R による心理学研究法入門 5 章教育測定に関する実証研究 2015/07/15( ) D1 D1 1
|
|
|
- さや きちや
- 5 years ago
- Views:
Transcription
1 R による心理学研究法入門 5 章教育測定に関する実証研究 2015/07/15( ) D1 D1 1
2 Overview [ ] (2012) [ ] R [ ] [ ] [ ] [ ] (I-T ) [ ] I-T [ ] [ ] [ ] 2
3 Overview [ ] (2012) [ ] R [ ] [ ] [ ] [ ] (I-T ) [ ] I-T [ ] [ ] [ ] 3
4 古典的テスト理論 (Classical Test Theory: CTT) p x = τ p + e p 4
5 (item analysis) 古典的テスト理論 Ø = Ø 5
6 古典的テスト理論 x = τ p + e p ( )
7 古典的テスト理論と項目反応理論 IRT 7
8 Overview [ ] (2012) [ ] R [ ] [ ] [ ] [ ] (I-T ) [ ] I-T [ ] [ ] [ ] 8
9 研究の概要
10 研究の概要
11 研究の概要 (2 ) ( )
12 研究の概要 < 本研究で研究対象とした設問の概要 > 設問概要 形式 1b 傍線部分 5 の 心理的な間 に関して具体例を挙げて説明記述 5 傍線部分 4 の日本の家の特徴について西洋の家と比較し, 本文の言葉を使って記述 記述 7a 本文の内容に関する会話文中の空所アに当てはまる語句を記述する 8 傍線部分 6 の 和が成り立つ と言える理由を本文中から一文抜き出す 記述 記述 1b: 読解のプロセス 5: 回答欄の字数制限 7a: 空所の表記法 8: 一文抜き出し問題 4 つの設問は要因が交絡しないように組み合わせ,8 種類の問題冊子を作成 ( 個々の生徒にランダムに割り当て ) 問題冊子間で受検者の国語能力にも差なし < 本研究で取り上げる設問の操作 > 設問 1b : 正答となる具体例の有無を操作 A 条件 : 同じ段落内に設問の答えとなる具体例がない本文 ( 統合 解釈 ) B 条件 : 同じ段落内に設問の答えとなる具体例がある本文 ( 情報へのアクセス 取り出し ) 設問 5 : 回答欄の文字数を操作 A 条件 :45 字以上 50 字以内 B 条件 : 55 字以内 C 条件 : 字数制限を行わない 12
13 研究の概要 * * r (r1, r2,, r0) 設問内容類型得点 1b 自分で具体例を挙げている 本文中から具体例を挙げている (B 条件のみ ) 本文中から具体性に欠ける文章を選んでいる 1 正答 2 正答 3 準正答 上記以外の回答 9 誤答 回答の記述なし 0 無回答 設問内容類型得点 5 正答に求められる内容 12 両方の内容に着目した文を書いている 1 の内容のみに着目した文を書いている 2 の内容のみに着目した文を書いている 1 正答 2 準正答 3 準正答 上記以外の回答 9 誤答 回答の記述なし 0 無回答
14 Overview [ ] (2012) [ ] R [ ] [ ] [ ] [ ] (I-T ) [ ] I-T [ ] [ ] [ ] 14
15 > # > saiten <- read.csv("saiten.csv") > # 6 > head(saiten) 合計得点の算出 e1: 設問 1b の条件 (A, B) e5: 設問 5 の条件 (A, B, C) d1a d9: 設問 1a から設問 9 までの解答類型による評定値 (r0: 類型 0,, r9: 類型 9) s1a s9: 設問 1a から設問 9 までの項目得点 15
16 合計得点の算出と パーセンタイル値の算出 ># s1b, s5, s7a,s8 > saiten$goukei <- with(saiten, s1a+s2a+s2b+s3+s4+s6a+s6b +s6c+s7b+s7c+s9) 27%, 46%, 27% # > quantile(saiten$goukei, prob = c(0.27, 0.73)) * c() 27% 73% 低群 中群 高群 低群 27% 4.5 点未満 (4.0 点以下 ) 4.5 点以上 7.5 点未満 7.5 点以上 中群 46% 高群 27% quanele のデフォルトは,25% 刻み - 0% 点,25% 点, 50% 点,75% 点, 100% 点 16
17 Overview [ ] (2012) [ ] R [ ] [ ] [ ] [ ] (I-T ) [ ] I-T [ ] [ ] [ ] 17
18 合計得点に基づいた群分け cut () cut (, right =, breaks=c( ), label=c( ( )), ordered_result=true) right=false right=true: -Inf,, Inf (-Inf: Inf: ) - -Inf, Inf ordered_result=true: 18
19 合計得点に基づいた群分け - 27%: 4.0, 73%: 7.5 低群 (L) 4.5 点未満 (4.0 点以下 ) 中群 (M) 4.5 点以上 7.5 点未満 高群 (H) 7.5 点以上 cut(saiten$goukei, right=false, breaks=c(-inf, 4.5, 7.5, Inf), labels=c("l", "M", "H"),ordered_result=TRUE) * right = FALSE
20 Overview [ ] (2012) [ ] R [ ] [ ] [ ] [ ] (I-T ) [ ] I-T [ ] [ ] [ ] 20
21 項目難易度 ( 困難度 ) k B k (B k = x k /N) B k
22 項目難易度 ( 困難度 ) 22
23 項目難易度 - - * 本来は数理モデル ( ロジスティックモデル等 ) で特性値を推定 * 困難度と項目反応のパターンを照合 特性値を共通の尺度上で推定 個人間で比較可 23
24 条件ごとの得点率 ( 難易度 ) table(): - tapply(): - / tapply(saiten$s1b, saiten$e1, mean) 変数名条件の変数名関数 * * 標準偏差の場合 = SD apply: 行列に一括で関数を適用 lapply, sapply: 一次元のリスト型のデータの各要素に関数を適用 - - lapply: 結果がリスト表示 sapply: 結果を行列表示 * 設問 5 においても, 同様に求める 24
25 項目難易度 ( 項目得点率 ) の算出 subset(): subset(saiten, e1=="a", c(d1b, s1b, goukei, gunwake)) * e1 A c() * 設問 1 の B 条件, 設問 5 の各条件も同様に 25
26 項目難易度 ( 項目得点率 ) の算出 - table, tapply * 引数を各条件のものに変え, 設問 1b と設問 5 の残りの結果についても算出でも 何回も同じことするのちょっとめんどくさい そんなときは 26
27 項目難易度 ( 項目得点率 ) の算出 list tapply(saiten$s5, list(saiten$e5, saiten$gunwake), mean) list() < 設問 1b> < 設問 5> 27
28 条件ごとの群別得点率及び全体の得点率 1b B A B A 5 A C B C B 28
29 Overview [ ] (2012) [ ] R [ ] [ ] [ ] [ ] (I-T ) [ ] I-T [ ] [ ] [ ] 29
30 解答類型分類率の算出 - prop.table(): 30
31 解答類型分類率の算出 1b B 5 A, B, C 表. 設問 1b と設問 5 における条件ごとの解答類型分類率 < 設問 1b> A 条件 ( 本文中に正答の具体例なし ) 類型 2 で 0, 類型 9( 誤答 ),3( 準正答 ) が多い B 条件 ( 本文中に正答の具体例あり ) 類型 2( 正答 ) が多い, 類型 9,3 は A より少ない < 設問 5> C 条件 ( 字数制限なし ) で類型 1( 正答 ) が最も多い A,B 条件では類型 2( 準正答 )> 類型 1 31
32 解答類型分類率の算出 > # 5 A > tca5 <- table(a5$d5, A5$gunwake) > # > prop.table(tca5, 2) - 2:, 1: * 1: 行和に対する割合 32
33 解答類型分類率の算出 barplot(, main=, xlim=c(), ylim=c(), beside=, legend=) main: * sub: xlab, ylab: X Y xlim, ylim:x Y beside: TRUE=, FALSE= legend = TRUE: barplot(p.tca5, main= A, xlim=c(0,20), ylim=c(0,1), beside=true, legend=true) 33
34 解答類型分類率の算出 A L M H r0 r1 r2 r3 r9 34
35 解答類型分類率の算出 1b 5 B C * par (mfrow=c()) を用いて複数の図をまとめて表示することもできる 35
36 グラフ ( 設問 1b) L M H A r0 r1 r2 r3 r L M H B r0 r1 r2 r3 r9 設問 1b における群ごとの解答分類率 36
37 グラフ ( 設問 5) L M H A r0 r1 r2 r3 r L M H B r0 r1 r2 r3 r L M H C r0 r1 r2 r3 r9 設問 5 における群ごとの解答分類率 37
38 Overview [ ] (2012) [ ] R [ ] [ ] [ ] [ ] (I-T ) [ ] I-T [ ] [ ] [ ] 38
39 項目識別力 (, item discrimination) 39
40 項目識別力 (item discrimination power index: DISC)
41 項目識別力の種類 (upper-lower item discrimination index: U-L ) 27% 27% 27% (Johnson, 1951) (point-biserial correlation coefficient) Item score ( ) Total score ( ) I-T (Item-Total correlation) I-R (Item-Remainder correlation) 41
42 項目識別力の種類 (2012) I-T b 5 7a 8 42
