Size: px
Start display at page:

Download ""

Transcription

1 Ecel 演習問題 Work Shee 解答

2

3 第 章 Ecel 演習問題 WorkShee 解答 問題 転置行列 TRANSPOSE( ) 問題 - X X 転置行列 TRANSPOSE( ) 問題 y 転置行列 TRANSPOSE( ) y ベクトルの積. MMULT( ) 問題 -4 X X 転置行列 TRANSPOSE( ) 行列の積 行列の積 X X または X X TRANSPOSE( ) MMULT( ) MMULT( ) --

4 問題 - - A A A - A 逆行列 MINVERSE( ) 単位行列 MMULT( ) --

5 第 章 Ecel 演習問題 WorkShee 解答 問題 - 特性 データ 問題 - 6 最頻値 Mo 8.6 MODE( ) 中央値 Me 9. MEDIAN( ) 平均値 9.90 AVERAGE( ) 範囲 R 6.9 MAX( ), MIN( ) 平方和 S 8.80 SUMPRODUCT( ), SUM( ) 分散 V.48 標準偏差 () s.4 SQRT( ) 標準偏差 () s.4 STDEV( ) データ データ個数 n 0 COUNT( ) 最大値 ma.96 MAX( ) 最小値 min.69 MIN( ) 範囲 R.7 測定単位 m 級の幅 h 度数表 級 No. 境界値下限 ~ 上限 中央値 度数.68 ~ ~ ~ ~ ~ ~ ~ ~ ヒストグラム FREQUENCY( ) 0 度 0 数 0 平均値.08 AVERAGE( ) 標準偏差 s STDEV( ) --

6 問題 - No データ個数 n 0 0 COUNT( ) 4 最大値 ma 47 MAX( ) 0 40 最小値 min 6 9 MIN( ) 範囲 R 平均値 AVERAGE( ) 6 4 標準偏差 s 4.. STDEV( ) 散布図 X 特性間の関係 4 4 相関係数 r CORREL( ) 回帰直線の推定 7 40 切片 a.90 INTERCEPT( ) 8 47 傾き b 0.94 SLOPE( ) a + b 問題 -4 () P r ( ウ 0. 8) 0 NORMDIST( ) () P r ( ウ06) 0. NORMDIST( ) -4-

7 () P r ( u ウ -. ) 968 NORMSDIST( ) (4) P r (-.0 ウ u ウ. ) NORMSDIST( ) 問題 - u f ( ) ( ) u F u NORMDIST( ) 正規分布 累積正規分布 f(u) F(u)

8 第 章 Ecel 演習問題 WorkShee0 解答 問題 - No. 身長体重胸囲座高 平均値 標準偏差 [ - m] [ - m] S S R 偏差行列 転置行列 TRANSPOSE( ) 偏差積和行列 偏差積和行列 または S MMULT( ) TRANSPOSE( ) 分散共分散行列 MMULT( ) 相関行列 CORREL( )

9 問題 - No. No. 性別 身長 体重 胸囲 座高 男児 女児 男児 女児 男児 男児 女児 女児 女児 男児 男児, 女児別に全体のデータ ( 身長, 体重, 胸囲, 座高 ) を並べかえる 性別身長体重胸囲座高 男児 男児 男児 男児 男児 女児 女児 女児 女児 女児 平均値 男児標準偏差 平均値 女児標準偏差 () 男児の統計量 [ - m] 転置行列 TRANSPOSE( ) S S R 偏差積和行列 偏差積和行列 または S MMULT( ) TRANSPOSE( ) 分散共分散行列 MMULT( ) 相関行列 CORREL( )

10 () 女児の統計量 転置行列 [ - m] TRANSPOSE( ) S S R 偏差積和行列 偏差積和行列 または S MMULT( ) TRANSPOSE( ) 分散共分散行列 MMULT( ) 相関行列 CORREL( )

11 第 章 Ecel 演習問題 WorkShee0 解答 問題 - No. 身長 体重 胸囲 座高 平均値 標準偏差 S 偏差積和行列 TRANSPOSE( ) MMULT( ) 例 : {MMULT(TRANSPOSE($E$6:$E$)-$E$6,B6:B-B6)} S 分散共分散行列 例 : G/9 R 相関行列 CORREL( ) 例 : CORREL($E$6:$E$,D6:D) -9-

12 問題 - No. No. 性別 身長 体重 胸囲 座高 男児 女児 男児 女児 男児 男児 女児 女児 女児 男児 男児, 女児別に全体のデータ ( 身長, 体重, 胸囲, 座高 ) を並べかえる 性別 身長 体重 胸囲 座高 男児 男児 男児 男児 男児 女児 女児 女児 女児 女児 平均値 男児標準偏差 平均値 女児標準偏差 () 男児の統計量 4 4 S S R 偏差積和行列 4 分散共分散行列 4 相関行列 TRANSPOSE( ) MMULT( ) CORREL( )

13 () 女児の統計量 S S R 偏差積和行列 4 分散共分散行列 4 相関行列 TRANSPOSE( ) MMULT( ) CORREL( )

14 第 4 章 Ecel 演習問題 WorkShee0 解答 問題 4- 使用年走行距離 価格 No. ( 年 ) ( 万 Km) ( 万円 ) y - - y - y 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) [ - ] S - S 転置行列 TRANSPOSE( ) 偏差積和行列 偏差積和行列 または S TRANSPOSE( ) MMULT( ) MMULT( ) 逆行列 MINVERSE( ) S y 偏差積和行列 または S - y - TRANSPOSE( ) MMULT( ) MMULT( ) b b b b y - b - b 4. 0 使用年走行距離 価格 予測値 No. ( 年 ) ( 万 Km) ( 万円 ) ( 万円 ) - - y - y y Y Y -Y 平均値 分散 標準偏差 R 重相関係数 CORREL( ) --

15 問題 4- A A A n - 転置行列 TRANSPOSE( ) 分散共分散行列 MMULT( ) ###### 相関行列 相関行列 SQRT( ) R または, R MMULT( ) TRANSPOSE( ) CORREL( ) ただし, s ij r ij s ラs - R 逆行列 MINVERSE( ) ii jj Rp 偏相関行列 ただし, q ij - r r ii ij ラr jj 予測値 b 4. b ( 年 ).0 ( 万 Km) b Y 66.8 ( 万円 ) --

16 第 4 章 Ecel 演習問題 WorkShee0 解答 問題 4- 使用年走行距離 価格 No. ( 年 ) ( 万 Km) ( 万円 ) y 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) S y 偏差積和行列 y TRANSPOSE( ) ###### MMULT( ) - S 逆行列 MINVERSE( ) S y 偏差積和行列 b b b b y - b - b 4. 0 使用年走行距離 価格 予測値 残差 No. ( 年 ) ( 万 Km) ( 万円 ) ( 万円 ) y Y e 平均値 分散 標準偏差 R 重相関係数 CORREL( ) -4-

17 問題 4- y 分散共分散行列 ###### y 相関行列 相関行列 R または, R CORREL( ) SQRT( ) MMULT( ) TRANSPOSE( ) ただし, s ij r ij s ラs - R 逆行列 MINVERSE( ) ii jj ii r 逆行列の対角要素 Rp 偏相関行列 SQRT( ) MMULT( ) ただし, TRANSPOSE( ) q ij - r r ii ij ラr jj 予測値 b 4. b ( 年 ).0 ( 万 Km) b Y 66.8 ( 万円 ) --

18 参考 各種統計量の行列 ( 偏差積和行列, 分散共分散行列, 相関行列, 偏相関行列 ) の求め方 データ例問題 - 身長体重胸囲座高 No 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) S 偏差積和行列 MMULT( ) TRANSPOSE( ) {MMULT(TRANSPOSE(B6:E-B6:E6),B6:E-B6:E6)} S 分散共分散行列 MMULT( ) TRANSPOSE( ) COUNT( ) {MMULT(TRANSPOSE(B6:E-B6:E6),B6:E-B6:E6)/(COUNT(A6:A)-)} または {C:F4/(COUNT(A6:A)-)} R 相関行列 MMULT( ) TRANSPOSE( ) COUNT( ) SQRT( ) {MMULT(TRANSPOSE(B6:E-B6:E6),B6:E-B6:E6)/ (COUNT(A6:A)-)/SQRT(MMULT(TRANSPOSE(B7:E7),B7:E7))} または {C0:F/SQRT(MMULT(TRANSPOSE(B7:E7),B7:E7))} - R 相関係数の逆行列 MINVERSE( ) -6-

19 D 相関係数の逆行列の対角要素 Rp 偏相関行列 SQRT( ) MMULT( ) TRANSPOSE( ) {-C9:F6/SQRT(MMULT(TRANSPOSE(C6:F6),C6:F6))} データ例問題 4- 使用年走行距離 価格 No. ( 年 ) ( 万 Km) ( 万円 ) y 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) S S R - R 偏差積和行列 MMULT( ) TRANSPOSE( ) 分散共分散行列 MMULT( ) TRANSPOSE( ) COUNT( ) 相関行列 MMULT( ) TRANSPOSE( ) COUNT( ) SQRT( ) 相関係数の逆行列 MINVERSE( ) D 相関係数の逆行列の対角要素 Rp 偏相関行列 SQRT( ) MMULT( ) TRANSPOSE( ) -7-

