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」
|
|
|
- さわ えいさか
- 4 years ago
- Views:
Transcription
1 URL: I ( ) ( 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 7/20) [6, 8 ] 8. (8/14 ) 9/7 [] ()
2 3 ( ) ISTU ( : ( ) (12:00) ISTU I ( ) ) 4 ( ) : F tanakas2013 tsigeto info 2
3 現代日本論 / 比較現代日本論研究演習 I ( 田中重人 ) 受講登録フォーム 氏名 ( よみがな ): 学年 : 学籍番号 : 所属 ( 文学部日本語教育学専修以外の場合 ): 研究内容 : 自宅でパソコンを使えますか? ある / ない ISTU を使った経験がありますか? ある / ない SPSS を使った経験がありますか? ある / ない その他の統計ソフトを使った経験がありますか? ある / ない コンピュータ プログラムを作成したり プログラミングの授業を受けたりしたことがありますか? ある / ないある場合 言語名 ( ) 以下は採点用 宿題課題参加 進度期末
4 数学的予備知識の調査 ( 成績評価には関係ありません ) (1) 1 次方程式 y = 0.5x をグラフに書いたとき 傾き (gradient) と切片 (intercept) はそれぞれいくつか 傾き = ; 切片 = (2) 必要十分条件 (necessary and sufficient condition) とは何か 簡単に説明せよ (3) 偏差値 はどういう目的のために使われるか またどうやって求めるか 簡単に説明せよ (4) つぎの数式の値を求めよ 計算のプロセスがわかるように解答すること 10 k = k = 1
5 数学的予備知識の調査 : 解答のポイント (1) 1 次方程式 y = 0.5x をグラフに書いたとき 傾き切片 (2) 必要十分条件 とは X という条件があるときはかならず そしてその時にかぎって Y である (3) 偏差値 は 平均と分散が違う複数の得点分布のなかでの相対 的位置を示す 生の得点 平均 標準偏差 (4) つぎの数式の値 : 10 k = = k = 1
6 URL: I 1 ( ) 1 2 ( ) ( ) 3 NumLock USB
7 4 ISTU ( ID ) I ISTU ISTU ISTU SPSS IBM SPSS Statistics IBM SPSS Statistics 24 ( OK ) 5.2 a, b,..., e SPSS (.sav) ( ) SPSS Excel SPSS 2
8 URL: I 2 SPSS ( ) [ ] SPSS 1 ISTU SPSS 2 Word ISTU SPSS < SPSS 2 < < SPSS < f. html> SPSS 2007 < files/2013/methoda/spss memo 2.pdf> SPSS PC
9 SSM B ( ) 70 2 ( ) < ( ) 250 ( ) ( ) 4 SPSS 4.1 SPSS ( ) ( 8 )? 4.2 ( ) ( ) ( ) 2
10 4.3 (1) (2) (3) (4) OK ( ) Ver. 19 SPSS ( ) (2, 4,...) 4.4 PC Microsoft Office (Word Excel ) SPSS Excel Word 5 ( ) ( ) OK 3
11 ( ) 4
12 URL: I 3 ( ) [ ] < ( p ) 3 ( ) p. 43 < proc4 3 1.htm> < (percentile) 4 ( ) Yahoo! < detail/q > M e < One more step! (1990, p.15)
13 5 (1) ( ) (2) (3) (4) (5) (6) ( ) ( p. 1 6) 6 4 (universe) = (population) = (designed sample) = (valid sample / case) = (random sampling) (probability sample) 2 ( 1 ) ( ) ( 2 ) 7 (1) pp (2) SSM (3) (4) ISTU 5/10 ( ) 2
14 URL: I 4 ( ) [ ] 1 (1) (= ) ( ) (2) SSM (3) (4) ( ) , 4, ( ) 2 SPSS OK
15 3 3 SPSS Excel Word (ISTU 12:00 ) (1) (2) (3) (table): (graph/chart): 5 ( ) ( ) ( ) ( ) ( p. 34) ( p. 106) 2
16 URL: I 5 ( ) [ ] 1 2 (1) : (2) : ( 100% ) (1) Excel ( ) ( ) 3 (3D) Excel 2 (cross table) (1) (2) (3) ( ) ( 4 ) (Excel ) ISTU
17 URL: I 6 ( ) [ ] 1 % % : SPSS % ( ) % % ( ) 100% ( ) Excel ( ) % 2 2 Phi Cramer V (pp. 108, ) Cramer V Pearson 2 [ 4-19] [4-17] Pearson 2 V ISTU 2 2 ( p.110 [ 4-10]) Cramer V
18 3 ( = independent): % ( % ) (marginal frequency): ( = expected frequency): ( ) ( ) (frequency): (residual): (standard residual): 2(chi-square): V : 2 4 6/8 ( ) ISTU 2