43 識別力 (I-T 相関 ) の算出手順 (The point biserial coefficient of correlation) (Lew, 1949) x y x 1 0 y i i = 1, n x = 1 y = y 1i i = 1, n 1 M = y 1 x = 0 y = y 0i i = 1, n 0 M = y 0 n n 1 + n 0 SD y i SD r x i y i M = y r = " #$ n 1 n 0 n (y 1 y 0 ) 1 n i (y ij y) i=0 2 j=1 1/2 % &' = 43
44 識別力 (I-T 相関 ) の算出手順 2 (x, y) r = 1 n n i=1 n i=1 (x i x)(y i y) (x i x) 2 n n i=1 (y i y) 2 n = (x 1 x)(y 1 y)+ (x 2 x)(y 2 y) (x n x)(y n y) (x 1 x) 2 + (x 2 x) (x n x) (y 1 y) 2 + (y 2 y) (y n y) 44
45 識別力 (I-T 相関 ) の算出手順 (ρ) t (H 0 ) (ρ) = 0 t = r n 2 1 r 2 t p 45
46 R による識別力 (I-T 相関 ) の算出 cor.test() t p 95% (r) t df=n-2 t 2 cor.test(, ) 1: 2: (1b, 5, 7a, 8 ) 46
47 R による識別力 (I-T 相関 ) の算出 # I-T # A1 ( 1b A ) 1b ( s1b ) ( goukei ) IT_A1b <- cor.test(a1$s1b,a1$goukei) # 1b B 5 A B C IT_B1b <- cor.test(b1$s1b,b1$goukei) # 1b B IT_A5 <- cor.test(a5$s5,a5$goukei) # 5 A IT_B5 <- cor.test(b5$s5,b5$goukei) # 5 B IT_C5 <- cor.test(c5$s5,c5$goukei) # 5 C 47
48 R による識別力 (I-T 相関 ) の算出 # 99% conf.level=0.99 # cor.test( 1, 2, conf.level=0.99) # IT_A1b # 1b A IT_B1b # 1b B IT_A5 # 5 A IT_B5 # 5 B IT_C5 # 5 C 48
49 R による識別力 (I-T 相関 ) の算出 R 1b A t 値, 自由度, p 値 95% 信頼区間 相関係数 (I-T 相関 ) 49
50 R による識別力 (I-T 相関 ) の算出 1b A 条件 B 条件 n t 値 df p 値 < % 信頼区間 [-.037,.211] [.275,.488] 99% 信頼区間 [-.076,.248] [.238,.518] 相関係数 r
51 R による識別力 (I-T 相関 ) の算出 5 A 条件 B 条件 C 条件 n t 値 df p 値 <.001 <.001 < % 信頼区間 [.292,.529] [.146,.477] [.380,.600] 99% 信頼区間 [.250,.561] [.091,.510] [.340,.628] 相関係数 r
52 R による識別力 (I-T 相関 ) の算出 # IT_A1b$esDmate # 1b A IT_A1b$conf.int # 1b A IT_A1b$p.value # 1b A p IT_B1b$esDmate # 1b B IT_B1b$conf.int # 1b B IT_B1b$p.value # 1b B p 52
53 R による識別力 (I-T 相関 ) の算出 IT_A5$esDmate # 5 A IT_A5$conf.int # 5 A IT_A5$p.value # 5 A p IT_B5$esDmate # 5 B IT_B5$conf.int # 5 B IT_B5$p.value # 5 B p IT_C5$esDmate # 5 C IT_C5$conf.int # 5 C IT_C5$p.value # 5 C p 53
54 得点散布図を出してみた : 具体例なし : 具体例あり :45 55 字 : 55 字 : 制限なし 54
55 Overview [ ] (2012) [ ] R [ ] [ ] [ ] [ ] (I-T ) [ ] I-T [ ] [ ] [ ] 55
56 得点率 ( 比率 ) の差に関する推定の概要 (z ) (SE) SE = p 1 (1 p 1 ) n 1 + p 2 (1 p 2 ) n 2 z SE CI = ± (z ) SE 56
57 R で得点率の差とその信頼区間を求める p.dif <- funcdon(pa,na,pb,nb,qcrit=0.025){ p.difference <- pb- pa seab <- sqrt(((pa*(1- pa))/na)+((pb*(1- pb))/nb)) q <- qnorm(qcrit,lower.tail=false) CIAB.L <- p.difference- q*seab CIAB.U <- p.difference+q*seab out <- cbind(p.difference, CIAB.L, CIAB.U) return(out) } # # 57
58 R で得点率の差とその信頼区間を求める function(){} () {} (pa, na,pb,nb) p.dif() A (pa), A (na), B (pb), B (nb) 95% 58
59 R で得点率の差とその信頼区間を求める p.dif() () qcrit=0.025 Ø qcrit (q) (qcritical ) Ø 95% qcrit=0.025 ( 0.05/2) p.dif <- funceon(pa,na,pb,nb,qcrit=0.025){ 59
60 R で得点率の差とその信頼区間を求める 2 p.difference p.difference <- pb- pa 60
61 R で得点率の差とその信頼区間を求める (Confidence Interval: CI) (SE) seab seab <- sqrt(((pa*(1- pa))/na)+((pb*(1- pb))/nb)) (z ) q Ø qnorm(, lower.tail=false) p z Ø ( qcrit=0.025) Ø lower.tail FALSE TRUE q <- qnorm(qcrit,lower.tail=false) 61
62 R で得点率の差とその信頼区間を求める 95% Ø = ± (z ) Ø CIAB.L CIAB.U CIAB.L <- p.difference- q*seab CIAB.U <- p.difference+q*seab 62
63 R で得点率の差とその信頼区間を求める Ø cbind() Ø (p.difference) 95% out out <- cbind(p.difference, CIAB.L, CIAB.U) out return(out) } 63
64 R で得点率の差とその信頼区間を求める # p.dif(pa,na,pb,nb) # 1b p.dif_1bab<- p.dif(0.174, 247, 0.567, 246) #A B # 5 type-i error α = 0.05 Bonferroni 0.05*1/3(= )*1/2(= ) = p.dif_5ab<- p.dif(0.386, 188, 0.475, 122, 0.008) #A B p.dif_5bc<- p.dif(0.475, 122, 0.516, 183, 0.008) #B C p.dif_5ca<- p.dif(0.516, 183, 0.386, 188, 0.008) #C A 64
65 R で得点率の差とその信頼区間を求める # 1b p.dif_1bab # 5 p.dif_5ab p.dif_5bc p.dif_5ca 得点率の差 信頼区間 65
66 I-T 相関 ( 相関係数 ) の信頼区間 1. r Fisher z ( ) z 1 = 1 2 log1+ r 1 1 r 1 2. I-T (SE) (z A -z B SE) SE = SE A 2 + SE B 2 = z 2 = 1 2 log1+ r 2 1 r 2 1 n A n B 3 3. z SE (CI = z 1 - z 2 ± z 0 SE) 4. z r ( ) (2 or ) -1 (2 or ) +1 66
67 I-T 相関の差に関する統計的推定 r.dif <- funcdon(ra,na,rb,nb,qcrit=0.025){ r.difference <- rb- ra za=1/2*log((1+ra)/(1- ra)) zb=1/2*log((1+rb)/(1- rb)) seab <- sqrt((1/(na- 3))+(1/(nB- 3))) q <- qnorm(qcrit,lower.tail=false) zab.l <- zb- za- q*seab zab.u <- zb- za+q*seab CIAB.L <- ((exp(2*zab.l))- 1)/((exp(2*zAB.L))+1) CIAB.U <- ((exp(2*zab.u))- 1)/((exp(2*zAB.U))+1) out <- cbind(r.difference, CIAB.L, CIAB.U) return(out) } 67
68 R で I-T 相関の差とその信頼区間を求める function(){} () {} (ra, na,rb,nb) r.dif() A I-T (ra), A (na), B I-T (rb), B (nb) I-T 95% 68
69 R で I-T 相関の差とその信頼区間を求める r.dif() () qcrit=0.025 Ø qcrit (q) (qcritical ) Ø 95% qcrit=0.025 ( 0.05/2) r.dif <- function(ra,na,rb,nb,qcrit=0.025){ 69
70 R で I-T 相関の差とその信頼区間を求める I-T 2 I-T r.difference r.difference <- rb- ra 70
71 R で I-T 相関の差とその信頼区間を求める (Confidence Interval: CI) r z za=1/2*log((1+ra)/(1- ra)) zb=1/2*log((1+rb)/(1- rb)) (SE) seab seab <- sqrt((1/(na- 3))+(1/(nB- 3))) 71
72 R で I-T 相関の差とその信頼区間を求める (z ) q Ø qnorm(, lower.tail=false) p z Ø ( qcrit=0.025) Ø lower.tail FALSE TRUE q <- qnorm(qcrit,lower.tail=false) 72
