狭山デポ様IBM移設予定機器 _ppt [Compatibility Mode]

Size: px
Start display at page:

Download "狭山デポ様IBM移設予定機器 _ppt [Compatibility Mode]"

Transcription

1 定量的プロジェクトマネジメント事例研究会活動紹介 ~ ソフトウェア開発での品質予測の事例紹介その 2~ 2014 年 12 月 6 日 代表 山田知満,PMP 副代表 杉原秀保,PMP 副代表 小暮 豊,PMP

2 目次 1 1. 研究会の構成とメンバーの紹介 2. 活動経緯 3. 定量的 PM 事例研究 WG の活動紹介 4.CCPM 研究 WG の活動紹介 5. ソフトウェア開発での品質開発での品質予測の事例紹介その 2 PMI Japan Chapter, Copyright and all rights reserved.

3 1. 研究会の構成とメンバーの紹介 2 定量的プロジェクト マネジメント定量的プロジェクトマネジメント事例研究会 (PM) 定量的 PM 事例研究 WG CCPM 研究 WG 中江功 神野和司 杉原秀保 山田知満 小暮豊 村田仁士 山田知満 隅田則博 野田昭司 柳井亨夫 PMI Japan Chapter, Copyright and all rights reserved.

4 2. 活動経緯 3 年月 活動内容 2009 年 1 月 EVM 研究会と定量的 PM 事例研究会の合同 WG として発足 10 月 PMI 日本フォーラムで成果発表 ソフトウェア開発に EVM と品質モデルを適用した事例の紹介 2010 年 10 月 PMI 日本フォーラムで成果発表 ソフトウェア開発にアーンド スケジュールとモンテカルロ シミュレーションを適用した事例紹介 2011 年 7 月 PMI 日本フォーラムで成果発表 2012 年 12 月 CCPM 研究 WG 発足 実例から学ぶ EVM の実践ガイド第 2 版のご紹介 ( 注 ) 2013 年 8 月 PMI 日本フォーラムで成果発表 CCPM 研究 WG より 2.5 件発表 2014 年 7 月 PMI 日本フォーラムで成果発表 ソフトウェア開発での品質予測の事例紹介 ( 注 実践ガイドは 会員向け HP で公開 ) PMI Japan Chapter, Copyright and all rights reserved.

5 定量的 PM 事例研究 WG の活動紹介 2014 年 12 月 6 日 定量的 PM 事例研究 WG

6 2014 年度研究会計画 ( 定量的プロジェクトマネジメント事例研究 WG: 山田 ) 5 テーマテーマ 定量的プロジェクトマネジメントに関する事例研究 目標目標 プロジェクトマネジメントの課題とその対応策をノウハウにまとめる 研究成果を公表する 活動内容活動内容 1 定量的データが計測されているPJ 事例の収集 2データをプロジェクトマネジメントに利用する上で発生する様々な問題点を議論し課題を明確にする 3 参加メンバーの経験を元に課題に対する対策をノウハウとしてまとめ 研究会の内外で共有を図る 2014 年度目標 : 計画通りに定例会を開催し 研究成果を公開をする 7/13 PMI 日本フォーラム 2014 で成果発表 活動計画メンバー募集 ( 通年 ) 担当 14/ 山田 目標 計画策定 定例会開催 PJ 事例の調査 収集 全員 山田 全員 2/19 2/19 3/19 4/23 5/23 6/20 7/5 8/22 9/19 10/6 11/17 12/6 ES 翻訳本の調査 研究 全員 PMI 日本フォーラム成果発表 山田 7/ /6

7 研究テーマ (2014 年 12 月時点 ) 6 1. アーンド スケジュール (ES) についての事例研究 2. ソフトウェア開発での重回帰分析による品質予測成果物 : 事例から学ぶ品質予測の実践ガイド事例から学ぶ品質予測の実践ガイド 作成中 (2015 年 3 月完成目標 ) PMI 日本フォーラム 2014 で成果発表 2014 年 7 月 13 日 講演タイトル : ソフトウェア開発での品質予測の事例紹介 3. アーンド バリュー マネジメント (EVM) と品質に関する事例 4. 専門人材育成に向けた人材価値の可視化取組み 5. 事例から学ぶ EVM の実践ガイド の改定 6. 過去の教訓の蓄積の方法 ( ケーススタディによる研修事例 ) 7. 新規テーマ募集 6

8 アーンド スケジュール (ES) の事例研究 7 (1)WG メンバー全員に書籍 アーンドスケジュール を配布 (2) 疑問点 質問等をまとめる (3)EVM 研究会の定例会に参加し 翻訳者の水野浩太朗氏から毎月 解説を受ける ( 継続中 ) 7

9 CCPM 研究 WG の活動紹介 2014 年 12 月 6 日 CCPM 研究 WG

10 2014 年度研究会計画 ( クリティカル チェーン プロジェクトマネジメント研究 WG: 小暮 ) 9 テーマテーマ CCPM 利用の加速 目標目標 CCPM 理解者を一人 5 人作る 活動内容活動内容 1CCPMの普及 2CCPM 普及に当たって必要な資料の作成 経営管理者向け ( マフィアオファーシート作成 ) 一般 PM 向け ( デモ環境 ) 2014 年度目標 : 計画通りに定例会を開催し 年 2 回の成果発表をする 活動計画メンバー募集 ( 通年 ) 担当 14/ 山田 目標 計画策定 定例会開催 導入課題共有 全員 小暮 各自 2/19 2/19 3/17 4/21 5/19 6/16 7/22 8/25 9/16 10/20 11/17 12/15 研究成果の発表 全員 応募 9 発表

11 ソフトウェア開発での品質予測の事例紹介 ~ その 2~ 2014 年 12 月 6 日 定量的プロジェクトマネジメント事例研究会 代表 山田知満,PMP PMI Japan Chapter, Copyright and all rights reserved. 1

12 概要 ソフトウェア開発で過去の品質実績 ( 設計書のレビュー結果 コードレビューや試験の結果 出荷後の不具合 ) を蓄積すると その開発チーム固有の欠陥予測モデルを構築することができる 回帰分析と判別分析の手法を組み合わせた欠陥予測の手法とその適用事例を紹介する PMI Japan Chapter, Copyright and all rights reserved. 2

13 目 次 1. 品質予測の目的 2. 品質予測モデルの探索 3. 判別分析の手法 4. 新しい欠陥予測手法 5. 予測モデルの適用事例 6. 今後の課題 7. 付録 PMI Japan Chapter, Copyright and all rights reserved. 3

14 1. 品質予測の目的 開発フェーズ毎に混入する誤り ( 欠陥 ) を定量的に予測し その数を低減することによって出荷後のことによって出荷後の不具合を不具合を一定レベル以下にする 欠陥数 設計での欠陥混入を一定レベル以下に 製作での欠陥混入の欠陥混入を一定レベル以下に 出荷後の不具合を一定レベル以下に 設計 製作 試験 PMI Japan Chapter, Copyright and all rights reserved. 4

15 開発チーム毎の欠陥混入と除去グラフ ( 実績 ) 誤り件数欠陥数 ( /KL 件 / 実 KL) 35 欠陥混入と除去誤りの混入と除去 ( 実績 ) ) Project A Project B Project C Project D Project E Project F 要件定義 外部設計 外部設計 内部設計 内部設計 ソ製作 製作 単体試験 ソ試験 出荷後 単体試験結合試験 PMI Japan Chapter, Copyright and all rights reserved. 5

