は, 著者のホームページ http://hosho.ees.hokudai.ac.jp/~kub ードできます Note(URL)http://hosho.ees.hokudai.ac.jp/~kubo/ce/EesLecture20
パッケージのインストール Rには 複雑な解析を便利に行うためのパッケージが容易されています ( 世界中の研究者達が提供してくれる ) 今回は例として多重比較検定用のmultcomp パッケージをインストールしてみます ( 注意 ) 滋賀県立大学のようにプロキシ経由でインターネットに接続する環境で R
ソフトウェア R を用いた統計解析 清水顕史 R のインストール R の情報 ( 日本語 ) は RjpWikihttp://www.okada.jp.org/RWiki/?RjpWiki にまとめられています 説明に従って最新版の exe ファイルをダウンロード (http://cran.md.tsukuba.ac.jp/bin/windows/base/) し クリックしてインストールします インストール終了後
kubostat2017c p (c) Poisson regression, a generalized linear model (GLM) : :
kubostat2017c p.1 2017 (c), a generalized linear model (GLM) : kubo@ees.hokudai.ac.jp http://goo.gl/76c4i 2017 11 14 : 2017 11 07 15:43 kubostat2017c (http://goo.gl/76c4i) 2017 (c) 2017 11 14 1 / 47 agenda