JUSE-StatWorks/V5 ユーザーズマニュアル

Size: px
Start display at page:

Download "JUSE-StatWorks/V5 ユーザーズマニュアル"

Transcription

1 計数値の検定 推定 ここでは不良率や欠点数などの計数値のデータを取り扱います. 不良率は n 個の製品をランダムに選んだとき, そのうち何個が不良品だったか, 欠点数は 製品中にきずがいくつ見つかったか などを示すデータですが, 検定や推定にあたってそれぞれ二項分布や, ポアソン分布を想定します. 機能構成ここでは 5 種類の検定 推定を用意しており, 検定 推定の種類を選択すると仮説の条件設定, 区間推定の信頼率の選択, 近似法などを順次指定することで, きめ細かな検定と推定を行うことができます. 計数値の検定 推定 検定 推定の種類選択 母不良率母不良率の差母欠点数母欠点数の差 m n 分割表 * 検定のパラメータを設定 仮説の選択 区間推定の信頼率の選択 近似方法 検定と推定の結果 注 *)m n 分割表ではまず変数の指定画面が表示されるので, 分割表のデータ範 *)m n 分割表ではまず変数の指定画面が表示するので, ここで分割表の列囲の (n n 個の量的変数を指定します ) を指定する必要があります.. 用語説明 帰無仮説 母不良率に関する検定 推定 や 母欠点数に関する検定 推定 では, 該当する母不良率や母欠点数を入力します. P AR T 2 計数値の検定 推定 対立仮説 あってほしい狙いを, 母不良率 P( 母欠点数 λ) と指定された値 P 0 (λ 0 ) との条件式 (,>,<) で指定します. デフォルトでは両側仮説 (P P 0 ) となっています. 区間推定の信頼率 区間推定の信頼率 (95%,90%) を指定します. 近似方法 各検定と推定を行う際には, 正規近似法の種類を選択します. 検定 推定の種類によって選択できる正規近似法の種類が異なります. 検定と推定の種類 正規近似法 母不良率に関する検定 推定 逆正弦変換 ロジット変換 母不良率の差に関する検定 推定 逆正弦変換 ロジット変換 区間推定は直接近似による 母欠点数に関する検定 推定 平方根変換 対数変換 母欠点数の差に関する検定 推定 対数変換 区間推定は直接近似による m*n 分割表による検定 独立性の検定 ( カイ二乗統計量 ) 2--

2 サンプル 2 3 m 変数 X X ただし, サンプル数と変数には制限があります. 2 n( 変数の数 ) 20,2 m( サンプル数 ) 20 となっています. n 2--2

3 -. 母不良率に関する検定 推定 -. 母不良率に関する検定 推定 目的入力された試料個数と不良個数により不良率を求め, 従来の不良率と違いがあるか否かの検定 推定を行います. 活用場面あるパッケージを好む人の割合が従来は 20% だった. 新たにデザインを刷新することになり, 実施後アンケートをとったが, 従来と比べて良くなったかどうかを検証する. 等. 手法の選択選択方法 [ 手法選択 ]-[ 検定 推定 ]-[ 母不良率 ].2 検定 推定条件の指定まず画面上の 帰無仮説 に母不良率を入力し, 画面中央の 対立仮説 ( ありたい姿 ) と 区間推定の信頼率 ( 社内の基準値や客観的な判断ができるレベルなど ) にそれぞれ条件を設定します. 画面の下には, 近似方法 と検定を行う対象となる試料個数と不良個数をそれぞれ指定します.( 最近は加法性に優れたロジット変換を選ぶことが多いです.) 入力位置にマウスを移動し, 入力を行います..3 検定結果の確認各項目の入力を終了し,[OK] ボタンをクリックすると下図のような検定結果が表示されます. 母不良率, 試料個数, 不良個数, および計算した不良率 ( 不良個数 / 試料個数 ) と不良率の信頼区間が表示されます. 画面下には, 有意水準 % と 5% での検定結果が表示されます. また, 統計量 u 0 の確率値を計算し表示します. P AR T 2 計数値の検定 推定 母不良率, 試料個数, 不良個数には制限があります. 母不良率 (P 0 ) :0.0<P 0 <.0 不良個数 (r) :n-r>0 評価 検討項目チェック項目 棄却されたかどうか 使用する統計量等 P 値 なお, 試料個数 (n) と母不良率 (P0) の積が 5 以下となると, 正規近似とならないため, この積が 5 より大きい値とすることを推奨します. 入力を中止したい場合は,[ キャンセル ] ボタンをクリックします. 解釈のポイント帰無仮説が棄却されたことで, 対立仮説が採択されました. すなわち不良率は変化したと判断されます. 本例では母不良率 に対して, 点推定値で 0.057,95% 信頼区間で 0.035~0.087 となったので,5% 有意で不良率は減少しました. 2--3

4 -2. 母不良率の差に関する検定 推定 -2. 母不良率の差に関する検定 推定 目的 2 つの母集団よりそれぞれ不良率を求め, その差に違いがあるかどうか検定 推定を行います. 活用場面右ハンドルと左ハンドルの両方が生産されているラインでクラッチ不良率に差があるかどうかを検証する. 等 2. 手法の選択 選択方法 [ 手法選択 ]-[ 検定 推定 ]-[ 母不良率の差 ] 2.2 検定 推定条件の指定 2 つの比較したい母集団がある場合, まず, 画面左中央の 対立仮説 で仮説を設定し 画面左下の 試料個数 と 不良個数 に比較したい 2 つの母集団からの試料個数と不良個数を入力します. また, 画面の右側には 区間推定の信頼率 や 近似方法 があり, それぞれについて設定します. 区間推定の信頼率, 対立仮説として ありたい姿 を指定します. なお, 初期設定では近似法は逆正弦変換となっています. 2.3 検定結果の確認各項目の設定が終了したら,[OK] ボタンをクリックすると下図のような検定結果が表示されます. A と B,2 組の母集団について試料個数, 不良個数, そして 2 組の不良率より求めた不良率の差の信頼区間を表示します. 画面下には, 有意水準 % と 5% の検定結果が表示されます. また, 検定統計量 u 0 の確率値を計算し表示します. 2 組の母集団についてそれぞれ試料個数, 不良個数には制限があります. 試料個数 A(n A ):n A >5 不良個数 A(r A ):n A -r A >5 試料個数 B(n B ):n B >5 不良個数 B(r B ):n B -r B >5 入力を中止したい場合は,[ キャンセル ] ボタンをクリックします. 評価 検討項目チェック項目 棄却されたかどうか 使用する統計量等 P 値 解釈のポイント 2 つの母集団 A,B の不良率は有意水準 5% で棄却されなかったので, 差があるとはいえないことがわかりました. そのため, 原因調査と対策を考える必要があります. 2--4

5 -3. 母欠点数に関する検定 推定 -3. 母欠点数に関する検定 推定 目的入力された単位数と総欠点数より単位あたりの欠点数を求め, それが従来の欠点数と比較して違いがあるか否か検定 推定を行います. 活用場面ある機械の一日の故障停止回数が平均して 0 回であった. 停止回数を減らすために調整を行った結果調整後の停止回数が調整前の回数に対して減ったかどうかを検証する. 等 3. 手法の選択 選択方法 [ 手法選択 ]-[ 検定 推定 ]-[ 母欠点数 ] 3.2 検定 推定条件の指定画面上の 帰無仮説 で従来の単位あたりの欠点数を入力し, 区間推定の信頼率 で信頼率を設定します. 画面中央の 対立仮説 にありたい姿を条件式で指定し, 近似方法 を選びます. 画面左下には調査期間内で収集した単位数と総欠点数をそれぞれ入力します. なお, 初期設定では近似法は平方根変換となっています. 3.3 検定結果の確認各項目の設定が終了したら,[OK] ボタンをクリックすると検定結果が表示されます. 単位当り母欠点数 λ0, 単位数 n, 総欠点数 x と母欠点数の信頼区間を表示します. 画面下には, 有意水準 % と 5% の検定結果が表示されます. また, 統計量 u 0 の確率値を計算し表示します. P AR T 2 計数値の検定 推定 単位数 (n), 単位当り母欠点数 (λ 0 ) の制限は以下のようになります. 単位数 (n) :n>0.0 単位当り母欠点数 (λ 0 ) :λ 0 >4( 平方根変換 ) :λ 0 >( 対数変換 ) 入力を途中で中止したい場合は,[ キャンセル ] ボタンをクリックします. 評価 検討項目チェック項目 棄却されたかどうか 使用する統計量等 P 値 解釈のポイント P 値は となり,5% より小さいので帰無仮説は棄却され, 欠点数は減少したと判断します. 2--5

6 -4. 母欠点数の差に関する検定 推定 -4. 母欠点数の差に関する検定 推定 目的入力された 2 つの母集団よりそれぞれ単位あたりの欠点数を求め, その差に違いがあるか否か検定 推定を行います. 活用場面あるガラス製品に含まれる気泡数が材質によって異なるかどうかを検証する. 等 4. 手法の選択 選択方法 [ 手法選択 ]-[ 検定 推定 ]-[ 母欠点数の差 ] 4.2 検定 推定条件の指定 2 つの母集団で欠点数に差があるかどうかを検定します. まず, 画面中央の 対立仮説 で仮説を設定します. 画面左下で比較したい母集団の 欠点数 と 単位 を入力します. 画面上部の 区間推定の信頼率 では信頼率を選びます. 比較したい対象を選び, 単位を決めます. 例えば, 板ガラスのきずを比較したいということなら単位は板ガラス 枚, 欠点数はきずの数, 単位数は観察した板ガラス枚数 na,nb となります. 4.3 検定結果の確認 各項目の入力が終了したら,[OK] ボタンをクリックすると下図のような検定結果が表示されます. 欠点数, 単位,2 組の欠点数の差と欠点数の差の信頼区間を表示します. 画面下には, 有意水準 % と 5% の検定結果が表示されます. また, 統計量 u 0 の確率値を計算し表示します. 母集団 A,B について欠点数と単位の制限は以下になります. 欠点数 A(x A ):x A > 単位 A(n A ):n A >0 欠点数 B(x B ):x B > 単位 B(n B ):n B >0 入力を中止したい場合は,[ キャンセル ] ボタンをクリックします. 評価 検討項目チェック項目 棄却されたかどうか 使用する統計量等 P 値 解釈のポイント母集団 A,B の単位あたりの欠点数について P 値が と有意水準 % 以下なので, 帰無仮説は棄却され,A,B によって欠点数に差があると判断されます. 2--6

7 -5. m n 分割表による検定 推定 -5.m n 分割表による検定 推定 目的 機械が 4 台あり, その製品は検査によって 級品,2 級品,3 級品に分けられるとする. さて, 級品,2 級品, の発生する割合は機械によって異なるだろうか. このような問題を統計的に判断する場合に用いられるのが分割表による検定です.m n の分割表は下記のとおりです. 本システムでは, 変数の数に n を割当て, サンプル数に m を割当てデータを入力します n 計 m 計 活用場面あるプラスチック製品を 3 台の成型機で製造している. 成型機によって成型不良の出方が異なるかどうかを検証する. 等 データ入力形式 m n 分割表のデータは,3 台の成型機 (,2,3) を縦に並べ, 製造したプラスチック製品の成型不良 しわ かけ 凸 凹 歪 の不良数を成型機ごとに収集し入力します. P AR T 2 計数値の検定 推定 指定できる変数の数は最大 20, サンプル名 ( ここでは 成型機 ) は (0 可 ) つです. また, サンプル数は最大 20 まで, サンプル数が 20 を越えるデータは無視されます. なお,m n 分割表の検定結果には変数名は表側名, サンプル名は表頭名として反映します. 5. 手法の選択選択方法 [ 手法選択 ]-[ 検定 推定 ]-[m n 分割表 ] 変数の指定ダイアログで, サンプル名と検定 推定対象データを選択します. ははじめのサンプル名が初期値で設定されているので, 必要に応じて変更します. 指定が終了したら [ 次に進む ] をクリックします. 5.2 検定 推定条件の指定ここでは, どの母集団についても各クラスの発生確率が等しい, すなわち, 成型機 A,B, C あるいはしわ, かけ, 凸, 凹 歪からみても, その発生確率は等しく,2 項目間には関連がなく相互に独立であることを帰無仮説として検定します. なお, 欠測セルは数値 0.0 を代入し, 小数点以下は切り捨てて整数値とします. 指定した変数による m n 分割表のカイ 2 乗検定結果を表示します. 分割表の列項目を指定します. また, サンプル名 2--7

8 -5. m n 分割表による検定 推定 画面下には, 検定結果が表示されます. 帰無仮説 H 0 と求めた統計量 χ 02, さらに χ 02 (φ,α) となる上側確率 (P 値 ) を () 内に表示します. 本システムでは, 有意水準 % および 5% についての検定結果を表示します. 指定したデータの群に対して上側確率が有意水準 α より大きい場合, つまり P 値が 0.0 あるいは 0.05 以上で 帰無仮説 H 0 は有意水準 α% で棄却されない と表示されます (α は % および 5%). 逆に上側確率が α より小さい場合, つまり P 値が 0.0 あるいは 0.05 未満となると 仮説 H 0 は有意水準 α% で棄却される と表示されます. つまり, 成型機と成型不良項目間の 2 項目間には関連があり, 独立ではないことが統計的に示されたことになります. すなわち, 成型不良の出方は成型機によって異なることが明らかと判断されます. 画面上部のリストボックスで, 画面中央に表示される表を m n 分割表 と 規準化残差 に切り替えることができます. 規準化残差の 2 乗の総和はカイ 2 乗となるので, 分割表が帰無仮説から大きく外れている部分についての情報を得ることができます. 評価 検討項目チェック項目 棄却されたかどうか 使用する統計量等 P 値 解釈のポイント観測度数と期待度数の差 ( 絶対値 ) が大きなセル ( 成型機と不良の組み合わせ ) ほど大きく外れている, つまり平均的にみて不良が多いことがわかります. 2--8

9 2 計量値の検定 推定 データを用いて統計的に推論を行う形式として, 検定, 推定, 予測 ( 回帰分析 ) の 3 つがあります. 検定は, データから計算される検定統計量についてある領域を設け, 統計量がこの領域に入れば母集団に関する仮説 (H 0 ) は正しくないとする形式で行われます. この領域を棄却域と呼び, 仮説が正しい場合には, ここに入る確率があらかじめ定められた小さな値になるようにしています. 確率は危険率または有意水準と呼び,α で表します. 推定は, 母集団の母数の値を推測する方法で点推定と区間推定の 2 つの方法があります. 機能構成本システムでは, 計量値の検定 推定に, 以下の 7 種類を用意しています. 各検定 推定の種類を選ぶと 仮説の設定 ダイアログが表示されます. これによって, よりきめ細かな検定と推定を行うことができます. 計量値の検定 推定 検定 推定の種類選択 母分散 2 つの母分散の比母平均 2 つの母平均の差データに対応がある場合の母平均の差 変数の指定 群 ( 層 ) の指定 注 ) 検定のパラメータを設定 対立仮説の選択 ( 片側 両側 ) 母数の指定 ( 母分散 母平均 ) 推定に使う信頼区間の指定 (90% 95%) 検定と推定の結果 ヒストグラム 3 つ以上の母分散の一様性折れ線グラフ 注 2) P AR T 2 計量値の検定 推定 2 注 ) 母不良率に関する検定 推定と母平均に関する検定 推定は除く注 2)3 つ以上の母分散の一様性は除く注 3) データに対応がある場合の母平均の差に関する検定 推定のみ 注 3) データ入力形式計量値の検定 推定を行う場合には, 以下の入力形式に応じてワークシート上に前もってデータを入力します. 入力形式 : 特性値のみ (X のみ ) ( 母分散に関する検定 推定, 母平均に関する検定 推定 ) サンプル 変数 X カテゴリ カテゴリ 2 また,2 つの母分散の比に関する検定 推定,2 つの母平均の差に関する検定 推定,3 つ以上の母分散の一様性に関する検定 推定について行う場合は, 量的変数はシーケンスに並ぶようにデータをカテゴリ番号順で入力します. 2-2-