16 2. 品質予測モデルの探索 開発チーム毎に欠陥混入と除去のモデルが成り立つと仮定設計と製作時に混入した欠陥を品質データから予測 欠陥数 欠陥混入と除去のモデル Z Y 混入欠陥予測残存欠陥予測 X z x y U V W 外部設計 内部設計 製作 単体試験 結合試験 PMI Japan Chapter, Copyright and all rights reserved. 6

17 混入欠陥の予測式 1 混入欠陥数を目的変数とし 相関がある開発規模やプロセス指標を説明変数と仮定混入欠陥数 =A 説明変数 1+ B 説明変数 2 + C ( 線形の予測式の場合 ) 2 目的変数の変動を説明できる説明変数の組合せと回帰係数と定数項を決める 3 予測式として利用可能か検証する 4 利用可能な予測式の組合せが見つかるまで 1 から 3 を繰り返す 予測式の例 予測 1 設計時の混入欠陥数 =A 誤り指摘数 + D 予測 2 設計時の混入欠陥数 =B 設計頁数 + C レビュー時間 + E (A B C は回帰係数 D E は定数 ) ( 注 ) 説明変数の組合せでお互いに相関が強いものはモデル式が不安定になるため除外する PMI Japan Chapter, Copyright and all rights reserved. 7

18 200 外れ値 設計混入欠陥数 設計混入欠陥 誤り指摘数 誤り指摘数 外れ値を除外するとモデル式としての寄与率 (R2 乗 ) は大きくなり誤差 (RMSE RMSE) は小さくなる 設計混入欠陥数 =A 誤り指摘数 +D 設計混入欠陥数実測値設計混入欠陥数実測値 PMI Japan Chapter, Copyright and all rights reserved. 8

19 開発チーム毎に欠陥混入の割合 ( 直線の傾き ) は 異なる 開発チーム内でも品質が良いグループと品質が悪いグループでは 傾きが異なる 欠陥数の予測式 Y= A x X + C X: レビューで検出した欠陥数 A: 回帰係数 C: 定数 欠陥数の予測 品質が悪いデータのグループ Yb 品質が良いデータのグループ Ya レビューで検出 X した欠陥数 PMI Japan Chapter, Copyright and all rights reserved. 9

20 3. 判別分析の手法 品質が良いグループと品質が悪いグループでは 統計的な分布にわずかな差異がある場合が多い この差異を利用して開発中のソフトウェア品質の良否とその確率を求める 設計レビューの誤り指摘の比較 コードレビューの誤り指摘の比較 品質が良い 品質が悪い 品質が良い 品質が悪い PMI Japan Chapter, Copyright and all rights reserved. 10

21 ( 判別分析の手順 ) (1) 収集した品質データを品質が良いグループと品質が悪いグループに分ける 例出荷後不具合 n 件 /KL 未満か n 件 /KL 以上 ) (2)2 つのグループについて統計情報を計算する 例変数の平均値 分散 共分散 分散 共分散の逆行列 (3) 判別したいターゲット X からの統計上の距離 ( マハラノビスの距離 ) を計算する (4) ターゲット X は 統計上の距離が近い方に属していると判別する (5) 統計関数を利用して各々のグループに属する確率を求める PMI Japan Chapter, Copyright and all rights reserved. 11

22 変数 3 A: 品質が良いグループ B: 品質が悪いグループ X: 開発中の判別判別したいしたいターゲット B X A 変数 2 Ra: 品質が良いグループグループに属する確率 Rb: 品質が悪いグループグループに属する確率 Ra + Rb = 1 変数 1 誤判別率 : 間違って判別される割合 判別分析の予測精度を表す判別分析の予測精度を表す PMI Japan Chapter, Copyright and all rights reserved. 12

23 4. 新しい欠陥予測手法 回帰分析と判別分析の手法を組み合わせることで高い精度で欠陥を予測する ( 手順 ) (1) 品質が良いグループに属する場合の欠陥を予測する (Ya) (2) 品質が悪いグループに属する場合の欠陥を予測する (Yb) (3) 判別分析により 2 つのグループに属する確率を求める Ra: 品質が良いグループに属する確率 Rb: 品質が悪いグループに属する確率 (4) ターゲットの欠陥予測は 2 つの確率の期待値として求める Y= Ya * Ra + Yb * Rb PMI Japan Chapter, Copyright and all rights reserved. 13

24 予測 品質の悪いグループによる予測式 全データによる予測式 Yb Y 品質の良いグループによる予測式 Ya 変数 X Ya: 品質が良いグループに属すると仮定した場合の予測値 Yb: 品質が悪いグループに属すると仮定した場合の予測値 Y :Ya と Yb 及びその確率から求める予測値 PMI Japan Chapter, Copyright and all rights reserved. 14

25 回帰分析と判別分析を組み合わせて欠陥予測をする プログラム レビュー欠陥検出数 品質が良い場合の予測 品質が悪い場合の予測 混入欠陥予測 残存欠陥予測 品質が良い確率 判別結果 機能 機能 機能 判別分析の確率を利用して欠陥予測 ( 注意 ) 過去データの分布状況 ( 良いグループと悪いグループの重なり具合 ) や変数の組合せにより誤判別率は変化する 誤判別率誤判別率は 適切な変数の組合せて極力小さくする PMI Japan Chapter, Copyright and all rights reserved. 15

26 設計フェーズでの出力例 品質が良いグループ 品質が悪いグループ 設計フェーズの残存欠陥の予測値次フェーズの混入欠陥の予測値 判別分析の判定とその確率 PMI Japan Chapter, Copyright and all rights reserved. 16

27 外部設計欠陥実績 内部設計欠陥実績 製作欠陥実績 外部設計欠陥予測欠陥混入と除去 ( 予測と実績 ) 内部設計欠陥予測 製作欠陥予測 残存合計の欠陥実績 外部設計内部設計 製作 単体結合 残存合計の欠陥予測 PMI Japan Chapter, Copyright and all rights reserved. 17

28 5. 予測モデルの適用事例 ( 事例 1) 開発チーム X 過去 2 年分の品質実績から欠陥予測を実施 ( 下図 ) 検証のため品質悪化の時期と品質改善の時期を比較 ( 検証 ) 欠陥混入と除去のグラフ ( 検証 ) 残存欠陥のグラフ PMI Japan Chapter, Copyright and all rights reserved. 18

29 品質悪化の時期は 残存欠陥が多い 品質改善の時期は 残存欠陥が少ない 欠陥予測は 実績と良く一致している 品質が悪い時期の予測 品質悪化時と品質改善時の実績比較 品質が良い時期の予測 PMI Japan Chapter, Copyright and all rights reserved. 19

30 ( 事例 2) 開発チーム Y 過去 2 年分の品質実績から欠陥予測を実施 ( 下図 ) 設計レビューでの欠陥検出が少ないがコードレビューで多く検出 開発チーム Y は 途中で 2 つの開発チーム Y1 と Y2 に分かれた 開発チーム Y1 と Y2 は 継続して開発中 ( 検証 ) 欠陥混入と除去のグラフ ( 検証 ) 残存欠陥のグラフ PMI Japan Chapter, Copyright and all rights reserved. 20

31 開発チーム Y1 の予測と実績 開発チーム Y2 の予測と実績 PMI Japan Chapter, Copyright and all rights reserved. 21