73 R で I-T 相関の差とその信頼区間を求める 95% Ø = ± (z ) Ø zab.l zab.u zab.l <- zb- za- q*seab zab.u <- zb- za+q*seab Ø z r CIAB.L <- ((exp(2*zab.l))- 1)/((exp(2*zAB.L))+1) CIAB.U <- ((exp(2*zab.u))- 1)/((exp(2*zAB.U))+1) 73
74 R で I-T 相関の差とその信頼区間を求める Ø cbind() Ø (p.difference) 95% out out <- cbind(r.difference, CIAB.L, CIAB.U) out return(out) } 74
75 R で I-T 相関の差とその信頼区間を求める # r.dif(pa,na,pb,nb) # 1b r.dif_1bab<- r.dif(0.088, 247, 0.387, 246) #A B # 5 type-i error α = 0.05 Bonferroni 0.05*1/3(= )*1/2(= ) = r.dif_5ab<- r.dif(0.418, 188, 0.316, 122, 0.008) #A B r.dif_5bc<- r.dif(0.316, 122, 0.498, 183, 0.008) #B C r.dif_5ca<- r.dif(0.498, 183, 0.418, 188, 0.008) #C A 75
76 R で得点率の差とその信頼区間を求める # 1b r.dif_1bab # 5 r.dif_5ab r.dif_5bc r.dif_5ca I- T 相関の差 信頼区間 76
77 結果の理解 1b B-A A 0.174, B [.315,.417] B A A I-T 0.088, B I-T I-T.299 [.141,.460] B A 77
78 結果の理解 5 B-A 0 A 0.386, B [-.049,.227] B-A -5% (A 5% ) 23% (B 23% ) A I-T 0.418, B I-T I-T [-.381,.164] B-A -38% (A 38% ) 16% (B 16% ) 78
79 結果の理解 5 C-B 0 B 0.475, C [-.100,.182] C-B -10% (B 10% ) 18% (C 18% ) B I-T 0.316, C I-T I-T.182 [-.065,.465] C-B -6% (B 6% ) 47% (C 47% ) 79
![結果の理解 5 A-C I-T 0 C 0.516, A 0.386 -.130 [-.253, -.007] A-C -25% (C 25% ) -0.7% (C 0.](/docs-images/95/124381530/images/80-2.jpg "7% ) C I-T 0.498, A I-T 0.418 I-T -.080 [-.340,.")
80 結果の理解 5 A-C I-T 0 C 0.516, A [-.253, -.007] A-C -25% (C 25% ) -0.7% (C 0.7% ) C I-T 0.498, A I-T I-T [-.340,.150] A-C -34% (C 34% ) 15% (A 15% ) 80
81 自作スクリプトの保存と使用 R ( rdif.r ) 3. source( rdif.r )
82 Overview [ ] (2012) [ ] R [ ] [ ] [ ] [ ] (I-T ) [ ] I-T [ ] [ ] [ ]
83 U-L 指数の算出 # U-L Brennan (1972) (The Discrimination Index B) = 27% 27% # 13 # 13 goukei2 saiten$goukei2 <- with(saiten, s1a+s1b+s2a+s2b+s3+s4+s5+s6a +s6b+s6c+s7a+s7b+s7c+s8+s9)
84 U-L 指数の算出 # 27% 247*0.27 # 1b A = *0.27 # 1b B = *0.27 # 5 A = *0.27 # 5 B = *0.27 # 5 C = 49.41
85 U-L 指数の算出 # 1b A A1_2 <- subset(saiten, e1=="a", c(id, e1, d1b, s1b, goukei2)) A1_order <- order(a1_2$goukei2, A1_2$id, decreasing=true) df_a1_order<- A1_2[A1_order,] A1_H<- head(df_a1_order,n=66.69) summary(a1_h) A1_L<- tail(df_a1_order,n=66.69) summary(a1_l) UL_A1<- mean(a1_h$s1b)- mean(a1_l$s1b) #
86 U-L 指数の算出 13 goukei2 saiten saiten$goukei2 <- with(saiten, s1a+s1b+s2a+s2b+s3+s4+s5+s6a+s6b +s6c+s7a+s7b+s7c+s8+s9) saiten 1a A id, e1, d1b, s1b, goukei2 A1_2 A1_2 <- subset(saiten, e1=="a", c(id, e1, d1b, s1b, goukei2))
87 U-L 指数の算出 saiten goukei goukei2
88 27% U-L 指数の算出 A1_2 ( 1a A ) id A1_order A1_order <- order(a1_2$goukei2, A1_2$id, decreasing=true) A1_order A1_2 df_a1_order df_a1_order<- A1_2[A1_order,]
89 U-L 指数の算出 df_a1_order 75% A1_H 75% A1_L A1_H<- head(df_a1_order,n=66.69) summary(a1_h) # A1_L<- tail(df_a1_order,n=66.69) summary(a1_l) # A1_H s1b A1_L s1b UL_A1 UL_A1<-mean(A1_H$s1b)-mean(A1_L$s1b)
90 U-L 指数の算出 # 1b B B1_2 <- subset(saiten, e1=="b", c(id, e1, d1b, s1b, goukei2)) B1_order <- order(b1_2$goukei2, B1_2$id, decreasing=true) df_b1_order<- B1_2[B1_order,] B1_H<- head(df_b1_order,n=66.42) summary(b1_h) B1_L<- tail(df_b1_order,n=66.42) summary(b1_l) UL_B1<- mean(b1_h$s1b)- mean(b1_l$s1b)
91 U-L 指数の算出 # 5 A A5_2 <- subset(saiten, e5=="a", c(id, e5, d5, s5, goukei2)) A5_order <- order(a5_2$goukei2, A5_2$id, decreasing=true) df_a5_order<- A5_2[A5_order,] A5_H<- head(df_a5_order,n=50.76) summary(a5_h) A5_L<- tail(df_a5_order,n=50.76) summary(a5_l) UL_A5<- mean(a5_h$s5)- mean(a5_l$s5)
92 U-L 指数の算出 # 5 B B5_2 <- subset(saiten, e5=="b", c(id, e5, d5, s5, goukei2)) B5_order <- order(b5_2$goukei2, B5_2$id, decreasing=true) df_b5_order<- B5_2[B5_order,] B5_H<- head(df_b5_order,n=32.94) summary(b5_h) B5_L<- tail(df_b5_order,n=32.94) summary(b5_l) UL_B5<- mean(b5_h$s5)- mean(b5_l$s5)
93 U-L 指数の算出 # 5 C C5_2 <- subset(saiten, e5=="c", c(id, e5, d5, s5, goukei2)) C5_order <- order(c5_2$goukei2, C5_2$id, decreasing=true) df_c5_order<- C5_2[C5_order,] C5_H<- head(df_c5_order,n=49.41) summary(c5_h) C5_L<- tail(df_c5_order,n=49.41) summary(c5_l) UL_C5<- mean(c5_h$s5)- mean(c5_l$s5)
94 U-L 指数の算出 # UL_A1 UL_B1 UL_A5 UL_B5 UL_C5 合計点として 13 項目全てを用いた場合 操作した 4 項目を除外した合計点を用いた場合
95 Overview [ ] (2012) [ ] R [ ] [ ] [ ] [ ] (I-T ) [ ] I-T [ ] [ ] [ ] 95
96 結果のまとめ 96
97 結果のまとめ A ( ) B 97
98 結果のまとめ 1b [A] [B] 50% 98
99 結果のまとめ 99
100 結果のまとめ A B C 100
101 5 結果のまとめ [C] 55 [B] [A]
102 5 結果のまとめ [C] 55 [B] [A]
103 [A] 結果のまとめ 55 [B] [C] 103
104 結果のまとめ 104
105 結果のまとめ 105
106 この研究についてひとこと No 106
107 References [ ] (2011). R. (2014). R. (2014) , 57, (2009). The R tips R PDF. 107
![References [ ] Brennan, L. Robert. (1972). A generalized upper-lower item discrimination index. Educ. Psychol. Meas., 32, 289-303. (2014). Johnson, A. Pemberton. (1951).](/docs-images/95/124381530/images/108-2.jpg "Notes on a suggested index of item validity: The UL Index. J. Educ. Psychol., 42 (8), 499-504. Lew Joseph. (1949). The point biserial coefficient of correlation. Ann. Math. Stat, 20, 125-126. (2002).")