19 N 0% 20% 40% 60% 80% 100%
20 URL: I 7 ( ) [ ] m=2 m 1=1 V = χ 2 /N SPSS [4-17] χ 2 /N(m 1) = Pearson 2 = = = = = ( ) ( n 11 n 1. n.1 ) V ( ) 0 1? p ( ) ( ) ( ) 0 ( )
21 V 0.1 ( ) SPSS χ 2 /N Phi ( = ) m=2 V = ( p. 110) 2 2 pp
22 V ( ) ( ) 100.0% ( ) Cramer V ( ) V 3 2 1
23 URL: I 8 ( ) [ ] ( 20 ) 2 : pp (mean): (variance): 2 (standard deviation): (SD ) 2-1 (p. 48) 4 p ISTU 5 SPSS ( p. 48 6) ( 200 ) ( 10 )
24 6 4 ( p ) ( ) ( ) SPSS 2 ( p ) 2 7 (outlier) ( p. 46) ( ) 2
25 URL: I 9 ( ) [ ] 1 SD=0.427 SPSS 0.488? 2 ( ) effect size (ES) ( ) 2.1 Effect size (ES) Cohen d ES = SD (1) SD p. 137 SD ES 2 ES (correlation ratio) SD SD SD (eta)
26 2.3 SPSS 1 ( ) 0 1 ES SPSS 3 (1) (2) (1) (3) ES ( ) (4) ( ) (5) 2
27 URL: I 10 ( ) [ ] (ANOVA) 1 4 ( ) 2 (ANOVA ANalysis Of VAriance) (dependent variable) (independent variable) ( ) : : Cramer V? 3 (10 ) : 1, 2, 3, 3, 4 : 2, 3, 4, 4, 5 ( Excel) SPSS (1) SD (2) (3) 5 5 SD (4) (3) SD (1) SD
28 4 ES (n 1, n 2 N = n 1 + n 2 ) ES 2 = η 2 1 η 2 N 2 (1) n 1 n 2 2 (n 1 = n 2 ) ES 2 = 4η 2 1 η 2 (2) ( ES ) ( <0.4 ) ES = 2 5?? 6 ( 2 ) ( 3 ) 7 SD (error bar; ) SD Excel SPSS SD ( ) ( ) 2
29 表 1 保守的意識の男女差 平均 標準偏差 ( 人 ) 男性 (109) 女性 (130) 合計 (239) 以前からなされていたやり方を守ることが 最上の結果を生む に対する回答 : 1. そう思う ~ 5. そう思わない 相関比 η= 無回答 = 男性 女性 以前からなされていたやり方を守ることが 最上の結果を生む に対する回答 : 1. そう思う ~ 5. そう思わない 相関比 η= N=239. 無回答 =11. 図 1 保守的意識の男女差 ( 平均 ± 標準偏差 )
30 URL: I 11 ( ) [ ] 1 : 1, 2, 3, 3, : 2, 3, 4, 4, (SD): 3.1 (1.14) = 5( ) 2 +5( ) 2 =2.5 (1) N (=10) SD = η = 2.5 = (2) SD SD = 0.5 = (3) SPSS N 1(=9) ( N>200 ) (N ) SPSS 2 ( pp. 3 5) ( 3 ) (= ) (= )
31 : : (null hypothesis) 0.5? (1) ( 95%) (2) (1 ) ( 2.5% ) (3) 95% 4.2 n (n>30) m (0.1<m<0.9) 95% m(1 m) m ± 1.96 (4) n ( ) 95% ( ) 5 pp : 8/14 ( ) 17:00 : ISTU : : 2
32 URL: I 12 ( ) [ ] : 95% n=100 10% n=400 5% ( ) 1.2 2: ( ) ( ) 2 m SD M 95% m ± SD (1) n t ( ) (df = n 1) ( 1 ) % d 95 1 d ± SD + 1 (2) n 1 n 2 n 1,n 2 (n 1 + n 2 2) t 4 SPSS 4.1
33 4.2 t ( 2 SD ) 5 (statistical test) x (0 ) 5.1 ( pp , ) (null hypothesis): (significant): 5.2 5% 95% x 95 5% 95% x 5.3 ( 1 ) x p ( 5 ) % % % 6 ( ) 7 2
34 URL: I 13 ( ) [ ] 1 2 SPSS t ( ) ( ) % ( % t ) 3 F : =0 SPSS 2 t t ( SD ) 4 : V =0 SPSS 2 Pearson ( 5 ) (= ) 5 ( ) p <0.05 (*) p >0.05 ns (= not significant)
35 / ( ) (111) (132) (243) Cramer's V=0.094 p < 0.05 = (113) 27.6 (134) 36.0 (247) =0.191* =3 3 (1) ( ) (114) (136) (250) p < (2) ( ) (114) (136) (250) 0.198*. *: 5%. 5 (1) ( ) (111) (132) (243) p > (2) ( ) (111) (132) (243) ns. ns: 5%..