10 入力形式 2: 特性値と群分け情報 ( 質的変数 )(X,C) (2 つの母分散の比についての検定 推定,2 つの母平均の差に関する検定 推定,3 つ以上の母分散の一様性 ) サンプル 変数 X メーカ別 [ 質的変数 ] 入力形式 3:2 つの特性値 (X,X2) (2 つの母分散の比に関する検定 推定,2 つの母平均の差に関する検定 推定 ) サンプル 変数 X X 入力形式 4:3 つ以上の特性値 (X,X2,X3, ) (3 つ以上の母分散の一様性 ) サンプル 変数 X X X 変数の指定次に, 変数の指定ダイアログが表示され, 解析に用いる変数を指定します. 指定できる変数は, 検定と推定の種類によって以下のような制限があります. 検定 推定の種類 指定する変数の制限量的変数質的変数 対応する入力形式 母分散に関する検定 推定 0 入力形式 2 つの母分散の比についての検定 推定 入力形式 入力形式 2 入力形式

11 母平均に関する検定 推定 0 入力形式 2つの母平均の差に関する検定 推定 入力形式 入力形式 2 入力形式 3 データに対応がある場合の母平均の差に関する検定 2 0 入力形式 3 3つ以上の母分散の一様性の検定 3~6 0 0 入力形式 入力形式 2 入力形式 4 群が複数ある場合でも量的変数を つだけ選ぶ場合は, 群分けを行う必要 があります. また, カテゴリの種類が解析できる群の個数より多い場合など も群分けおよび解析するカテゴリを指定する必要があります. 変数指定によって群分けの必要がない場合 ( 母分散に関する検定 推定, 母平均に関する検定 推定 ) 量的変数 の場合 変数指定で量的変数を つ選び,[ 次へ進む ] ボタンをクリックすると, 仮説の設定へ進みます. P AR T 2 計量値の検定 推定 2 変数指定 ( 変数指定の組み合わせ ) によって群分けの必要がある場合 (2 つの母分散の比についての検定 推定,2 つの母平均の差に関する検定 推定 ) 量的変数, 質的変数 の場合 質的変数のカテゴリ種類が 3 種類以上ある場合は, 右図のダイアログが表示されますので, 解析に用いるカテゴリを指定します.2 種類以内の場合は, 仮説の設定へ進みます. 量的変数 の場合 右図のダイアログが表示され, 時系列順に量的変数を分割 ( 群分け ) します. 群と 2 群のデータ数の合計を合わせます. 右の例では 30 にします

12 (3 つ以上の母分散の一様性に関する検定 推定 ) 量的変数, 質的変数 の場合 質的変数のカテゴリ種類が 3 種類より多い場合は, 右図のダイアログが表示されます.3 種類の場合は, 仮説の設定へ進みます. 量的変数 の場合 下図のダイアログが表示され, 時系列順に最大 6 カテゴリまでを分割します. 群ごとのデータ数の合計を実際のデータ数に合わせます. () ヒストグラムの表示解析する変数を指定後, ヒストグラムが表示されます. ここで現在入力されているデータの統計量およびばらつきを確認することができます. (2) 検定 推定条件の指定 ( 3 つ以上の母分散の一様性に関する検定 推定, m n 分割表による検定 指定 以外の場合 ) [ 仮説の設定 ] ダイアログが表示されます. 仮説に用いる条件や条件値を指定します. このダイアログは以下のブロックから構成されています. 帰無仮説 帰無仮説では, 過去の実績や設計値などの値と, 対象とする集団のパラメータが等しくなると仮定します. 母分散に関する検定 推定, 母平均に関する検定 推定, データに対応がある場合の母平均の差に関する検定 推定 の場合の帰無仮説はそれぞれ, 母分散, 母平均, 母平均の差を入力します. 対立仮説 本来ありたい姿, 目的とする条件を設定します. 母分散 σ 2 ( 母平均 μ) と検定したい対象値 σ 0 2 (μ 0) との条件 (,>,<) を指定します. デフォルトは, 両側検定となっています. 区間推定の信頼率 判断できる許容レベルを設定します. 区間推定の信頼率 (95%,90%) を指定します. デフォルトは 95% となっています

13 2-. 母分散に関する検定 推定 母標準偏差 母平均に関する検定 推定, 2 つの母平均に関する検定 推定 の場合のみ表示されます. 母標準偏差がわかっている場合と道の場合で結果は変わります. 検定 推定を行う上で, 母標準偏差があらかじめわかっているときには 既知 として値を入力しまずが, 未知の場合にはそのままで入力しません. 2-. 母分散に関する検定 推定 目的母集団のばらつき, すなわち母分散が従来の値と比較して変化したか否かを検定します. 指定した変数のヒストグラムが表示されますので現在の分布状態を確認することができます. 活用場面精密機械の加工機を改造した場合に 改造後の寸法精度が従来と比較して向上したかどうかを検証等 データ形式収集したデータを 列にサンプルごとに入力します. P AR T 2 計量値の検定 推定 2. 手法の選択選択方法 [ 手法選択 ]-[ 検定 推定 ]-[ 母分散 ].2 変数の指定検定 推定の対象となる量的変数を指定します..3 検定 推定条件の指定変数の指定で変数を選択後, 仮説の設定 ダイアログが表示されます. 画面左上の 帰無仮説 の σ 0 2 = に従来の母分散を入力し, 画面右上の 対立仮説 の条件, すなわちありたい姿 ( どうなってほしいかの条件 ) を設定します. また, 画面左下の 区間推定の信頼率 の信頼率を選択します

14 2-. 母分散に関する検定 推定 つの母分散の比に関する検定 推定.4 検定結果の確認 [OK] ボタンをクリックすると, 指定された条件とデータについて母分散に対する検定結果を右図のように表示します. 検定結果は, 帰無仮説がある有意水準で 棄却される 棄却されない といった言葉で表示されます. 画面上部には指定した変数の基本統計量 ( 平均値, 分散, 標準偏差 ) および自由度 (φ) が表示され, 平均値, 分散の信頼区間が表示されます. 画面下部には, 検定結果が表示されます. 帰無仮説 H 0 と求めた統計量 χ 0 2, さらに χ 0 2 (φ,α) となる上側確率 (α) が () 内に表示されます. 本システムでは, 有意水準 % および 5% についての検定結果を表示します. 指定したデータの分散と母分散の値を比較し統計的に有意な差が認められない場合は, 仮説 H 0 は有意水準 α% で棄却されない と表示されます (α は % および 5%). 逆に統計的な差があると認められる場合には, 仮説 H 0 は有意水準 α% で棄却される と表示し, 対立仮説を採択した ( ありたい姿となった ) ことがわかります. 評価 検討項目チェック項目 棄却されたかどうか 使用する統計量等 P 値 解釈のポイント P 値が 0.0 あるいは 0.05 以下となった場合, 帰無仮説が棄却され, 対立仮説が採択されたと判断します つの母分散の比に関する検定 推定 目的 2 群のデータの母分散の比について等しいか否かの検定および推定を行います. 現在指定されている 2 群のデータのヒストグラムが表示され, ばらつきを視覚的に確認することができます. 活用場面 2 つの充填機の充填量のばらつきが等しいか否かを検証する等 データ形式データの形式は以下の 3 つがあります. 特性値のみ ( つの量的変数を 2 つに分割 ) 特性値と群分け情報 ( 量的変数と質的変数 ) 2 つの特性値変数 (2 つの量的変数 ) 2 つの特性値変数の場合 2. 手法の選択選択方法 [ 手法選択 ]-[ 検定 推定 ]-[2 つの母分散の比 ] 2-2-6

15 つの母分散の比に関する検定 推定 つ以上の母分散の一様性に関する検定 推定 2.2 変数の指定 検定 推定の対象となる量的変数を指定します. 変数の指定方法は以下の 3 つがあります. 特性値に量的変数を つ指定する 特性値とカテゴリーに量的変数と質的変数を つずつ指定する 特性値に量的変数を 2 つ指定するここでは, 特性値に量的変数を 2 つ指定しています. 2.3 検定 推定条件の指定変数の指定で解析する変数を選択後, 仮説の設定 ダイアログが表示されます. 画面右上の 対立仮説 の条件を選びます. 例えば, 溶接機 号と溶接機 2 号の母分散がどうあればよいかを条件式で設定します. 画面左下の 区間指定の信頼率 の信頼率を選択します. 2.4 検定結果の確認 [OK] ボタンをクリックすると,2 つの母分散比に関する検定 推定を行います. 画面上部と中央に,2 群のデータの各統計量 ( 平均値, 分散, 標準偏差 ) および自由度 (φ) が表示され, 画面下部には, 検定結果が表示されます. 検定結果で, 対立仮説が採択されたかどうかを判断します. 根拠は P 値の値です. 帰無仮説 H 0 と対立仮説 H, 求めた検定統計量 F 0 と F 0 (φ,φ2,α) となる上側確率値 (α) を () 内に表示します. 有意水準 % および 5% は判断を下す際の危険率を示しています. 計算した統計量が 5% あるいは % の F 値よりも大きい場合, つまり P 値が 0.05 あるいは 0.0 以下で, 仮説 H 0 を捨てます. 統計的な差が認められた場合には, 仮説 H 0 は有意水準 α% で棄却される と表示され, 対立仮説を採択します. 万が一,H 0 が棄却されない場合は, 違いがあるとはいえないので, 別の溶接機を用いるか,P 値が 0. 以下ならサンプル数を増して実験をすることなどを検討します. 評価 検討項目チェック項目 棄却されたかどうか 使用する統計量等 P 値 P AR T 2 計量値の検定 推定 2 解釈のポイント P 値が有意水準値以下なら対立仮説を採択します つ以上の母分散の一様性に関する検定 推定 目的 3 つ以上の母分散の一様性に関する検定 (Bartlett の検定 ) を行います. ここでの帰無仮説は, すべての母分散が等しい であり, 対立仮説は k 個の母分散のうち等しくないものがある となります. 変数の指定で変数選択後, カテゴリが 6 を越える場合にはカテゴリを指定するダイアログが表示されるので, 解析に用いるカテゴリを選択します. ただし, 指定できるデータの群の数は最大 6 群までです. 活用場面 3 つの加工機の加工精度のばらつきが等しいか否かを検証する等 2-2-7

16 つ以上の母分散の一様性に関する検定 推定 データ形式データの形式は以下の 3 つがあります. 特性値のみ 特性値と群分け情報 ( 質的変数 : カテゴリ数 3~6) 3~6 つの特性値 3 つの特性値の場合 3. 手法の選択選択方法 [ 手法選択 ]-[ 検定 推定 ]-[3 つ以上の母分散の一様性 ] 3.2 変数の指定 検定 推定の対象となる量的変数を指定します. 説 H 0 と求めた統計量 χ 0 2, さらに χ 0 2 (φ,α) となる上側確率 (α) を () 内に表示します. 本システムでは, 有意水準 % および 5% についての検定結果を表示します. 指定した群の分散が一様でないと判断できない場合は, 仮説 H 0 は有意水準 α% で棄却されない と表示されます (α は % および 5%). 逆に 3 つ以上の群のうちどれか つでも統計的な差が認められる場合には, 仮説 H 0 は有意水準 α% で棄却される と表示されます. 本システムでは,Bartlett の方法を用いて検定を行っています. 変数の指定方法は以下の 3 つがあります. 特性値に量的変数を つ指定する 特性値とカテゴリーに量的変数と質的変数 ( カテゴリ数 3~6) を つずつ指定する 特性値に量的変数を 3~6 つ指定するここでは, 特性値に量的変数を 3 つ指定しています. 3.3 検定結果の確認各項目の設定が終了したら,[ 次へ進む ] ボタンをクリックすると検定結果が表示されます. 検定結果には, 指定した n 群による分散の一様性に関する検定結果を表示します. 画面中央には, 各群の平方和, 自由度等の統計量を表示します. 画面下部には, 検定結果が表示されます. 帰無仮 評価 検討項目チェック項目使用する統計量等 棄却されたかどうか P 値 解釈のポイント P 値が 0.0 以下ならば帰無仮説 H0 は有意水準 % で棄却されます. これは k 個の母分散で等しくないものがあるというだけで, 特定の組み合わせの分散が等しくないといっているわけではありません

17 2-4. 母平均に関する検定 推定 2-4. 母平均に関する検定 推定 目的設定した従来の母平均と, サンプリングされたデータの平均との差があるか否かの検定および推定を行います. 母平均 μ の検定 推定は母集団の分散 σ 2 が既知であるか, 未知であるかによって使いわけが異なります. 分散 σ 2 が既知である場合には, 平均値の分布が N(μ,σ 2 /n) であることを利用し, 検定統計量 u u = x - m ~N ( 0, 2 ) s / n を, また σ 2 が未知の場合には, 検定統計量 t t = x - m V / n を用いて検定を行います. 解析したい変数を指定すると, 変数のヒストグラムが表示されます. データの平均とばらつきなどを視覚的に確認することができます. 活用場面瓶詰め製品の内容量が設定値の 20ml からずれているか否かを検証する等 データ形式データの形式は以下になります. つの特性値 P AR T 2 計量値の検定 推定 2 4. 手法の選択選択方法 [ 手法選択 ]-[ 検定 推定 ]-[ 母平均 ] 2-2-9