108 References [ ] Brennan, L. Robert. (1972). A generalized upper-lower item discrimination index. Educ. Psychol. Meas., 32, (2014). Johnson, A. Pemberton. (1951). Notes on a suggested index of item validity: The UL Index. J. Educ. Psychol., 42 (8), Lew Joseph. (1949). The point biserial coefficient of correlation. Ann. Math. Stat, 20, (2002). (2012). R (2012).,
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
「統 計 数 学 ３」
関数の使い方 1 関数と引数 関数の構造 関数名 ( 引数 1, 引数 2, 引数 3, ) 例 : マハラノビス距離を求める関数 mahalanobis(data,m,v) 引数名を指定して記述する場合 mahalanobis(x=data, center=m, cov=v) 2 関数についてのヘルプ 基本的な関数のヘルプの呼び出し? 関数名 例 :?mean 例 :?mahalanobis 指定できる引数を確認する関数
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
stat2_slides-13.key
!2 !3 !4 !5 !6 !7 !8 !9 !10 !11 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
1 R Windows R 1.1 R The R project web R web Download [CRAN] CRAN Mirrors Japan Download and Install R [Windows 9
![1 R Windows R 1.1 R The R project web R web Download [CRAN] CRAN Mirrors Japan Download and Install R [Windows 9](/thumbs/99/142039515.jpg "1 R Windows R 1.1 R The R project web R web Download [CRAN] CRAN Mirrors Japan Download and Install R [Windows 9")
1 R 2007 8 19 1 Windows R 1.1 R The R project web http://www.r-project.org/ R web Download [CRAN] CRAN Mirrors Japan Download and Install R [Windows 95 and later ] [base] 2.5.1 R - 2.5.1 for Windows R
7. フィリップス曲線 経済統計分析 (2014 年度秋学期 ) フィリップス曲線の推定 ( 経済理論との関連 ) フィリップス曲線とは何か? 物価と失業の関係 トレード オフ 政策運営 ( 財政 金融政策 ) への含意 ( 計量分析の手法 ) 関数形の選択 ( 関係が直線的でない場合の推定 ) 推
7. フィリップス曲線 経済統計分析 ( 年度秋学期 ) フィリップス曲線の推定 ( 経済理論との関連 ) フィリップス曲線とは何か? 物価と失業の関係 トレード オフ 政策運営 ( 財政 金融政策 ) への含意 ( 計量分析の手法 ) 関数形の選択 ( 関係が直線的でない場合の推定 ) 推定結果に基づく予測シミュレーション 物価と失業の関係......... -. -. -........ 失業率
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
2005 DE-9PF-N DE-9SF-N DA-15PF-N DA-15SF-N DB-25PF-N DB-25SF-N DC-37PF-N DC-37SF-N DD-50PF-N DD-50SF-N DE-9PF-N DC-37PF-N DA-1
25 U S SB M M 9 9 P P 0.2 ML ML E RS232C A 15 15 15 UL 25 S U UL RS232C 9PM 9PM E A 0.2 X 0000000 3,342 120 180 300 3,370 120 180 300 3,361 120 180 300 4,664 164 210 551 4,626 164 210 551 6,064 226 290
II (Percolation) ( 3-4 ) 1. [ ],,,,,,,. 2. [ ],.. 3. [ ],. 4. [ ] [ ] G. Grimmett Percolation Springer-Verlag New-York [ ] 3
![II (Percolation) ( 3-4 ) 1. [ ],,,,,,,. 2. [ ],.. 3. [ ],. 4. [ ] [ ] G. Grimmett Percolation Springer-Verlag New-York [ ] 3](/thumbs/94/121840826.jpg "II (Percolation) ( 3-4 ) 1. [ ],,,,,,,. 2. [ ],.. 3. [ ],. 4. [ ] [ ] G. Grimmett Percolation Springer-Verlag New-York [ ] 3")
II (Percolation) 12 9 27 ( 3-4 ) 1 [ ] 2 [ ] 3 [ ] 4 [ ] 1992 5 [ ] G Grimmett Percolation Springer-Verlag New-York 1989 6 [ ] 3 1 3 p H 2 3 2 FKG BK Russo 2 p H = p T (=: p c ) 3 2 Kesten p c =1/2 ( )
現代日本論演習／比較現代日本論研究演習I「統計分析の基礎」
URL: http://tsigeto.info/statg/ I ( ) 3 2017 2 ( 7F) 1 : (1) ; (2) 1998 (70 20% 6 8 ) (30%) ( 2) ( 2) 2 1. (4/13) 2. SPSS (4/20) 3. (4/27) [ ] 4. (5/11 6/1) [1, 4 ] 5. (6/8) 6. (6/15 6/29) [2, 5 ] 7. (7/6
ID POS F
01D8101011L 2005 3 ID POS 2 2 1 F 1... 1 2 ID POS... 2 3... 4 3.1...4 3.2...4 3.3...5 3.4 F...5 3.5...6 3.6 2...6 4... 8 4.1...8 4.2...8 4.3...8 4.4...9 4.5...10 5... 12 5.1...12 5.2...13 5.3...15 5.4...17
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
untitled
WinLD R (16) WinLD https://www.biostat.wisc.edu/content/lan-demets-method-statistical-programs-clinical-trials WinLD.zip 2 2 1 α = 5% Type I error rate 1 5.0 % 2 9.8 % 3 14.3 % 5 22.6 % 10 40.1 % 3 Type
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
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 :
yamadaiR(cEFA).pdf
R 2012/10/05 Kosugi,E.Koji (Yamadai.R) Categorical Factor Analysis by using R 2012/10/05 1 / 9 Why we use... 3 5 Kosugi,E.Koji (Yamadai.R) Categorical Factor Analysis by using R 2012/10/05 2 / 9 FA vs
-------------------------------------------------------------------------------------------------- 1 ----------------------------------------- 3 --------------------------------------------------------------------------------
コーチング心理学におけるメソッド開発の試み 東北大学大学院 徳吉陽河
コーチング心理学における メソッド開発の試み シナリオ ( 質問票 G FAQ) のツール作成と検証を通して 東北心理学会 2010/09/12 発表 東北大学大学院徳吉陽河 的 コーチング心理学 ( 主に認知行動コーチング ) の 標準化された質問票 (G FAQ) の作成し, コーチング心理学へのメソッドとして活用することを目的 認知行動科学, 学習理論など学術に基づいたシナリオ 手順書を作成する必要がある
Rによる計量分析：データ解析と可視化 - 第3回 Rの基礎とデータ操作・管理
R 3 R 2017 Email: gito@eco.u-toyama.ac.jp October 23, 2017 (Toyama/NIHU) R ( 3 ) October 23, 2017 1 / 34 Agenda 1 2 3 4 R 5 RStudio (Toyama/NIHU) R ( 3 ) October 23, 2017 2 / 34 10/30 (Mon.) 12/11 (Mon.)