20 第 章 Ecel 演習問題 WorkShee0 解答 問題 - 計算補助表 国語社会数学理科英語生徒 No 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) S S 偏差積和行列 要素内容 S TRANSPOSE( ) MMULT( ) 分散共分散行列 要素内容 s ij S ij n - 固有値, 固有ベクトル 因子負荷量 Y Y Y Y4 Y Y Y Y Y4 Y l m l m c m c m P r ( c m ) P r ( c m ) 国語 国語 社会 社会 a m r 数学 mj 数学 理科 理科 英語 英語 SQRT( ) -8-

21 国語社会数学理科英語主成分得点生徒 No. 4 Y Y Y MMULT( ) 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) 因子負荷量第 主成分 理科 0.4 数学 0. 第 主成分 国語 -0.4 英語 -0.6 社会 -0.8 第 主成分 : 総合的成績を表す 主成分第 主成分 : 文系指向か理系指向かを表す 主成分 因子負荷量第 主成分 理科 0.4 数学 0. 第 主成分 国語 社会 -0.4 英語 第 主成分 : 文系指向か理系指向かを表す 主成分 第 主成分 : 主要 科目指向型を表す 主成分 主成分得点 第 主成分 第 主成分 第 主成分 : 総合的成績を表す 主成分 第 主成分 : 文系指向か理系指向かを表す 主成分 主成分得点 第 主成分 第 主成分 第 主成分 : 文系指向か理系指向かを表す 主成分第 主成分 : 主要 科目指向型を表す 主成分 -9-

22 問題 - 身長体重バストウェストヒップ身長体重バストウェストヒップ女優 No. u u u u u STANDARDIZE( ) 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) S R 偏差積和行列 積和行列 または u u TRANSPOSE( ) n TRANSPOSE( ) 要素内容 s n MMULT( ) 要素内容 u u MMULT( ) S - ij ij i j 相関行列 相関行列 または R CORREL( ) u u 要素内容 rij n - su ij ik k jk 固有値, 固有ベクトル 因子負荷量 Y Y Y Y4 Y Y Y Y Y4 Y l m l m c m c m P r ( c m ) P r ( c m ) 身長 身長 体重 体重 r バスト mj バスト ウェスト ウェスト ヒップ ヒップ SQRT( ) a m -0-

23 身長体重バストウェストヒップ主成分得点女優 No. u u u u u 4 Y Y Y MMULT( ) 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) 因子負荷量 (Y-Y) 第 主成分.0 0. 身長 因子負荷量 (Y-Y) 第 主成分.0 身長 0. 第 主成分体重 ヒップ.0 ウェストバスト -0. ヒップ体重 第 主成分.0 バスト -0. ウェスト 第 主成分 : 総合的な体型を表す 主成分, 大柄か? 小柄か? 第 主成分 : スリムな体型を表す 主成分, 太身か? 痩身か? 第 主成分 : 魅力的な体型を表す 主成分, グラマ型か? スリムか? 主成分得点 (Y-Y) 第 主成分 0 主成分得点 (Y-Y) 第 主成分 第 主成分 第 主成分 第 主成分 : 総合的な体型を表す 主成分, 大柄か? 小柄か? 第 主成分 : スリムな体型を表す 主成分, 太身か? 痩身か? 第 主成分 : 魅力的な体型を表す 主成分, グラマ型か? スリムか? --

24 第 章 Ecel 演習問題 WorkShee0 解答 問題 - 生徒 No. 国語 社会 数学 理科 英語 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) S S 偏差積和行列 分散共分散行列 要素内容 s ij S ij n - 固有値, 固有ベクトル 因子負荷量 Y Y Y Y4 Y Y Y Y Y4 Y l m l m c m c m P r ( c m ) P r ( c m ) 国語 国語 社会 社会 a m 数学 r mj 数学 理科 理科 英語 英語 SQRT( ) --

25 生徒 No. 国語 社会 数学 理科 英語 4 主成分得点 MMULT( ) 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) Y Y Y 因子負荷量第 主成分 理科 0.4 数学 0. 第 主成分 国語 -0.4 英語 -0.6 社会 -0.8 第 主成分 : 総合的成績を表す 主成分第 主成分 : 文系指向か理系指向かを表す 主成分 因子負荷量第 主成分 理科 0.4 数学 0. 第 主成分 国語 社会 -0.4 英語 第 主成分 : 文系指向か理系指向かを表す 主成分 第 主成分 : 主要 科目指向型を表す 主成分 主成分得点 第 主成分 第 主成分 第 主成分 : 総合的成績を表す 主成分 第 主成分 : 文系指向か理系指向かを表す 主成分 主成分得点 第 主成分 第 主成分 第 主成分 : 文系指向か理系指向かを表す 主成分第 主成分 : 主要 科目指向型を表す 主成分 --

26 問題 - 女優 No. 身長 体重 バスト ウェスト ヒップ 身長 体重 バスト ウェスト ヒップ u u 4 u u u STANDARDIZE( ) 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) S 偏差積和行列 相関行列 相関行列 R または R CORREL( ) su 要素内容 r ij ij n - 固有値, 固有ベクトル 因子負荷量 Y Y Y Y4 Y Y Y Y Y4 Y l m l m c m c m P r ( c m ) P r ( c m ) 身長 身長 体重 体重 バスト r mj バスト ウェスト ウェスト ヒップ ヒップ SQRT( ) a m -4-

27 女優 No. 身長 体重 バスト ウェスト ヒップ u u u u u4 主成分得点 MMULT( ) 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) Y Y Y 因子負荷量 (Y-Y) 第 主成分.0 0. 身長 因子負荷量 (Y-Y) 第 主成分.0 身長 0. 第 主成分体重 ヒップ.0 ウェストバスト -0. ヒップ体重 第 主成分.0 バスト -0. ウェスト 第 主成分 : 総合的な体型を表す 主成分, 大柄か? 小柄か? 第 主成分 : スリムな体型を表す 主成分, 太身か? 痩身か? 第 主成分 : 魅力的な体型を表す 主成分, グラマ型か? スリムか? 主成分得点 (Y-Y) 第 主成分 0 主成分得点 (Y-Y) 第 主成分 第 主成分 第 主成分 第 主成分 : 総合的な体型を表す 主成分, 大柄か? 小柄か? 第 主成分 : スリムな体型を表す 主成分, 太身か? 痩身か? 第 主成分 : 魅力的な体型を表す 主成分, グラマ型か? スリムか? --

28 第 章 Ecel 演習問題 WorkShee0 解答 問題 - 生徒 No. 国語 社会 数学 理科 英語 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) 分散共分散行列 要素内容 S ( i i )( j j ) ( i )( j ) i j n n ( n ) S または S SUMPRODUCT( ) MMULT( ) SUM( ) TRANSPOSE( ) 固有値, 固有ベクトル 因子負荷量 Y Y Y Y4 Y Y Y Y Y4 Y l m l m c m c m P r ( c m ) P r ( c m ) 国語 国語 社会 社会 a m 数学 r mj 数学 理科 理科 英語 英語 SQRT( ) -6-

29 生徒 No. 国語社会数学理科英語主成分得点 4 Y Y Y MMULT( ) 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) 因子負荷量第 主成分 理科 理科 因子負荷量第 主成分 数学 第 主成分 英語 -0.6 社会 国語 国語 -0.4 社会 数学 英語 第 主成分 第 主成分 : 総合的成績を表す 主成分 第 主成分 : 文系指向か理系指向かを表す 主成分 第 主成分 : 文系指向か理系指向かを表す 主成分 第 主成分 : 主要 科目指向型を表す 主成分 主成分得点第 主成分 40 主成分得点第 主成分 第 主成分 第 主成分 第 主成分 : 総合的成績を表す 主成分 第 主成分 : 文系指向か理系指向かを表す 主成分 第 主成分 : 文系指向か理系指向かを表す 主成分 第 主成分 : 主要 科目指向型を表す 主成分 -7-

30 問題 - 女優 No. 身長体重バストウェストヒップ 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) 相関行列相関行列 ( 別解 ) 要素内容 u u rij n R または R CORREL( ) MMULT( ) STANDARDIZE( ) 固有値, 固有ベクトル 因子負荷量 Y Y Y Y4 Y Y Y Y Y4 Y l m l m c m c m P r ( c m ) P r ( c m ) 身長 身長 体重 体重 バスト r mj バスト ウェスト ウェスト ヒップ ヒップ SQRT( ) a m -8-

31 身長体重バストウェストヒップ主成分得点女優 No. u u u u4 u Y Y Y MMULT( ) 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) 因子負荷量第 主成分.0 身長 因子負荷量第 主成分.0 身長 体重第 主成分ヒップ ヒップ 体重 第 主成分 ウェスト バスト バスト -0. ウェスト 第 主成分 : 総合的な体型を表す 主成分, 大柄か? 小柄か? 第 主成分 : スリムな体型を表す 主成分, 太身か? 痩身か? 第 主成分 : 魅力的な体型を表す 主成分, グラマ型か? スリムか? 主成分得点第 主成分.0 主成分分析第 主成分 第 主成分 第 主成分 第 主成分 : 総合的な体型を表す 主成分, 大柄か? 小柄か? 第 主成分 : スリムな体型を表す 主成分, 太身か? 痩身か? 第 主成分 : 魅力的な体型を表す 主成分, グラマ型か? スリムか? -9-