18 2-4. 母平均に関する検定 推定 4.2 変数の指定 検定 推定の対象となる量的変数を指定します. (2) 母標準偏差が判らない場合 特性値に量的変数を つ指定して,[ 次へ進む ] ボタンをクリックします. 4.3 検定 推定条件の指定変数指定で変数を選択後, 仮説の設定 ダイアログが表示されます. 帰無仮説 の (μ 0 = ) に母平均を入力します. 母平均はあらかじめわかっている値を入力します. 対立仮説 の条件および画面左下の 区間推定の信頼率 の信頼率を選択します. 基準値あるいは経験値から画面右上の母標準偏差をあらかじめ判っている場合は, 既知 を選び母標準偏差の値を入力します. 判らないときは, 未知 を選びます. 検定に用いる統計量として t 0 を用います.(t 分布を使用 ). 母標準偏差が判らない場合の検定結果を下図に表示します. また, 画面上には指定した変数の各統計量および自由度 (φ) が表示され, 平均, 分散に関しては仮説の設定で選択した信頼区間が表示されます. 画面下には, 検定結果が表示されます. 帰無仮説 H 0 が棄却されるかどうかを判断します. 本システムでは, 有意水準 % および5% についての検定結果を表示します. いま指定したデータの平均と母平均の値に統計的な差が認められない場合は, 仮説 H 0 は有意水準 α% で棄却されない と表示されます (αは% および5%). 逆に統計的な差が認められる場合には, 仮説 H 0 は有意水準 α% で棄却される と表示され, 対立仮説が採択されます. 4.4 検定結果の確認母標準偏差の入力において母標準偏差が判っている場合の検定方法と判らない場合の検定方法は異なります. () 母標準偏差が判っている場合 検定に用いる統計量として u 0 を用います ( 正規分 布を使用 ). 母標準偏差が判っている場合の検定結 果を下図に表示します.( 母標準偏差に 5.5 入力 ) 試験データから得られた平均値が母平均と同じであ るかどうかは母標準偏差とデータから得られた標準 偏差を用いて判断します. 評価 検討項目チェック項目 棄却されたかどうか 使用する統計量等 P 値 解釈のポイント P 値が 0.05 もしくは 0.0 以下ならば帰無仮説 H0 は棄却され, 対立仮説が採択されます

19 つの母平均の差に関する検定 推定 つの母平均の差に関する検定 推定 目的 2 群のデータの母平均が等しいか否かの検定および推定を行います. 解析したい変数を指定後, 指定した変数のヒストグラムを 2 つ表示します. 平均値とばらつきの値を用いて平均の違いが明らかかどうかを視覚的に確認することができます. 活用場面 2 つの工場の生産能力に差があるかどうかを, 平均の差が等しいか否かで検証する等 データ形式データの形式は以下の 3 つがあります. 特性値のみ 特性値と群分け情報 ( 質的変数 ) 2 つの特性値 P AR T 2 2 計量値の検定 推定 2 つの特性値の場合 5. 手法の選択選択方法 [ 手法選択 ]-[ 検定 推定 ]-[2 つの母平均の差 ] 5.2 変数の指定変数の指定ダイアログで, サンプル名と検定 推定対象データを選択します. を つずつ指定する 特性値に量的変数を 2 つ指定するここでは, 特性値に量的変数を 2 つ指定しています. 5.3 検定 推定条件の指定解析に用いる変数を選ぶと, 次に 仮説の設定 ダイアログが表示されます. 画面右上の 対立仮説 はありたい姿を表しており, 条件式で示します. 画面右下の 区間推定の信頼率 の信頼率を選びます. 画面左の 母標準偏差 に関しては, 母標準偏差が判っている場合 ( 既知 ) は入力し, 判っていない場合 ( 未知 ) は入力せずにおきます. 変数の指定方法は以下の 3 つがあります. 特性値に量的変数を つ指定する 特性値とカテゴリーに量的変数と質的変数 2-2-

20 つの母平均の差に関する検定 推定 2-6. データに対応がある場合の母平均の差に関する検定 推定 5.4 検定結果の確認母標準偏差の入力において母標準偏差が判っている場合の検定方法と判らない場合の検定方法は異なります. 検定に用いる統計量として t 0 を用います.(t 分布を使用 ). 母標準偏差が判らないで母標準偏差が等しくないと思われる場合 (5% 有意 ) は (Welch の方法 ) を用い検定します. 画面上部には指定した変数の各統計量および自由度 (φ) が表示され, 平均, 分散に関しては仮説の設定で選択した信頼区間が表示されます. 画面下部には, 検定結果が表示されます. 帰無仮説 H 0 と上記データによって求めた統計量 (u 0 あるいはt 0 ), さらにu 0 (α) あるいはt 0 (φ,α) となる上側確率値 (α) を () 内に表示します. () 母標準偏差が判っている場合検定に用いる統計量として u 0 を用います ( 正規分布を使用 ). 母標準偏差が判っていて等しくない場合の検定結果を下図に表示します. 評価 検討項目チェック項目 棄却されたかどうか 使用する統計量等 P 値 この例では, 検定 推定条件に σ =.400,σ 2=.00 を指定しています. 解釈のポイント P 値が 0.05 もしくは 0.0 以下ならば帰無仮説 H0 は棄却され, 対立仮説が採択されます. (2) 母標準偏差が判らない場合 2-6. データに対応がある場合の母平均の差に関する 検定 推定 目的 2 群の製品 A と B の特性を比較する場合に, ある特定の条件のもとでどちらがよいかという問題と, いろいろな条件のもとで総合的によいのはどちらかという 2 つの問題があります. 前者については, 5 2 つの母平均値の差に関する検定 推定 で検定を行うことができます. 後者については, 6 データに対応がある場合の母平均の差に関する検定 推定 で検定を行うことができます. 活用場面部品 No ごとに, ある決められた部位の A 地点と B 地点の厚さを測定し, その結果から両地点での厚さが等しいか否かを検証する等 2-2-2

21 2-6. データに対応がある場合の母平均の差に関する検定 推定 データ形式データの形式は以下になります. 材質 A と材質 B の測定値は対応があります. 例えば 行目のデータはサンプル名 という条件で得られたものです. サンプル名 2 は別の条件ということになります. 2 つの特性値 P AR T 2 2 つの特性値の場合 6. 手法の選択選択方法 [ 手法選択 ]-[ 検定 推定 ]-[ データに対応がある場合の母平均の差 ] 6.2 変数の指定変数の指定ダイアログで, サンプル名と検定 推定対象データを選択します. 計量値の検定 推定 2 特性値に量的変数を 2 つ指定して,[ 次へ進む ] ボタンをクリックします. 6.3 検定 推定条件の指定 データに対応がある場合の母平均の差 の検定を行うには,2 群の各データが対応している, つまりサンプルごとに収集したデータを用います. 変数の指定で解析する変数を選択後, 次に 仮説の設定 ダイアログが表示されます. 画面上部の 帰無仮説 に, 対応するデータの平均値の差を (δ0= ) に入力し, 画面中央の 対立仮説 の条件および画面下部の 区間推定の信頼率 の区間推定の信頼率を選択します. 平均値の差の入力を行わずに [OK] ボタンを クリックすると, 平均値の差を 0 として検定を 行います. 6.4 検定結果の確認 [OK] ボタンをクリックすると, 入力した平均値の差に対する検定結果を表示します. 画面上部には, 指定した変数の各統計量および自由度 (φ) が表示され, 平均, 分散に関しては 仮説の設定 ダイアログで選択した信頼区間が表示されます. 画面下部には, 検定結果が表示されます. 帰無仮説 H 0 と求めた統計量 t 0, さらに t 0 (φ,α) となる上側確率 (α) を () 内に表示します. 本システムでは, 有意水準 % および 5% についての検定結果を表示します. 指定した 2 群の対応あるデータの母平均の差に統計的な差が認められない場合は, 仮説 H 0 は有意水準 α% で棄却されない と表示されます (α は % および 5%)

22 2-6. データに対応がある場合の母平均の差に関する検定 推定 2-7. 異常値の検定 逆に統計的な差が認められる場合には, 仮説 H 0 は有意水準 α% で棄却される と表示されます. 解析操作 解析操作 内容 折れ線グラフ 2 変数の折れ線グラフを表示する 6.4. 折れ線グラフ 起動方法ツールボタン 折れ線グラフ クリック. 2 変数の折れ線グラフが表示されていますが, 変数に対応関係があることがわかります. チェック項目 棄却されたかどうか 使用する統計量等 P 値 解釈のポイント P 値が 0.05 もしくは 0.0 以下ならば帰無仮説 H0 は棄却され, 対立仮説が採択されます. データに対応関係があるかどうかは折れ線グラフからもわかります 異常値の検定 目的一連のデータ群をサンプリング地点あるいは測定方法やデータ入力, 転記ミスなどによって異常な値がまぎれ込むことがあります. 異常値はデータ群中の最大値または最小値となりますが, それを検出できる方法があると便利です. 正規分布に従うデータ群の場合, 異常値があるかどうかを統計的に検定する方法として グラブス スミルノフ棄却検定 があります. 活用場面 データ測定 ( 入力 ) 時の異常検出 特定データ ( 最大値, 最小値 ) をマスキングする場合の判断等 データ形式データの形式は以下になります. つの特性値のデータ 磨き誤差のデータ 2-2-4

23 2-7. 異常値の検定 異常値の検定を行うには, 上表 ( 例 ) のような 2 次元表形式のデータをワークシートに入力して下さい. 解析に用いることができる変数は量的変数 個のみです. データ数は 3 個以上から計算できますが, 統計的には 7 個以上が望ましいとされています. 欠測値のあるサンプルあるいはマスクされているサンプルは解析時に除かれます. また分散が 0 になるようなデータ群の場合 ( データ数が 2 個のときや最大値と最小値が同じ値のとき ) は解析を続けることができません. 7. 手法の選択選択方法 [ 手法選択 ]-[ 検定 推定 ]-[ 異常値の検定 ] 7.2 変数の指定変数の指定ダイアログで, 検定対象の変数名を選択して [ 次へ進む ] ボタンをクリックします. 特性値に量的変数を つ指定して,[ 次へ進む ] ボタンをクリックします. 7.3 仮説の設定ここでは検定の条件として, 帰無仮説を すべてのデータは同じ母集団からのものである とし, 対立仮説と有意水準を指定します. 定に対応しています. すなわち両側検定なら を, 片側検定なら 2 か 3 を選びます. 片側検定は, ) 両側検定における対立仮説の一方が実際には起こり得ない場合 2) あるいは起こっても問題にする必要がない場合で, それ以外の場合は通常, 両側検定をおこないます. 有意水準 α は 5%, % もしくは 任意 いずれかから選択します. 任意 を選択した場合, 右横の入力項目にパーセント値 (0<α<00) を入力して下さい. 仮説の設定が終わったら, 確認して [OK] ボタンをクリックします. 7.4 検定結果の確認帰無仮説, 対立仮説, 基本統計量, ヒストグラム, 検定結果が表示されます. P AR T 2 計量値の検定 推定 2 3 つの対立仮説 H の中から目的に応じて つを選択します.. データのうち, 最も外れている値は異常値である 2. データの最大値は異常値である 3. データの最小値は異常値である 上記の対立仮説の設定は, 棄却域を両側に設ける両側検定, 片側に設ける片側検 評価 検討項目チェック項目 基本統計量と検定統計量 使用する統計量等基本統計量 ( データ数, 平均値, 分散, 2-2-5

24 2-7. 異常値の検定 検定対象のサンプル番号と値 2 全データの分布をヒストグラムで確認 3 帰無仮説は棄却されたか否か 標準偏差, 自由度, 最大値, 最小値 ) 検定対象サンプル番号, 検定統計量 ( グラッブスの検定統計量 T, 棄却限界値 G) 平均値 ( デフォルト ) グラッブスの検定統計量 T, 棄却限界値 G 解釈のポイント帰無仮説の採択 / 非採択はグラッブスの検定統計量 T と棄却限界値 G によって決まります. T < G のとき, 帰無仮説を採択します. ( 例 ) データのうち, 最大 ( 最小 ) のものは異常値であるとはいえない T G のとき, 帰無仮説を棄却します. ( 例 ) データのうち, 最大 ( 最小 ) のものは異常値である 上記の例だと, グラッブスの検定対象のサンプルは 29 番のデータで 500( つまり最大値 ) です. グラッブスの検定統計量 T は 4.770, 棄却限界値 G は なので T>G となり, 帰無仮説 H0 は有意水準 5% で棄却されます. その結果, 対立仮説が採択され,29 番のサンプルは異常値であるということになります. この 29 番のデータはなぜ異常値なのか, 原因を追究することになります. またワークシートに戻り,29 番をマスクして再度, 異常値の検定をおこなってもよいでしょう

25 3 ノンパラメトリック検定 F 検定や t 検定など, 母集団に特定の分布 ( 正規分布など ) を仮定し, 未知のパラメータに対して行う検定を一般的にパラメトリック検定といいます. ここで扱う検定は, 母集団に特定の分布 ( 特に正規分布 ) を仮定しない場合あるいは正規化できない, 測定値に信頼がおけない場合などに適用される検定ですが, ノンパラメトリック検定と呼んでいます. 数値が得られない場合に順位データとして扱うこともできますが, 順位データは数値の大きさに依存しないため, はずれ値の影響は少なくなるといわれています. 検定の種類データの特徴, 検定統計量, 検定方法など χ 2 検定 クロス表の項目間には関連がなく, 相互に独立であることを調べる. χ 2 統計量ウィルコクソ 対応のない2つのグループの中心位置( メジアン ) の違いを検定する. ンの順位和 Wilcoxon の統計量検定 母集団分布が正規分布ではないが, メジアンに関しては対称性があったり, あるいはそれに近い分布に適用する. MOOD 検定 2つの母集団のスケールパラメータ( バラツキ ) の大きさに違いがあるかどうかを調べる. MOOD 統計量 ウィルコクソンの符号付き順位和検定 クラスカル ウォリス検定 フリードマン検定 つの母集団の中心位置の違いや対応のある2つのグループの中心位置の差の違いを調べるために用いる. 順位和統計量 測定がおおざっぱでデータの細かな値自体には信頼がおけない, あるいは母集団分布が正規分布と大きく異なると判断できる場合に適用する. 対応するデータの差の分布が正規分布と大きく異なる場合に適用する. 3つ以上のグループ間の順位の違いを調べるために用いる.( 一元配置分散分析データに適用する ) KW 統計量 :χ 2 分布に近似できる 誤差の分布が未知でもよいことがパラメトリック検定と本質的に違う. データが順位として得られている 2 測定がおおざっぱで数値自体に信頼が置けない 3 母集団分布が正規分布から大きく異なる 4 誤差の等分散性が崩れている 対応がある3つ以上のグループ間の順位の違いを調べるために用いる.( 二元配置分散分析 / 乱塊法に対応する ) 検定統計量 FR:χ 2 分布に近似できる. データ表の行あるいは列の因子 Aの効果を知るために, 因子 Bの効果を消し因子 Aの効果のみを取り出したい場合. P A R T 2 ノンパラメトリック検定 3 機能構成最初に 6 つのノンパラメトリック検定を選択して変数指定, 帰無仮説と対立仮説, 信頼区間等を設定して, 検定結果を表示します. データ形式検定によりデータ入力形式が異なります. 2-3-

26 () χ 2 検定 クロス表形式のデータ表を用います. 行列項目間の独立性を検定します. 変数名サンプル名 X X2 A B 69 8 C 4 28 F 度数の検定を行う場合は 基本解析の 度数表 / 多変量クロス表 の機能を使用してください. 2 つの質的変数を用いてクロス表を作成して検定することができます. 変数名サンプル名 C [ 質的変数 ] C2 [ 質的変数 ] 晴れ A 2 曇り A 3 晴れ B 4 雨 A (2) ウィルコクソンの順位和検定 3 つのデータ形式が選択できます. ) 入力データ形式 : 特性値と質的変数の入力. 変数名サンプル名 X C [ 質的変数 ] 3.5 A A B A カテゴリー間で中心位置の違いを検定します. ただし, 欠測値のあるサンプルは除きます. 2) 入力データ形式 2: 対象データを複数列で比較 検定します. 変数名サンプル名 X カテゴリ A X2 カテゴリ B X,X2 がともに欠側値であるサンプルは解析対象から除きます