(1) (2) (1) (2) 2 3 {a n } a 2 + a 4 + a a n S n S n = n = S n
. 99 () 0 0 0 () 0 00 0 350 300 () 5 0 () 3 {a n } a + a 4 + a 6 + + a 40 30 53 47 77 95 30 83 4 n S n S n = n = S n 303 9 k d 9 45 k =, d = 99 a d n a n d n a n = a + (n )d a n a n S n S n = n(a + a n
スライド 1
(6A-1) 1 条件付き書式の設定 英語 数学 国語 の点数が 80 点より高い場合は セルの数字を 太字斜体 の 赤 にする 1. 条件の設定 以下の問の ( ) に当てはまる適切なものを選択してください セル [B3:D5] を範囲選択 [ ホーム ] タブ ( 図 A) の ( ア ) ボタンをクリック 一覧から図 1の ( イ ) をクリックし さらに図 2の ( ウ ) をクリック 2.
Microsoft PowerPoint - R-stat-intro_12.ppt [互換モード]
![Microsoft PowerPoint - R-stat-intro_12.ppt [互換モード]](/thumbs/101/151921093.jpg "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
e a b a b b a a a 1 a a 1 = a 1 a = e G G G : x ( x =, 8, 1 ) x 1,, 60 θ, ϕ ψ θ G G H H G x. n n 1 n 1 n σ = (σ 1, σ,..., σ N ) i σ i i n S n n = 1,,
01 10 18 ( ) 1 6 6 1 8 8 1 6 1 0 0 0 0 1 Table 1: 10 0 8 180 1 1 1. ( : 60 60 ) : 1. 1 e a b a b b a a a 1 a a 1 = a 1 a = e G G G : x ( x =, 8, 1 ) x 1,, 60 θ, ϕ ψ θ G G H H G x. n n 1 n 1 n σ = (σ 1,
(1.2) T D = 0 T = D = 30 kn 1.2 (1.4) 2F W = 0 F = W/2 = 300 kn/2 = 150 kn 1.3 (1.9) R = W 1 + W 2 = = 1100 N. (1.9) W 2 b W 1 a = 0
1 1 1.1 1.) T D = T = D = kn 1. 1.4) F W = F = W/ = kn/ = 15 kn 1. 1.9) R = W 1 + W = 6 + 5 = 11 N. 1.9) W b W 1 a = a = W /W 1 )b = 5/6) = 5 cm 1.4 AB AC P 1, P x, y x, y y x 1.4.) P sin 6 + P 1 sin 45
こんにちは由美子です
Analysis of Variance 2 two sample t test analysis of variance (ANOVA) CO 3 3 1 EFV1 µ 1 µ 2 µ 3 H 0 H 0 : µ 1 = µ 2 = µ 3 H A : Group 1 Group 2.. Group k population mean µ 1 µ µ κ SD σ 1 σ σ κ sample mean
こんにちは由美子です
Sample size power calculation Sample Size Estimation AZTPIAIDS AIDSAZT AIDSPI AIDSRNA AZTPr (S A ) = π A, PIPr (S B ) = π B AIDS (sampling)(inference) π A, π B π A - π B = 0.20 PI 20 20AZT, PI 10 6 8 HIV-RNA
Stata 11 Stata ROC whitepaper mwp anova/oneway 3 mwp-042 kwallis Kruskal Wallis 28 mwp-045 ranksum/median / 31 mwp-047 roctab/roccomp ROC 34 mwp-050 s
BR003 Stata 11 Stata ROC whitepaper mwp anova/oneway 3 mwp-042 kwallis Kruskal Wallis 28 mwp-045 ranksum/median / 31 mwp-047 roctab/roccomp ROC 34 mwp-050 sampsi 47 mwp-044 sdtest 54 mwp-043 signrank/signtest
学習指導要領
(1) 数と式 ア数と集合 ( ア ) 実数数を実数まで拡張する意義を理解し 簡単な無理数の四則計算をすること 自然数 整数 有理数 無理数の包含関係など 実数 の構成を理解する ( 例 ) 次の空欄に適当な言葉をいれて, 数の集合を表しなさい ア イ 無理数 整数 ウ 無理数の加法及び減法 乗法公式などを利用した計 算ができる また 分母だけが二項である無理数の 分母の有理化ができる ( 例 1)
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](/thumbs/88/115011777.jpg "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
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
Microsoft Word - BMDS_guidance pdf_final
BMDS を用いたベンチマークドース法適用ガイダンス (BMDS は 米国 EPA のホームページ (http://www.epa.gov/ncea/bmds/) より無償でダウンロードで きる ) 最初に データ入力フォームにデータを入力する 病理所見の発現頻度等の非連続データの場合は モデルタイプとしてDichotomousを選択し 体重 血液 / 血液生化学検査値や器官重量等の連続データの場合は
HITACHI 液晶プロジェクター CP-EX301NJ/CP-EW301NJ 取扱説明書 -詳細版- 【技術情報編】 日本語
A B C D E F G H I 1 3 5 7 9 11 13 15 17 19 2 4 6 8 10 12 14 16 18 K L J Y CB/PB CR/PR COMPONENT VIDEO OUT RS-232C RS-232C RS-232C Cable (cross) LAN cable (CAT-5 or greater) LAN LAN LAN LAN RS-232C BE
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
定義 より, クロス集計表 C ij から, 類似係数 s ij と関連係数 t ij が得られる. 定義 t ij = s ij = a + d [0,1] a + d (a + c) + (c + d) [0,1] ただし, a = c = d = 0 のときは, t ij = 1 とする. 3
![定義 より, クロス集計表 C ij から, 類似係数 s ij と関連係数 t ij が得られる. 定義 t ij = s ij = a + d [0,1] a + d (a + c) + (c + d) [0,1] ただし, a = c = d = 0 のときは, t ij = 1 とする. 3](/thumbs/88/115360519.jpg "定義 より, クロス集計表 C ij から, 類似係数 s ij と関連係数 t ij が得られる. 定義 t ij = s ij = a + d [0,1] a + d (a + c) + (c + d) [0,1] ただし, a = c = d = 0 のときは, t ij = 1 とする. 3")
ファジイ理論を利用した高等学校数学教育の教材構造分析 Structure Aalysis of Istructio Items i High School Mathematics Educatio Applyig Fuzzy Theory 松崎佑己 1, 瀧澤武信 Yuki MATSUZAKI 1, Takeobu TAKIZAWA 1 早稲田大学大学院教育学研究科 1 Graduate School
untitled
5 28 EAR CCLECCN ECCN 1. 2. 3. 4. 5.EAR page 1 of 28 WWW.Agilent.co.jp -> Q&A ECCN 10020A 10070A 10070B 10070C 10071A 10071B 10072A 10073A 10073B 10073C 10074A 10074B 10074C 10076A 10229A 10240B 10430A
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?
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
k2 ( :35 ) ( k2) (GLM) web web 1 :
2012 11 01 k2 (2012-10-26 16:35 ) 1 6 2 (2012 11 01 k2) (GLM) kubo@ees.hokudai.ac.jp web http://goo.gl/wijx2 web http://goo.gl/ufq2 1 : 2 2 4 3 7 4 9 5 : 11 5.1................... 13 6 14 6.1......................