32 第 6 章 Ecel 演習問題 WorkShee0 解答 問題 6- No. 成績 合格 合格 合格 合格 合格 合格.0 平均値 標準偏差 不合格.60 6 不合格.60 8 不合格 不合格.60 4 不合格 -.40 AVERAGE( ) 平均値 STDEV( ) 標準偏差 7.0 合格 群 について 外部変数 - n[ ] [ - m] [ ] TRANSPOSE( ) [ ] [ S 9. MMULT( ) または S ] 9. TRANSPOSE( ) MMULT( ) 不合格 群 について n[ ] [ - m] [ ] TRANSPOSE( ) [ ] [ S 6. MMULT( ) または S ] 6. TRANSPOSE( ) MMULT( ) 線型判別関数 [ m ] [ 68. m ] 6.4 m.4 s 06.0 z i ( -.4 ) i 成績 No. 外部変数 zi 判定 合格 6 合格 4 合格 不合格 90 合格.94 合格 誤判別の確率 4 76 合格.47 合格 67 合格. 合格 d 6 8 合格.0 合格 u s 不合格 -. 不合格 6 不合格.00 合格 P r ( u < u 0 ) 不合格 -.6 不合格 4 40 不合格 -.0 不合格 NORMSDIST( ) 4 不合格 -.98 不合格 -40-

33 予測 0 0 判定 不合格 z 合格 z 0 問題 6- No. 検査値 検査値 外部変数. 8 健康者 健康者 健康者 健康者 健康者 健康者 健康者 健康者 健康者 健康者 平均値 標準偏差 患者 患者 患者 患者 患者 患者 患者 患者 患者 患者 平均値 AVERAGE( ) 標準偏差 STDEV( ) 健康者 群 について - - n[ ] [ - m] [ ] [ S ] S [ ] TRANSPOSE( ) または [ S 7. 4 MMULT( ) 7. 4 TRANSPOSE( ) MMULT( ) 患者 群 について n[ ] [ - m] [ ] [ S ] S [ ] TRANSPOSE( ) または [ S ] MMULT( ) TRANSPOSE( ) MMULT( )

34 線型判別関数 S MINVERSE( ) S [ m ] [ ] [ ] [ m - m ] m [ ] [ ] - [ m - m ] S [ 6.7 m ] [. ] [ 48.7 ] 67.9 m MMULT( ) m z i または i i - z i ( ) ( - 8. ) No. 検査値 検査値 外部変数 zi 判定. 8 健康者 患者 健康者.8 健康者 7. 4 健康者 4.07 健康者 健康者 -. 患者.8 7 健康者.8 健康者 6. 0 健康者. 健康者 7 4. 健康者. 健康者 健康者 4.44 健康者 健康者.79 健康者 健康者.47 健康者 患者 -.66 患者 4. 6 患者 -.8 患者 患者 -.6 患者 患者 -0. 患者.6 70 患者 -.6 患者 患者 -.60 患者 患者 -.7 患者 患者 -4.9 患者 患者 0.4 健康者 患者 -0.6 患者 誤判別の確率 [ ] [ ] [ m - m ] [ ] [ ] [ m - m ] [ ] i [ ] [ ] - m - m S MMULT( ) [ ] [ ] - [ ] [ ] u [ m - m ] S [ m - ] 4.6 MMULT( ) 0 m i ( ) ( < Pr zi < 0 Pr u ) 0.46 NORMSDIST( ) -4-

35 第 6 章 Ecel 演習問題 WorkShee0 解答 問題 6- No. 成績 合格 4 合格 90 合格 4 76 合格 67 合格 6 8 合格 平均値 68. AVERAGE( ) 標準偏差 7.8 STDEV( ) 8 不合格 6 不合格 8 不合格 4 40 不合格 4 不合格 平均値 6.4 AVERAGE( ) 標準偏差 7.0 STDEV( ) 合格 群 について 外部変数 n[ ] [ S ] 6 9. MMULT( ) TRANSPOSE( ) 不合格 群 について n[ ] [ S ] 6. MMULT( ) TRANSPOSE( ) 線型判別関数 [ m ] [ 68. m ] 6.4 m.4 s 06.0 z i ( -.4 ) i No. 成績 外部変数 zi 判定 合格 6 合格 4 合格 不合格 90 合格.94 合格 誤判別の確率 4 76 合格.47 合格 67 合格. 合格 d 6 8 合格.0 合格 u s 不合格 -. 不合格 6 不合格.00 合格 P r ( u < u 0 ) 不合格 -.6 不合格 4 40 不合格 -.0 不合格 NORMSDIST( ) 4 不合格 -.98 不合格 予測 0 判定 不合格 z 合格 z 0-4-

36 問題 6- No. 検査値 検査値 外部変数. 8 健康者 健康者 7. 4 健康者 健康者.8 7 健康者 6. 0 健康者 7 4. 健康者 健康者 健康者 健康者 平均値 AVERAGE( ) 標準偏差 STDEV( ) 患者 4. 6 患者 患者 患者.6 70 患者 患者 患者 患者 患者 患者 平均値 AVERAGE( ) 標準偏差 STDEV( ) 健康者 群 について n[ ] [ S ] S [ ] MMULT( ) TRANSPOSE( ) 患者 群 について n[ ] [ S ] S [ ] MMULT( ) TRANSPOSE( ) 線型判別関数 S MINVERSE( ) S [ m ] [ ] [ ] [ m - m ] m [ 6.7 m ] [. ] [ 48.7 ] m m -44-

37 [ ] [ ] - [ m - m ] S MMULT( ) z i または i i - z i ( ) ( - 8. ) No. 検査値 検査値 外部変数 zi 判定. 8 健康者 患者 健康者.8 健康者 7. 4 健康者 4.07 健康者 健康者 -. 患者.8 7 健康者.8 健康者 6. 0 健康者. 健康者 7 4. 健康者. 健康者 健康者 4.44 健康者 健康者.79 健康者 健康者.47 健康者 患者 -.66 患者 4. 6 患者 -.8 患者 患者 -.6 患者 患者 -0. 患者.6 70 患者 -.6 患者 患者 -.60 患者 患者 -.7 患者 患者 -4.9 患者 患者 0.4 健康者 患者 -0.6 患者 誤判別の確率 [ ] [ ] [ m - m ] i. -9. [ ] [ ] [ m - m ]. -9. [ ] [ ] - [ m - m ] S MMULT( ) u [ ] [ ] - [ ] [ m - m ] S [ m - [ ] ] 4.6 MMULT( ) 0 m i ( ) ( < Pr zi < 0 Pr u ) 0.46 NORMSDIST( ) -4-

38 第 7 章 Ecel 演習問題 WorkShee0 解答 問題 7- 体力テスト 運動能力テスト サンフ ルNo. 背筋力 握力 垂直跳び敏捷性 0m 走走り幅跳び 懸垂 ボール投げ ( Kg ) ( Kg ) ( cm ) ( 回 ) ( 秒 ) ( m ) ( 回 ) ( m ) 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) サンフ ル No. 標準化 体力テスト 運動能力テスト q 4 背筋力 握力 垂直跳び敏捷性 0m 走走り幅跳び 懸垂 ボール投げ u u u u ( p 4) ( ) u u u 4 6 u STANDARDIZE( ) 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) -46-

39 R 相関行列 u u u u u u 4 6 u 7 u 相関行列の要素 R R R R R R R R R 逆行列 逆行列 R R MINVERSE( ) MINVERSE( ) R - - RR R 固有方程式 MMULT( ) F F F F 4 固有値 固有ベクトル a m b m R R a m m 正準変量 MMULT( ) SQRT( ) r yz 正準相関係数 SQRT( ) -47-

40 問題 7- サンフ ル No. 体力テスト正準運動能力テスト q 4 背筋力握力垂直跳び敏捷性変量 0m 走走り幅跳び懸垂ボール投げ u u u u ( p 4) 正準変量 平均値 分散 標準偏差.0.0 STANDARDIZE( ) AVERAGE( ) VAR( ) STDEV( ) 第 正準変量の散布図 ( ) u4 y u u 6 u 7 8 z.0. z No y No

41 第 7 章 Ecel 演習問題 WorkShee0 解答 問題 7- 体力テスト 運動能力テスト サンフ ルNo. 背筋力 握力 垂直跳び敏捷性 0m 走走り幅跳び 懸垂 ボール投げ ( Kg ) ( Kg ) ( cm ) ( 回 ) ( 秒 ) ( m ) ( 回 ) ( m ) 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) R 相関行列 u u u u u u 4 6 u 7 u CORREL( ) 相関行列の要素 R R R R R R R R R 逆行列 逆行列 R R MINVERSE( ) MINVERSE( ) -49-

