ビッグデータ利活用入門

Size: px

Start display at page:

Download "ビッグデータ利活用入門"

なおなかきむら
5 years ago
Views:

1 解析力データ分析手法とツール

2 目的統計の理論ではなくその使い方や意義を学習するモノとしてデータ分析のニーズに応じたデータの性質および代表的な統計的手法を学習することデータ分析に関わる ICT 環境ツールを理解すること

3 目標データ利活用の方針とシナリオに整合したデータ分析の運用を計画することができるデータ分析の目的に応じた分析手法の選択を行うことができるデータ分析の目的との整合を検討することができるデータの特性を理解した分析手法を選択することができるデータ利活用を行うツールの特徴を説明することができる

4 前提数値データを使用した分析を行うために中学校数学程度の四則演算知識を有すること Microsoft Excel 等の集計表計算ソフトの使用経験を有すること

5 目次 ( データ分析手法とツール ) 1. なぜデータ分析が必要なのか 2. 目的にあったデータ分析を選ぶには 3. 全体像を把握する分析手法 4. 比較して判断する分析手法 5. 仮説検証を使った分析手法 6. 知識を発見する分析手法 7. データ分析とICT 8. まとめ 9. その他参考

6 1. なぜデータ分析が必要なのか目標ビッグデータを利活用するためにはデータ分析手法とツールの使い方や意義が大切であることを認識するデータを用いた分析の結果が意思決定に与える影響を説明することができる

7 1. なぜデータ分析が必要なのか 1.1. データ分析の使い方と意義 1.2. データ分析する背景

8 1.1. データ分析の使い方と意義ビジネスを成功させるためには裏付けとなるデータが必要ビジネスへのデータ利活用の導入 ( 企画計画 ) 目的の明確化シナリオの立案シナリオの有効性評価実行判断環境準備ビジネス展開 ( 運用 ) オペレーションの設計ビジネスでの実行施策判断業務の実施結果の確認施策の検討施策の実行 ICT データの棚卸データの収集データの蓄積データの分析データの収集データの蓄積データの分析データだけを集めてもビジネスに利用できるデータにはならない分析手法ツールの使い方を知ることが大切

9 1.2. データ分析をする背景データ分析が決定を促すいくつか案がある方策の決定適切な情報がないと決められない解決すべき問題課題適切な情報を得るにはデータ分析が必要データ分析手法

10 ( 参考 ) 意思決定モデルどのような考え方で意思決定がなされるのかを知ることで意思決定に必要な情報が理解ができデータ分析手法を選択しやすくなるアンゾフの意思決定モデル戦略的意思決定トップマネジメント管理的意思決定ミドルマネジメント業務的意思決定ロアーマネジメント経営職層が決定すべき企業目標や自社ドメインの選択等が挙げられる企業全体に関わる重要なテーマが対象となる決定が企業に与える影響が大きい管理職層が決定すべき組織構造の決定や経営資源の調達等が挙げられる経営層が決定した方針を受けて担当する部門での実行を行うための意思決定を行う戦略的意思決定と業務的意思決定の中間に位置する現場に近い層が決定すべき経営資源の配分や日常の業務方針の決定等が挙げられる実際に業務を遂行する際の問題が対象となる日常的に繰り返され対応も定型的であることが多い決定が企業に与える影響は小さい

11 考えてみましょうデータ分析はなぜ必要なのでしょうか?

12 2. 目的にあったデータ分析を選ぶには目標目的とデータ分析の種類を説明できるようになる

13 2. 目的にあったデータ分析を選ぶには 2.1. データ分析の用途 2.2. 目的とデータ分析手法との関係

14 2.1. データ分析の用途全体像を把握する A B 比較して判断する仮説を検証する知識を発見する

15 2.2. 目的とデータ分析手法との関係 (1/4) 全体像を把握するフォーカスしたいところを特定する度数分布とヒストグラムどのような状況になっているかを特定する統計的なデータからどのような予測が立つかを特定する一部のデータ ( 標本 ) から全体像を把握する一部のデータ ( 標本 ) の平均から全体の平均を推測する平均と標準偏差正規分布標本調査 ( 全体像の推測 ) 標本平均

16 2.2. 目的とデータ分析手法との関係 (2/4) A B 比較して判断する複数のデータの関係性から隠れた特徴を抽出する相関関係

17 2.2. 目的とデータ分析手法との関係 (3/4) 仮説を検証する相関関係のある一部のデータから全体像を推測する散布図と回帰分析 2 つ以上の複合した相関関係のある一部のデータから全体像を推測する重回帰分析そのままでは計算できない質を表したデータを分析する質的データの取扱い