05秋案内.indd
1 2 3 4 5 6 7 R01a U01a Q01a L01a M01b - M03b Y01a R02a U02a Q02a L02a M04b - M06b Y02a R03a U03a Q03a L03a M08a Y03a R04a U04a Q04a L04a M09a Y04a A01a L05b, L07b, R05a U05a Q05a M10a Y05b - Y07b L08b
1 Stata SEM LightStone 3 2 SEM. 2., 2,. Alan C. Acock, Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press.
1 Stata SEM LightStone 3 2 SEM. 2., 2,. Alan C. Acock, 2013. Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press. 2 3 2 Conservative Depress. 3.1 2. SEM. 1. x SEM. Depress.
Microsoft Word - 計量研修テキスト_第5版）.doc
Q10-2 テキスト P191 1. 記述統計量 ( 変数 :YY95) 表示変数として 平均 中央値 最大値 最小値 標準偏差 観測値 を選択 A. 都道府県別 Descriptive Statistics for YY95 Categorized by values of PREFNUM Date: 05/11/06 Time: 14:36 Sample: 1990 2002 Included
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
現代日本論演習／比較現代日本論研究演習I「統計分析の基礎」
URL: http://tsigeto.info/statg/ I () 3 2016 2 ( 7F) 1 : (1); (2) 1998 (70 20% 6 9 ) (30%) ( 2) ( 2) 2 1. (4/14) 2. SPSS (4/21) 3. (4/28) [] 4. (5/126/2) [1, 4] 5. (6/9) 6. (6/166/30) [2, 5] 7. (7/78/4)
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
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
StatlightGroupManual.dvi
Statlight #11 Yukms Microsoft Excel 3 ( ) (2000) (p.2) ( ( ) ( ) ( ) 1 9 1.1...................................... 9 1.2................................... 9 1.3................................. 9 1.4........................................
平成２３年度全国学力・学習状況調査問題を活用した結果の分析 資料
平成 23 年度全国学力 学習状況調査問題を活用した結果の分析 1 調査結果の概要 (1) 全体的な傾向 伊達市教育委員会 市内の小 中学校においては 全体として以下のような特徴がみられた 平成 23 年度全国学力 学習状況調査問題を活用した北海道における学力等調査は 札 幌市を除く178 市町村 及び特別支援学校小学部 特別支援学校中学部 中等教育学校 が実施をした 実施した学校数と児童生徒数については
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
HITACHI 液晶プロジェクター CP-AX3505J/CP-AW3005J 取扱説明書 -詳細版- 【技術情報編】
B A C E D 1 3 5 7 9 11 13 15 17 19 2 4 6 8 10 12 14 16 18 H G I F J M N L K Y CB/PB CR/PR COMPONENT VIDEO OUT RS-232C LAN RS-232C LAN LAN BE EF 03 06 00 2A D3 01 00 00 60 00 00 BE EF 03 06 00 BA D2 01
MS-1J/MS-1WJ（形名：MS-1/MS-1W）取扱説明書 - 詳細- 技術情報編
720 x 400 37.9 85.0 VESA TEXT 640 x 480 31.5 59.9 VESA VGA (60Hz) 640 x 480 37.9 72.8 VESA VGA (72Hz) 640 x 480 37.5 75.0 VESA VGA (75Hz) 640 x 480 43.3 85.0 VESA VGA (85Hz) 800 x 600 35.2 56.3 VESA SVGA
Microsoft Word - 計量研修テキスト_第5版）.doc
Q4-1 テキスト P83 多重共線性が発生する回帰 320000 280000 240000 200000 6000 4000 160000 120000 2000 0-2000 -4000 74 76 78 80 82 84 86 88 90 92 94 96 98 R e s i dual A c tual Fi tted Dependent Variable: C90 Date: 10/27/05
平成 24 年度岡山県学力 学習状況調査 数学解答類型分類表 解答類型分類にかかる留意事項 数学における学習到達度をみることが目的であるので, 誤字脱字などの文字表現の不備については, 広く許容する 基本的に意図が伝われば許容する 文章表現についても広く許容する てにをはの誤りや
平成 4 年度岡山県学力 学習状況調査 数学解答類型分類表 解答類型分類にかかる留意事項 4 5 数学における学習到達度をみることが目的であるので, 誤字脱字などの文字表現の不備については, 広く許容する 基本的に意図が伝われば許容する 文章表現についても広く許容する てにをはの誤りや文末表現の不備については許容する 解答用紙に印字されている単位を, 解答として再度記載していても可とする 立式については,
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.
(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
案内（最終2）.indd
1 2 3 4 5 6 7 8 9 Y01a K01a Q01a T01a N01a S01a Y02b - Y04b K02a Q02a T02a N02a S02a Y05b - Y07b K03a Q03a T03a N03a S03a A01r Y10a Y11a K04a K05a Q04a Q05a T04b - T06b T08a N04a N05a S04a S05a Y12b -
²¾ÁÛ¾õ¶·É¾²ÁË¡¤Î¤¿¤á¤Î¥Ñ¥Ã¥±¡¼¥¸DCchoice ¡Ê»ÃÄêÈÇ¡Ë
DCchoice ( ) R 2013 2013 11 30 DCchoice package R 2013/11/30 1 / 19 1 (CV) CV 2 DCchoice WTP 3 DCchoice package R 2013/11/30 2 / 19 (Contingent Valuation; CV) WTP CV WTP WTP 1 1989 2 DCchoice package R
36 th IChO : - 3 ( ) , G O O D L U C K final 1
36 th ICh - - 5 - - : - 3 ( ) - 169 - -, - - - - - - - G D L U C K final 1 1 1.01 2 e 4.00 3 Li 6.94 4 Be 9.01 5 B 10.81 6 C 12.01 7 N 14.01 8 16.00 9 F 19.00 10 Ne 20.18 11 Na 22.99 12 Mg 24.31 Periodic
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)
取扱説明書 -詳細版- 液晶プロジェクター CP-AW3019WNJ
B A C D E F K I M L J H G N O Q P Y CB/PB CR/PR COMPONENT VIDEO OUT RS-232C LAN RS-232C LAN LAN BE EF 03 06 00 2A D3 01 00 00 60 00 00 BE EF 03 06 00 BA D2 01 00 00 60 01 00 BE EF 03 06 00 19 D3 02 00
全国規模の学力調査における重複テスト分冊法適用の試み（成果報告書3）
6. テストの信頼性および項目分析 ここでは古典的テスト理論の観点から, 各分冊のテストとしての信頼性の検討ならびに統計学的にみた項目の良否についての分析である項目分析を行う これらの分析は古典的テスト理論の枠組みで発展してきた方法のため, 分冊ごとに行う必要がある 6.1 算数データの分析 6.1.1 テストの信頼性表 6-1 に各分冊ごとに求めたテストの信頼性係数の推定値であるクロンバックのαを示した
DAA12
Observed Data (Total variance) Predicted Data (prediction variance) Errors in Prediction (error variance) Shoesize 23 24 25 26 27 male female male mean female mean overall mean Shoesize 23 24 25 26 27
講義のーと : データ解析のための統計モデリング. 第５回
Title 講義のーと : データ解析のための統計モデリング Author(s) 久保, 拓弥 Issue Date 2008 Doc URL http://hdl.handle.net/2115/49477 Type learningobject Note この講義資料は, 著者のホームページ http://hosho.ees.hokudai.ac.jp/~kub ードできます Note(URL)http://hosho.ees.hokudai.ac.jp/~kubo/ce/EesLecture20
_Kobayashi
外国語教育メディア学会 (LET) 関西支部メソドロジー研究部会 2011 年度報告論集小林雄一郎 (pp. 81 91) R による成績データ分析入門 小林雄一郎 日本学術振興会 概要本稿の目的は, 統計処理環境 R を用いた成績データ処理の基礎を紹介することである 具体的には, 数十クラス, 数百人の成績データからクラスごとの傾向, 学部ごとの傾向, 男女ごとの傾向, 教員ごとの傾向といった有益な情報を抽出して視覚化し,