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)
現代日本論／比較現代日本論研究演習I「統計分析の基礎」
URL: http://tsigeto.info/statg/ 作 成 : 田 中 重 人 ( 准 教 授 ) 現 代 日 本 論 / 比 較 現 代 日 本 論 研 究 演 習 I 統 計 分 析 の 基 礎 東 北 大 学 文 学 部 / 文 学 研 究 科 :2014 年 度 前 期 < 木 2>コンピュータ 実 習 室 ( 文 学 部 本 館 7F711-2) 講 義 概 要 記 載 内 容
現代日本論演習「統計分析の基礎」
URL: http://www.sal.tohoku.ac.jp/~tsigeto/statu/ 作成 : 田中重人 ( 准教授 ) 現代日本論演習 統計分析の基礎 3 年生対象 :01 年度 5 セメスタ < 火 4> コンピュータ実習室 ( 文学部本館 7F 711-) 授業コード =LB5407 講義概要 記載内容 +α 講義題目 : 統計分析の基礎 到達目標 :(1) 統計分析の基礎的な手法を理解する
!!! 2!
2016/5/17 (Tue) SPSS (mugiyama@l.u-tokyo.ac.jp)! !!! 2! 3! 4! !!! 5! (Population)! (Sample) 6! case, observation, individual! variable!!! 1 1 4 2 5 2 1 5 3 4 3 2 3 3 1 4 2 1 4 8 7! (1) (2) (3) (4) categorical
k3 ( :07 ) 2 (A) k = 1 (B) k = 7 y x x 1 (k2)?? x y (A) GLM (k
2012 11 01 k3 (2012-10-24 14:07 ) 1 6 3 (2012 11 01 k3) kubo@ees.hokudai.ac.jp web http://goo.gl/wijx2 web http://goo.gl/ufq2 1 3 2 : 4 3 AIC 6 4 7 5 8 6 : 9 7 11 8 12 8.1 (1)........ 13 8.2 (2) χ 2....................
(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
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
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.)
I L01( Wed) : Time-stamp: Wed 07:38 JST hig e, ( ) L01 I(2017) 1 / 19
I L01(2017-09-20 Wed) : Time-stamp: 2017-09-20 Wed 07:38 JST hig e, http://hig3.net ( ) L01 I(2017) 1 / 19 ? 1? 2? ( ) L01 I(2017) 2 / 19 ?,,.,., 1..,. 1,2,.,.,. ( ) L01 I(2017) 3 / 19 ? I. M (3 ) II,
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
5 5.1 A B mm 0.1mm Nominal Scale 74
5 73 5 5.1 A B 2 1 2 1mm 0.1mm 5.1.1 Nominal Scale 74 5.2. Calc 5.1.2 Ordinal Scale (1) (2) (3) (4) (5) 5 1 5 1 5 4 5-2 -1 0 1 2 1 5 15 25 55 1 1 2 3 4 5 1 5.1.3 5.1.3 Interval Scale 100 80 20 80 100 5
250 200 150 100 50 0 585960616263 1 2 3 4 5 6 7 8 9 10111213141516171819202122 /.pdf
250 200 150 100 50 0 585960616263 1 2 3 4 5 6 7 8 9 10111213141516171819202122 http://passnavi.evidus.com/teachers/topics/ /.pdf .. 600 500 400 300 200 100 0 56 59 62 4 6 8 10 12 14 16 18 20 21 SP , (%)
Microsoft Word - 研究デザインと統計学.doc
Study design and the statistical basics Originality Accuracy Objectivity Verifiability Readability perfect Interdisciplinary Sciences Health Science 2014.12.25 2 1. 7 2. 7 3. Bias8 4. random sampling8
June 2016 i (statistics) F Excel Numbers, OpenOffice/LibreOffice Calc ii *1 VAR STDEV 1 SPSS SAS R *2 R R R R *1 Excel, Numbers, Microsoft Office, Apple iwork, *2 R GNU GNU R iii URL http://ruby.kyoto-wu.ac.jp/statistics/training/
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
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
Plano-POS Ver1
1 Quick Version2.0.0 Chapter1 Chapter1-1 Chapter2 Chapter2-1 Quick--------------------------------------------------------------P.7 -----------------------------------------------------------------------P.11
26 1 11 1 3 1.1............................ 3 1.2................................ 3 1.3................................... 4 1.4................................ 5 1.5 p (p-value)................................