18 2.2. 目的とデータ分析手法との関係 (4/4) 知識を発見するテキスト情報から一定の知見や発想を得るテキストマイニング突出したデータに着目し想定外を特定する外れ値の取扱い

19 確認テストデータの分析用途として大きく 4 つに分類されます以下の空欄をうめてくださいを把握する比較して判断する仮説を検証する知識をする

20 3. 全体像を把握する分析手法目標全体像を把握する分析手法にどのようなモノがあるかを説明できるようになる

21 3. 全体像を把握する分析手法 3.1. 全体像を把握する分析手法の紹介 3.2. 度数分布とヒストグラム 3.3. 平均と標準偏差 3.4. 正規分布 3.5. 標本調査と標本平均

22 3.1. 全体像を把握する分析手法の紹介度数分布とヒストグラム平均と標準偏差正規分布標本調査 ( 全体像の推測 ) 標本平均

23 3.2. 度数分布とヒストグラム度数分布とはデータを一定のルールで整理しデータがどのような値を中心にしてどのようなばらつき方をしているのかを調べることで全体データの特徴や性質などを理解する手法ですヒストグラムとはばらつきの分布状態 ( 度数分布 ) を棒グラフで表示したもの他の表現方法として幹葉図や箱ひげ図があります度数分布表年齢 ( 中央値 ) 人数 21~25(23) 1 26~30(28) 4 31~35(33) 9 36~40(38) 16 41~45(43) 21 46~50(48) ヒストグラム

24 8 時 9 時 10 時 11 時 12 時 13 時 14 時 15 時 16 時 17 時 18 時 19 時度数分布とヒストグラムの利用イメージフォーカスしたいところを特定するデータ利用イメージ購入履歴 ( 金額販売日時 ) 販売日時金額 4/1 8: /1 8: /1 12: /1 12: /1 19: /1 19: 度数分布表時間帯人数平均金額 8 時時時時時時時時時時時時ヒストグラム 1 日にピークが 2 回ありそれぞれの客単価平均は 12 時 :812 円 18 時 :843 円

データのバラツキ度合いを異なるデータ間で比較できる平均値からのバラツキの幅を測定できるという特徴を用いて

25 3.3. 平均と標準偏差平均とはデータ全体を代表する値です他に最頻値中央値でも表す方法もあります平均値 = データの値の総計データ数分散とはデータのバラツキを表します標準偏差とはデータのバラツキ度合いを異なるデータ間で比較できる平均値からのバラツキの幅を測定できるという特徴を用いてデータが示す傾向や性質を把握できます平均平均との差の 2 乗の平均標準偏差 = データの値平均 2 の総計データの数分散の平方根

26 平均と標準偏差の利用イメージどのような状況になっているかを特定するデータ 6 月前半の来店者数月日 A 店 B 店 C 店 D 店 6 月 1 日月 2 日月 3 日月 4 日月 5 日月 6 日月 7 日月 8 日月 9 日月 10 日利用イメージ A 店 B 店 C 店 D 店平均標準偏差平均と標準偏差から分かる状況はバラツキ高い平均低い小さい B 店 C 店大きい A 店 D 店来店者数の平均をみると A 店がトップだがバラツキも考慮すると B 店が優れているとわかった

27 3.4. 正規分布正規分布とは発生確率の高い平均値 ( 中央値 ) を中心として左右対象に確率が低くなっていく確率分布のことです正規分布の分布図は下図のような釣鐘状になりますデータが正規分布をしていることが想定できる場合平均値と標準偏差値がわかればデータの範囲を推定することができます y 標準偏差が大きい = バラツキが大きい標準偏差 y 標準偏差が小さい = バラツキが小さい標準偏差平均値 ( 中心値 ) x 平均値 ( 中心値 ) x

28 正規分布の利用イメージ統計的なデータからどのような予測が立つかを特定する正規分布を利用して過去実績の納入日数から 8 割以上の確率で納品できるバッファ期間を特定したい使用するデータ利用イメージ正規分布曲線過去実績の納入日数製品 Aの納期日数 10 日 8 日 12 日 10 日 15 日 84% が 14 日以内偏差値率 50% 16% 納期 10 日 14 日過去実績の納期日数を正規分布にあてはめると偏差値 60 以上 (16%) で 4 日以上遅れるとわかった 14 日 ( 平均 10 日 + バッファ 4 日 ) あれば 8 割以上の確率で納品できると特定できた