PackageSoft/R-033U.tex (2018/March) R:
................................................................................ R: 2018 3 29................................................................................ R AI R https://cran.r-project.org/doc/contrib/manuals-jp/r-intro-170.jp.pdf
当し 図 6. のように 2 分類 ( 疾患の有無 ) のデータを直線の代わりにシグモイド曲線 (S 字状曲線 ) で回帰する手法である ちなみに 直線で回帰する手法はコクラン アーミテージの傾向検定 疾患の確率 x : リスクファクター 図 6. ロジスティック曲線と回帰直線 疾患が発
6.. ロジスティック回帰分析 6. ロジスティック回帰分析の原理 ロジスティック回帰分析は判別分析を前向きデータ用にした手法 () ロジスティックモデル 疾患が発症するかどうかをリスクファクターから予想したいまたは疾患のリスクファクターを検討したい 判別分析は後ろ向きデータ用だから前向きデータ用にする必要がある ロジスティック回帰分析を適用ロジスティック回帰分析 ( ロジット回帰分析 ) は 判別分析をロジスティック曲線によって前向き研究から得られたデータ用にした手法
「不動産リスト」を解く
Microsoft2010 不動産リスト を解く IF 関数 VLOOKUP 関数 CHOOSE 関数 LEFT 関数 MOD 関数 INT 関数 INDEX 関数 2015/01/27 パソコン技能検定 Ⅱ 種試験 Excel 1 級検定過去問題 ここで使用する関数の種類 よく使われる関数として SUM IF,AVERAGE AND,OR などがありますが そのほかにも 今回次のような関数を単独で
1 1 H Li Be Na M g B A l C S i N P O S F He N Cl A e K Ca S c T i V C Mn Fe Co Ni Cu Zn Ga Ge As Se B K Rb S Y Z Nb Mo Tc Ru Rh Pd Ag Cd In Sn Sb T e
No. 1 1 1 H Li Be Na M g B A l C S i N P O S F He N Cl A e K Ca S c T i V C Mn Fe Co Ni Cu Zn Ga Ge As Se B K Rb S Y Z Nb Mo Tc Ru Rh Pd Ag Cd In Sn Sb T e I X e Cs Ba F Ra Hf Ta W Re Os I Rf Db Sg Bh
データ科学2.pptx
データ科学 多重検定 2 mul%ple test False Discovery Rate 藤博幸 前回の復習 1 多くの検定を繰り返す時には 単純に個々の検定を繰り返すだけでは不十分 5% 有意水準ということは, 1000 回検定を繰り返すと, 50 回くらいは帰無仮説が正しいのに 間違って棄却されてすまうじちがあるということ ex) 1 万個の遺伝子について 正常細胞とガン細胞で それぞれの遺伝子の発現に差があるかどうかを検定
案内最終.indd
1 2 3 4 5 6 IC IC R22 IC IC http://www.gifu-u.ac.jp/view.rbz?cd=393 JR JR JR JR JR 7 / JR IC km IC km IC IC km 8 F HPhttp://www.made.gifu-u.ac.jp/~vlbi/index.html 9 Q01a N01a X01a K01a S01a T01a Q02a N02a
Microsoft Word - 計量研修テキスト_第5版）.doc
Q3-1-1 テキスト P59 10.8.3.2.1.0 -.1 -.2 10.4 10.0 9.6 9.2 8.8 -.3 76 78 80 82 84 86 88 90 92 94 96 98 R e s i d u al A c tual Fi tte d Dependent Variable: LOG(TAXH) Date: 10/26/05 Time: 15:42 Sample: 1975
計量経済学の第一歩 田中隆一 ( 著 ) gretl で例題と実証分析問題を 再現する方法 発行所株式会社有斐閣 2015 年 12 月 20 日初版第 1 刷発行 ISBN , Ryuichi Tanaka, Printed in Japan
計量経済学の第一歩 田中隆一 ( 著 ) gretl で例題と実証分析問題を 再現する方法 発行所株式会社有斐閣 2015 年 12 月 20 日初版第 1 刷発行 ISBN 978-4-641-15028-7, Printed in Japan 第 5 章単回帰分析 本文例例 5. 1: 学歴と年収の関係 まず 5_income.csv を読み込み, メニューの モデル (M) 最小 2 乗法 (O)
CERT化学2013前期_問題
[1] から [6] のうち 5 問を選んで解答用紙に解答せよ. いずれも 20 点の配点である.5 問を超えて解答した場合, 正答していれば成績評価に加算する. 有効数字を適切に処理せよ. 断りのない限り大気圧は 1013 hpa とする. 0 C = 273 K,1 cal = 4.184 J,1 atm = 1013 hpa = 760 mmhg, 重力加速度は 9.806 m s 2, 気体
Microsoft Word - 全国調査分析(H３０算数)
平成 30 年度全国学力 学習状況調査結果 ( 小学校 : 算数 ) 1 結果のポイント ( : 成果 : 課題 ) 数値はすべて公立学校のもの 小学校 : 算数 A( 知識 ) 全問題数 :14 問 ( 選択式 10 問 短答式 4 問 ) 平均正答率 65( 選択式 64.2 短答式 68.0) で 7 年連続で全国平均を上回っている 正答率は 12 問が全国平均を上回っている 無解答率は全問が全国平均を下回っている
報告書9（資料6）
OECD 高等教育における学習成果の評価 (AHELO) フィージビリティ スタディの実施のあり方に関する調査研究第 3 回研究会 ( 平成 25 年 3 月 19 日 ) OECD AHELO FS データの分析にむけて 深堀聰子国立教育政策研究所 1 OECD AHELO のフィージビリティは検証されたか テスト問題の妥当性 信頼性 フェーズ 1(2011 年 5 月 10 大学 75 人 )
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
Gauss Gauss ɛ 0 E ds = Q (1) xy σ (x, y, z) (2) a ρ(x, y, z) = x 2 + y 2 (r, θ, φ) (1) xy A Gauss ɛ 0 E ds = ɛ 0 EA Q = ρa ɛ 0 EA = ρea E = (ρ/ɛ 0 )e
7 -a 7 -a February 4, 2007 1. 2. 3. 4. 1. 2. 3. 1 Gauss Gauss ɛ 0 E ds = Q (1) xy σ (x, y, z) (2) a ρ(x, y, z) = x 2 + y 2 (r, θ, φ) (1) xy A Gauss ɛ 0 E ds = ɛ 0 EA Q = ρa ɛ 0 EA = ρea E = (ρ/ɛ 0 )e z
第 2 章 知 徳 体 のバランスのとれた基礎 基本の徹底 基礎 基本 の定着 教育基本法 学校教育法の改正により, 教育の目標 義務教育の目標が定められるとともに, 学力の重要な三つの要素が規定された 本県では, 基礎 基本 定着状況調査や高等学校学力調査を実施することにより, 児童生徒の学力や学
第 2 章 知 徳 体 のバランスのとれた基礎 基本の徹底 基礎 基本 の定着 教育基本法 学校教育法の改正により, 教育の目標 義務教育の目標が定められるとともに, 学力の重要な三つの要素が規定された 本県では, 基礎 基本 定着状況調査や高等学校学力調査を実施することにより, 児童生徒の学力や学習状況を把握し, 教育施策に生かしてきた 各学校では, これらの調査を活用し, 自校の児童生徒一人一人の状況を把握し,
"GIFT" フォーマットのインポート
Moodle 2 のテストの質問を XML 形式ファイルのアップロードにより作成する Moodle では テストで使用する質問が含まれる XML ファイルをインポートすることができます ファイルには 正誤問題 多肢選択問題 組合わせ問題 記述問題 穴埋め形式問題 作文問題 説明などを含めることができます 目 次 1 アプリケーションについて 2 2 ファイルの形式 2 3 ファイル変換の実行 3 4
(a) 4 1. A v = / 2. A i = / 3. A p = A v A i = ( )/( ) 4. Z i = / 5. Z o = /( ) = 0 2 1
http://www.ieicehbkb.org/ 1 7 2 1 7 2 2009 2 21 1 1 3 22 23 24 25 2 26 21 22 23 24 25 26 c 2011 1/(22) http://www.ieicehbkb.org/ 1 7 2 1 7 2 21 2009 2 1 1 3 1 211 2 1(a) 4 1. A v = / 2. A i = / 3. A p
1 (1) X = AB + AB, Y = C D + C D, Z = AD + AD P A, B, C, D P = (XY + X Y + X Y )(Y Z + Y Z + Y Z )(ZX + Z X + Z X ) (2) Q A, B, C, D Q = AB C D + AB C
平成 28 年度 10 月期入学 / 平成 29 年度 4 月期入学京都大学大学院情報学研究科修士課程システム科学専攻入学者選抜試験問題 専門科目 試験日時 : 平成 28 年 8 月 8 日 ( 月 ) 午後 1 時 00 分より同 4 時 00 分 問題冊子頁数 ( 表紙 中表紙 裏表紙を除いて ): 15 頁 選択科目 : 下記の科目のうち 2 科目を選択し解答すること 注意 : 論理回路 (3)
=
2. 2.1 2.2 kuri@ice.uec.ac.jp ( 2007/10/30/16:46) 1 . 1. 1 + 2 = 5. 2. 180. 3. 3 3. 4.. 5.. 2 2.1 1.,,,,. 2., ( ) ( ).,,,, 3.,. 4.,,,. 3 1.,. 1. 1 + 2 = 5. (, ) 2. 180. (, ) 3. 3, 3. (, ) 4.. (, ) 5..