27 3) 入力データ形式 3: 順序カテゴリーの分割表. データは度数形式. 変数名サンプル名 男性 女性 ( 満足 ) 2 3 2( 中 ) 5 5 3( 不満 ) 3 6 男女間で中心位置に差があるかどうかを検定します. ただし欠側値のあるサンプルは除かれ ます. 各セルに度数を入力します. (3) MOOD 検定 2 つのデータ形式が選択できます.2 種類の母集団の間でバラツキに違いがあるかどうかをチェックします. ) 入力データ形式 : 特性値と質的変数の入力. 変数名サンプル名 特性値 C [ 質的変数 ] 3.5 A A B A データ表で欠測のあるサンプルは除きます. P A R T 2 ノンパラメトリック検定 3 2) 入力データ形式 2: 入力データ形式 の質的変数のカテゴリ (A,B) ごとに複数列でデータを入力. 特性値形式. 変数名サンプル名 X カテゴリ A X2 カテゴリ B X,X2 がともに欠側値であるサンプルは除きます

28 (4) クラスカル ウォリス検定 3つのデータ形式が選択できます.3 つ以上のグループ間で順位に違いがあるかどうかを検定します. ) 入力データ形式 : 特性値と質的変数の入力. 変数名サンプル名 特性値 C [ 質的変数 ] 3.5 A C B 2.0 A データ表で欠測のあるサンプルは除きます. 2) 入力データ形式 2: 入力データ形式 の質的変数のカテゴリ (A,B) ごとに複数列でデータを入力. 特性値形式. 変数名サンプル名 X カテゴリ A X2 カテゴリ B X3 カテゴリ C X,X2,X3 がともに欠側値であるサンプルは除きます. 3) 入力データ形式 3: 順序カテゴリーの分割表. データは度数形式. ビジネス ( 長ビジネス ( 短旅行変数名期 ) 期 ) サンプル名 ( 満足 ) ( 中 ) ( 不満 ) データ表で欠測のあるサンプルは除きます. 各セルに度数を入力します. (5) ウィルコクソンの符号付き順位和検定対応のある 2 つのデータの中心位置の差の検定に用いる場合では, 入力形式,2が利用できます. ) 入力データ形式 : 特性値と種類を表す質的変数の入力. 変数名サンプル名 特性値 C [ 質的変数 ] 3.5 A A B A 欠測値のあるサンプルは除きます

29 2) 入力データ形式 2: 入力データ形式 の質的変数のカテゴリ (A,B) ごとに複数列でデータを入力. 特性値形式. 変数名サンプル名 X カテゴリ A X2 カテゴリ B X,X2 がともに欠側値であるサンプルは除きます. 一つの母集団の中心位置に関する検定の場合 P A R T 2 3 3) 入力データ形式 4 変数名サンプル名 X ノンパラメトリック検定 欠測サンプルは除きます. (6) フリードマン検定 2 つのデータ形式が扱えます. ) 入力データ形式 5 因子 A,B のどちらかの水準数を 3 以上として下さい. 例. 因子 A が 4 水準, 因子 B は 3 水準 変数名サンプル名 特性値 因子 A [ 質的変数 ] 因子 B [ 質的変数 ] A B 3.5 A B A B A2 B A4 B データ表で欠測のあるサンプルは除きます

30 2) 入力データ形式 2 例. 因子 A が 4 水準, 因子 B は 3 水準 変数名サンプル名 A A2 A3 A4 B B B データ表で欠測のあるサンプルは除きます. 変数指定のまとめ 下記のようにまとめることができます. 検定の種類 変数 量的質的 対応するデータ形式 χ 2 検定 2~20 0 入力データ形式 3( 度数形式 ) ウィルコクソンの順位和検定 2 2 MOOD 検定 2 クラスカル ウォリス検定 3~24 3~ 入力データ形式 入力データ形式 2( 特性値形式 ) 入力データ形式 3( 度数形式 ) 入力データ形式 入力データ形式 2( 特性値形式 ) 入力データ形式 入力データ形式 2( 特性値形式 ) 入力データ形式 3( 度数形式 ) ウィルコクソンの符号付き 入力データ形式 順位和検定 2 0 入力データ形式 2( 特性値形式 ) 0 入力データ形式 4 フリードマン検定 3~ 入力データ形式 5 入力データ形式 2( 特性値形式 ) 2-3-6

31 3-. χ 2 検定 3-.χ 2 検定 目的カイ 2 乗検定とは ある仮説のもとで 2 つの事象 ( 例 : 製造した機械や製品品質など ) を調査し 発生した頻度 ( 出現確率 ) が統計的な有意性があるかどうか ( 製造機械の種類によって製品品質の出方に違いがあると言えるかどうかなど ) を判定します 2 つの事象について分類した項目から 2 元表 ( 製造機械種類と製品品質レベルの分割表 ) を作成し, それぞれの機械で製造される製品の集まりを母集団と考えて, 各母集団から得られる品質レベルの発生確率がすべて等しい ( 帰無仮説 :Ho) と言えるかどうかを, 検定統計量 (χ 2 値 ) を用いて統計的に検定します. もし,p 値が有意水準 ( 例 5%) 以下であるならば帰無仮説は棄却され, 対立仮説 (H) が採択されます. 帰無仮説 (H0):2 項目間には関連性がない ( 独立である, 一様である, 違いがない ) χ 2 値 <χ 2 値 (0.0 あるいは 0.05),p 値 >0.0 あるいは 0.05 で採択対立仮説 (H):2 項目間のには関連性がある ( 独立ではない, 一様ではない, 違いがある ) χ 2 値 χ 2 値 (0.0 あるいは 0.05),p 値 0.0 あるいは 0.05 で採択 適用上の注意点 a b の分割表と言う意味では,2 元配置分散分析のデータ形式と同じですが,χ 2 検定で使っている数値は特性値ではなく, 度数であるという点が異なります. 観察される事象は互いに排他的でなければなりません ( 例えば さいころの目 ある人が男か女か など ) 検定の有意水準 (α) を厳しくすると必要な実験数 症例数 (N) は増えます. 例えば, 有意水準を 5% から % にすると, 実験数は約.5 倍必要です. また, 有意差を見逃す確率 (β) を小さくするには実験数 N が増大します. P A R T 2 ノンパラメトリック検定 3 目的あるグループ内でのデータの出現頻度が他のグループと同じかどうかを検定するために使用します. 本機能の場合, 仮説および対立仮説は以下になります. 帰無仮説 H 0 : 各グループ ( 下記のデータ表の場合ラインごと ) に違いはない. 対立仮説 H : 各グループ ( 下記のデータ表の場合ラインごと ) に違いがある. 活用場面 顧客が選ぶ商品の週ごとの変化が 意味あるレベルの変動を示しているかを判定する 配置されたスタッフの数の違いが顧客満足度に影響を及ぼしているかどうかを判定する 臨床試験で, プラセボ群と薬物投与群で患者が治癒した割合は等しいといえるか,2 群間の治癒率の差は本当は差が無くても起こりうるのではないか, などを判定する等 データ形式クロス表形式のデータ ( セル内は度数 ) を使用します. 例 : 製造ラインの種類によって製品品質 ( 良, 普通, 不良 ) の違いがないと言えるか

32 3-. χ 2 検定 3-2. ウィルコクソンの順位和検定. 手法の選択選択方法 [ 手法選択 ]-[ 検定 推定 ]-[ カイ二乗検定 ].2 変数の指定変数の指定ダイアログで, 検定対象の変数名を選択して [ 次へ進む ] ボタンをクリックします. 評価 検討項目 チェック項目 使用する統計量等 統計量 χ 2 統計量 χ 2,P 値 2 検定結果 帰無仮説が棄却される / されない 解釈のポイント χ 2 分布は自由度によって異なります. データから求めた χ 2 値が χ 2 分布の上側 %( もしくは 5%) の値より大きければ仮説は棄却され, それより小さければ棄却されません.χ 2 値に対応する確率値つまり P 値が % あるいは 5% 以下なら帰無仮説は棄却され, 対立仮説が採択されます..3 検定結果の確認 コンボボックスの切り換えによって規準化残差を表示することができます ウィルコクソンの順位和検定 目的 2 つの母集団 A,B について, 中心位置の違いの検定を行ないます. 本機能の場合, 仮説および対立仮説は以下になります. 帰無仮説 H 0 :A,B の中心位置は等しい. 対立仮説 H : a)a,b の中心位置は等しくない. b)b の方が大きな値がでる傾向がある. c)a の方が大きな値がでる傾向がある. 活用場面金属部品の径の分布の中心位置がライン A とライン B で等しいか否かを検証する. 等 データ形式量的変数 ( 洗浄度 ) が 2 つ ( 洗浄方法 2) の場合は, 以下のデータ形式になります. この場合の 仮説の設定ダイアログ も合わせて示します

33 3-2. ウィルコクソンの順位和検定 入力形式 の場合には以下のように入力します. P A R T 手法の選択選択方法 [ 手法選択 ]-[ 検定 推定 ]-[ ウィルコクソンの順位和検定 ] 2.2 変数の指定変数の指定ダイアログで, 検定対象の変数名を選択して [ 次へ進む ] ボタンをクリックします. 2.3 検定 仮説の設定 ノンパラメトリック検定 データ形式, 対立仮説. 有意水準を選択します. 有意水準の初期値は 5% です. データの入力形式に合わせて変数を指定します. ここでは入力形式 2 のため, 量的変数を 2 つ指定しています. 2.4 検定結果の確認 [OK] ボタンをクリックすると, 指定された条件で検定 推定を行います. 本システムではデータ数, 対立仮説, 有意水準等の組み合わせで, ウィルコクソン順位和検定表が使用できる場合は, 検定表の有意点値と比較し, 検定しています. ウィルコクソン順位和検定表が使用できない場合は正規近似で検定しています

34 3-2. ウィルコクソンの順位和検定 3-3. MOOD 検定 評価 検討項目 チェック項目 使用する統計量等 統計量 u 0 統計量 u 0,P 値 2 検定結果 帰無仮説が棄却される / されない 解釈のポイント検定統計量 U0 は であり 確率 5% の統計量 u は.960 で,2.005>.960 となります. このとき P 値は 0.045(<0.005) となっています. よって有意水準 5.0% で帰無仮説は棄却され, 対立仮説 二つの母集団の分布の中心位置は等しくない が採択されます. 3-3.MOOD 検定 目的二つの母集団 (A,B) について, ばらつきの大きさに違いがあるかどうかを調べるときに用います. 帰無仮説 H 0 : 二つの母集団 A,B のばらつきは等しい. 対立仮説 H : a) 二つの母集団のばらつきは等しくない. b) 母集団 B の方がばらつきが大きい. c) 母集団 A の方がばらつきが大きい. 活用場面加工機械 A と加工機械 B で製造した部品径のばらつきが違うかどうか検証する. 等 データ形式量的変数 ( 圧縮強度 ) が 2 つ ( 入力形式 2 を用いる, 試験方法 2 を量的変数として用いる ) の場合は, 以下のデータ形式になります. 3. 手法の選択選択方法 [ 手法選択 ]-[ 検定 推定 ]-[MOOD 検定 ] 2-3-0

35 3-3. MOOD 検定 3-4. クラスカル ウォリス検定 3.2 変数の指定変数の指定ダイアログで, 検定対象の変数名を選択して [ 次へ進む ] ボタンをクリックします. 3.4 検定結果の確認 [OK] ボタンをクリックすると, 指定された条件で検定 推定を行います. データ数, 対立仮説, 有意水準等の組み合わせで,MOOD 検定表が使用できる場合は検定表の有意点値と比較し, 検定しています. MOOD 検定表が使用できない場合は, 正規近似で検定しています. データの入力形式に合わせて変数を指定します. ここでは入力形式 2 のため, 量的変数を 2 つ指定しています. 3.3 検定 仮説の設定 対立仮説と有意水準を選択します. 入力形式 の場合は, カテゴリ番号が小さいデータ群が 母集団 A になります. また, 有意水準の初期値は 5% とします. 評価 検討項目 チェック項目 使用する統計量等 統計量 u 0 統計量 u 0,P 値 2 検定結果 帰無仮説が棄却される / されない 解釈のポイント検定統計量 U0 は であり 確率 5% の統計量 u は.960 です. すなわち u=2.337>.960 となり, このとき P 値は 0.09 であり 0.05 より小さくなります. よって有意水準 5.0% で帰無仮説は棄却され, 対立仮説 二つの母集団の分布のばらつきは等しくない が採択されます. P A R T 2 ノンパラメトリック検定 クラスカル ウォリス検定 目的一つの因子 A( 水準数 3 以上 ) に注目し, 完全ランダマイズ実験より得た特性に対して因子の効果があるかどうかを調べます. 帰無仮説 H 0 : 各母集団の分布の中心位置は等しい. 対立仮説 H : 各母集団の分布の中心位置は等しくない. P 値が有意水準 0.05 あるいは 0.0 より小さければ対立仮説 H を採択します. 活用場面異なる条件で製造した場合の収率データに差があるかどうかを順位の違いで検定する. アンケートの満足度が属性 ( 旅行目的 ) によって差があるか検定する. 等 データ形式量的変数 ( 収率 ) が 3 つ ( 入力形式 2 雨 曇り 晴れ :3 水準 ) の場合は, 以下のデータ形式になり 2-3-

36 3-4. クラスカル ウォリス検定 ます. 4. 手法の選択選択方法 [ 手法選択 ]-[ 検定 推定 ]-[ クラスカル ウォリス検定 ] 4.2 変数の指定変数の指定ダイアログで, 検定対象の変数名を選択して [ 次へ進む ] ボタンをクリックします. χ 2 近似で検定しています. データの入力形式に合わせて変数を指定します. ここでは入力形式 2 のため, 量的変数を 3 つ指定しています. 4.3 検定 仮説の設定 評価 検討項目 チェック項目 使用する統計量等 2 統計量 χ 0 統計量 χ 2 0,P 値 2 検定結果 帰無仮説が棄却される / されない 解釈のポイント検定統計量 χ 0 2 は 7.09 であり 確率 5% の統計量 χ 2 は 5.99 であり,P 値は 0.029<0.005 となります. よって有意水準 5.0% で帰無仮説は棄却され, 対立仮説 各母集団の中心位置は等しくない が採択されます. データ形式と有意水準を選択します. 有意水準の初期値は 5% です. 4.4 検定結果の確認 [OK] ボタンをクリックすると, データ数, 対立仮説, 有意水準等の組み合わせで, クラスカル ウォリス検定表が使用できる場合は, 検定表の有意点値と比較し, 検定しています. クラスカル ウォリス検定表が使用できない場合は 2-3-2