42 R - - RR R 固有方程式 MMULT( ) F F F F 4 固有値 固有ベクトル a m b m R R a m m 正準変量 MMULT( ) SQRT( ) r yz 正準相関係数 SQRT( ) 問題 7- サンフ ル No. 体力テスト正準運動能力テスト q 4 背筋力握力垂直跳び敏捷性変量 0m 走走り幅跳び懸垂ボール投げ u u u u ( p 4) ( ) u4 y u u 6 u 7 8 正準変量 平均値 分散 標準偏差.0.0 STANDARDIZE( ) AVERAGE( ) VAR( ) STDEV( ) MMULT( ) z -0-

43 第 正準変量の散布図.0. z No y No

44 第 8 章 Ecel 演習問題 WorkShee0 解答 問題 8- 生徒 No. 国語社会数学理科英語国語社会数学理科英語 4 u u u u u 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) S 相関行列 要素内容 r jj' n i u u ij ij' n R A A p p p 行列 要素内容 hˆ j r ma ( j) ma ( r j j' jj' ) 固有値, 固有ベクトル Y Y Y Y4 Y l m c m SUM( ) P r ( c m ) 国語 社会 v jm 数学 理科 英語 A m 第 因子までの因子行列 f f f f f 4 要素内容 A 国語 m 社会 h j a jk k 数学 理科 SQRT( ) 英語 SUMPRODUCT( ) h j jm l v m jm A m 第 因子までの因子行列の転置行列 TRNSPOSE( ) --

45 R A A m m 第 因子までの行列 TRNSPOSE( ) MMULT( ) E 特殊因子 要素内容 E j h j 相関行列の逆行列 MINVERSE( ) b A m S 因子得点 因子得点を求めるための係数行列 MMULT( ) F i bu i A ms ui, i,, n 生徒 No. 標準変量 因子得点 国語社会数学理科英語 u u u u u f f SUMPRODUCT( )

46 第 因子.0 第 因子.0 0. 英語.0 国語第 因子 社会.0 数学理科 -0. 第 因子 第 因子 : 総合的な学力の能力を表わす因子 (+ 側 : 学力レベルが高い,- 側 : 学力レベルが低い ) 第 因子 : 文系, 理系的指向能力を表わす因子 (+ 側 : 文系指向,- 側 : 理系指向 ) 第 因子 0. 第 因子. 社会理科英語第 因子 国語数学 第 因子 問題 8- 店舗 No 第 因子 : 文系, 理系的指向能力を表わす因子 (+ 側 : 文系指向,- 側 : 理系指向 ) 第 因子 : 数学系, 社会系科目好みを表わす因子 (+ 側 : 社会系,- 側数学系 ) 品揃え 従業員の対応 新鮮さや味 商品のレイアウト 店舗の位置 4 品揃え 従業員の対応 新鮮さや味 商品のレイアウト 店舗の位置 u u u u u 平均値 AVERAGE( ) STANDARDIZE( ) 分散 VAR( ) 標準偏差 STDEV( ) S R A A p p p 相関行列 要素内容 行列 要素内容 MAX( ) r jj' hˆ j n i r u u ij ij' n ma ( j) ma ( r j j' jj' ) -4-

47 v jm l m c m ( ) P r c m 固有値, 固有ベクトル Y Y Y Y4 Y SUM( ) 品揃え 対応 新鮮さ レイアウト 位置 P r ( c m ) A m 第 因子までの因子行列 f f f f f 4 要素内容 品揃え 対応 新鮮さ レイアウト SQRT( ) 位置 SUMSQ( ) h j A jm m k l v m h j a jk jm A m R A A m m 第 因子までの因子行列の転置行列 TRNSPOSE( ) 第 因子までの行列 TRNSPOSE( ) MMULT( ) E 特殊因子 要素内容 E j h j b S A m S 因子得点 相関行列の逆行列 MINVERSE( ) 因子得点を求めるための係数行列 MMULT( ) F i bu i A ms ui, i,, n 店舗 No 品揃え 従業員の対応 標準変量新鮮さや味 商品のレイアウト 店舗の位置 u u u u4 u 因子得点 f f f SUMPRODUCT( )

48 第 因子.0 第 因子.0 新鮮さや味 0. 商品の品揃え第 因子 第 因子 店舗の位置 従業員の対 第 因子 : 商品の品揃えおよび利便さの満足度を表す因子 (+ 側 : 品揃えがよい - 側 : 商品を買いやすい ) 第 因子 : 店舗および商品に対する満足度を表す因子 (+ 側 : 商品の満足度がよい - 側 : 店舗の満足度がよい ) 第 因子 商品の 店舗の位置 0.4 品揃え 0. 新鮮さや味 従業員の対応 第 因子 -0.4 第 因子.0 0. 第 因子 第 因子 : 店舗および商品に対する満足度を表す因子 (+ 側 : 商品の満足度がよい - 側 : 店舗の満足度がよい ) 第 因子 : 利用客の総合的満足度を表す因子 (+ 側 : 利用客の満足度が高い - 側 : 利用客の満足度が低い ) -6-

49 第 8 章 Ecel 演習問題 WorkShee0 解答 問題 8- 生徒 No. 国語 社会 数学 理科 英語 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) S 相関行列 ( 標準変量の相関行列 ) u u u u4 u 要素内容 r jj' n i u ij u n ij' R A A p p p 行列 要素内容 MAX( ) hˆ j r ma ( j) ma ( r j j' jj' ) v jm l m c m ( ) P r c m 固有値, 固有ベクトル Y Y Y Y4 Y SUM( ) 国語 社会 数学 理科 英語 A m 第 因子までの因子行列 f f f f 4 f 要素内容 国語 m 社会 h j a jk 数学 k 理科 SQRT( ) 英語 SUMSQ( ) h j A jm l v m jm -7-

50 R A A m m 第 因子までの行列 MMULT( ) TRNSPOSE( ) E 特殊因子 要素内容 E j h j S 相関行列の逆行列 MINVERSE( ) b A m S 因子得点 因子得点を求めるための係数行列 MMULT( ) TRNSPOSE( ) F i bu i A ms ui, i,, n 生徒 No. 標準変量 国語 社会 数学 理科 英語 因子得点 u u u u u f f f STANDARDIZE( ) SUMPRODUCT( )

51 因子負荷量第 因子.0 英語 0. 国語第 因子 社会.0 数学 -0. 理科 -.0 因子得点第 因子 第 因子 第 因子 : 総合的な学力の能力を表わす因子 (+ 側 : 学力レベルが高い,- 側 : 学力レベルが低い ) 第 因子 : 文系, 理系的指向能力を表わす因子 (+ 側 : 文系指向,- 側 : 理系指向 ) 因子負荷量第 因子 0. 社会理科英語第 因子 国語数学 -0. 因子得点 第 因子 第 因子 第 因子 : 文系, 理系的指向能力を表わす因子 (+ 側 : 文系指向,- 側 : 理系指向 ) 第 因子 : 数学系, 社会系科目好みを表わす因子 (+ 側 : 社会系,- 側数学系 ) 問題 8- 店舗 No 品揃え 従業員の対応 新鮮さや味 商品のレイアウト 店舗の位置 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) 相関行列 ( 標準変量の相関行列 ) n u u u u4 u uijuij' i 要素内容 rjj' S n

52 R A A p p p 行列 要素内容 MAX( ) hˆ j r ma ( j) ma ( r j j' jj' ) v jm l m c m ( ) P r c m A m 固有値, 固有ベクトル Y Y Y Y4 Y SUM( ) 品揃え 対応 新鮮さ レイアウト 位置 P r ( c m ) 第 因子までの因子行列 f f f f 4 f 要素内容 A jm lm v 品揃え m 対応 h j a jk 新鮮さ k レイアウト SQRT( ) 位置 SUMSQ( ) h j jm R A A m m 第 因子までの行列 MMULT( ) TRNSPOSE( ) E 特殊因子 要素内容 E j h j S 相関行列の逆行列 MINVERSE( ) b A m S 因子得点を求めるための係数行列 MMULT( ) TRNSPOSE( ) -60-

53 因子得点 F i bu i A ms ui, i,, n 店舗 No 品揃え 従業員の対応 標準変量新鮮さや味 商品のレイアウト 店舗の位置 u u u u4 u 因子得点 f f f STANDARDIZE( ) SUMPRODUCT( ) 因子負荷量第 因子.0 新鮮さや味 0. 商品の品揃え第 因子 従業員の -0. 店舗の位置 -.0 因子得点第 因子 第 因子 第 因子 : 商品の品揃えおよび利便さの満足度を表す因子 (+ 側 : 品揃えがよい - 側 : 商品を買いやすい ) 第 因子 : 店舗および商品に対する満足度を表す因子 (+ 側 : 商品の満足度がよい - 側 : 店舗の満足度がよい ) 因子負荷量 第 因子 商品の 0.4 店舗の位置 品揃え 0. 新鮮さや味 従業員の対応 第 因子 因子得点第 因子 第 因子 第 因子 : 店舗および商品に対する満足度を表す因子 (+ 側 : 商品の満足度がよい - 側 : 店舗の満足度がよい ) 第 因子 : 利用客の総合的満足度を表す因子 (+ 側 : 利用客の満足度が高い - 側 : 利用客の満足度が低い ) -6-