32 ( 事例 3) 開発チーム Z の予測と実績 過去実績なし 類似 APP 開発 (Y) の予測式を適用 リリース毎の予測と実績は リリース時期により差異あり ( 検証 ) 開発チーム Z( 予測 ) と開発チーム Y( 実績 ) との比較 PMI Japan Chapter, Copyright and all rights reserved. 22

33 開発チーム Z 全体の予測と実績 最新のリリース 初期のリリース 途中のリリース PMI Japan Chapter, Copyright and all rights reserved. 23

34 6. 今後の課題 事例から分かること 欠陥の予測と実績は 比較的良く一致している 開発チーム毎の欠陥混入と除去の違いがグラフ化により見える どのフェーズで残存欠陥を多く残しているかを指摘できる 今後検出される出荷後不具合の件数を予測できる 課題 欠陥予測ツールの開発現場での活用と定着 判別分析手法の誤判別率の改善 欠陥予測のガイドライン作成と公開 PMI Japan Chapter, Copyright and all rights reserved. 24

35 7. 付録 7.1 判別分析の計算方法 7.2 欠陥予測手法 7.3 研究会の紹介 PMI Japan Chapter, Copyright and all rights reserved. 25

36 7.1 判別分析の計算方法 開発中のプロジェクトの変数を X とする 品質の良いグループと品質の悪いグループで次の計算をしてそれぞれのグループの平均からの統計的な距離を求める 品質の良いグループとの距離 D 2 a : 変数 X と品質の良いグループの平均値と分散で計算品質の悪いグループとの距離 D 2 b : 変数 X と品質の悪いグループの平均値と分散で計算 変数 X は 統計的な距離が近い方のグループに属していると判別する D 2 a < D 2 b なら開発中のプロジェクトの変数 X は 品質が良いグループに属する D 2 a > D 2 b なら開発中のプロジェクトの変数 X は 品質が悪いグループに属する PMI Japan Chapter, Copyright and all rights reserved. 26

37 2 変数 (X Y) と 3 変数 (X Y Z) の場合のマハラノビスの距離 D 2 の計算方法 PMI Japan Chapter, Copyright and all rights reserved. 27

38 マハラノビスの距離は 一般にカイ 2 乗分布に従うことが知られている 判別の重み ( 確率 ) をカイ 2 乗分布の右側確率 F(D 2,k) を使って次のように定義する 品質が良いと判別した場合の重み ( 確率 )=F(D 2 a,k)/(f(d 2 a,k) + (F(D 2 b,k) ) 品質が悪いと判別した場合の重み ( 確率 )=F(D 2 b,k)/(f(d 2 a,k) + (F(D 2 b,k) ) Excel データ分析の関数で表すと次のようになる F(D 2,k) =CHISQ.DIST(D 2,k) k: 自由度 ( 変数の個数 ) PMI Japan Chapter, Copyright and all rights reserved. 28

39 7.2 欠陥予測手法 特願 判別分析と回帰分析を組み合わせて利用する新しい欠陥予測の手法を説明する (1) 過去の品質データ ( 設計頁数 レビュー時間 誤り指摘数 出荷後不具合数 開発規模等 ) を品質の良いグループと品質の悪いグループに分ける 2 つのグループは 数が異なっていても良いが 同程度に分ける 2 つに分ける方法の例 出荷後不具合があるかないか 出荷後不具合が n 件 /KL 以上か未満か (2) 品質の良いグループと悪いグループでそれぞれ回帰分析を行い 混入欠陥数を予測する予測式とそのパラメータを決める 予測式の例 混入欠陥数 =A* 誤り指摘数 +B 混入欠陥数 =C* 設計頁数 +D* レビュー時間 +E (3) 品質の良いグループと悪いグループの平均値 分散 共分散行列とその逆行列を求める ( 判別分析の準備 ) PMI Japan Chapter, Copyright and all rights reserved. 29

40 (4) 設計完了時点の品質データ ( 設計頁数 レビュー時間 誤り指摘数 ) に対して判別分析を行い 品質が良いグループか品質が悪いグループか どちらに属しているかを判別する またその確率 (R a: 品質が良い確率 Rb: 品質が悪い確率 Ra + Rb=1) を求める (5) 品質が良いグループの回帰分析で求めた混入欠陥の予測式から混入欠陥の数 Ya を求める また品質が悪いグループの回帰分析で求めた混入欠陥の予測式から混入欠陥の数 Yb を求める (6) 混入欠陥 Y の期待値は 次式で求める 混入欠陥 Y = Ya * Ra + Yb * Rb (7) 残存欠陥 Z は 次式で求める 残存欠陥 y= Y - レビューで検出した誤り指摘数 PMI Japan Chapter, Copyright and all rights reserved. 30

41 外部設計からソ製作までの各フェーズで同じ手法により混入欠陥と残存欠陥を予測することができる ( 下図の X,Y,Z と x,y,z) 試験開始時点の残存欠陥は x,y,z の合計値である ただし 単純に予測値を合計すると誤差が大きくなる このため試験開始前の残存欠陥合計 ( 下図の U) は 外部設計からソ製作までに計測したデータを用いてモデル式を作成し 判別分析と組み合わせて期待値を求める 試験で検出した誤りを除いた残りが出荷後不具合 W( 予測値 ) である 欠陥数 Z Y X z y U V x 外部設計 内部設計 ソ製作 試験 W 不具合 混入欠陥予測 残存欠陥予測 PMI Japan Chapter, Copyright and all rights reserved. 31

42 7.3 研究会の紹介 PMI 日本支部関西ブランチ定量的プロジェクトマネジメント事例研究会 2009 年に EVM 研究会との合同 WG として発足 定量的なプロジェクトマネジメントの事例を集めて議論し 開発現場ですぐに役立つ研究成果をまとめて公開することを目標に活動している 2012 年に CCPM 研究 WG 発足 毎月 定例会やインターネット会議 メーリングリスト等により意見交換し活動している この分野に興味 関心のある方の参加をいつでも歓迎する 活動紹介とメンバー募集 PMI 日本支部の部会活動 関西ブランチ 定量的プロジェクトマネジメント事例研究会 PMI Japan Chapter, Copyright and all rights reserved. 32

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

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

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

More information

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

ハピタス のコピー.pages

ハピタス のコピー.pages Copyright (C) All Rights Reserved. 10 12,500 () ( ) ()() 1 : 2 : 3 : 2 4 : 5 : Copyright (C) All Rights Reserved. Copyright (C) All Rights Reserved. Copyright (C) All Rights Reserved. Copyright (C) All

More information

Copyright 2008 All Rights Reserved 2

Copyright 2008 All Rights Reserved 2 Copyright 2008 All Rights Reserved 1 Copyright 2008 All Rights Reserved 2 Copyright 2008 All Rights Reserved 3 Copyright 2008 All Rights Reserved 4 Copyright 2008 All Rights Reserved 5 Copyright 2008 All

More information

SEC セミナー (2012 年 12 月 21 日 ) 定量的品質管理 実践的取組み 定量的品質管理 手法の企業での取り組み事例 1 品質 生産性目標の設定方法 2 現場で定着させるテクニック ~ 品質管理を効果的に実践するには ~ 三菱電機インフォメーションシステムズ株式会社業務プロセス改善推進