37 3-5. ウィルコクソン符号付順位和検定 3-5. ウィルコクソン符号付順位和検定 目的ウィルコクソンの符号付順位和検定では 2 つの検定が行えます. () つの母集団の中心位置の検定指定されたメディアン値 θ 0 を母集団のメディアンとして, サンプルのメディアン値 θ と比較します. 帰無仮説 H 0 :θ=θ 0 対立仮説 H : a)θ θ 0 b)θ>θ 0 c)θ<θ 0 (2)2 つの母集団の中心位置の差の検定母集団 A と B の中心位置が等しいかを検定します. 帰無仮説 H 0 : 二つの母集団 A,B の中心位置は等しい. 対立仮説 H : a) 二つの母集団の中心位置は等しくない. b) 母集団 B の方が大きな値が出る傾向がある. c) 母集団 A の方が大きな値が出る傾向がある. 活用場面部品の洗浄方法に違いがあるかどうかを,2 つの母集団を並べて中心位置に違いがあるかどうかでみる等 P A R T 2 ノンパラメトリック検定 3 データ形式対応がある 2 つのデータ ( 反り量 )( 入力形式 2 釉薬 2) の場合, 以下のデータ形式になります. 量的変数が つの場合は, 一つの母集団の中心位置の検定 になります. 5. 手法の選択選択方法 [ 手法選択 ]-[ 検定 推定 ]-[ ウィルコクソンの符号付順位和検定 ] 2-3-3

38 3-5. ウィルコクソン符号付順位和検定 5.2 変数の指定変数の指定ダイアログで, 検定対象の変数名を選択して [ 次へ進む ] ボタンをクリックします. 入力データ形式によって以下のようにデータが対応づけられます. データの入力形式に合わせて変数を指定します. 一つの母集団の中心位置の検定を行う場合は 量的変数を つ指定してください. また 2 つの母集団の中心位置の差の検定の場合は, データの入力形式にあわせて変数を指定してください. ここでは入力形式 2 で 2 つの母集団を大きさの順に並べ中心位置の差の検定を行うため, 量的変数を 2 つ指定しています. 5.3 検定 仮説の設定 (2 つの母集団の中心位置の差の検定 ) 対立仮説と有意水準を選択します. 有意水準の初期値は 5% です. 5.4 検定結果の確認 (2 つの母集団の中心位置の差の検定 ) [OK] ボタンをクリックすると, データ数, 対立仮説, 有意水準等の組み合わせで, ウィルコクソン符号付き順位和検定表が使用できる場合は, 検定表の有意点値と比較し, 検定しています. ウィルコクソン符号付き順位和検定表が使用できない場合は正規近似で検定しています. 入力データ形式 A: 質的変数のカテゴリ番号の小さい方のデータに対応する母集団. B: 質的変数のカテゴリ番号の大きい方のデータに対応する母集団. 入力データ形式 2 A: 変数指定で 番目に選択した変数のデータに対応する母集団. B: 変数指定で 2 番目に選択した変数のデータに対応する母集団. 評価 検討項目 チェック項目 使用する統計量等 統計量 u 0 の大きさ 統計量 u 0,P 値 と P 値 2 検定結果 帰無仮説が棄却される / されない 解釈のポイント検定統計量 u 0 は であり 確率 5% の統計量 χ 2 は.960 であり,P 値は 0.029<0.05 となります. よって有意水準 5.0% で帰無仮説は棄却され, 対立仮説 二つの母集団 A,B の中心位置は等しくない が採択されます. 5.5 検定 仮説の設定 ( つの母集団の中心位置の差の検定 ) 2-3-4

39 3-5. ウィルコクソン符号付順位和検定 3-6. フリードマン検定 対立仮説と有意水準を選択します. 有意水準の初期値は 5% です. 5.6 検定結果の確認 ( つの母集団の中心位置の差の検定 ) [OK] ボタンをクリックすると,2 つの母集団の中心位置の差を検定するのと同様に検定結果が表示されます. 入力データ形式によって以下のようにデータが対 3-6. フリードマン検定 応づけられます. 入力データ形式 3 A: 変数指定で 番目に選択した変数のデータに対応する母集団. B: 変数指定で 2 番目に選択した変数のデータに対応する母集団. 評価 検討項目 チェック項目 使用する統計量等 統計量 u 0 統計量 u 0,P 値 2 検定結果 帰無仮説が棄却される / されない 解釈のポイント検定統計量 u 0 は であり 確率 5% の統計量 χ 2 は.960 であり,P 値は 0.423<0.05 となります. よって有意水準 5% で帰無仮説 母集団のメディアン θ=θ 0 は棄却できません. つまりメディアン間で違いがあるとはいえない, ということになります. P A R T 2 ノンパラメトリック検定 3 目的 2 つの因子 A( 母数因子 n 水準 ),B( ブロック因子 m 水準 ) について因子 A の効果があるかどうか検定します. 帰無仮説 H 0 : 因子 A の効果はない対立仮説 H : 因子 A の効果がある 活用場面世代によって異なる企業の製品に対する好みに違いがあるかを検定する. 等 データ形式因子 A( 母数因子 A 社製 ~E 社製 :5 水準 ) 因子 B( ブロック因子 20 代 ~40 代 :3 水準 ) の場合は, 以下のデータ形式になります.( 入力データ形式 2) ( 上記と同じデータを入力データ形式 5 で入力した場合 ) 2-3-5

40 3-6. フリードマン検定 6. 手法の選択 選択方法 [ 手法選択 ]-[ 検定 推定 ]-[ フリードマン検定 ] 6.2 変数の指定変数の指定ダイアログで, 検定対象の変数名を選択して [ 次へ進む ] ボタンをクリックします. 評価 検討項目 チェック項目 使用する統計量等 統計量 Fr 統計量 Fr 2 検定結果 帰無仮説が棄却される / されない データの入力形式に合わせて変数を指定します. ここでは入力形式 2 のため, 量的変数を 5 つ指定しています. 6.3 検定 仮説の設定 解釈のポイント検定統計量 Fr は 5.067, 確率 5% の統計量 fr は であり,5.067<8.533=Fr0.05 となります. よって有意水準 5.0% で帰無仮説は棄却されず 因子 A の効果はない が採択されます. 有意水準を選択します. 有意水準の初期値は 5% です. 6.4 検定結果の確認 [OK] ボタンをクリックすると, データ数, 対立仮説, 有意水準等の組み合わせで, フリードマン検定表が使用できる場合は, 検定表の有意点値と比較し, 検定しています. フリードマン検定表が使用できない場合は,χ 2 近似で検定しています

41 4 検出力とサンプルサイズ 検出力とは, 帰無仮説 H 0 (μ=μ 0,σ=σ 0 など ) が成立していないときに, この H 0 を正しく棄却する確率 -β の値のことを意味します. 本機能は, 平均の違う母集団や母分散の違う母集団について, この検出力を求めたり, 検出力 ( 識別する確率 ) をある値以上確保したりするのに, 必要なサンプルサイズを算出することができます. このサンプルサイズは, 検定 推定をするときに, 必要なサンプルサイズの目安となります. ( 検出力は, 改訂された JIS Z 904-4[ データの統計的方法 4 部 : 平均と分散に関する検定方法の検出力 ] として記載されています.) 機能構成各機能別のシステムメニュー構成を以下に示します. 機能 タブ 解析操作 内容 機能の選択 母分散,2つの母分散の比など機能を選択する. 問題の選択 入手したいデータ ( 検出力, サンプルサイズ ) を選択する. パラメータ設定検定方法等パラメータを設定する. 検出力 検出力曲線指定された条件で検出力曲線を描く. 結果表示入力されたパラメータの一覧と, 対応する出力結果を表示する. 検出力値 X 軸のメモリに対する検出値を一覧する. P AR T 2 検出力とサンプルサイズ 4 サンプルサイズ 検出力曲線指定された条件で検出力曲線を描く. 結果表示入力されたパラメータの一覧と, 対応する出力結果を表示する. 検出力値 X 軸のメモリに対する検出値を一覧する. ( 最も適切なサンプル数を太線表示 ) 2-4-

42 4-. 検出力とサンプルサイズ 4-. 検出力とサンプルサイズ. 手法の選択選択方法 [ 手法選択 ]-[ 検定 推定 ]-[ 検出力とサンプルサイズ ].2 検出方法機能の選択ダイアログで, 検出力やサンプルサイズを求める対象となる検定方法を選択します. 検定方法のボタンをクリックします..3 問題の選択問題の選択ダイアログで, 何をやろうとしているかを明らかにします. 求めたい値 ( 検出力 / サンプルサイズのどちらか ) を選択します..4 パラメータ設定.4. 検出力 (-β) を求める場合パラメータ選択ダイアログで, 計算に使用するパラメータを入力 選択します. データを入力後, [OK] ボタンをクリックします. 母平均 2つの母平均の差データに対応がある場合の母平均の差母分散 2つの母分散の比 検定方法 両側右片側検定 ( 片側 a) 左片側検定 ( 片側 b) パラメータ サンプルサイズ 選択 入力 入力 平均の差 n μ-μ 0 平均の差 n,n 2 μ -μ 2 差 δ-δ 0 n n n 母分散 母標準偏差危険率 選択 入力 入力 母平均 既知, 未知 σ α 2つの母 既知, 未知 σ,σ 2 平均の差 データに 既知, 未知 σ 対応がある場合の母平均の差 母分散 σ,σ 0 2つの母分散の比 σ,σ サンプルサイズを求める場合パラメータ選択ダイアログで, 計算に使用するパラメータを入力 選択します. データを入力後, [OK] ボタンをクリックします. 検出力を求める際に入力する必要のある設定およびパラメータは以下のとおりです

43 4-. 検出力とサンプルサイズ サンプルサイズを求めるまでの入力方法, パラメータは以下のとおりです. 母平均 2つの母平均の差データに対応がある場合の母平均の差母分散 2つの母分散の比 検定方法 パラメータ 検出力 -β 選択入力入力 両側右片側検定 ( 片側 a) 左片側検定 ( 片側 b) 平均の差 μ-μ 0 平均の差 μ -μ 2 差 δ-δ 任意の数値を入力 ( 危険率 α の値より大きな値 ) 母分散 母標準偏 危険率 差 選択 入力 入力 母平均 既知, 未知 σ α 2つの母平 既知, 未知 σ 均の差 データに対 既知, 未知 σ 応がある場合の母平均の差 母分散 σ,σ 0 2つの母分散の比 σ,σ 2 サイズの検出力曲線が太線で表示され, 右側の縦軸に入力された検出力値が表示されます. ( 両側検定のグラフ ) ( 右片側検定のグラフ ) ( 左片側検定のグラフ ) P AR T 2 検出力とサンプルサイズ 4.5 検出力曲線サンプルサイズを指定して検出力を求める場合には, 入力したサンプルサイズに対応した検出力値と検出力曲線を表示します. 入力したサンプルサイズに対応する検出力曲線が太線で表示され, 前後 2 本ずつ一定幅でサンプルサイズを変更した場合の検出力曲線が表示されるので, サンプルサイズによって検出力がどの程度変わるのかがわかります. また, 画面上部に, 入力されたパラメータ, 右側の縦軸には, 危険率 α の値, 入力したサンプルサイズに対応した検出力値が表示されています. 画面右側には, グラフの色と対応するサンプルサイズが表示されています. 評価 検討項目チェック項目 サンプルサイズの違いによってどう変化するか 使用する統計量等検出力曲線.5. 結果表示ツールボタン [ 結果表示 ] をクリックします. 検出力値からサンプルサイズを求める場合には, 入力された検出値に対してもっとも適切なサンプル 2-4-3

44 4-. 検出力とサンプルサイズ 入力 のラジオボタン ( サンプルサイズあるいは検出力 (-β)) をクリックし, サンプル数あるいは検出力値を入力し,[ 計算開始 ] ボタンをクリックすると [ 出力 ] 欄に計算結果を表示します. また,[OK] ボタンをクリックすると, 計算された結果をもとに, 検出力曲線を再描画します..6 検出力値 X 軸の目盛に対応する検出力値を検出力曲線のグラフごとに一覧表示します. 目盛をオプションで変更して表示グラフ上の値の確認にご利用ください. なお, 表の一番右側の数値は, 指定パラメータから計算で求めた検出力線ごとの検出力値を表示しています

45 5 確率値の計算 本機能は, 二項分布, ポアソン分布などの離散分布や, 標準正規分布,F 分布などの連続分布に対して, 入力されたパラメータや数値をもとに該当する分布の確率や分位点を求めるもので, 数値表の利用に変わるものをコンピュータで実現しています. ある分布とパラメータや上限 下限値を仮定して, 目的となる確率値や分位点を手軽に計算することができます. 本手法では, 対象として以下の分布を扱っています. P AR 連続分布 離散分布 分布標準正規分布正規分布対数正規分布 F 分布 t 分布カイ二乗分布一様分布指数分布ガンマ分布ワイブル分布一様分布 2 項分布負の 2 項分布ポアソン分布超幾何分布 T 2 確率値の計算 5 連続分布は, 分布の選択をするときに確率と分位点を求めるメニューが別々になっています. 離散分布は, 確率を求める機能だけになります. ただし,2 項分布だけは棄却限界値を求められます. 機能構成各機能別のシステムメニュー構成を以下に示します. 機能 解析操作 内容 機能の選択 (.2) 連続分布, 離散分布を選択する. 分布の選択 (.3) 分布リストから分布を選択する. 連続分布 (.4) パラメータの入力を行って確率値を計算する.( 連続分布 ) 履歴表示 (.5) それまでの計算履歴を確認する. 離散分布 (.6) パラメータの入力を行って確率値を計算する.( 離散分布 ) 2-5-

46 確率と分位点について本機能で使われる 確率, 分位点 は以下のようなものです. 確率 : 指定された値より大きい値をとる確率, 小さい値をとる確率, あるいは指定した2つの値の間の確率です. 分位点 : 指定された値を上側確率 ( 分布によっては両側確率 ) とする値が表示されます. ( 例 ) 標準正規分布の場合 ( ただし, 図は表示されません ) () 分位点から確率を求める 上限値 =.5 と指定した場合 この部分の確率が求められます 上限値 =.5, 下限値 =0.0 と指定した場合 上側確率, 下側確率, 間の確率が求められます. (2) 確率から分位点を求める 確率 =0.30 と指定した場合 この値が求められます この部分の確率が

47 5-. 確率値の計算 5-. 確率値の計算. 手法の選択選択方法 [ 手法選択 ]-[ 検定 推定 ]-[ 確率値の計算 ].2 機能の選択機能の選択ダイアログで, 連続分布 / 離散分布を選択します. いずれかのボタンをクリックします. 値, 各種パラメータあるいは上側確率値などを入力して [ 計算開始 ] ボタンをクリックすると, 出力欄に計算結果が表示されます. P AR T 分布の選択分布の選択ダイアログで, 求めたい分布を選択します. 分布の種類を選択してから [OK] ボタンをクリックします. ( 連続分布の場合 ) ( 離散分布の場合 ) 選択された分布によって, 入力できるパラメータ, 出 力される値は違ってきます. それぞれ, 以下のように なります. 分布名称 パラメータ ( 入力 ) 出力 標準正規分布 ( 確率 ) 標準正規分布 ( 分位点 ) 下限値 上限値 下限値 上限値が共に入力されている場合 P(X<= 下限値 ) P(X>= 下限値 ) P(X<= 上限値 ) P(X>= 上限値 ) P( 下限値 <=X<= 上限値 ) P(X<= 下限値,X>= 上限値 ) 上側確率 (0.0~.0) X( 分位点 ) 確率値の計算.4 連続分布パラメータに該当する点, 例えば下限値や上限 2-5-3