54 第 8 章 Ecel 演習問題 WorkShee(SMC 規準 ) 解答 問題 8- 生徒 No. 国語 社会 数学 理科 英語 平均値 AVERAGE( ) 分散 VAR( ) 標準偏差 STDEV( ) S 相関行列 ( 標準変量の相関行列 ) u u u u4 u 要素内容 r jj' n i u u ij ij' n S 相関行列 ( 標準変量の相関行列 ) の逆行列 MINVERSE( ) R A A p p p 行列 要素内容 hˆ j SMC jj r v jm l m c m ( ) P r c m 固有値, 固有ベクトル Y Y Y Y4 Y SUM( ) 国語 社会 数学 理科 英語

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

More information

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

第4回

第4回 Excel で度数分布表を作成 表計算ソフトの Microsoft Excel を使って 度数分布表を作成する場合 関数を使わなくても 四則演算(+ */) だけでも作成できます しかし データ数が多い場合に度数を求めたり 度数などの合計を求めるときには 関数を使えばデータを処理しやすく なります 度数分布表の作成で使用する関数 合計は SUM SUM( 合計を計算する ) 書式 :SUM( 数値数値

More information

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

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

More information

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

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

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

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

More information

経営統計学

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

More information

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

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

スライド 1

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

More information

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 ppt

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

More information

平均値 () 次のデータは, ある高校生 7 人が ヵ月にカレーライスを食べた回数 x を調べたものである 0,8,4,6,9,5,7 ( 回 ) このデータの平均値 x を求めよ () 右の表から, テレビをみた時間 x の平均値を求めよ 階級 ( 分 ) 階級値度数 x( 分 ) f( 人 )

平均値 () 次のデータは, ある高校生 7 人が ヵ月にカレーライスを食べた回数 x を調べたものである 0,8,4,6,9,5,7 ( 回 ) このデータの平均値 x を求めよ () 右の表から, テレビをみた時間 x の平均値を求めよ 階級 ( 分 ) 階級値度数 x( 分 ) f( 人 ) データの分析 データの整理右の度数分布表は,A 高校の 0 人について, 日にみたテレビの時間を記入したものである 次の問いに答えよ () テレビをみた時間が 85 分未満の生徒は何人いるか () テレビをみた時間が 95 分以上の生徒は全体の何 % であるか (3) 右の度数分布表をもとにして, ヒストグラムをかけ 階級 ( 分 ) 階級値度数相対 ( 分 ) ( 人 ) 度数 55 以上 ~65

More information

スライド 1

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

More information

0415

0415 今回の授業の狙い 基本的な統計量を求め 活用できること 章統計量と確率分布のと確率分布の活用 part 統計解析で用いる代表的な確率分布の特徴を 把握すること 統計解析の全体像 統計解析での注意点 ()( サンプリング サンプル 測定 母集団 何らかの意味で同質性が期待できるものの集団 e 日本人男性同じ条件で作った製品 母集団 推定 アクション 事実に基づく判断 データからモノをいう データ解析

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

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

(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

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

Microsoft PowerPoint - Lecture 10.ppt [互換モード]

Microsoft PowerPoint - Lecture 10.ppt [互換モード] 講義予定 環境プラニング演習 II 第 0 回 009. 6. 7 千葉大学工学部都市環境システム学科 山崎文雄 http://ares.tu.cha-u.jp/ tu ujp/ ( 009 年 4 月 8 日 ( 土 :50 ー 4:0 演習の説明, 微分 積分と数値計算 ( 009 年 4 月 5 日 ( 土 :50 ー 4:0 微分 積分と数値計算 (3 009 年 5 月 9 日 ( 土 :50

More information

第 3 回講義の項目と概要 統計的手法入門 : 品質のばらつきを解析する 平均と標準偏差 (P30) a) データは平均を見ただけではわからない 平均が同じだからといって 同一視してはいけない b) データのばらつきを示す 標準偏差 にも注目しよう c) 平均

第 3 回講義の項目と概要 統計的手法入門 : 品質のばらつきを解析する 平均と標準偏差 (P30) a) データは平均を見ただけではわからない 平均が同じだからといって 同一視してはいけない b) データのばらつきを示す 標準偏差 にも注目しよう c) 平均 第 3 回講義の項目と概要 016.8.9 1.3 統計的手法入門 : 品質のばらつきを解析する 1.3.1 平均と標準偏差 (P30) a) データは平均を見ただけではわからない 平均が同じだからといって 同一視してはいけない b) データのばらつきを示す 標準偏差 にも注目しよう c) 平均 :AVERAGE 関数, 標準偏差 :STDEVP 関数とSTDEVという関数 1 取得したデータそのものの標準偏差

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 5 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 確率分布 期待値 独立 4. 推定と検定 - 記述統計と推測統計 推定 検定 (2 項検定 ) 5. 線形回帰分析 -

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

hokou

hokou 保健統計配布資料 2012/9/25 Ⅰ データのダウンロード 課題 1 講義用 HP から女子の身長と体重のデータをダウンロードし A 列に番号を入力せよ A 列の入力は 後で説明する連続データの入力が便利である 1 保健統計講義用 HP(http://www.tokuyama-kango.or.jp/kawada) を開き スケジュールの第 3 回目から 身長と体重 のデータ ( ファイル名は

More information

目次 1 章 SPSS の基礎 基本 はじめに 基本操作方法 章データの編集 はじめに 値ラベルの利用 計算結果に基づく新変数の作成 値のグループ化 値の昇順

目次 1 章 SPSS の基礎 基本 はじめに 基本操作方法 章データの編集 はじめに 値ラベルの利用 計算結果に基づく新変数の作成 値のグループ化 値の昇順 SPSS 講習会テキスト 明治大学教育の情報化推進本部 IZM20140527 目次 1 章 SPSS の基礎 基本... 3 1.1 はじめに... 3 1.2 基本操作方法... 3 2 章データの編集... 6 2.1 はじめに... 6 2.2 値ラベルの利用... 6 2.3 計算結果に基づく新変数の作成... 7 2.4 値のグループ化... 8 2.5 値の昇順 降順... 10 3

More information

スライド 1

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

More information

経済データ分析A

経済データ分析A 経済データ分析 A 第 6 回 1 変量統計の復習 Excel 操作編 芳賀麻誉美 mayomi@mayomi.org Part2. 基本統計量の算出 ( 平均 分散 標準偏差 ) 3. 式の入力と計算 関数の利用合計 データの個数 平均 分散 標準偏差の求め方 F12~F14 F16 に 文字を入力 ( 行見出し ) 1) データの合計を SUM 関数を使って求める G2:G11 と記述された :(

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

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

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

More information

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

確率・統計の基礎知識

確率・統計の基礎知識 補足資料 確率 統計の基礎知識 2012 年 8 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 相関行列と分散共分散行列相関行列と分散共分散行列 3. 確率変数と確率分布 - 確率変数 確率分布 期待値 独立 4. 推定と検定 - 記述統計と推測統計 推定

More information

講義ノート p.2 データの視覚化ヒストグラムの作成直感的な把握のために重要入力間違いがないか確認するデータの分布を把握する fig. ヒストグラムの作成 fig. ヒストグラムの出力例 度数分布表の作成 データの度数を把握する 入力間違いが無いかの確認にも便利 fig. 度数分布表の作成

講義ノート p.2 データの視覚化ヒストグラムの作成直感的な把握のために重要入力間違いがないか確認するデータの分布を把握する fig. ヒストグラムの作成 fig. ヒストグラムの出力例 度数分布表の作成 データの度数を把握する 入力間違いが無いかの確認にも便利 fig. 度数分布表の作成 講義ノート p.1 前回の復習 尺度について数字には情報量に応じて 4 段階の種類がある名義尺度順序尺度 : 質的データ間隔尺度比例尺度 : 量的データ 尺度によって利用できる分析方法に差異がある SPSS での入力の練習と簡単な操作の説明 変数ビューで変数を設定 ( 型や尺度に注意 ) fig. 変数ビュー データビューでデータを入力 fig. データビュー 講義ノート p.2 データの視覚化ヒストグラムの作成直感的な把握のために重要入力間違いがないか確認するデータの分布を把握する

More information

Microsoft Word - reg2.doc

Microsoft Word - reg2.doc 回帰分析 重回帰 麻生良文. 前提 個の説明変数からなるモデルを考える 重回帰モデル : multple regresso model α β β β u : 被説明変数 epled vrle, 従属変数 depedet vrle, regressd :,,.., 説明変数 epltor vrle, 独立変数 depedet vrle, regressor u: 誤差項 error term, 撹乱項

More information

夏期講習高 センター数学 ⅠA テキスト第 講 [] 人の生徒に数学のテストを行った 次の表 は, その結果である ただし, 表 の数値はすべて正確な値であるとして解答せよ 表 数学のテストの得点 次

夏期講習高 センター数学 ⅠA テキスト第 講 [] 人の生徒に数学のテストを行った 次の表 は, その結果である ただし, 表 の数値はすべて正確な値であるとして解答せよ 表 数学のテストの得点 次 夏期講習高 センター数学 ⅠA テキスト第 講 第 講 三角比 データの分析 ABC は AB=,BC=,AC= を満たす ⑴ cos B= アイ である 辺 BC 上に点 D を取り, ABD の外接円の半径を R とするとき, AD R = ウであり, 点 D を点 B から点 C まで移動させるとき,R の最小値はエである ただし, 点 D は点 B とは異なる点とする ⑵ ABD の外接円の中心が辺