29 3.5. 標本調査と標本平均標本調査とは大量データから一部を入手観測した場合にその背後にある大量データを推測する手段として仮説検定の考え方による統計的推定の手法です標本 ( サンプル ) 無作為抽出統計的推測母集団 ( 調査対象となる全体 ) 標本平均とは標本調査から得られた情報から母集団の傾向を推測する手法の 1 つ母集団の平均を推測するために標本データの平均値を利用する方法です標本平均 = ( 抽出した標本データの合計 ) ( 抽出した標本データ数 )

30 標本調査の利用イメージ一部のデータ ( 標本 ) から全体像を把握するデータ市在住のモニターへのアンケート結果標本 ( サンプル ) 無作為抽出利用イメージ母集団市在住モニター =500 人アンケート結果ジムに興味のあるモニター統計的推測標本の取り出し方で結果は変わるため誤差が含まれる市在住者 =15 万人見込み顧客モニターへのアンケート結果をもとにした推測からスポーツジムの見込み顧客を把握できた

31 確認テスト全体像を把握する分析手法には何があるか 1 つ答えてください

32 4. 比較して判断する分析手法目標比較して判断する分析手法にどのようなモノがあるかを説明できるようになる

33 4. 比較して判断する分析手法 4.1. 比較して判断する分析手法の紹介 4.2. 相関関係 4.3. 相関関係と因果関係

34 4.1. 比較して判断する分析手法の紹介 A B 相関関係

35 4.2. 相関関係相関関係とは一方の値が変化すれば他方の値も変化するという 2 つの値の関連性正の相関 2 つのデータのうち一方が増加するともう一方も増加負の相関 2 つのデータのうち一方が増加するともう一方が減少 y 正の相関 ( 右上がり ) 負の相関 ( 右下がり ) 無相関 y y 増減増増 x x x

36 相関係数相関係数とは相関係数は -1 から 1 までの値を取り 0 に近いほど相関が弱く 1 に近いほど相関が強くなります共分散を一方の標準偏差と他方の標準偏差をかけあわせた値で割った値のことです完全な負の相関がある相関がない完全な正の相関がある y y y y y x x x x x

37 相関関係の利用イメージ (1/2) 複数のデータの関係性から隠れた特徴を抽出する使用するデータ顧客満足度アンケートの結果 ( 全体と項目別の5 段階評価 ) 合総合設備設備設備設備設備設備図開催曜日アクセス開始時間案内図終了時間アクセス開催曜日案内図開始時間開催曜日終了時間開始時間終了時間足度満足度 ( 電源等 ) ( スクリーン ) ( 電源等 ) ( スクリーン ) ( 電源等 ) ( スクリーン ) 3回答者平均回答者回答者回答者平均回答者回答者平均 ~1.0 2回答者回答者 ~ 回答者回答者 ~ 平均値相関係数満足度 a. 会場へのアクセス b. 会場内案内利用イメージ相関係数 0.76 満足度 3.0 a. c. 会場へのアクセスセミナーの開催曜日 b. d. 会場内案内セミナーの開始時間相関係数満足度 a. c. e. 会場へのアクセスセミナーの開催曜日セミナーの終了時間 b. d. f. 会場設備会場内案内セミナーの開始時間 ( 電源ネットワーク等 ) c. e. g. 会場設備セミナーの開催曜日セミナーの終了時間 ( スクリーン椅子等 ) d. f. 会場設備セミナーの開始時間 ( 電源ネットワーク等 ) e. g. 会場設備セミナーの終了時間 ( スクリーン椅子等 ) f. 相関係数の絶対値会場設備 ( 電源ネットワーク等相関係数の解釈 ) g. 会場設備 1.0 ( スクリーン椅子等完全に相関がある ) 強い相関がある相関がある低い相関がある 0~0.2 ほとんど相関がない 0 相関がない総合満足度と相関が強いかつ満足度が低い項目 = 効果が出そうな項目を見つけることができる