48 5-. 確率値の計算 分布名称正規分布 ( 確率 ) 正規分 布 ( 分位 点 ) 対数正 規分布 ( 確率 ) 対数正 規分布 ( 分位 点 ) パラメータ ( 入力 ) 平均 (μ) 標準偏差 (σ) 必須条件 下限値 上限値 下限値 上限値が共に 入力されている場合 出力 P(X<= 下限値 ) P(X>= 下限値 ) P(X<= 上限 値 ) P(X>= 上限 値 ) P( 下限値 <=X<= 上限 値 ) P(X<= 下限 値,X>= 上 限値 ) 平均 (μ) X( 分位点 ) 標準偏差 (σ) 上側確率 (0.0~.0) ln(x) の平均 (μ) ln(x) の標準偏差 (σ) 必須条件 下限値 上限値 下限値 上限値が共に 入力されている場合 P(X<= 下限 値 ) P(X>= 下限 値 ) P(X<= 上限 値 ) P(X>= 上限 値 ) P( 下限値 <=X<= 上限 値 ) P(X<= 下限 値,X>= 上 限値 ) ln(x) の平均 (μ) X( 分位点 ) ln(x) の標準偏差 (σ) 上側確率 (0.0~.0) F 分布名称 分布 ( 確率 ) F 分布 ( 分位 点 ) t 分布 ( 確率 ) t 分布 ( 分位 点 ) パラメータ ( 入力 ) 出力分子の自由度 (ν) 分母の自由度 (ν2) 必須条件下限値 P(X<= 下限値 ) P(X>= 下限値 ) 上限値 P(X<= 上限値 ) P(X>= 上限値 ) 下限値 上限値が共に P( 下限値入力されている場合 <=X<= 上限値 ) P(X<= 下限値,X>= 上限値 ) 分子の自由度 (ν) X( 分位点 ) 分母の自由度 (ν2) 上側確率 (0.0~.0) 自由度 (ν) 必須条件 下限値 P(X<= 下限値 ) P(X>= 下限値 ) 上限値 P(X<= 上限値 ) P(X>= 上限値 ) 下限値 上限値が共に P( 下限値入力されている場合 <=X<= 上限値 ) P(X<= 下限値,X>= 上限値 ) 自由度 (ν) X( 分位点 ) 両側確率 (0.0~.0) 2-5-4

49 5-. 確率値の計算 分布名称 カイ二乗 分布 ( 確 率 ) カイ二乗 分布 ( 分 位点 ) 指数分 布 ( 確 率 ) 指数分 布 ( 分位 点 ) パラメータ ( 入力 ) 出力自由度 (ν) 必須条件下限値 P(X<= 下限値 ) P(X>= 下限値 ) 上限値 P(X<= 上限値 ) P(X>= 上限値 ) 下限値 上限値が共に P( 下限値入力されている場合 <=X<= 上限値 ) P(X<= 下限値,X>= 上限値 ) 自由度 (ν) X( 分位点 ) 上側確率 (0.0~.0) λ 必須入力 下限値 P(X<= 下限値 ) P(X>= 下限値 ) 上限値 P(X<= 上限値 ) P(X>= 上限値 ) 下限値 上限値が共に P( 下限値入力されている場合 <=X<= 上限値 ) P(X<= 下限値,X>= 上限値 ) λ X( 分位点 ) 上側確率 (0.0~.0) 分布名称ガンマ分布 ( 確率 ) ガンマ分布 ( 分位点 ) ワイブル分布 ( 確率 ) ワイブル分布 ( 分位点 ) パラメータ ( 入力 ) 形状パラメータ (k) 尺度パラメータ (λ) 必須条件下限値 上限値 下限値 上限値が共に入力されている場合 出力 P(X<= 下限値 ) P(X>= 下限値 ) P(X<= 上限値 ) P(X>= 上限値 ) P( 下限値 <=X<= 上限値 ) P(X<= 下限値,X>= 上限値 ) 形状パラメータ (k) X( 分位点 ) 尺度パラメータ (λ) 上側確率 (0.0~.0) 形状パラメータ (m) 尺度パラメータ (η) 位置パラメータ (γ) 必須条件下限値 上限値 下限値 上限値が共に入力されている場合 P(X<= 下限値 ) P(X>= 下限値 ) P(X<= 上限値 ) P(X>= 上限値 ) P( 下限値 <=X<= 上限値 ) P(X<= 下限値,X>= 上限値 ) 形状パラメータ (m) X( 分位点 ) 尺度パラメータ (η) 位置パラメータ (γ) 上側確率 (0.0~.0) P AR T 2 確率値の計算

50 5-. 確率値の計算 評価 検討項目チェック項目 条件を変えることで, 出力値の違いを確認する. 使用する統計量等確率と分位点の関係 解釈のポイント様々な分布の数表に記述されている確率や分位点の値を求めることができます..5 履歴表示連続 ( 離散 ) 分布パラメータ入力画面から,[ 履歴 ] ボタンを押すと, 以下のような画面が表示され, これまでの計算履歴を確認することができます. 行を選択して [ 確定 ] ボタンをクリックすると, その内容が前画面に表示されます..6 離散分布離散分布を選択している場合, 分布の選択 (.3 参照 ) 後に以下の画面が表示されます. パラメータに各種の数値を入力して [ 計算開始 ] ボタンをクリックすると, 出力欄に計算結果が表示されます. 選択された分布によって, 入力できるパラメータ, 出力される値は違ってきます. それぞれ, 以下のようになります. 分布名称一様分布 n x パラメータ ( 入力 ) 2 項分布試行回数 (n) 成功確率 (p) 成功回数 (x) 2 項分布 ( 棄却限界値 ) 負の 2 項分布 ポアソン分布 超幾何分布 試行回数 (n) 成功確率 (p) 有意水準 (0.0~.0) 成功回数 (c) 成功確率 (p) 失敗回数 (x) 平均値 (m) 平均値 (m) 実現回数 (x) 母集団の要素の数 (N) ある属性をもつ要素の数 (M) 標本の大きさ (n) ある属性をもつ要素の抽出回数 (x) 出力 P(X=x) P(X<x) P(X<=x) P(X>x) P(X>=x) P(X=x) P(X<x) P(X<=x) P(X>x) P(X>=x) 棄却限界値 P(X=x) P(X=x) P(X<x) P(X<=x) P(X>x) P(X>=x) P(X=x) 評価 検討項目チェック項目 条件を変えることで出力値の変化をみる 使用する統計量等出力値 解釈のポイント様々な分布について, 条件に基づいた確率を計算することができます

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

Microsoft Word - Stattext12.doc

Microsoft Word - Stattext12.doc 章対応のない 群間の量的データの検定. 検定手順 この章ではデータ間に 対 の対応のないつの標本から推定される母集団間の平均値や中央値の比較を行ないます 検定手法は 図. のようにまず正規に従うかどうかを調べます 但し この場合はつの群が共に正規に従うことを調べる必要があります 次に 群とも正規ならば F 検定を用いて等分散であるかどうかを調べます 等分散の場合は t 検定 等分散でない場合はウェルチ

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

JMP による 2 群間の比較 SAS Institute Japan 株式会社 JMP ジャパン事業部 2008 年 3 月 JMP で t 検定や Wilcoxon 検定はどのメニューで実行できるのか または検定を行う際の前提条件の評価 ( 正規性 等分散性 ) はどのメニューで実行できるのかと

JMP による 2 群間の比較 SAS Institute Japan 株式会社 JMP ジャパン事業部 2008 年 3 月 JMP で t 検定や Wilcoxon 検定はどのメニューで実行できるのか または検定を行う際の前提条件の評価 ( 正規性 等分散性 ) はどのメニューで実行できるのかと JMP による 2 群間の比較 SAS Institute Japan 株式会社 JMP ジャパン事業部 2008 年 3 月 JMP で t 検定や Wilcoxon 検定はどのメニューで実行できるのか または検定を行う際の前提条件の評価 ( 正規性 等分散性 ) はどのメニューで実行できるのかというお問い合わせがよくあります そこで本文書では これらについて の回答を 例題を用いて説明します 1.

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

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

Medical3

Medical3 Chapter 1 1.4.1 1 元配置分散分析と多重比較の実行 3つの治療法による測定値に有意な差が認められるかどうかを分散分析で調べます この例では 因子が1つだけ含まれるため1 元配置分散分析 one-way ANOVA の適用になります また 多重比較法 multiple comparison procedure を用いて 具体的のどの治療法の間に有意差が認められるかを検定します 1. 分析メニュー

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

<4D F736F F D208EC08CB18C7689E68A E F AA957A82C682948C9F92E82E646F63>

<4D F736F F D208EC08CB18C7689E68A E F AA957A82C682948C9F92E82E646F63> 第 7 回 t 分布と t 検定 実験計画学 A.t 分布 ( 小標本に関する平均の推定と検定 ) 前々回と前回の授業では, 標本が十分に大きいあるいは母分散が既知であることを条件に正規分布を用いて推定 検定した. しかし, 母集団が正規分布し, 標本が小さい場合には, 標本分散から母分散を推定するときの不確実さを加味したt 分布を用いて推定 検定しなければならない. t 分布は標本分散の自由度 f(

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

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

Excelによる統計分析検定_知識編_小塚明_5_9章.indd

Excelによる統計分析検定_知識編_小塚明_5_9章.indd 第7章57766 検定と推定 サンプリングによって得られた標本から, 母集団の統計的性質に対して推測を行うことを統計的推測といいます 本章では, 推測統計の根幹をなす仮説検定と推定の基本的な考え方について説明します 前章までの知識を用いて, 具体的な分析を行います 本章以降の知識は操作編での操作に直接関連していますので, 少し聞きなれない言葉ですが, 帰無仮説 有意水準 棄却域 などの意味を理解して,

More information

Microsoft PowerPoint - Statistics[B]

Microsoft PowerPoint - Statistics[B] 講義の目的 サンプルサイズの大きい標本比率の分布は正規分布で近似できることを理解します 科目コード 130509, 130609, 110225 統計学講義第 19/20 回 2019 年 6 月 25 日 ( 火 )6/7 限 担当教員 : 唐渡広志 ( からと こうじ ) 研究室 : email: website: 経済学研究棟 4 階 432 号室 kkarato@eco.u-toyama.ac.jp

More information

<4D F736F F D2090B695A8939D8C768A E F AA957A82C682948C9F92E8>

<4D F736F F D2090B695A8939D8C768A E F AA957A82C682948C9F92E8> 第 8 回 t 分布と t 検定 生物統計学 A.t 分布 ( 小標本に関する平均の推定と検定 ) 前々回と前回の授業では, 標本が十分に大きいあるいは母分散が既知であることを条件に正規分布を用いて推定 検定した. しかし, 母集団が正規分布し, 標本が小さい場合には, 標本分散から母分散を推定するときの不確実さを加味したt 分布を用いて推定 検定しなければならない. t 分布は標本分散の自由度 f(

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

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

Medical3

Medical3 1.4.1 クロス集計表の作成 -l m 分割表 - 3つ以上のカテゴリを含む変数を用いて l mのクロス集計表による分析を行います この例では race( 人種 ) によってlow( 低体重出生 ) に差が認められるかどうかを分析します 人種には3つのカテゴリ 低体重出生には2つのカテゴリが含まれています 2つの変数はともにカテゴリ変数であるため クロス集計表によって分析します 1. 分析メニュー

More information

Microsoft Word - apstattext05.docx

Microsoft Word - apstattext05.docx 5 章 群間の量的データの検定 5. 対応のない検定手順例えば 男女の成績を比較しようとして試験を実施した場合 男性の集団 ( 群 ) と女性の集団 ( 群 ) との比較になりますから つの集団に同一人物は 人もいません しかしその試験で英語と国語の平均点を比較する場合 英語と国語を受験した集団には必ず同じ人がいます 前者のような場合を対応のないデータ 後者の場合を対応のあるデータと呼びます 対応のあるデータについては特別の処理ができるので

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 Word - apstattext04.docx

Microsoft Word - apstattext04.docx 4 章母集団と指定値との量的データの検定 4.1 検定手順今までは質的データの検定の方法を学んで来ましたが これからは量的データについてよく利用される方法を説明します 量的データでは データの分布が正規分布か否かで検定の方法が著しく異なります この章ではまずデータの分布の正規性を調べる方法を述べ 次にデータの平均値または中央値がある指定された値と違うかどうかの検定方法を説明します 以下の図 4.1.1

More information

Microsoft PowerPoint - statistics pptx

Microsoft PowerPoint - statistics pptx 統計学 第 回 講義 仮説検定 Part-3 06 年 6 8 ( )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.j webite htt://www3.u-toyama.ac.j/kkarato/ 講義の目的 つの 集団の平均 ( 率 ) に差があるかどうかを検定する 法を理解します keyword:

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

Python-statistics5 Python で統計学を学ぶ (5) この内容は山田 杉澤 村井 (2008) R によるやさしい統計学 (

Python-statistics5   Python で統計学を学ぶ (5) この内容は山田 杉澤 村井 (2008) R によるやさしい統計学 ( http://localhost:8888/notebooks/... Python で統計学を学ぶ (5) この内容は山田 杉澤 村井 (2008) R によるやさしい統計学 (http://shop.ohmsha.co.jp/shop /shopdetail.html?brandcode=000000001781&search=978-4-274-06710-5&sort=) を参考にしています

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

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

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

Microsoft Word - Stattext11.doc

Microsoft Word - Stattext11.doc 章母集団と指定値との量的データの検定. 検定手順 前章で質的データの検定手法について説明しましたので ここからは量的データの検定について話します 量的データの検定は少し分量が多くなりますので 母集団と指定値との検定 対応のない 群間の検定 対応のある 群間の検定 と 3つに章を分けて話を進めることにします ここでは 母集団と指定値との検定について説明します 例えば全国平均が分かっている場合で ある地域の標本と全国平均を比較するような場合や

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 - 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

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

JUSE-StatWorks/V5 活用ガイドブック

JUSE-StatWorks/V5 活用ガイドブック 4.6 薄膜金属材料の表面加工 ( 直積法 ) 直積法では, 内側に直交配列表または要因配置計画の M 個の実験, 外側に直交配列表または要因配置計画の N 個の実験をわりつけ, その組み合わせの M N のデータを解析します. 直積法を用いることにより, 内側計画の各列と全ての外側因子との交互作用を求めることができます. よって, 環境条件や使用条件のように制御が難しい ( 水準を指定できない )