SEC セミナー (2012 年 12 月 21 日 ) 定量的品質管理 実践的取組み 定量的品質管理 手法の企業での取り組み事例 1 品質 生産性目標の設定方法 2 現場で定着させるテクニック ~ 品質管理を効果的に実践するには ~ 三菱電機インフォメーションシステムズ株式会社業務プロセス改善推進 SEC セミナー (2012 年 12 月 21 日 ) 定量的品質管理 実践的取組み 定量的品質管理 手法の企業での取り組み事例 1 品質 生産性目標の設定方法 2 現場で定着させるテクニック ~ 品質管理を効果的に実践するには ~ 三菱電機インフォメーションシステムズ株式会社業務プロセス改善推進室室長兼生産技術本部品質保証部次長藤原良一 2012/12/21 Copyright(c) MITSUBISHI

More information

品質 生産性目標の測定量 品質 生産性の測定量は何があるの? 点検のタイミンク 種類 要件定義 設計 製作 試験 全体 見積り 概算 正式 生産性 規模に対する工数実績 (Hr/KL) 規模に対する工期実績 ( 日 /KL) 規模に対する工数実績 (Hr/KL) 規模に対する工期実績 ( 日 /KL

品質 生産性目標の測定量 品質 生産性の測定量は何があるの? 点検のタイミンク 種類 要件定義 設計 製作 試験 全体 見積り 概算 正式 生産性 規模に対する工数実績 (Hr/KL) 規模に対する工期実績 ( 日 /KL) 規模に対する工数実績 (Hr/KL) 規模に対する工期実績 ( 日 /KL SEC セミナー (2012 年 8 月 31 日 ) 定量的品質管理 実践的取組み 定量的品質管理 手法の企業での取り組み事例 1 品質 生産性目標の設定方法 2 現場で定着させるテクニック ~ 品質管理を効果的に実践するには ~ 三菱電機インフォメーションシステムズ株式会社業務プロセス改善推進室室長兼生産技術本部品質保証部次長藤原良一 2012/8/31 Copyright(c) MITSUBISHI

More information

Microsoft PowerPoint - H17-5時限(パターン認識).ppt

Microsoft PowerPoint - H17-5時限(パターン認識).ppt パターン認識早稲田大学講義 平成 7 年度 独 産業技術総合研究所栗田多喜夫 赤穂昭太郎 統計的特徴抽出 パターン認識過程 特徴抽出 認識対象から何らかの特徴量を計測 抽出 する必要がある 認識に有効な情報 特徴 を抽出し 次元を縮小した効率の良い空間を構成する過程 文字認識 : スキャナ等で取り込んだ画像から文字の識別に必要な本質的な特徴のみを抽出 例 文字線の傾き 曲率 面積など 識別 与えられた未知の対象を

More information

Microsoft PowerPoint - 資料04 重回帰分析.ppt

Microsoft PowerPoint - 資料04 重回帰分析.ppt 04. 重回帰分析 京都大学 加納学 Division of Process Control & Process Sstems Engineering Department of Chemical Engineering, Koto Universit manabu@cheme.koto-u.ac.jp http://www-pse.cheme.koto-u.ac.jp/~kano/ Outline

More information

Microsoft Word - mstattext02.docx

Microsoft Word - mstattext02.docx 章重回帰分析 複数の変数で 1つの変数を予測するような手法を 重回帰分析 といいます 前の巻でところで述べた回帰分析は 1つの説明変数で目的変数を予測 ( 説明 ) する手法でしたが この説明変数が複数個になったと考えればよいでしょう 重回帰分析はこの予測式を与える分析手法です 以下の例を見て下さい 例 以下のデータ (Samples 重回帰分析 1.txt) をもとに体重を身長と胸囲の1 次関数で

More information

ビジネス統計 統計基礎とエクセル分析 正誤表

ビジネス統計 統計基礎とエクセル分析 正誤表 ビジネス統計統計基礎とエクセル分析 ビジネス統計スペシャリスト エクセル分析スペシャリスト 公式テキスト正誤表と学習用データ更新履歴 平成 30 年 5 月 14 日現在 公式テキスト正誤表 頁場所誤正修正 6 知識編第 章 -3-3 最頻値の解説内容 たとえば, 表.1 のデータであれば, 最頻値は 167.5cm というたとえば, 表.1 のデータであれば, 最頻値は 165.0cm ということになります

More information

Microsoft 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

健康保険組合のあゆみ_top

健康保険組合のあゆみ_top (1912) (1951) 2,00024,000 (1954) (1958) (1962) (1965) (1968) (1969) (1971) (1972) (1973) (1974) (1976) (1978) (1980) (1982) (1983) (1984) (1985) (1987) (1988) (1989) (1990) (1991) (1992) (1994) (1995)

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

DumpsKing Latest exam dumps & reliable dumps VCE & valid certification king

DumpsKing   Latest exam dumps & reliable dumps VCE & valid certification king DumpsKing http://www.dumpsking.com Latest exam dumps & reliable dumps VCE & valid certification king Exam : PMP-JPN Title : Project Management Professional v5 Vendor : PMI Version : DEMO Get Latest & Valid

More information

横浜市環境科学研究所

横浜市環境科学研究所 周期時系列の統計解析 単回帰分析 io 8 年 3 日 周期時系列に季節調整を行わないで単回帰分析を適用すると, 回帰係数には周期成分の影響が加わる. ここでは, 周期時系列をコサイン関数モデルで近似し単回帰分析によりモデルの回帰係数を求め, 周期成分の影響を検討した. また, その結果を気温時系列に当てはめ, 課題等について考察した. 気温時系列とコサイン関数モデル第 報の結果を利用するので, その一部を再掲する.

More information

1.民営化

1.民営化 参考資料 最小二乗法 数学的性質 経済統計分析 3 年度秋学期 回帰分析と最小二乗法 被説明変数 の動きを説明変数 の動きで説明 = 回帰分析 説明変数がつ 単回帰 説明変数がつ以上 重回帰 被説明変数 従属変数 係数 定数項傾き 説明変数 独立変数 残差... で説明できる部分 説明できない部分 説明できない部分が小さくなるように回帰式の係数 を推定する有力な方法 = 最小二乗法 最小二乗法による回帰の考え方

More information

Microsoft Word - mstattext03.docx

Microsoft Word - mstattext03.docx 3 章判別分析 複数の変数によって 分類の変数を予想する手法を判別分析と言います 例えばいくつかの模擬試験の点数によって入試の合否を予想するなどは典型的な例です 以下の例を見てみましょう 例入学試験の合否と勉強時間 模擬試験の平均点のデータを求めたところ以下のような結果を得た (Samples 判別分析.txt) 合否を判定するための勉強時間と平均点の 次関数を求めよ またこの関数によってこのデータを判別し

More information

Microsoft PowerPoint - CoBRA法の概要r1.pptx

Microsoft PowerPoint - CoBRA法の概要r1.pptx CoBRA 法の概要説明資料 CoBRA 法の概要と構築方法 ~ 勘 を見える化する見積り手法 ~ 2011 年 8 月 Copyright 2011 MRI, All Rights Reserved 内容 1.CoBRA 法の概要 2.CoBRA モデルの構築方法 2 Copyright 2011 MRI, All Rights Reserved 1.CoBRA 法の概要 1.CoBRA 法の概要

More information

初心者にもできるアメブロカスタマイズ新2016.pages

初心者にもできるアメブロカスタマイズ新2016.pages Copyright All Rights Reserved. 41 Copyright All Rights Reserved. 60 68 70 6 78 80 Copyright All Rights Reserved. FC2 97 Copyright All Rights Reserved. Copyright All Rights Reserved. Copyright All Rights

More information

- 2 Copyright (C) 2006. All Rights Reserved.