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

要旨 1. 始めに PCA 2. 不偏分散, 分散, 共分散 N N 49

要旨 1. 始めに PCA 2. 不偏分散, 分散, 共分散 N N 49 要旨 1. 始めに PCA 2. 不偏分散, 分散, 共分散 N N 49 N N Web x x y x x x y x y x y N 三井信宏 : 統計の落とし穴と蜘蛛の糸,https://www.yodosha.co.jp/jikkenigaku/statistics_pitfall/pitfall_.html 50 標本分散 不偏分散 図 1: 不偏分散のほうが母集団の分散に近付くことを示すシミュレーション

More information

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

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

More information

第7章

第7章 5. 推定と検定母集団分布の母数を推定する方法と仮説検定の方法を解説する まず 母数を一つの値で推定する点推定について 推定精度としての標準誤差を説明する また 母数が区間に存在することを推定する信頼区間も取り扱う 後半は統計的仮説検定について述べる 検定法の基本的な考え方と正規分布および二項確率についての検定法を解説する 5.1. 点推定先に述べた統計量は対応する母数の推定値である このように母数を一つの値およびベクトルで推定する場合を点推定

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

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 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

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

【指導のポイント】

【指導のポイント】 教材 -B-() の解答資料の活用 分析 さいひんち 度数 最頻値 の解決のために さいひんち最頻値の相対度数の求め方 説明文 相対度数は ( 相対度数 )=( 最頻値の階級の度数 ) ( ( ア ) ) で求めることができる 最頻値の階級の度数は ( イ ), ( ア ) は, ( ウ ) であるから求める ( イ ) 相対度数は, =.9 となる ( ウ ) ( ア ) 度数の合計 ( イ )

More information

Microsoft Word - apstattext01b.docx

Microsoft Word - apstattext01b.docx 1. 量的データの集計 1..1 分布とヒストグラム量的なデータの集計では まずデータの分布を見ることが大切です どの範囲にどれだけの数のデータがあるのかを示すのが度数分布表です 度数分布表の階級がデータを分類する範囲で 度数がどれだけのデータがその範囲に入っているかを表します 相対度数は その度数の全体から見た割合です また それに加えて累積度数と累積相対度数を加える場合もあります 累積度数はその階級以前の度数の合計

More information

<4D F736F F F696E74202D BD95CF97CA89F090CD F6489F18B4195AA90CD816A>

<4D F736F F F696E74202D BD95CF97CA89F090CD F6489F18B4195AA90CD816A> 主な多変量解析 9. 多変量解析 1 ( 重回帰分析 ) 目的変数 量的 説明変数 質的 あり量的 重回帰分析 数量化 Ⅰ 類 質的 判別分析 数量化 Ⅱ 類 なし 主成分分析因子分析多次元尺度構成法 数量化 Ⅲ 類数量化 Ⅳ 類 その他 クラスタ分析共分散構造分析 説明変数 : 独立変数 予測変数 目的変数 : 従属変数 基準変数 3 1. 単回帰分析各データの構造 y b ax a α: 1,,,

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

km2 km2 km2 km2 km2 22 4 H20 H20 H21 H20 (H22) (H22) (H22) L=600m L=430m 1 H14.04.12 () 1.6km 2 H.14.05.31 () 3km 3 4 5 H.15.03.18 () 3km H.15.06.20 () 1.1km H.15.06.30 () 800m 6 H.15.07.18

More information

散布度

散布度 散布度 統計基礎の補足資料 2018 年 6 月 18 日金沢学院大学経営情報学部藤本祥二 基本統計量 基本統計量 : 分布の特徴を表す数値 代表値 ( 分布の中心を表す数値 ) 平均値 (mean, average) 中央値 (median) 最頻値 (mode) 散布度 ( 分布のばらつき具合を表す数値 ) 分散 (variance) 標準偏差 (standard deviation) 範囲 (

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

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

回帰分析 単回帰

回帰分析 単回帰 回帰分析 単回帰 麻生良文 単回帰モデル simple regression model = α + β + u 従属変数 (dependent variable) 被説明変数 (eplained variable) 独立変数 (independent variable) 説明変数 (eplanator variable) u 誤差項 (error term) 撹乱項 (disturbance term)

More information

年生 章資料の活用 ( 基本問題練習 ) 入試問題を解くための準備問題です 1 に適当なことばを入れなさい 資料のとる値のうち, 最大のものから最小のものをひいた差を ア という 度数分布表において, 資料を整理するための区間を階級といい, その幅を 3 右の表は, 生徒 人のある日の睡眠時間を,

年生 章資料の活用 ( 基本問題練習 ) 入試問題を解くための準備問題です 1 に適当なことばを入れなさい 資料のとる値のうち, 最大のものから最小のものをひいた差を ア という 度数分布表において, 資料を整理するための区間を階級といい, その幅を 3 右の表は, 生徒 人のある日の睡眠時間を, 年生 章資料の活用 ( 基本問題練習 ) 入試問題を解くための準備問題です に適当なことばを入れなさい 資料のとる値のうち, 最大のものから最小のものをひいた差を ア という 度数分布表において, 資料を整理するための区間を階級といい, その幅を 右の表は, 生徒 人のある日の睡眠時間を, 度数分布表にまとめたものです この度数分布表から, ヒストグラムをつくりなさい 階級 時間 度数 イ という

More information

データの整理 ( 度数分布表とヒストグラム ) 1 次元のデータの整理の仕方として代表的な ものに度数分布表とヒストグラムがあります 度数分布表観測値をその値に応じていくつかのグループ ( これを階級という ) に分類し 各階級に入る観測値の数 ( これを度数という ) を数えて表にしたもの 2

データの整理 ( 度数分布表とヒストグラム ) 1 次元のデータの整理の仕方として代表的な ものに度数分布表とヒストグラムがあります 度数分布表観測値をその値に応じていくつかのグループ ( これを階級という ) に分類し 各階級に入る観測値の数 ( これを度数という ) を数えて表にしたもの 2 春学期統計学 I データの整理 : 度数分布 標本分散 等 担当 : 長倉大輔 ( ながくらだいすけ ) 1 データの整理 ( 度数分布表とヒストグラム ) 1 次元のデータの整理の仕方として代表的な ものに度数分布表とヒストグラムがあります 度数分布表観測値をその値に応じていくつかのグループ ( これを階級という ) に分類し 各階級に入る観測値の数 ( これを度数という ) を数えて表にしたもの

More information

因子分析

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

More information

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

相関係数と偏差ベクトル

相関係数と偏差ベクトル 相関係数と偏差ベクトル 経営統計演習の補足資料 07 年 月 9 日金沢学院大学経営情報学部藤本祥二 相関係数の復習 r = s xy s x s y = = n σ n i= σn i= n σ n i= n σ i= x i xҧ y i തy x i xҧ n σ n i= y i തy x i xҧ x i xҧ y i തy σn i= y i തy 式が長くなるので u, v の文字で偏差を表すことにする

More information

プログラミング基礎

プログラミング基礎 C プログラミング Ⅱ 演習 2-1(a) BMI による判定 文字列, 身長 height(double 型 ), 体重 weight (double 型 ) をメンバとする構造体 Data を定義し, それぞれのメンバの値をキーボードから入力した後, BMI を計算するプログラムを作成しなさい BMI の計算は関数化すること ( ) [ ] [ ] [ ] BMI = 体重 kg 身長 m 身長

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

データ分析のまとめ方

データ分析のまとめ方 R ではさまざまなデータを分析することができる R のデータセットを使う 外部ファイルを使う 作業ディレクトリの確認と変更 データの探し方 作業ディレクトリ (working directory) の確認と変更 Windows や mac では作業ディレクトリを変更できる 作業ディレクトリを自分の PC の デスクトップ に設定すると操作しやすい メニューでは : Windows の場合 : ファイル

More information

MedicalStatisticsForAll.indd

MedicalStatisticsForAll.indd みんなの 医療統計 12 基礎理論と EZR を完全マスター! Ayumi SHINTANI はじめに EZR EZR iii EZR 2016 2 iv CONTENTS はじめに... ⅲ EZR をインストールしよう... 1 EZR 1...1 EZR 2...3...8 R Console...10 1 日目 記述統計量...11 平均値と中央値... 11...12...15...18

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

消費 統計学基礎実習資料 2017/11/27 < 回帰分析 > 1. 準備 今回の実習では あらかじめ河田が作成した所得と消費のファイルを用いる 課題 19 統計学基礎の講義用 HP から 所得と消費のファイルをダウンロードしてみよう 手順 1 検索エンジンで 河田研究室 と入力し検索すると 河田