38 相関関係の利用イメージ (2/2) 複数のデータの関係性から隠れた特徴を抽出する使用するデータ総合満足度と各項目の相関相関係数満足度 a. 会場へのアクセス b. 各項目の満足度の平均会場内案内相関係数 0.76 満足度 3.0 a. c. 会場へのアクセスセミナーの開催曜日 b. d. 会場内案内セミナーの開始時間相関係数満足度 a. c. e. 会場へのアクセスセミナーの開催曜日セミナーの終了時間 b. d. f. 会場設備会場内案内セミナーの開始時間 ( 電源ネットワーク等 ) c. e. g. 会場設備セミナーの開催曜日セミナーの終了時間 ( スクリーン椅子等 ) d. f. 平均会場設備セミナーの開始時間 ( 電源ネットワーク等 ) e. g. 会場設備セミナーの終了時間 ( スクリーン椅子等 ) f. 平均会場設備 ( 電源ネットワーク等 ) g. 会場設備 ( スクリーン椅子等 ) 平均総合満足度利用イメージ領域 4: 現状の維持領域 3: 改善アクセス開始時間領域 1: 重点的に維持設備領域 2: 早急に改善相関係数店舗改善の項目について 4 つの領域に分けて整理することで対応すべき事項の優先度や実行判断の検討がしやすくなった

39 4.3. 相関関係と因果関係相関関係とは一方の値が変化すれば他方の値も変化するという 2 つの値の関連性因果関係とは 2 つ以上の事柄の間に原因と結果の関係があると言い切れる関係相関があっても因果があるとは限らない相関関係 = 因果関係ではない相関関係因果関係変化変化原因結果連動時間的先行性変数間の結びつきの強さ関連の普遍性関連の整合性

40 考えてみましょう相関関係があると思われる事例を 1 つ挙げてください

41 5. 仮説検証を使った分析手法目標仮説検証を使った分析手法にどのようなモノがあるかを説明できるようになる

42 5. 仮説検証を使った分析手法 5.1. 仮説検証を使った分析手法の紹介 5.2. 仮説検証の特徴 5.3. 回帰分析と重回帰分析 5.4. 質的データの取扱い

43 5.1. 仮説検証を使った分析手法の紹介散布図と回帰分析重回帰分析質的データの取扱い

44 5.2. 仮説検証の特徴データ分析から類推する仮説の正しさを証明するには統計的推測などのデータ分析から類推することが必要です仮説がないとデータ分析手法が決まらないどのような結果を求めるのか ( 仮説 ) を立てないとデータ分析手法を決定することは困難です量的データ or 質的データを理解する取り扱うデータの性質 ( 量的データ or 質的データ ) を理解することが重要です

結果となる数値 ) 回帰線の誤差を最小にするには差を最小にする a データの分布を直線に近似すると他のデータの推測が可能になる回帰直線 x( 原因となる数値 ) Y

45 5.3. 回帰分析と重回帰分析回帰分析とは原因となる数値と結果となる数値の関連性を統計的手法を用いて調べる方法のことです原因となる数値 ( 説明変数 ) の変化によって結果となる数値 ( 目的変数 ) が変化することを推測できますこれによって仮説を立てることが可能になります式 Y = a + bx Y ( 結果となる数値 ) 回帰線の誤差を最小にするには差を最小にする a データの分布を直線に近似すると他のデータの推測が可能になる回帰直線 x( 原因となる数値 ) Y = a +bx a: 切片 b: 傾き重回帰分析とは 1つの目的変数を複数の説明変数で予測しようとする統計的手法のことです式 Y = a + b1x + b2x + b3x + +bnx

46 入場者散布図と回帰分析の利用イメージ相関関係のある一部のデータから全体像を推測する仮説 : 気温が上がれば涼を求めてプールの入場者数が増えるのでは使用するデータ昨年度の入場者数の実績データ日別の気温データ日付気温 ( ) 入場者 8 月 1 日月 2 日月 3 日月 4 日月 5 日月 6 日月 7 日月 8 日月 9 日月 10 日月 11 日月 12 日月 13 日月 14 日月 15 日入場者数 ( 人 ) 利用イメージ y = x R² = 気温と入場者数の散布図をつくると直線上にデータが並んだ気温 ( ) 気温 ( ) 気温とプール入場者数の相関を検証して関連を直線で表し気温から入場者数の予測ができた