- 2 Copyright (C) 2006. All Rights Reserved. - 2 Copyright (C) 2006. All Rights Reserved. 2-3 Copyright (C) 2006. All Rights Reserved. 70-4 Copyright (C) 2006. All Rights Reserved. ...1...3...7...8 1...9...14...16 2...18...20...21 3...22...23...23...24

More information

Microsoft PowerPoint - 矢部SPIJAPAN2013_発表用.pptx

Microsoft PowerPoint - 矢部SPIJAPAN2013_発表用.pptx 現場ですぐできる定量データ分析 ~ 予測モデルのゆるい作り方 ~ SPI Japan 2013 発表資料 2013/10/18 NTTデータ矢部智 / 木暮雅樹 / 大鶴英佑 目次 1. 予測モデルとは? 2. NTTデータにおける予測モデルを利用した改善活動 3. 予測モデル構築 普及における問題点 4. 問題に対する解決策 5. 組織での実践例 6. 結論と今後の課題 2 発表者自己紹介 矢部智

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

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

プロジェクトマネジメント知識体系ガイド (PMBOK ガイド ) 第 6 版 訂正表 - 第 3 刷り 注 : 次の正誤表は PMBOK ガイド第 6 版 の第 1 刷りと第 2 刷りに関するものです 本 ( または PDF) の印刷部数を確認するには 著作権ページ ( 通知ページおよび目次の前 )

プロジェクトマネジメント知識体系ガイド (PMBOK ガイド ) 第 6 版 訂正表 - 第 3 刷り 注 : 次の正誤表は PMBOK ガイド第 6 版 の第 1 刷りと第 2 刷りに関するものです 本 ( または PDF) の印刷部数を確認するには 著作権ページ ( 通知ページおよび目次の前 ) プロジェクトマネジメント知識体系ガイド (PMBOK ガイド ) 第 6 版 訂正表 - 第 3 刷り 注 : 次の正誤表は PMBOK ガイド第 6 版 の第 1 刷りと第 2 刷りに関するものです 本 ( または PDF) の印刷部数を確認するには 著作権ページ ( 通知ページおよび目次の前 ) の一番下を参照してください 10 9 8 などで始まる文字列の 最後の 数字は その特定コピーの印刷を示します

More information

Copyright All Rights Reserved. -2 -!

Copyright All Rights Reserved. -2 -! http://ameblo.jp/admarketing/ Copyright All Rights Reserved. -2 -! Copyright All Rights Reserved. -3- Copyright All Rights Reserved. -4- Copyright All Rights Reserved. -5 - Copyright All Rights Reserved.

More information

Microsoft PowerPoint - 統計科学研究所_R_重回帰分析_変数選択_2.ppt

Microsoft PowerPoint - 統計科学研究所_R_重回帰分析_変数選択_2.ppt 重回帰分析 残差分析 変数選択 1 内容 重回帰分析 残差分析 歯の咬耗度データの分析 R で変数選択 ~ step 関数 ~ 2 重回帰分析と単回帰分析 体重を予測する問題 分析 1 身長 のみから体重を予測 分析 2 身長 と ウエスト の両方を用いて体重を予測 分析 1 と比べて大きな改善 体重 に関する推測では 身長 だけでは不十分 重回帰分析における問題 ~ モデルの構築 ~ 適切なモデルで分析しているか?

More information

リスク分析・シミュレーション

リスク分析・シミュレーション はじめての Crystal Ball 操作マニュアル編 株式会社構造計画研究所 164-0012 東京都中野区中央 4-5-3 TEL:03-5342-1090 Copyright 2012 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. はじめに 本マニュアルは 初めて Crystal Ball を操作する方向けに作成された入門マニュアルです

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

untitled

untitled http://www.riskdatabank.co.jp The of Japan, Ltd. All rights reserved. 2 The of Japan, Ltd. All rights reserved. 3 The of Japan, Ltd. All rights reserved. 4 The of Japan, Ltd. All rights reserved. 5 The

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

IPA:セキュアなインターネットサーバー構築に関する調査

IPA:セキュアなインターネットサーバー構築に関する調査 Copyright 2003 IPA, All Rights Reserved. Copyright 2003 IPA, All Rights Reserved. Copyright 2003 IPA, All Rights Reserved. Copyright 2003 IPA, All Rights Reserved. Copyright 2003 IPA, All Rights Reserved.

More information

プロジェクトを成功させる見積りモデルの構築と維持・改善 ~CoBRA法による見積りモデル構築とその活用方法について~

プロジェクトを成功させる見積りモデルの構築と維持・改善 ~CoBRA法による見積りモデル構築とその活用方法について~ 工数見積り手法 CoBRA ~ 勘 を見える化する見積り手法 ~ CoBRA 研究会 2011 年 5 月 情報技術研究センターシステム技術グループ Copyright 2011 MRI, All Rights Reserved ご紹介する内容 1.CoBRA 法の概要 2.CoBRAツール 3.CoBRAモデルでの見積り 4.CoBRAモデルの応用 5.CoBRAモデルの構築 6. まとめ 2 Copyright

More information

Microsoft Word - 最終版 バックせどりismマニュアル .docx

Microsoft Word - 最終版 バックせどりismマニュアル .docx ism ISM ISM ISM ISM ISM ISM Copyright (c) 2010 All Rights Reserved. Copyright (c) 2010 All Rights Reserved. Copyright (c) 2010 All Rights Reserved. ISM Copyright (c) 2010 All Rights Reserved. Copyright

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

Microsoft PowerPoint - Econometrics pptx

Microsoft PowerPoint - Econometrics pptx 計量経済学講義 第 4 回回帰モデルの診断と選択 Part 07 年 ( ) 限 担当教員 : 唐渡 広志 研究室 : 経済学研究棟 4 階 43 号室 emal: kkarato@eco.u-toyama.ac.p webste: http://www3.u-toyama.ac.p/kkarato/ 講義の目的 誤差項の分散が不均 である場合や, 系列相関を持つ場合についての検定 法と修正 法を学びます

More information

OpRisk VaR3.2 Presentation

OpRisk VaR3.2 Presentation オペレーショナル リスク VaR 計量の実施例 2009 年 5 月 SAS Institute Japan 株式会社 RI ビジネス開発部羽柴利明 オペレーショナル リスク計量の枠組み SAS OpRisk VaR の例 損失情報スケーリング計量単位の設定分布推定各種調整 VaR 計量 内部損失データ スケーリング 頻度分布 規模分布 分布の補正相関調整外部データによる分布の補正 損失シナリオ 分布の統合モンテカルロシミュレーション

More information

untitled

untitled mitsuya Copyright (C) 2007. All Rights Reserved. 1/1 mitsuya Copyright (C) 2007. All Rights Reserved. 2/2 mitsuya Copyright (C) 2007. All Rights Reserved. 3/3 mitsuya Copyright (C) 2007. All Rights Reserved.