More information

分析のステップ Step 1: Y( 目的変数 ) に対する値の順序を確認 Step 2: モデルのあてはめ を実行 適切なモデルの指定 Step 3: オプションを指定し オッズ比とその信頼区間を表示 以下 このステップに沿って JMP の操作をご説明します Step 1: Y( 目的変数 ) の

分析のステップ Step 1: Y( 目的変数 ) に対する値の順序を確認 Step 2: モデルのあてはめ を実行 適切なモデルの指定 Step 3: オプションを指定し オッズ比とその信頼区間を表示 以下 このステップに沿って JMP の操作をご説明します Step 1: Y( 目的変数 ) の JMP によるオッズ比 リスク比 ( ハザード比 ) の算出と注意点 SAS Institute Japan 株式会社 JMP ジャパン事業部 2011 年 10 月改定 1. はじめに 本文書は JMP でロジスティック回帰モデルによるオッズ比 比例ハザードモデルによるリスク比 それぞれに対する信頼区間を求める操作方法と注意点を述べたものです 本文書は JMP 7 以降のバージョンに対応しております

More information

(3) 検定統計量の有意確率にもとづく仮説の採否データから有意確率 (significant probability, p 値 ) を求め 有意水準と照合する 有意確率とは データの分析によって得られた統計値が偶然おこる確率のこと あらかじめ設定した有意確率より低い場合は 帰無仮説を棄却して対立仮説

(3) 検定統計量の有意確率にもとづく仮説の採否データから有意確率 (significant probability, p 値 ) を求め 有意水準と照合する 有意確率とは データの分析によって得られた統計値が偶然おこる確率のこと あらかじめ設定した有意確率より低い場合は 帰無仮説を棄却して対立仮説 第 3 章 t 検定 (pp. 33-42) 3-1 統計的検定 統計的検定とは 設定した仮説を検証する場合に 仮説に基づいて集めた標本を 確率論の観点から分析 検証すること 使用する標本は 母集団から無作為抽出されたものでなければならない パラメトリック検定とノンパラメトリック検定 パラメトリック検定は母集団が正規分布に従う間隔尺度あるいは比率尺度の連続データを対象とする ノンパラメトリック検定は母集団に特定の分布を仮定しない

More information

統計学の基礎から学ぶ実験計画法ー1

統計学の基礎から学ぶ実験計画法ー1 第 部統計学の基礎と. 統計学とは. 統計学の基本. 母集団とサンプル ( 標本 ). データ (data) 3. 集団の特性を示す統計量 基本的な解析手法 3. 統計量 (statistic) とは 3. 集団を代表する統計量 - 平均値など 3.3 集団のばらつきを表す値 - 平方和 分散 標準偏差 4. ばらつき ( 分布 ) を表す関数 4. 確率密度関数 4. 最も重要な正規分布 4.3

More information

Microsoft PowerPoint - A1.ppt [互換モード]

Microsoft PowerPoint - A1.ppt [互換モード] 011/4/13 付録 A1( 推測統計学の基礎 ) 付録 A1 推測統計学の基礎 1. 統計学. カイ 乗検定 3. 分散分析 4. 相関係数 5. 多変量解析 1. 統計学 3 統計ソフト 4 記述統計学 推測統計学 検定 ノンパラメトリック検定名義 / 分類尺度順序 / 順位尺度パラメトリック検定間隔 / 距離尺度比例 / 比率尺度 SAS SPSS R R-Tps (http://cse.aro.affrc.go.jp/takezawa/r-tps/r.html)

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 - 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

<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

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

異文化言語教育評価論 ⅠA 第 4 章分散分析 (3 グループ以上の平均を比較する ) 平成 26 年 5 月 14 日 報告者 :D.M. K.S. 4-1 分散分析とは 検定の多重性 t 検定 2 群の平均値を比較する場合の手法分散分析 3 群以上の平均を比較する場合の手法 t 検定

異文化言語教育評価論 ⅠA 第 4 章分散分析 (3 グループ以上の平均を比較する ) 平成 26 年 5 月 14 日 報告者 :D.M. K.S. 4-1 分散分析とは 検定の多重性 t 検定 2 群の平均値を比較する場合の手法分散分析 3 群以上の平均を比較する場合の手法 t 検定 異文化言語教育評価論 ⅠA 第 4 章分散分析 (3 グループ以上の平均を比較する ) 平成 26 年 5 月 14 日 報告者 :D.M. K.S. 4-1 分散分析とは 4-1-1 検定の多重性 t 検定 2 群の平均値を比較する場合の手法分散分析 3 群以上の平均を比較する場合の手法 t 検定の反復 (e.g., A, B, C の 3 群の比較を A-B 間 B-C 間 A-C 間の t 検定で行う

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

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

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

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

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

(.3) 式 z / の計算, alpha( ), sigma( ) から, 値 ( 区間幅 ) を計算 siki.3<-fuctio(, alpha, sigma) elta <- qorm(-alpha/) sigma /sqrt() elta [ 例 ]., 信頼率 として, サイ

(.3) 式 z / の計算, alpha( ), sigma( ) から, 値 ( 区間幅 ) を計算 siki.3<-fuctio(, alpha, sigma) elta <- qorm(-alpha/) sigma /sqrt() elta [ 例 ]., 信頼率 として, サイ 区間推定に基づくサンプルサイズの設計方法 7.7. 株式会社応用数理研究所佐々木俊久 永田靖 サンプルサイズの決め方 朝倉書店 (3) の 章です 原本とおなじ 6 種類を記述していますが 平均値関連 4 つをから4 章とし, 分散の つを 5,6 章に順序を変更しました 推定手順 サンプルサイズの設計方法は, 原本をそのまま引用しています R(S-PLUS) 関数での計算方法および例を追加しました.

More information

禁無断転載 第 3 章統計的手法に用いられる分布 All rights reserved (C) 芳賀 第 1 節我々の身の回りにある代表的分布と性質 1. 分布の表わし方我々の身の回りにある全てのものは ばらつきを持っています 収集したデータを分析していくためには このばらつきがどのような分布にな

禁無断転載 第 3 章統計的手法に用いられる分布 All rights reserved (C) 芳賀 第 1 節我々の身の回りにある代表的分布と性質 1. 分布の表わし方我々の身の回りにある全てのものは ばらつきを持っています 収集したデータを分析していくためには このばらつきがどのような分布にな 第 3 章統計的手法に用いられる分布 第 節我々の身の回りにある代表的分布と性質. 分布の表わし方我々の身の回りにある全てのものは ばらつきを持っています 収集したデータを分析していくためには このばらつきがどのような分布になっているかを明確に表現し 分析 比較を行えるようにしなければなりません この手法を覚えるようにしましょう () 分布の示し方収集した分布の全体的状態を目視で確認 比較するためには

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

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション 学位論文作成のための疫学 統計解析の実際 徳島大学大学院 医歯薬学研究部 社会医学系 予防医学分野 有澤孝吉 (e-mail: karisawa@tokushima-u.ac.jp) 本日の講義の内容 (SPSS を用いて ) 記述統計 ( データのまとめ方 ) 代表値 ばらつき正規確率プロット 正規性の検定標準偏差 不偏標準偏差 標準誤差の区別中心極限定理母平均の区間推定 ( 母集団の標準偏差が既知の場合

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

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

ANOVA

ANOVA 3 つ z のグループの平均を比べる ( 分散分析 : ANOVA: analysis of variance) 分散分析は 全体として 3 つ以上のグループの平均に差があるか ということしかわからないために, どのグループの間に差があったかを確かめるには 多重比較 という方法を用います これは Excel だと自分で計算しなければならないので, 分散分析には統計ソフトを使った方がよいでしょう 1.

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

<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

仮説検定を伴う方法では 検定の仮定が満たされ 検定に適切な検出力があり データの分析に使用される近似で有効な結果が得られることを確認することを推奨します カイ二乗検定の場合 仮定はデータ収集に固有であるためデータチェックでは対応しません Minitab は近似法の検出力と妥当性に焦点を絞っています

仮説検定を伴う方法では 検定の仮定が満たされ 検定に適切な検出力があり データの分析に使用される近似で有効な結果が得られることを確認することを推奨します カイ二乗検定の場合 仮定はデータ収集に固有であるためデータチェックでは対応しません Minitab は近似法の検出力と妥当性に焦点を絞っています MINITAB アシスタントホワイトペーパー本書は Minitab 統計ソフトウェアのアシスタントで使用される方法およびデータチェックを開発するため Minitab の統計専門家によって行われた調査に関する一連の文書の 1 つです カイ二乗検定 概要 実際には 連続データの収集が不可能な場合や難しい場合 品質の専門家は工程を評価するためのカテゴリデータの収集が必要となることがあります たとえば 製品は不良

More information

経済統計分析1 イントロダクション

経済統計分析1 イントロダクション 1 経済統計分析 9 分散分析 今日のおはなし. 検定 statistical test のいろいろ 2 変数の関係を調べる手段のひとつ適合度検定独立性検定分散分析 今日のタネ 吉田耕作.2006. 直感的統計学. 日経 BP. 中村隆英ほか.1984. 統計入門. 東大出版会. 2 仮説検定の手続き 仮説検定のロジック もし帰無仮説が正しければ, 検定統計量が既知の分布に従う 計算された検定統計量の値から,

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

青焼 1章[15-52].indd

青焼 1章[15-52].indd 1 第 1 章統計の基礎知識 1 1 なぜ統計解析が必要なのか? 人間は自分自身の経験にもとづいて 感覚的にものごとを判断しがちである 例えばある疾患に対する標準治療薬の有効率が 50% であったとする そこに新薬が登場し ある医師がその新薬を 5 人の患者に使ったところ 4 人が有効と判定されたとしたら 多くの医師はこれまでの標準治療薬よりも新薬のほうが有効性が高そうだと感じることだろう しかし

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

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

Microsoft PowerPoint - 測量学.ppt [互換モード]

Microsoft PowerPoint - 測量学.ppt [互換モード] 8/5/ 誤差理論 測定の分類 性格による分類 独立 ( な ) 測定 : 測定値がある条件を満たさなければならないなどの拘束や制約を持たないで独立して行う測定 条件 ( 付き ) 測定 : 三角形の 3 つの内角の和のように, 個々の測定値間に満たすべき条件式が存在する場合の測定 方法による分類 直接測定 : 距離や角度などを機器を用いて直接行う測定 間接測定 : 求めるべき量を直接測定するのではなく,

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

異文化言語教育評価論 ⅠA 教育 心理系研究のためのデータ分析入門 第 3 章 t 検定 (2 変数間の平均の差を分析 ) 平成 26 年 5 月 7 日 報告者 :M.S. I.N. 3-1 統計的検定 統計的検定 : 設定した仮説にもとづいて集めた標本を確率論の観点から分析し 仮説検証を行うこと

異文化言語教育評価論 ⅠA 教育 心理系研究のためのデータ分析入門 第 3 章 t 検定 (2 変数間の平均の差を分析 ) 平成 26 年 5 月 7 日 報告者 :M.S. I.N. 3-1 統計的検定 統計的検定 : 設定した仮説にもとづいて集めた標本を確率論の観点から分析し 仮説検証を行うこと 異文化言語教育評価論 ⅠA 教育 心理系研究のためのデータ分析入門 第 3 章 t 検定 (2 変数間の平均の差を分析 ) 平成 26 年 5 月 7 日 報告者 :M.S. I.N. 3-1 統計的検定 統計的検定 : 設定した仮説にもとづいて集めた標本を確率論の観点から分析し 仮説検証を行うこと 使用する標本は母集団から無作為抽出し 母集団を代表している値と考える 標本同士を比較して得た結果から

More information

Excelによる統計分析検定_知識編_小塚明_1_4章.indd

Excelによる統計分析検定_知識編_小塚明_1_4章.indd 第2章 1 変量データのまとめ方 本章では, 記述統計の手法について説明します 具体的には, 得られたデータから表やグラフを作成し, 意昧のある統計量を算出する方法など,1 変量データのまとめ方について学びます 本章から理解を深めるための数式が出てきますが, 必ずしも, これらの式を覚える必要はありません それぞれのデータの性質や統計量の意義を理解することが重要です 円グラフと棒グラフ 1 変量質的データをまとめる方法としてよく使われるグラフは,

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

untitled

untitled 分析の信頼性を支えるもの データ評価のための統計的方法 確率分布と平均値の推定 検定 田中秀幸 1 はじめに前回は, 統計的手法を適用するために意味のあるデータをどのように取得するのかについて, 母集団と標本について, 期待値 分散 標準偏差について解説した 今回は, 統計的推定 検定の基礎となる確率分布とその確率分布を用いた推定 検定について解説する 2 確率分布 測定データを取得したとき, そのデータのばらつきを視覚的に表すために,

More information

母平均 母分散 母標準偏差は, が連続的な場合も含めて, すべての個体の特性値 のすべての実現値 の平均 分散 標準偏差であると考えてよい 有限母集団で が離散的な場合, まさにその意味になるが, そうでない場合も, このように理解してよい 5 母数 母集団から定まる定数のこと 母平均, 母分散,

母平均 母分散 母標準偏差は, が連続的な場合も含めて, すべての個体の特性値 のすべての実現値 の平均 分散 標準偏差であると考えてよい 有限母集団で が離散的な場合, まさにその意味になるが, そうでない場合も, このように理解してよい 5 母数 母集団から定まる定数のこと 母平均, 母分散, . 無作為標本. 基本的用語 推測統計における基本的な用語を確認する 母集団 調査の対象になる集団のこと 最終的に, 判断の対象になる集団である 母集団の個体 母集団を構成する つ つのもののこと 母集団は個体の集まりである 個体の特性値 個体の特性を表す数値のこと 身長や体重など 特性値は, 変量ともいう 4 有限母集団と無限母集団 個体の個数が有限の母集団を 有限母集団, 個体の個数が無限の母集団を

More information

<4D F736F F D208EC08CB18C7689E68A E F1939D8C E82E646F63>

<4D F736F F D208EC08CB18C7689E68A E F1939D8C E82E646F63> 第 5 回統計的推定 実験計画学 A. 統計的推定と検定母集団から無作為抽出した標本から母集団についてなんらかの推論を行う. この場合, 統計から行う推論には統計的 ( ) と統計的 ( ) の 2つがある. 推定統計的に標本の統計量から母集団の母数 ( 母平均, 母標準偏差など ) を推論することを統計的推定という. 例 : 視聴率調査を 200 人に対して行い, 番組 Aの視聴率を推定した. 検定統計的に標本の統計量から母数に関する予想の真偽を検証することを統計的検定という.