47 重回帰分析の利用イメージ 2 つ以上の複合した相関関係のある一部のデータから全体像を推測する仮説 : 気温と降雨確率によって入場者数が増減するのでは使用するデータ昨年度の入場者数の実績データ日別の気温データ降雨確率入場者数 ( 人 ) Y 260 利用イメージ気温と降雨確率と入場者数の 3 次元の散布図をつくると面上にデータを近似できた気温 ( ) X 35 イメージです 30 降雨確率 (%) Z 気温降雨確率入場者数の相関を検証して関連を面で表し入場者数の予測ができた

5.4. 質的データの取扱いそのままでは計算できない質を表したデータを分析するデータ量的データ質的データ

飲料別のテレビ CM の有無ウェブ広告の有無売り上げ本数利用イメージ質的データから量的データへ変換し

ウェブ広告売上本数売上本数飲料 A 飲料あり A ありなしなし 4,500 4,500 飲料 A 飲料 A 1 1 0 4,500

3,900 飲料 C 飲料あり C ありありあり 5,800 5,800 飲料 C 飲料 C 1 1 1 5,800 1 5,800

飲料なし E なしなしなし 3,000 3,000 飲料 E 飲料 E 0 0 0 3,000 3,000 飲料 F 飲料なし F

48 5.4. 質的データの取扱いそのままでは計算できない質を表したデータを分析するデータ量的データ質的データ数値の大きさが意味をもつデータ例 ) 売上高人数時間数値の大きさが意味を持たないデータ例 ) 性別業種天気使用するデータ飲料別のテレビ CM の有無ウェブ広告の有無売り上げ本数利用イメージ質的データから量的データへ変換し統計分析ができるデータにしたテレビCMテレビウェブ広告 CM ウェブ広告売上本数売上本数テレビCMテレビウェブ広告 CM ウェブ広告売上本数売上本数飲料 A 飲料あり A ありなしなし 4,500 4,500 飲料 A 飲料 A , ,500 飲料 B 飲料なし B なしありあり 3,900 3,900 飲料 B 飲料 B , ,900 飲料 C 飲料あり C ありありあり 5,800 5,800 飲料 C 飲料 C , ,800 飲料 D 飲料あり D ありなしなし 4,000 4,000 飲料 D 飲料 D ,000 4,000 飲料 E 飲料なし E なしなしなし 3,000 3,000 飲料 E 飲料 E ,000 3,000 飲料 F 飲料なし F なしなしなし 2,800 2,800 飲料 F 飲料 F , ,800 飲料 G 飲料なし G なしありあり 3,800 3,800 飲料 G 飲料 G , ,800

49 考えてみましょう仮説分析においてデータ分析手法を決定する際は何をもとに検討するとよいでしょうか?

50 6. 知識を発見する分析手法目標知識を発見する分析手法にどのようなモノがあるかを説明できるようになる

51 6. 知識を発見する分析手法 6.1. 知識を発見する分析手法の紹介 6.2. テキストマイニング 6.3. 外れ値の取扱い

52 6.1. 知識を発見する分析手法の紹介テキストマイニング外れ値の取扱い

53 6.2. テキストマイニングテキストマイニングとはテキストマイニングとは大量のテキストデータから役に立つ知識や情報を見つけ出す分析技術のことです膨大に蓄積されたテキストデータを単語やフレーズに分解してこれらの関係を一定のルールにそって分析することにより出現頻度や相関関係を把握し単語の関係や時系列の変化などを抽出することによって客観的な分析に利用できます出典 : テキストマイニングによる国土政策評価手法の研究国土交通省 P11

と共に特徴的なキーワードを抽出し出現頻度の高いキーワードを比較おいしいおいしい取り組む予定はない 24.3% 自社無回答 2.7% 既に取り組んでいる 16.

54 テキストマイニングの利用イメージテキスト情報から一定の知見や発想を得る使用するデータ検索ワード SNS の口コミ利用イメージ検索ワード ( 自社競合 ) と共に特徴的なキーワードを抽出し出現頻度の高いキーワードを比較おいしいおいしい取り組む予定はない 24.3% 自社無回答 2.7% 既に取り組んでいる 16.2% 取り組む予定はない 19.8% 競合無回答 2.5% 既に取り組んでいる 37.0% 友達とおいしいメンチカツを今後取り組む予定である 56.8% 今後取り組む予定である 40.7% 自社 / 他社の評判を分析 ( 比較 ) し新たな気づきが得られた単語の関係や時系列の変化などを抽出することでさらなる気づきも