More information

PPTテンプレート集 ver.1.0

PPTテンプレート集 ver.1.0 Copyright 2012 Radishbo-ya co., Ltd All Rights Reserved. 1 !!!!!!!!!! Copyright 2012 Radishbo-ya co., Ltd All Rights Reserved. 2 Copyright 2012 Radishbo-ya co., Ltd All Rights Reserved. Copyright 2012

More information

日心TWS

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

More information

日経ビジネス Center 2

日経ビジネス Center 2 Software Engineering Center Information-technology Promotion Agency, Japan ソフトウェアの品質向上のために 仕様を厳密に 独立行政法人情報処理推進機構 ソフトウェア エンジニアリング センター 調査役新谷勝利 Center 1 日経ビジネス 2012.4.16 Center 2 SW 開発ライフサイクルの調査統計データ ソフトウェア産業の実態把握に関する調査

More information

目次 ペトリネットの概要 適用事例

目次 ペトリネットの概要 適用事例 ペトリネットを利用した状態遷移テスト 和田浩一 東京エレクトロン SDC FA グループ 目次 ペトリネットの概要 適用事例 ペトリネットの概要 - ペトリネットとは ペトリネット (Petri Net) とは カール アダム ペトリが 1962 年に発表した離散分散システムを数学的に表現する手法である 視覚的で 数学的な離散事象システムをモデル化するツールの一つである ペトリネットの概要 - ペトリネットの表記と挙動

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

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

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

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

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

040402.ユニットテスト

040402.ユニットテスト 2. ユニットテスト ユニットテスト ( 単体テスト ) ユニットテストとはユニットテストはプログラムの最小単位であるモジュールの品質をテストすることであり その目的は結合テスト前にモジュール内のエラーを発見することである テストは機能テストと構造テストの2つの観点から行う モジュールはプログラムを構成する要素であるから 単体では動作しない ドライバとスタブというテスト支援ツールを使用してテストを行う

More information

要旨 1. 始めに PCA 2. 不偏分散, 分散, 共分散 N N 49

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

More information

Microsoft 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

0 スペクトル 時系列データの前処理 法 平滑化 ( スムージング ) と微分 明治大学理 学部応用化学科 データ化学 学研究室 弘昌

0 スペクトル 時系列データの前処理 法 平滑化 ( スムージング ) と微分 明治大学理 学部応用化学科 データ化学 学研究室 弘昌 0 スペクトル 時系列データの前処理 法 平滑化 ( スムージング ) と微分 明治大学理 学部応用化学科 データ化学 学研究室 弘昌 スペクトルデータの特徴 1 波 ( 波数 ) が近いと 吸光度 ( 強度 ) の値も似ている ノイズが含まれる 吸光度 ( 強度 ) の極大値 ( ピーク ) 以外のデータも重要 時系列データの特徴 2 時刻が近いと プロセス変数の値も似ている ノイズが含まれる プロセス変数の極大値

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

Microsoft PowerPoint - 三次元座標測定 ppt

Microsoft PowerPoint - 三次元座標測定 ppt 冗長座標測定機 ()( 三次元座標計測 ( 第 9 回 ) 5 年度大学院講義 6 年 月 7 日 冗長性を持つ 次元座標測定機 次元 辺測量 : 冗長性を出すために つのレーザトラッカを配置し, キャッツアイまでの距離から座標を測定する つのカメラ ( 次元的なカメラ ) とレーザスキャナ : つの角度測定システムによる座標測定 つの回転関節による 次元 自由度多関節機構 高増潔東京大学工学系研究科精密機械工学専攻

More information

14 化学実験法 II( 吉村 ( 洋 mmol/l の半分だったから さんの測定値は くんの測定値の 4 倍の重みがあり 推定値 としては 0.68 mmol/l その標準偏差は mmol/l 程度ということになる 測定値を 特徴づけるパラメータ t を推定するこの手

14 化学実験法 II( 吉村 ( 洋 mmol/l の半分だったから さんの測定値は くんの測定値の 4 倍の重みがあり 推定値 としては 0.68 mmol/l その標準偏差は mmol/l 程度ということになる 測定値を 特徴づけるパラメータ t を推定するこの手 14 化学実験法 II( 吉村 ( 洋 014.6.1. 最小 乗法のはなし 014.6.1. 内容 最小 乗法のはなし...1 最小 乗法の考え方...1 最小 乗法によるパラメータの決定... パラメータの信頼区間...3 重みの異なるデータの取扱い...4 相関係数 決定係数 ( 最小 乗法を語るもう一つの立場...5 実験条件の誤差の影響...5 問題...6 最小 乗法の考え方 飲料水中のカルシウム濃度を

More information

ボルツマンマシンの高速化

ボルツマンマシンの高速化 1. はじめに ボルツマン学習と平均場近似 山梨大学工学部宗久研究室 G04MK016 鳥居圭太 ボルツマンマシンは学習可能な相互結合型ネットワー クの代表的なものである. ボルツマンマシンには, 学習のための統計平均を取る必要があり, 結果を求めるまでに長い時間がかかってしまうという欠点がある. そこで, 学習の高速化のために, 統計を取る2つのステップについて, 以下のことを行う. まず1つ目のステップでは,

More information

<4D F736F F F696E74202D2092E897CA F826C8E9697E18CA48B D5F E B8CDD8AB B83685D>

<4D F736F F F696E74202D2092E897CA F826C8E9697E18CA48B D5F E B8CDD8AB B83685D> CCPM 研究 WG の活動報告 2013 年 12 月 14 日 定量的 PM 事例研究会 (CCPM 研究 WG) 目次 1 自己紹介 本発表の目指すところ 本年度活動紹介 CCPMミニ解説 PMI Japanフォーラム発表内容紹介 現在の研究活動内容紹介 自己紹介 2 氏名 : 小暮豊 ( こぐれゆたか ) 経歴 : 関西電機メーカーにて30 年間勤務社内情報システムの企画 開発 運用担当インフラと販売分野

More information

release-270.PDF

release-270.PDF ORCA Project Copyright(C) 2006 Japan Medical Association. All rights reserved. Copyright(C) 2006 Japan Medical Association. All rights reserved. ORCA Project Copyright(C) 2006 Japan Medical Association.

More information

Microsoft PowerPoint - R-stat-intro_04.ppt [互換モード]

Microsoft PowerPoint - R-stat-intro_04.ppt [互換モード] R で統計解析入門 (4) 散布図と回帰直線と相関係数 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 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. の場所に移動し, データを読み込む 4. データ DEP から薬剤

More information

20 180pixel 180pixel Copyright 2014 Yahoo Japan Corporation. All Rights Reserved.

20 180pixel 180pixel Copyright 2014 Yahoo Japan Corporation. All Rights Reserved. 12 300pixel 300pixel www.yahoo.co.jp Copyright 2014 Yahoo Japan Corporation. All Rights Reserved. 20 180pixel 180pixel Copyright 2014 Yahoo Japan Corporation. All Rights Reserved. 300pixel 300pixel www.yahoo.co.jp

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション GSN を応用したナレッジマネジメントシステムの提案 2017 年 10 月 27 日 D-Case 研究会 国立研究開発法人宇宙航空研究開発機構 研究開発部門第三研究ユニット 梅田浩貴 2017/3/27 C Copyright 2017 JAXA All rights reserved 1 目次 1 課題説明 SECI モデル 2 GSN を応用したナレッジマネジメントシステム概要 3 ツリー型チェックリスト分析

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

目次 取組み概要 取組みの背景 取組みの成果物 適用事例の特徴 適用分析の特徴 適用事例の分析結果から見えたこと JISAによる調査結果 どうやって 実践のヒント をみつけるか 書籍発行について紹介 今後に向けて 2