1 Stata SEM LightStone 4 SEM 4.. Alan C. Acock, Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press 3.
1 Stata SEM LightStone 4 SEM 4.. Alan C. Acock, 2013. Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press 3. 2 4, 2. 1 2 2 Depress Conservative. 3., 3,. SES66 Alien67 Alien71,
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
Microsoft PowerPoint - 10JSUC_島津_配布用.pptx
21 年 5 月 27 日第 83 回日本産業衛生学会職業性ストレス調査票ユーザーズクラブ ワーク エンゲイジメント尺度の紹介 島津明人東京大学大学院医学系研究科精神保健学 働く人のこころの健康新しい考え方 ワーク エンゲイジメント 1. 仕事に誇り ( やりがい ) を感じ 2. 熱心に取り組み 3. 仕事から活力を得て活き活きしている状態 Schaufeli et al. (21). Journal
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
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
050920_society_kmiz.odp
1 リアルタイム伝搬測定にもとづく MIMO 固有モード間相関解析 Correlation Analysis of MIMO Eigenmodes Based on Real-Time Channel Measurement 水谷慶阪口啓高田潤一荒木純道 Kei Mizutani Kei Sakaguchi Jun-ichi Takada Kiyomichi Araki 東京工業大学 発表内容 研究背景
模擬試験問題（第１章～第３章）
基本情報技術者試験の練習問題 - 第 10 回 この問題は平成 19 年度春期の問題から抜粋しています 問 1 次のプログラムの説明及びプログラムを読んで, 設問 1~3 に答えよ プログラムの説明 整数型の 1 次元配列の要素 A[0],,A[N](N>0) を, 挿入ソートで昇順に整列する副プログラム InsertSort である (1) 挿入ソートの手順は, 次のとおりである (i) まず,A[0]
卒業論文
Y = ax 1 b1 X 2 b2...x k bk e u InY = Ina + b 1 InX 1 + b 2 InX 2 +...+ b k InX k + u X 1 Y b = ab 1 X 1 1 b 1 X 2 2...X bk k e u = b 1 (ax b1 1 X b2 2...X bk k e u ) / X 1 = b 1 Y / X 1 X 1 X 1 q YX1
解答のポイント 第 1 章問 1 ポイント仮に1 年生全員の数が 100 人であったとする.100 人全員に数学の試験を課して, それらの 100 人の個人個人の点数が母集団となる. 問 2 ポイント仮に10 人を抽出するとする. 学生に1から 100 までの番号を割り当てたとする. 箱の中に番号札
解答のポイント 第 1 章問 1 ポイント仮に1 年生全員の数が 100 人であったとする.100 人全員に数学の試験を課して, それらの 100 人の個人個人の点数が母集団となる. 問 2 ポイント仮に10 人を抽出するとする. 学生に1から 100 までの番号を割り当てたとする. 箱の中に番号札を入れまず1 枚取り出す ( 仮に1 番とする ). 最初に1 番の学生を選ぶ. その1 番の札を箱の中に戻し,
フトを用いて 質問項目間の相関関係に着目し 分析することにした 2 研究目的 全国学力 学習状況調査結果の分析を通して 本県の児童生徒の国語及び算数 数学の学習 に対する関心 意欲の傾向を考察する 3 研究方法平成 25 年度全国学力 学習状況調査の児童生徒質問紙のうち 国語及び算数 数学の学習に対
学習に対する関心 意欲等についてのデータ分析 平成 25 年度全国学力 学習状況調査質問紙調査から 教科教育部 要旨平成 25 年度 全国学力 学習状況調査 の学習に対する関心 意欲等に関する質問項目に対する本県の児童生徒の回答状況について 統計処理ソフトを用いて 質問項目間の相関関係に着目し分析したところ 国語の学習に対する意識と算数 数学の学習に対する意識に校種間で違いがあることが分かった キーワード
10:30 12:00 P.G. vs vs vs 2
1 10:30 12:00 P.G. vs vs vs 2 LOGIT PROBIT TOBIT mean median mode CV 3 4 5 0.5 1000 6 45 7 P(A B) = P(A) + P(B) - P(A B) P(B A)=P(A B)/P(A) P(A B)=P(B A) P(A) P(A B) P(A) P(B A) P(B) P(A B) P(A) P(B) P(B
平成 25 年度の全国学力 学習状況調査の下野市の全体の結果 ( 国語, 算数 数学 ) は, 小学校, 中学校ともに, すべての領域で, 全国平均正答率を上回る結果となった 小学校の全国学力調査全体結果について 小学校は国語 AB, 算数 AB ともに, 数ポイント全国平均正答率を上回っていた 小
平成 25 年度全国学力 学習状況調査分析結果 1 はじめに 平成 25 年 12 月 24 日下野市教育委員会 下野市教育委員会では, 平成 25 年度の全国学力 学習状況調査の概要について, 第一段階として,9 月 4 日付けで速報をお知らせしました 今年度も第二段階として, 下野市全体としての結果を分析し, 公表いたします 各学校や御家庭におかれましては, この分析結果を今後の学習指導の工夫改善や児童生徒の学習意欲,
モジュール１のまとめ
数理統計学 第 0 回 復習 標本分散と ( 標本 ) 不偏分散両方とも 分散 というのが実情 二乗偏差計標本分散 = データ数 (0ページ) ( 標本 ) 不偏分散 = (03 ページ ) 二乗偏差計 データ数 - 分析ではこちらをとることが多い 復習 ここまで 実験結果 ( 万回 ) 平均 50Kg 標準偏差 0Kg 0 人 全体に小さすぎる > mea(jkke) [] 89.4373 標準偏差
日心TWS
2017.09.22 (15:40~17:10) 日本心理学会第 81 回大会 TWS ベイジアンデータ解析入門 回帰分析を例に ベイジアンデータ解析 を体験してみる 広島大学大学院教育学研究科平川真 ベイジアン分析のステップ (p.24) 1) データの特定 2) モデルの定義 ( 解釈可能な ) モデルの作成 3) パラメタの事前分布の設定 4) ベイズ推論を用いて パラメタの値に確信度を再配分ベイズ推定
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
H30全国HP
平成 30 年度 (2018 年度 ) 学力 学習状況調査 市の学力調査の概要 1 調査の目的 義務教育の機会均等とその水準の維持向上の観点から 的な児童生徒の学力や学習状況を把握 分析し 教育施策の成果と課題を検証し その改善を図る 学校における児童生徒への教育指導の充実や学習状況の改善等に役立てる 教育に関する継続的な検証改善サイクルを確立する 2 本市における実施状況について 1 調査期日平成