55 テキストマイニングの事例国土交通省のテキストマイニングによる国土政策評価手法の研究国土に関する社会的心理状態 ( センチメント ) の可視化や地域や時間軸において特徴的に現れるキーワードの抽出等を行いリアルタイムに国土や土地不動産市場の情報を捉える手法の可能性が検討された

56 6.3. 外れ値の取扱い突出したデータに着目し想定外を特定する他の値とくらべて外れている値があるなぜだろう? 外れ値せっかくデータ分析を行ったとしてもあたりまえや想定範囲内というような反応を受けることがありますそのような場合は想定範囲外となった値に着目してその値の背景となる事象をとらえることで新たな仮説を導き出すことにつながることがあります想定範囲外となった値のことを外れ値と呼びます

57 考えてみましょう外れ値を分析することの利点には何が考えられますか?

58 7. データ分析と ICT 目標情報の活用を目的とするツールの特徴を説明することができる

59 7. データ分析と ICT 7.1. データ分析におけるICTの位置づけ 7.2. 代表的な分析ツール 7.3. データ分析業務の外部委託

60 7.1. データ分析における ICT の位置づけビジネスへのデータ利活用の導入 ( 企画計画 ) ビジネス展開 ( 運用 ) 実行判断ビジネスでの実行業務の実施目的の明確化シナリオの立案シナリオの有効性評価環境準備オペレーションの設計施策判断結果の確認施策の検討施策の実行 ICT データの棚卸データの収集データの蓄積データの分析データの収集データの蓄積データの分析

61 7.2. 代表的な分析ツール集計をメインとするツール表計算ツールのような数値データの集計分析グラフ作成を行うアプリケーション代表的なツ-ル : Microsoft Excel(Microsoft) 分析がメインでパターン化された分析を行うツールデータベースからデータを検索抽出加工してレポートにまとめることができるアプリケーションプログラミング知識がなくともデータ集計や分析を行うことができる代表的なツ - ル : Business Objects(SAP) Dr. Sum EA( ウイングアーク ) 分析がメインで独自の分析プログラムを開発できるツール統計解析の専門ツールであり高度な統計手法の実行が可能であり分析結果の信頼性も高い GUI が発達したソフトも存在するが高度な分析や独自手法を用いた分析を行う場合にはプログラミング知識を必要とする代表的なツ - ル : SPSS(IBM) SAS(SAS Institute) MINITAB(MINITAB) R( オープンソフトウェア )

62 7.3. データ分析業務の外部委託データ分析業務の委託契約時に検討する事項の例データの提供と返却成果の帰属分析委託金の支払分析の追加修正受託者における結果の利用個人情報の取扱い

63 考えてみましょう自社でデータ分析する ICT ツールをどのように活用して行くのが良いと考えますか?

64 8. まとめ (1/2) データ分析の目的に応じた分析手法の選択を行うことができるデータ分析の目的との整合を検討することができるデータの特性を理解した分析手法を選択することができる情報活用を行うツールの特徴を説明することができる

65 8. まとめ (2/2) 発展学習への誘い今回紹介したデータ分析手法は基本的な分析手法ですデータ分析について更に深く学習したい方は統計解析のトレーニングを受講されることをお勧め致します

66 9. その他参考用語仮説検証統計解析用語解説仮説の真偽を事実情報に基づいた実験や観察などを通じて確かめること統計処理ともいう統計学の手法でデータを解析して客観的に説明する方法

67 考えてみましょうデータ分析はなぜ必要なのでしょうか? 適切な情報がないと決められず適切な情報を得るにはデータ分析が必要になるから

68 確認テストデータの分析用途として大きく 4 つに分類されます以下の空欄をうめてください全体を把握する比較して判断する仮説を検証する知識を発見する

69 確認テスト全体像を把握する分析手法には何があるか 1 つ答えてください度数分布とヒストグラム

70 確認テスト相関関係があると思われる事例を 1 つ挙げてくださいコーヒーを多く飲む人ほど死亡率が高い

71 考えてみましょう仮説分析においてデータ分析手法を決定する際は何をもとに検討するとよいでしょうか? 仮説

72 考えてみましょう外れ値を分析することの利点には何が考ええられますか? 想定範囲外となった値に着目してその値の背景となる事象をとらえることで新たな仮説を導き出すことにつながる

73 考えてみましょう自社でデータ分析する ICT ツールをどのように活用して行くのが良いと考えますか? 例 ) まずは Excel から効果の見込みが持てたら専用の分析ツールの導入を検討する

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