目次 取組み概要 取組みの背景 取組みの成果物 適用事例の特徴 適用分析の特徴 適用事例の分析結果から見えたこと JISAによる調査結果 どうやって 実践のヒント をみつけるか 書籍発行について紹介 今後に向けて 2 品質改善に取り組めば 生産性もアップ ~ ソフトウェア開発技術適用事例のデータ分析から見えてきたこと ~ 2016 年 5 月 12 日 独立行政法人情報処理推進機構技術本部ソフトウェア高信頼化センター ソフトウェアグループ 連携委員春山浩行 1 目次 取組み概要 取組みの背景 取組みの成果物 適用事例の特徴 適用分析の特徴 適用事例の分析結果から見えたこと JISAによる調査結果 どうやって 実践のヒント

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

ダンゴムシの 交替性転向反応に 関する研究 3A15 今野直輝

ダンゴムシの 交替性転向反応に 関する研究 3A15 今野直輝 ダンゴムシの 交替性転向反応に 関する研究 3A15 今野直輝 1. 研究の動機 ダンゴムシには 右に曲がった後は左に 左に曲がった後は右に曲がる という交替性転向反応という習性がある 数多くの生物において この習性は見受けられるのだが なかでもダンゴムシやその仲間のワラジムシは その行動が特に顕著であるとして有名である そのため図 1のような道をダンゴムシに歩かせると 前の突き当りでどちらの方向に曲がったかを見ることによって

More information

データサイエンス講座第 3 回機械学習その 2 ロジスティクス回帰 カーネル法とサポートベクターマシン アンサンブル学習

データサイエンス講座第 3 回機械学習その 2 ロジスティクス回帰 カーネル法とサポートベクターマシン アンサンブル学習 データサイエンス講座第 3 回機械学習その 2 ロジスティクス回帰 カーネル法とサポートベクターマシン アンサンブル学習 ロジスティクス回帰 基本的には重回帰分析のモデルと考え方は似ている = 1 1+ ( ) 目的変数 = 係数 説明変数 + 定数 この式をグラフ化すると y は 0 1 に収まる ( シグモイド関数 ) トレーニングデータから確率を最大となる地点をもとめ それぞれの係数を求める

More information

Microsoft Word - Excel統計・2014サンプル.docx

Microsoft Word - Excel統計・2014サンプル.docx まえがき この度は Excel でできる統計 データ分析講座 をご受講いただき まことにありがとうございます 人間万事塞翁が馬 ということわざがあります 世の中で起きることは 良いことも悪いことも なかなか予測できないものです しかし将来を予測する場合でも 過去の傾向や現状を基にすれば 手がかりが有るかもしれません 人間の経験からくる勘に基づく判断は無視できません ただここで重要なのは 過去の傾向や現状を

More information

Microsoft Word - SPSS2007s5.doc

Microsoft Word - SPSS2007s5.doc 第 5 部 SPSS によるデータ解析 : 追加編ここでは 卒論など利用されることの多いデータ処理と解析について 3つの追加をおこなう SPSS で可能なデータ解析のさまざま方法については 紹介した文献などを参照してほしい 15. 被験者の再グループ化名義尺度の反応頻度の少ない複数の反応カテゴリーをまとめて1つに置き換えることがある たとえば 調査データの出身県という変数があったとして 初期の処理の段階では

More information

弥生会計/やよいの青色申告

弥生会計/やよいの青色申告 c c c c c 1 c c c c c c c c c c c 2 3 c c 4 a a a a a a a a a

More information

① Copyright 2005 Impex.,inc. All Rights Reserved 1 Copyright 2005 Impex.,inc. All Rights Reserved 2 Copyright 2005 Impex.,inc. All Rights Reserved 3 Copyright 2005 Impex.,inc. All Rights Reserved 4 Copyright

More information

Microsoft PowerPoint _tech_siryo4.pptx

Microsoft PowerPoint _tech_siryo4.pptx 資料 4-4 平成 26 年度第 3 回技術委員会資料 次年度アクションアイテム案 2015.03.26 事務局 前回の委員会にて設定されたテーマ 1. オープンデータガイド ( 活 編 ) の作成 2. オープンデータガイド ( 提供編 ) のメンテナンス 3. ツール集の作成 4. 講習会 テキスト作成 5. 国際標準化活動 をつけたテーマについては ワーキンググループを発 させて 作業を う

More information

IBM Software Business Analytics IBM SPSS Missing Values IBM SPSS Missing Values 空白を埋める際の適切なモデルを構築 ハイライト データをさまざまな角度から容易に検証する 欠損データの問題を素早く診断する 欠損値を推定値に

IBM Software Business Analytics IBM SPSS Missing Values IBM SPSS Missing Values 空白を埋める際の適切なモデルを構築 ハイライト データをさまざまな角度から容易に検証する 欠損データの問題を素早く診断する 欠損値を推定値に 空白を埋める際の適切なモデルを構築 ハイライト データをさまざまな角度から容易に検証する 欠損データの問題を素早く診断する 欠損値を推定値に置き換える 欠損データ タイプおよび極値を表示する 隠れたバイアスを除去する アンケート調査や市場調査 社会科学 データ マイニングなどの多くの専門家が 調査データの検証に を使用しています 欠損データを無視したり 除外したりすると 偏った無意味な結果につながる危険性があります

More information

因子分析

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

More information

Copyright 2017 JAPAN POST BANK CO., LTD. All Rights Reserved. 1

Copyright 2017 JAPAN POST BANK CO., LTD. All Rights Reserved. 1 Copyright 2017 JAPAN POST BANK CO., LTD. All Rights Reserved. 1 Copyright 2017 JAPAN POST BANK CO., LTD. All Rights Reserved. 2 60 50 40 30 20 10 0 20173 20183 Copyright 2017 JAPAN POST BANK CO., LTD.

More information

Copyright 2008 NIFTY Corporation All rights reserved. 2

Copyright 2008 NIFTY Corporation All rights reserved. 2 Copyright 2008 NIFTY Corporation All rights reserved. 2 Copyright 2008 NIFTY Corporation All rights reserved. 3 Copyright 2008 NIFTY Corporation All rights reserved. 4 Copyright 2008 NIFTY Corporation

More information

スライド 1

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

More information

2007 Indie s Movie Project. All Rights Reserved. 02

2007 Indie s Movie Project. All Rights Reserved. 02 2007 Indie s Movie Project. All Rights Reserved. 01 2007 Indie s Movie Project. All Rights Reserved. 02 2007 Indie s Movie Project. All Rights Reserved. 03 2007 Indie s Movie Project. All Rights Reserved.