消費 統計学基礎実習資料 2017/11/27 < 回帰分析 > 1. 準備 今回の実習では あらかじめ河田が作成した所得と消費のファイルを用いる 課題 19 統計学基礎の講義用 HP から 所得と消費のファイルをダウンロードしてみよう 手順 1 検索エンジンで 河田研究室 と入力し検索すると 河田 消費 統計学基礎実習資料 07//7 < 回帰分析 >. 準備 今回の実習では あらかじめ河田が作成した所得と消費のファイルを用いる 課題 9 統計学基礎の講義用 HP から 所得と消費のファイルをダウンロードしてみよう 検索エンジンで 河田研究室 と入力し検索すると 河田研究室 のページにジャンプする ( ここまでの手順は http://www.tokuyama-u.ac.jp/kawada とアドレスを直接入力してもよい

More information

基礎統計

基礎統計 基礎統計 第 4 回講義資料 本日の講義内容 第 3 章 : 次元データの整理 散布図 [ グラフ ] 共分散と相関係数 [ 数値 ] 回帰分析 [ 数値とグラフ ] 偏相関係数 [ 数値 ] 第 3 章 次元のデータ 第 3 章 : 次元のデータ ( 目的 ) 変数間の関係を探る 相関と回帰 ( 相関 ) 変数を区別せず対等にみる ( 相関関係 ) 身長と体重, 教科目の成績 ( 回帰 ) 一方が他方に影響を与える

More information

Microsoft PowerPoint - データ解析基礎2.ppt

Microsoft PowerPoint - データ解析基礎2.ppt データ解析基礎. 度数分布と特性値 keyword データの要約 度数分布表, ヒストグラム 分布の中心を表す基本統計量 平均, 最頻値, 中央値 分布のばらつきを表す統計量 分散, 標準偏差 統計データの構造 - データ解析の目的 具体的な対象 ( 母集団 ) についての調査結果 ( 標本をどう加工 処理し, 有益な情報を引き出すかである. 加工 処理するための調査結果として, データ ( 観測データ

More information

主成分分析 -因子分析との比較-

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

More information

Microsoft Word - econome4.docx

Microsoft Word - econome4.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. 3 単回帰分析 Tips 前回講義では, データの散らばり具合を表す偏差平方和, 分散や標準偏差, また 2 変数の関係を表す相関係数を,Excel で数回のステップに分けて求めました. 考え方を学ぶといううえでは計算手順を確認することは必要なことですが, 毎回,

More information

テレビ講座追加資料1105

テレビ講座追加資料1105 数学類題にチャレンジ 資料の活用 資料の活用語句のまとめ 階級 資料を整理したときの つ つの区間のこと 階級の幅 区間の幅のこと 各階級の最大値と最小値の差 度数 各階級にはいる資料の個数 ( 人数 ) のこと 度数分布表 資料をいくつかの階級に分け 階級ごとに度数を示して分布の様子をわかりやすくした表のこと 階級値 度数分布表で 各階級の真ん中の値のこと ヒストグラム 度数分布多角形 ( 度数折れ線

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

回帰分析の用途・実験計画法の意義・グラフィカルモデリングの活用 | 永田 靖教授(早稲田大学)

回帰分析の用途・実験計画法の意義・グラフィカルモデリングの活用 | 永田 靖教授(早稲田大学) 回帰分析の用途 実験計画法の意義 グラフィカルモデリングの活用 早稲田大学創造理工学部 経営システム工学科 永田靖, The Institute of JUSE. All Rights Reserved. 内容. 回帰分析の結果の解釈の仕方. 回帰分析による要因効果の把握の困難さ. 実験計画法の意義 4. グラフィカルモデリング 参考文献 : 統計的品質管理 ( 永田靖, 朝倉書店,9) 入門実験計画法

More information

プロジェクトのデータ解析と見積り研究会概要 プロジェクトの規模 工数 コスト 工期 品質 リスクなどの測定量を正しく分析し活用するためのデータ解析の手法を学び見積りおよびプロジェクト計画への活用を目的として研究する. 背景 目的とそのフォーカス分野 : プロジェクトの規模 工数 コスト 工期 品質

プロジェクトのデータ解析と見積り研究会概要 プロジェクトの規模 工数 コスト 工期 品質 リスクなどの測定量を正しく分析し活用するためのデータ解析の手法を学び見積りおよびプロジェクト計画への活用を目的として研究する. 背景 目的とそのフォーカス分野 : プロジェクトの規模 工数 コスト 工期 品質 プロジェクトのデータ解析と 見積り研究会の紹介 ( 略称 : PDA 研究会 ) 2017 年 3 月 1 日 (C) 2012-2017 PM 学会 プロジェクトのデータ解析と見積り研究会 1 プロジェクトのデータ解析と見積り研究会概要 プロジェクトの規模 工数 コスト 工期 品質 リスクなどの測定量を正しく分析し活用するためのデータ解析の手法を学び見積りおよびプロジェクト計画への活用を目的として研究する.

More information

Microsoft PowerPoint 統計教育.pptx

Microsoft PowerPoint 統計教育.pptx 合否判定できない判別分析の総括 分散共分散行列による LDF と QDF の使命の終焉ー 成蹊大学経済学部新村秀一 1. はじめに 判別分析は,Fisher[1] が 2 群の分散比の最大化から LDF( 線形判別関数 ) を定式化したが, 正規分布の対数尤度から同じ LDF がスマートに再定義される. 統計ソフトに取り入れやすい 分散共分散行列から,LDF や QDF さらにマハラノビスの汎距離を用いた多群判別.

More information

Microsoft PowerPoint - 大分談話会1102el_Syouzemi.ppt [互換モード]

Microsoft PowerPoint - 大分談話会1102el_Syouzemi.ppt [互換モード] 大分統計談話会第 43 回大会 2/18/11 @ 富士通大分シスラボ 高等教育を取り巻く状況と統計教育 3. 統計の変な 使い方 A) 将来予測 : 直線回帰 ( 外挿 ) B) 対応表 ( 法科大学院適性試験 ): 相関 林篤裕 ( 九州大学高等教育開発推進センター & アドミッションセンター ) (21 世紀プログラム基幹教員 ) e-mail: hayashi@rche.kyushu-u.ac.jp

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

平成 26 年度 全国体力 運動能力 運動習慣等調査の概要 平成 27 年 1 月 四條畷市教育委員会

平成 26 年度 全国体力 運動能力 運動習慣等調査の概要 平成 27 年 1 月 四條畷市教育委員会 平成 26 年度 全国体力 運動能力 運動習慣等調査の概要 平成 27 年 1 月 四條畷市教育委員会 平成 26 年度四條畷市全国体力 運動能力 運動習慣等調査結果 調査の概要調査種目の説明小学校は 5 年生中学校は 2 年生全員が対象です 握力 ( Kg) 筋力 上体起こし ( 回数 ) 筋パワー 筋持久力 長座体前屈 ( c m ) 体を曲げたり伸ばしたりする能力 反復横とび ( 点 ) 敏捷性

More information

untitled

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

More information

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

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 三科目合計 平均 と 最高点 の項目を用意する 項目を入力する際 適宜罫線などを設定し 分かりやすい表作成を心がけること

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 三科目合計 平均 と 最高点 の項目を用意する 項目を入力する際 適宜罫線などを設定し 分かりやすい表作成を心がけること 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自動化するものである 例えば 合計 平均 条件判断などがある 関数の記述には 基本的な形があり この形を覚えておくことで 様々な関数に対応することができる

More information

Microsoft Word - 保健医療統計学112817完成版.docx

Microsoft Word - 保健医療統計学112817完成版.docx 講義で使用するので テキスト ( 地域診断のすすめ方 ) を必ず持参すること 5 4 統計処理のすすめ方 ( テキスト P. 134 136) 1. 6つのステップ 分布を知る ( 度数分布表 ヒストグラム ) 基礎統計量を求める Ø 代表値 Ø バラツキ : 範囲 ( 最大値 最小値 四分位偏位 ) 分散 標準偏差 標準誤差 集計する ( 単純集計 クロス集計 ) 母集団の情報を推定する ( 母平均

More information

平成 30 年度 前期選抜学力検査問題 数学 ( 2 時間目 45 分 ) 受検番号氏名 注 意 1 問題は, 表と裏にあります 2 答えは, すべて解答欄に記入しなさい 1 次の (1)~(7) の問いに答えなさい (1) -3 (-6+4) を計算しなさい 表合計 2 次の (1)~(6) の問

平成 30 年度 前期選抜学力検査問題 数学 ( 2 時間目 45 分 ) 受検番号氏名 注 意 1 問題は, 表と裏にあります 2 答えは, すべて解答欄に記入しなさい 1 次の (1)~(7) の問いに答えなさい (1) -3 (-6+4) を計算しなさい 表合計 2 次の (1)~(6) の問 平成 30 年度 前期選抜学力検査問題 数学 ( 2 時間目 45 分 ) 受検番号氏名 注 意 1 問題は, 表と裏にあります 2 答えは, すべて解答欄に記入しなさい 1 次の (1)~(7) の問いに答えなさい (1) -3 (-6+4) を計算しなさい 表合計 2 次の (1)~(6) の問いに答えなさい 合計 (1) 関数 y = x 2 において,x の変域が -2 x 3 のとき, y