More information

Excel で学ぶ 実験計画法データ処理入門 坂元保秀 まえがき 本テキストは, 大学の統計解析演習や研究室ゼミ生の教育の一環として, 実験計画法を理解するための序論として, 工業系の分野で収集される特性データを Microsoft Excel を用いて実践的に処理する方法を記述したものである. 当初は, 完全ランダム実験で二元配置法まで Excel 関数を利用して実施していたが, 企業の皆様から身近に解析ができる

More information

確率分布 - 確率と計算 1 6 回に 1 回の割合で 1 の目が出るさいころがある. このさいころを 6 回投げたとき,1 度も 1 の目が出ない確率を求めよ. 5 6 /6 6 =15625/46656= (5/6) 6 = ある市の気象観測所での記録では, 毎年雨の降る

確率分布 - 確率と計算 1 6 回に 1 回の割合で 1 の目が出るさいころがある. このさいころを 6 回投げたとき,1 度も 1 の目が出ない確率を求めよ. 5 6 /6 6 =15625/46656= (5/6) 6 = ある市の気象観測所での記録では, 毎年雨の降る 確率分布 - 確率と計算 6 回に 回の割合で の目が出るさいころがある. このさいころを 6 回投げたとき 度も の目が出ない確率を求めよ. 5 6 /6 6 =565/46656=.48 (5/6) 6 =.48 ある市の気象観測所での記録では 毎年雨の降る日と降らない日の割合は概ね :9 で一定している. 前日に発表される予報の精度は 8% で 残りの % は実際とは逆の天気を予報している.

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 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

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

と 測定を繰り返した時のばらつき の和が 全体のばらつき () に対して どれくらいの割合となるかがわかり 測定システムを評価することができる MSA 第 4 版スタディガイド ジャパン プレクサス (010)p.104 では % GRR の値が10% 未満であれば 一般に受容れられる測定システムと

と 測定を繰り返した時のばらつき の和が 全体のばらつき () に対して どれくらいの割合となるかがわかり 測定システムを評価することができる MSA 第 4 版スタディガイド ジャパン プレクサス (010)p.104 では % GRR の値が10% 未満であれば 一般に受容れられる測定システムと .5 Gage R&R による解析.5.1 Gage R&Rとは Gage R&R(Gage Repeatability and Reproducibility ) とは 測定システム分析 (MSA: Measurement System Analysis) ともいわれ 測定プロセスを管理または審査するための手法である MSAでは ばらつきの大きさを 変動 という尺度で表し 測定システムのどこに原因があるのか

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

Excelによる統計分析検定_知識編_小塚明_1_4章.indd

Excelによる統計分析検定_知識編_小塚明_1_4章.indd 第1章 母集団と統計データ 本章では, ビジネスのさまざまな場面において統計データを扱ううえで, もっとも基本的事項となる母集団の概念と統計データの種類についてまとめています 母集団の統計的性質を調べるためにとても重要な概念であるサンプリングについて述べるとともに, ランダムサンプリングの重要性についても説明します 統計分析の考え方 ビジネスの多くの場面において, 統計分析は重要です この場合の統計分析とは,

More information

統計学 Ⅱ( 章 ( 区間推定のシミュレーション 母平均 μ の区間推定 X ~ N, のとき X T ~ 自由度 1の t分布 1 自由度 -1のt 分布の97.5% 点 :t.975 P t T t この式に T を代入する t.975 母集団

統計学 Ⅱ( 章 ( 区間推定のシミュレーション 母平均 μ の区間推定 X ~ N, のとき X T ~ 自由度 1の t分布 1 自由度 -1のt 分布の97.5% 点 :t.975 P t T t この式に T を代入する t.975 母集団 統計学 Ⅱ(16 11-1 章 11 章母集団パラメータの推定 1. 信頼区間 (1 点推定と区間推定 ( 区間推定のシミュレーション (3 母平均 μの信頼区間 (4 母比率 pの信頼区間 (5 母比率 pのより厳密な信頼区間. 点推定量の特性 (1 標本平均 X の持つ望ましい性質 ( 不偏性 (3 推定量の分散と有効性 (4 平均 乗誤差 MEと最小分散性 (5 一致性 (6 チェビシェフの不等式

More information

<4D F736F F D204B208C5182CC94E497A682CC8DB782CC8C9F92E BD8F6494E48A722E646F6378>

<4D F736F F D204B208C5182CC94E497A682CC8DB782CC8C9F92E BD8F6494E48A722E646F6378> 3 群以上の比率の差の多重検定法 013 年 1 月 15 日 017 年 3 月 14 日修正 3 群以上の比率の差の多重検定法 ( 対比較 ) 分割表で表記される計数データについて群間で比率の差の検定を行う場合 全体としての統計的有意性の有無は χ 検定により判断することができるが 個々の群間の差の有意性を判定するためには多重検定法が必要となる 3 群以上の比率の差を対比較で検定する方法としては

More information

平成 7 年度数学 (3) あるゲームを 回行ったときに勝つ確率が. 8のプレイヤーがいる このゲームは 回ごとに独 立であるとする a. このゲームを 5 回行う場合 中心極限定理を用いると このプレイヤーが 5 回以上勝つ確率 は である. 回以上ゲームをした場合 そのうちの勝ち数が 3 割以上

平成 7 年度数学 (3) あるゲームを 回行ったときに勝つ確率が. 8のプレイヤーがいる このゲームは 回ごとに独 立であるとする a. このゲームを 5 回行う場合 中心極限定理を用いると このプレイヤーが 5 回以上勝つ確率 は である. 回以上ゲームをした場合 そのうちの勝ち数が 3 割以上 平成 7 年度数学 数学 ( 問題 ) 問題 から問題 3 を通じて必要であれば ( 付表 ) に記載された数値を用いなさい 問題. 次の ()~() の各問について 空欄に当てはまる最も適切なものをそれぞれの選択肢 の中から選び 解答用紙の所定の欄にマークしなさい なお 同じ選択肢を複数回選択してもよい 各 5 点 ( 計 6 点 ) ()つのサイコロを振る試行を 回繰り返すこととする 回目と 回目の試行でともにの目が出る事象を

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

解析センターを知っていただく キャンペーン

解析センターを知っていただく キャンペーン 005..5 SAS 問題設定 目的 PKパラメータ (AUC,Cmax,Tmaxなど) の推定 PKパラメータの群間比較 PKパラメータのバラツキの評価! データの特徴 非反復測定値 個体につき 個の測定値しか得られない plasma concentration 非反復測定値のイメージ図 測定時点間で個体の対応がない 着目する状況 plasma concentration 経時反復測定値のイメージ図

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

スライド 1

スライド 1 計測工学第 12 回以降 測定値の誤差と精度編 2014 年 7 月 2 日 ( 水 )~7 月 16 日 ( 水 ) 知能情報工学科 横田孝義 1 授業計画 4/9 4/16 4/23 5/7 5/14 5/21 5/28 6/4 6/11 6/18 6/25 7/2 7/9 7/16 7/23 2 誤差とその取扱い 3 誤差 = 測定値 真の値 相対誤差 = 誤差 / 真の値 4 誤差 (error)

More information

Microsoft PowerPoint - 14都市工学数理ノンパラ.pptx

Microsoft PowerPoint - 14都市工学数理ノンパラ.pptx 都市工学数理 浅見泰司 東京大学大学院工学系研究科教授 Yasushi Asami 1 0. 統計学的検定の基本 母集団と標本 世論調査では 日本人全員に聞くというのは事実上不可能 そこで 日本人全員 (= 母集団 ) から 一部 (= 標本 ) を選んで そこで得られた傾向 (= 仮説 ) が日本人全体にもある程度の信頼性で成り立つかどうかを考える (= 検定 ) 注意 サンプリングの方法 ランダムサンプリングが基本

More information

不偏推定量

不偏推定量 不偏推定量 情報科学の補足資料 018 年 6 月 7 日藤本祥二 統計的推定 (statistical estimatio) 確率分布が理論的に分かっている標本統計量を利用する 確率分布の期待値の値をそのまま推定値とするのが点推定 ( 信頼度 0%) 点推定に ± で幅を持たせて信頼度を上げたものが区間推定 持たせた幅のことを誤差 (error) と呼ぶ 信頼度 (cofidece level)

More information

Microsoft PowerPoint - ch04j

Microsoft PowerPoint - ch04j Ch.4 重回帰分析 : 推論 重回帰分析 y = 0 + 1 x 1 + 2 x 2 +... + k x k + u 2. 推論 1. OLS 推定量の標本分布 2. 1 係数の仮説検定 : t 検定 3. 信頼区間 4. 係数の線形結合への仮説検定 5. 複数線形制約の検定 : F 検定 6. 回帰結果の報告 入門計量経済学 1 入門計量経済学 2 OLS 推定量の標本分布について OLS 推定量は確率変数

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

JMP によるオッズ比 リスク比 ( ハザード比 ) の算出方法と注意点 SAS Institute Japan 株式会社 JMP ジャパン事業部 2008 年 3 月改定 1. はじめに本文書は JMP でオッズ比 リスク比 それぞれに対する信頼区間を求める算出方法と注意点を述べたものです この後

JMP によるオッズ比 リスク比 ( ハザード比 ) の算出方法と注意点 SAS Institute Japan 株式会社 JMP ジャパン事業部 2008 年 3 月改定 1. はじめに本文書は JMP でオッズ比 リスク比 それぞれに対する信頼区間を求める算出方法と注意点を述べたものです この後 JMP によるオッズ比 リスク比 ( ハザード比 ) の算出方法と注意点 SAS Institute Japan 株式会社 JMP ジャパン事業部 2008 年 3 月改定 1. はじめに本文書は JMP でオッズ比 リスク比 それぞれに対する信頼区間を求める算出方法と注意点を述べたものです この後の 2 章では JMP でのオッズ比 オッズ比の信頼区間の算出方法について サンプルデータを用いて解説しております

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

目次 1. はじめに Excel シートからグラフの選択 グラフの各部の名称 成績の複合グラフを作成 各生徒の 3 科目の合計点を求める 合計点から全体の平均を求める 標準偏差を求める...

目次 1. はじめに Excel シートからグラフの選択 グラフの各部の名称 成績の複合グラフを作成 各生徒の 3 科目の合計点を求める 合計点から全体の平均を求める 標準偏差を求める... Microsoft Excel 2013 - グラフ完成編 - 明治大学教育の情報化推進本部 2017 年 2 月 1 日 目次 1. はじめに... 2 1.1. Excel シートからグラフの選択... 2 1.2. グラフの各部の名称... 3 2. 成績の複合グラフを作成... 4 2.1 各生徒の 3 科目の合計点を求める... 4 2.2 合計点から全体の平均を求める... 5 2.3

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

MT2-Slides-13.pptx

MT2-Slides-13.pptx 計測工学 II 第 13 回 Excel による有意差の検定 今日の内容 第 13 回 Excel による有意差の検定 危険率や統計検定 を学習します 有意差とは? 計測して データを取りました データ処理して 特性を調べました それで 何がわかるの? ある治療法だと 病気の治癒率が高い! なぜ そう言い切ることができるの? 有意差があることを示す 意味の有る差 (Significant Difference)

More information

Chapter カスタムテーブルの概要 カスタムテーブル Custom Tables は 複数の変数に基づいた多重クロス集計テーブルや スケール変数を用いた集計テーブルなど より複雑な集計表を自由に設計することができるIBM SPSS Statisticsのオプション製品です テーブ

Chapter カスタムテーブルの概要 カスタムテーブル Custom Tables は 複数の変数に基づいた多重クロス集計テーブルや スケール変数を用いた集計テーブルなど より複雑な集計表を自由に設計することができるIBM SPSS Statisticsのオプション製品です テーブ カスタムテーブル入門 1 カスタムテーブル入門 カスタムテーブル Custom Tables は IBM SPSS Statisticsのオプション機能の1つです カスタムテーブルを追加することで 基本的な度数集計テーブルやクロス集計テーブルの作成はもちろん 複数の変数を積み重ねた多重クロス集計テーブルや スケール変数を用いた集計テーブルなど より複雑で柔軟な集計表を作成することができます この章では

More information

Microsoft Word - Stattext07.doc

Microsoft Word - Stattext07.doc 7 章正規分布 正規分布 (ormal dstrbuto) は 偶発的なデータのゆらぎによって生じる統計学で最も基本的な確率分布です この章では正規分布についてその性質を詳しく見て行きましょう 7. 一般の正規分布正規分布は 平均と分散の つの量によって完全に特徴付けられています 平均 μ 分散 の正規分布は N ( μ, ) 分布とも書かれます ここに N は ormal の頭文字を 表わしています

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

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

2. 時系列分析 プラットフォームの使用法 JMP の 時系列分析 プラットフォームでは 一変量の時系列に対する分析を行うことができます この章では JMP のサンプルデ ータを用いて このプラットフォームの使用法をご説明します JMP のメニューバーより [ ヘルプ ] > [ サンプルデータ ]

2. 時系列分析 プラットフォームの使用法 JMP の 時系列分析 プラットフォームでは 一変量の時系列に対する分析を行うことができます この章では JMP のサンプルデ ータを用いて このプラットフォームの使用法をご説明します JMP のメニューバーより [ ヘルプ ] > [ サンプルデータ ] JMP を用いた ARIMA モデルのあてはめ SAS Institute Japan 株式会社 JMP ジャパン事業部 2013 年 2 月作成 1. はじめに JMP の時系列分析では 一変量の時系列データに対する分析や予測を行うことができ 時系列データに対するグラフ表示 時系列モデルのあてはめ モデルの評価 予測まで 対話的に分析を実行することができます 時系列データにあてはめるモデルとしては

More information

はじめに Excel における計算式の入力方法の基礎 Excel では計算式を入力することで様々な計算を行うことができる 例えば はセルに =SQRT((4^2)/3+3*5-2) と入力することで算出される ( 答え ) どのような数式が使えるかは 数式

はじめに Excel における計算式の入力方法の基礎 Excel では計算式を入力することで様々な計算を行うことができる 例えば はセルに =SQRT((4^2)/3+3*5-2) と入力することで算出される ( 答え ) どのような数式が使えるかは 数式 統計演習 統計 とはバラツキのあるデータから数値上の性質や規則性あるいは不規則性を 客観的に分析 評価する手法のことである 統計的手法には様々なものが含まれるが 今回はそのなかから 記述統計と統計学的推測について簡単にふれる 記述統計 : 収集した標本の平均や分散 標準偏差などを計算し データの示す傾向や性質を要約して把握する手法のこと 求められた値を記述統計量 ( または要約統計量 ) と言う 平均値

More information

やさしくPDFへ文字入力 v.2.0

やさしくPDFへ文字入力 v.2.0 操作マニュアル やさしく PDF へ文字入力 v.2.0 基本操作 目次 1. はじめに 2. やさしく PDF へ文字入力の起動 3. スキャナの設定 4. 原稿の取り込み 4-1. スキャナから 4-2. ファイルから 5. プリンタの設定 6. フィールドの作成 6-1. フィールドの自動作成 6-2. フィールドの手動作成 7. フィールドの設定 8. 文字の入力 9. 印刷 便利な使い方付録

More information

EBNと疫学

EBNと疫学 ノンパラメトリック検定 94 質的変数と質的変数の関連性を調べる - クロス表 行周辺度数 肺がん合計発生発生しないあり 100 人 900 人 1000 人喫煙なし 10 人 990 人 1000 人合計 110 人 1890 人 2000 人 列周辺度数 95 クロス表 - 行パーセント 各行のセルの度数を行周辺度数で割って 100 をかけたもの 行周辺度数 肺がん合計発生発生しない 10%(100

More information