More information

% 11.1% +6.% 4, % %+12.2% 54,16 6.6% EV7, ,183 Copyright 216 JAPAN POST GROUP. All Rights Reserved. 1

% 11.1% +6.% 4, % %+12.2% 54,16 6.6% EV7, ,183 Copyright 216 JAPAN POST GROUP. All Rights Reserved. 1 216 3 216 5 13 848+4.4% 11.1% +6.% 4,853 495 +2.6% 1 +11.6%+12.2% 54,16 6.6% EV7,829 2 7,183 Copyright 216 JAPAN POST GROUP. All Rights Reserved. 1 15.3 16.3 16.3 11,692 96,57 5.5 % 4,926 4,115 16.5 %

More information

数値計算法

数値計算法 数値計算法 008 4/3 林田清 ( 大阪大学大学院理学研究科 ) 実験データの統計処理その 誤差について 母集団と標本 平均値と標準偏差 誤差伝播 最尤法 平均値につく誤差 誤差 (Error): 真の値からのずれ 測定誤差 物差しが曲がっていた 測定する対象が室温が低いため縮んでいた g の単位までしかデジタル表示されない計りで g 以下 計りの目盛りを読み取る角度によって値が異なる 統計誤差

More information

P. 2 P. 4 P. 5 P. 6 P. 7 P. 9 P P.11 P.14 P.15 P.16 P.16 P.17 P.19 P.20 P.22 P P P P P P P P P

P. 2 P. 4 P. 5 P. 6 P. 7 P. 9 P P.11 P.14 P.15 P.16 P.16 P.17 P.19 P.20 P.22 P P P P P P P P P 201628 3 2016 5 13 P. 2 P. 4 P. 5 P. 6 P. 7 P. 9 P.10 2016 P.11 P.14 P.15 P.16 P.16 P.17 P.19 P.20 P.22 P.23 10 P.24 11 P.26 12 P.27 13 P.28 14 P.28 15 P.29 16 P.30 17 P.31 P.33 P.34 Copyright 2016 JAPAN

More information

P. 2 P. 4 P. 5 P. 6 P. 7 P. 9 P.10 P.12 P.13 P.14 P.14 P.15 P.17 P.18 P.20 P P P P P.25 P.27 P.28 Copyright 2016 JAPAN POST BA

P. 2 P. 4 P. 5 P. 6 P. 7 P. 9 P.10 P.12 P.13 P.14 P.14 P.15 P.17 P.18 P.20 P P P P P.25 P.27 P.28 Copyright 2016 JAPAN POST BA 201729 3 1 2016 8 12 P. 2 P. 4 P. 5 P. 6 P. 7 P. 9 P.10 P.12 P.13 P.14 P.14 P.15 P.17 P.18 P.20 P.21 10 P.22 11 P.23 12 P.24 13 P.25 P.27 P.28 Copyright 2016 JAPAN POST BANK CO., LTD. All Rights Reserved.

More information

Microsoft Word - NumericalComputation.docx

Microsoft Word - NumericalComputation.docx 数値計算入門 武尾英哉. 離散数学と数値計算 数学的解法の中には理論計算では求められないものもある. 例えば, 定積分は, まずは積分 ( 被積分関数の原始関数をみつけること できなければ値を得ることはできない. また, ある関数の所定の値における微分値を得るには, まずその関数の微分ができなければならない. さらに代数方程式の解を得るためには, 解析的に代数方程式を解く必要がある. ところが, これらは必ずしも解析的に導けるとは限らない.

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション SPI Japan 2012 車載ソフトウェア搭載製品の 機能安全監査と審査 2012 年 10 月 11 日 パナソニック株式会社デバイス社 菅沼由美子 パナソニックのデバイス製品 SPI Japan 2012 2 パナソニック デバイス社のソフト搭載製品 車載スピーカーアクティブ消音アクティブ創音歩行者用警告音 スマートエントリー グローバルに顧客対応 ソフトウェア搭載製品 車載 複合スイッチパネル

More information

ベイズ統計入門

ベイズ統計入門 ベイズ統計入門 条件付確率 事象 F が起こったことが既知であるという条件の下で E が起こる確率を条件付確率 (codtoal probablt) という P ( E F ) P ( E F ) P( F ) 定義式を変形すると 確率の乗法公式となる ( E F ) P( F ) P( E F ) P( E) P( F E) P 事象の独立 ある事象の生起する確率が 他のある事象が生起するかどうかによって変化しないとき

More information

目次 はじめに P.02 マクロの種類 ---

目次 はじめに P.02 マクロの種類 --- ステップワイズ法による重回帰分析の 予測マクロについて 2016/12/20 目次 はじめに ------------------------------------------------------------------------------------------------------------------------------ P.02 マクロの種類 -----------------------------------------------------------------------------------------------------------------------

More information

ソフト品質2017_H1-4.pdf

ソフト品質2017_H1-4.pdf 品質経営の推進 普及に向け 日科技連では様々な事業を展開しています 企業 組織の要である人 人材の育成は企業 組織の活力の源です 今日 科学 技術は大きく進展しましたが 同時 に社会や産業界には新たな問題 課題が生まれています 経営 経済の環境変化が目まぐるしいグローバル化した高度技 術社会においては 経営や製品 サービス 人材などあらゆるものの品質にプライオリティをおいた価値観がますます重 要となります

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

0.0 Excelファイルの読み取り専用での立ち上げ手順 1) 開示 Excelファイルの知的所有権について開示する数値解析の説明用の Excel ファイルには 改変ができないようにパスワードが設定してあります しかし 読者の方には読み取り用のパスワードを開示しますので Excel ファイルを読み取

0.0 Excelファイルの読み取り専用での立ち上げ手順 1) 開示 Excelファイルの知的所有権について開示する数値解析の説明用の Excel ファイルには 改変ができないようにパスワードが設定してあります しかし 読者の方には読み取り用のパスワードを開示しますので Excel ファイルを読み取 第 1 回分 Excel ファイルの操作手順書 目次 Eexcel による数値解析準備事項 0.0 Excel ファイルの読み取り専用での立ち上げ手順 0.1 アドインのソルバーとデータ分析の有効化 ( 使えるようにする ) 第 1 回線形方程式 - 線形方程式 ( 実験式のつくり方 : 最小 2 乗法と多重回帰 )- 1.1 荷重とバネの長さの実験式 (Excelファイルのファイル名に同じ 以下同様)

More information

Copyright 2006 KDDI Corporation. All Rights Reserved page1

Copyright 2006 KDDI Corporation. All Rights Reserved page1 Copyright 2006 KDDI Corporation. All Rights Reserved page1 Copyright 2006 KDDI Corporation. All Rights Reserved page2 Copyright 2006 KDDI Corporation. All Rights Reserved page3 Copyright 2006 KDDI Corporation.

More information

タイトルを修正 軸ラベルを挿入グラフツール デザイン グラフ要素を追加 軸ラベル 第 1 横 ( 縦 ) 軸 凡例は削除 横軸は, 軸の目盛範囲の最小値 最 大値を手動で設定して調整 図 2 散布図の仕上げ見本 相関係数の計算 散布図を見ると, 因果関係はともかく, 人口と輸送量の間には相関関係があ

タイトルを修正 軸ラベルを挿入グラフツール デザイン グラフ要素を追加 軸ラベル 第 1 横 ( 縦 ) 軸 凡例は削除 横軸は, 軸の目盛範囲の最小値 最 大値を手動で設定して調整 図 2 散布図の仕上げ見本 相関係数の計算 散布図を見ると, 因果関係はともかく, 人口と輸送量の間には相関関係があ Excel を使った相関係数の計算 回帰分析 準備データは授業のホームページ上に Excel ブックの状態 ( ファイル名 pop_traffic.xlsx) で用意してあるので, これをダウンロードして保存しておく ダウンロードされたファイルを開いたら,DATA シート中の空欄 (POP,TK の列 ) をそれぞれの合計値 (POP の場合は,POP1~POP3) で埋めるように,SUM 関数あるいは和の式を使って処理しておく

More information

memo

memo 数理情報工学特論第一 機械学習とデータマイニング 4 章 : 教師なし学習 3 かしまひさし 鹿島久嗣 ( 数理 6 研 ) kashima@mist.i.~ DEPARTMENT OF MATHEMATICAL INFORMATICS 1 グラフィカルモデルについて学びます グラフィカルモデル グラフィカルラッソ グラフィカルラッソの推定アルゴリズム 2 グラフィカルモデル 3 教師なし学習の主要タスクは

More information