More information

Microsoft PowerPoint 確率レジュメA

Microsoft PowerPoint 確率レジュメA 確率統計レジュメ集 ( 前半 ) 202.04.0 版 立命館大学 電子情報デザイン学科 この講義の目標 進め方 この講義は指定教科書の内容をしっかりと理解することを目的とする. 配布するレジュメは その理解を助けるための資料である. 必ず 教科書に書かれた基礎的な内容をひとつひとつ理解するように努めること. レジュメの空欄の箇所は 教科書からそのヒントを見つけることができる. 予習時に教科書を読み

More information

stat-base_ppt [互換モード]

stat-base_ppt [互換モード] データ解析の基礎ーデータの分類とまとめ方ー 統計学と統計について 統計学 statistics とは何か? 髙木廣文東邦大学看護学部国際広域保健分野 統計 : 統計をとる (?) 統計学 : 統計学を使う (?) e-mail: halwin@med.toho-u.ac.jp http://homepage2.nifty.com/halwin/takagi.html 1 2 統計をとる とは? アンケート調査で学生のアルバイト実施を調べる

More information

0506

0506 章 part の復習 推定 3 章多変量解析 part 重回帰分析 判別分析 区間推定平均値 ( 母分散が既知 or 未知 ) 分散検定基準値との検定 ( 平均値 分散 ) つの集団間の検定 ( 母分散が等しい場合 異なる場合 ) 今回の授業の狙い 重回帰分析 判別分析 多変量解析の中で 目的変数と説明変数との関係を数式化する手法解析目的, 解析方法, 結果の見方を理解する 多変量解析 (multivariate

More information

橡Taro13-EXCEL統計学.PDF

橡Taro13-EXCEL統計学.PDF Excel 4.1 4.1.1 1 X n X,X, 1,Xn X=X X X /n 1 n Excel AVERAGE =AVERAGE Excel MEDIAN 3 =MEDIAN Excel MODE =MODE 4.1. 1 Excel MAX MIN =MAX MIN n X,X,,X X 4-1 1 n V X1-X + X-X + + Xn-X V= n 0 0 Excel VARP

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション 非線形カルマンフィルタ ~a. 問題設定 ~ 離散時間非線形状態空間表現 x k + 1 = f x k y k = h x k + bv k + w k f : ベクトル値をとるx k の非線形関数 h : スカラ値をとるx k の非線形関数 v k システム雑音 ( 平均値 0, 分散 σ v 2 k ) x k + 1 = f x k,v k w k 観測雑音 ( 平均値 0, 分散 σ w

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

スライド 1

スライド 1 データ解析特論第 1 回 ~( 全 15 回 ) 2014 年 4 月 10 日 ( 木 ) 情報エレクトロニクス専攻横田孝義 1 を先に集中してやります 2 を勉強します 3 データマイニングの分野ではマクロ ( 巨視的 ) な視点で全体を捉える能力が求められる 1. コンピュータは数値の集合として全体を把握していますので 意味ある情報として全体を見ることが不得意 2. 逆に人間には もともと空間的に全体像を捉える能力が得意

More information

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

8 A B B B B B B B B B 175

8 A B B B B B B B B B 175 4.. 共分散分析 4.1 共分散分析の原理 共分散分析は共変数の影響を取り除いて平均値を比較する手法 (1) 共分散分析 あるデータを群間比較したい そのデータに影響を与える他のデータが存在する 他のデータの影響を取り除いて元のデータを比較したい 共分散分析を適用 共分散分析 (ANCOVA:analysis of covariance アンコバ ) は分散分析に回帰分析の原理を応 用し 他のデータの影響を考慮して目的のデータを総合的に群間比較する手法

More information

stat-base [互換モード]

stat-base [互換モード] データ解析の基礎ーデータの分類とまとめ方ー 統計学と統計について 統計学 statistics とは何か? 高木廣文東邦大学看護学部国際保健看護学研究室 統計 : 統計をとる (?) 統計学 : 統計学を使う (?) e-mail: halwin@med.toho-u.ac.jp http://homepage2.nifty.com/halwin/takagi.html 1 2 統計をとる とは?

More information

Microsoft Word - Stattext13.doc

Microsoft Word - Stattext13.doc 3 章対応のある 群間の量的データの検定 3. 検定手順 この章では対応がある場合の量的データの検定方法について学びます この場合も図 3. のように最初に正規に従うかどうかを調べます 正規性が認められた場合は対応がある場合の t 検定 正規性が認められない場合はウィルコクソン (Wlcoxo) の符号付き順位和検定を行ないます 章で述べた検定方法と似ていますが ここでは対応のあるデータ同士を引き算した値を用いて判断します

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション 総務省 ICTスキル総合習得教材 概要版 eラーニング用 [ コース3] データ分析 3-3: 基本統計量 クロス集計表の作成 [ コース1] データ収集 [ コース2] データ蓄積 [ コース3] データ分析 [ コース4] データ利活用 1 2 3 4 5 座学実習紹介[3] ピボットテーブルとクロス集計表 本講座の学習内容 (3-3: 基本統計量 クロス集計表の作成 ) 講座概要 数値データの尺度に基づく

More information

314 図 10.1 分析ツールの起動 図 10.2 データ分析ウィンドウ [ データ ] タブに [ 分析 ] がないときは 以下の手順で表示させる 1. Office ボタン をクリックし Excel のオプション をクリックする ( 図 10.3) 図 10.3 Excel のオプション

314 図 10.1 分析ツールの起動 図 10.2 データ分析ウィンドウ [ データ ] タブに [ 分析 ] がないときは 以下の手順で表示させる 1. Office ボタン をクリックし Excel のオプション をクリックする ( 図 10.3) 図 10.3 Excel のオプション 313 第 10 章 Excel を用いた統計処理 10.1 Excel の統計処理レポートや卒業研究などでは 大量のデータを処理 分析し 報告しなければならない場面が数多く登場する このような場合 手計算では多くの時間を要するため現在では計算機を用いて一括処理することが一般的である これにより 時間短縮だけでなく手軽に詳細な分析を行うことができる Excel ではこのような大量のデータに対する分析を容易に行えるよう

More information

スライド 1

スライド 1 経営系データ解析 回帰分析 散布図に直線を当てはめる 回帰直線の式 y = b + b x +... + b x + i 0 1 1i n ni e i 従属変数または被説明変数目的変数 定数項 ( 偏 ) 回帰係数 独立変数 または 説明変数 誤差変数誤差項 参考 URL: 回帰分析の基礎理論 : http://www.sci.kagoshima-u.ac.jp/~itls/japanese/chapter5/index.html

More information

テレビ学習メモ 数学 Ⅰ 第 40 回 第 5 章データの分析 相関係数 監修 執筆 湯浅弘一 今回学ぶこと データの分析の最終回 今までの代表値を複合し ながら 2 種類のデータの関係を数値化します 相関係数は 相関がどの程度強いのかを表しています 学習のポイント 12 種類のデータの相関関係を

テレビ学習メモ 数学 Ⅰ 第 40 回 第 5 章データの分析 相関係数 監修 執筆 湯浅弘一 今回学ぶこと データの分析の最終回 今までの代表値を複合し ながら 2 種類のデータの関係を数値化します 相関係数は 相関がどの程度強いのかを表しています 学習のポイント 12 種類のデータの相関関係を テレビ学習メモ 第 40 回 第 5 章データの分析 監修 執筆 湯浅弘一 今回学ぶこと データの分析の最終回 今までの代表値を複合し ながら 2 種類のデータの関係を数値化します は 相関がどの程度強いのかを表しています 学習のポイント 12 種類のデータのを 1 つの数値で表す 2共分散と 3実際のデータからを求める ポイント 1 2 種類のデータのを 1 つの数値で表す 2 種類のデータの散らばりは散布図で見ることができました

More information

13章 回帰分析

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

More information

<4D F736F F D E4F8E9F82C982A882AF82E98D7397F1>

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

More information

untitled

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

More information

第4章 関数と平面図形 PC(EXCEL)を使った演習(p

第4章 関数と平面図形 PC(EXCEL)を使った演習(p 第 4 章関数と平面図形 PC(EXCEL) を使った演習 (p.30) EXCEL を使ってつぎの関数のグラフを描け. () y 3x x 9, z 3x x 4 ( x 5,0.5 刻み ) () x y 4 ( x, y,0. 刻み ) () の解答 (a) x の値を入力する.- から 5 まで +0.5 刻みにするために,- の下に-0.5 を打つ. (b) (a) の黒い四角の右端を下に伸ばすと,+0.5

More information

<4D F736F F F696E74202D B835E89F090CD89898F4B81408F6489F18B4195AA90CD A E707074>

<4D F736F F F696E74202D B835E89F090CD89898F4B81408F6489F18B4195AA90CD A E707074> 重回帰分析 (2) データ解析演習 6.9 M1 荻原祐二 1 発表の流れ 1. 復習 2. ダミー変数を用いた重回帰分析 3. 交互作用項を用いた重回帰分析 4. 実際のデータで演習 2 復習 他の独立変数の影響を取り除いた時に ある独立変数が従属変数をどれくらい予測できるか 変数 X1 変数 X2 β= 変数 Y 想定したモデルが全体としてどの程度当てはまるのか R²= 3 偏相関係数と標準化偏回帰係数の違い

More information