Microsoft Word - Power_Analysis_Jp_ docx
Power Analysis using G*Power Version 1.0 013 年 3 月 03 日 評価学博士 佐々木亮 サンプルサイズの検討方法 1. 最低のサンプルサイズサンプルサイズに関する考え方 統計分析を用いた調査報告書では サンプルサイズとして 30 あるいは 5 を用いている場合が頻繁に見られる 事前 事後比較のための 1 群の t 検定では まさに 30 あるいは 5 が必要ということになり
年計グラフ作成システム
2003/01/20 2.00 1/29 2003/01/20...2...3...4...5...7...9... 11...13...15...16...17...18...19...20...21...23...24...26...27 FAQ...29 2/29 2003/01/20 Microsoft Access 2000 Microsoft Excel 3/29 2003/01/20
カテゴリ変数と独立性の検定
II L04(2015-05-01 Fri) : Time-stamp: 2015-05-01 Fri 22:28 JST hig 2, Excel 2, χ 2,. http://hig3.net () L04 II(2015) 1 / 20 : L03-S1 Quiz : 1 2 7 3 12 (x = 2) 12 (y = 3) P (X = x) = 5 12 (x = 3), P (Y =
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......................
4 OLS 4 OLS 4.1 nurseries dual c dual i = c + βnurseries i + ε i (1) 1. OLS Workfile Quick - Estimate Equation OK Equation specification dual c nurser
1 EViews 2 2007/5/17 2007/5/21 4 OLS 2 4.1.............................................. 2 4.2................................................ 9 4.3.............................................. 11 4.4
1
0 1 2 OK NG 3 ID 4 CMS 5 CMS 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 [PDF 7KB] [ ] 22 23 (HP ( pt) ) () ( 24 25 ( ) 26 27 28 29 #() URL # # 30 [PDF 7KB] [ ] 31 32 33 34 35 HTML HTML 36 37 38 39 40
untitled
Mail de ECO Standard ...1 EXCEL...2...3 EXCEL...4...11...13...15...17...18 EXCEL OK 1 EXCEL EXCEL MailDeEco No 1 15 2 15 3 15 PDF 4 50 PDF PDF 2 EXCEL OK 3 4 No 1 CSV CSV 2 CSV 3 4 5 CSV CSV CSV 5 ( )
最小2乗法
2 2012 4 ( ) 2 2012 4 1 / 42 X Y Y = f (X ; Z) linear regression model X Y slope X 1 Y (X, Y ) 1 (X, Y ) ( ) 2 2012 4 2 / 42 1 β = β = β (4.2) = β 0 + β (4.3) ( ) 2 2012 4 3 / 42 = β 0 + β + (4.4) ( )
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
untitled
005 n X i i 1 5 i 1 5 i 1 X i 3 X i 40 n i1 i i n X i 40 1 005 95 005 testing statistical hypothesis - A B A B 5 ()()() ()()() 3 005 ( ) null hypothesis 5 pp0.01p1 4 005 (1) 1 4 6 () N i 1 ( X i X ) N
untitled
1 Hitomi s English Tests 1 2 3 4 5 6 7 8 9 10 11 12 13 14 1 1 0 1 1 0 1 0 0 0 1 0 0 1 0 2 0 0 1 1 0 0 0 0 0 1 1 1 1 0 3 1 1 0 0 0 0 1 0 1 0 1 0 1 1 4 1 1 0 1 0 1 1 1 1 0 0 0 1 1 5 1 1 0 1 1 1 1 0 0 1 0
untitled
...1...3 -... 3 -... 3...5 -... 5 -... 5 -... 6 -... 7 -... 7 -... 7 -... 10 -... 17 -... 17 -... 18 -... 20 -... 21 1 TEL 2 3 4 ) ) 5 6 7 8 9 10 11 () (4) () (4) () () 730-0042730-8586 730-0042 730-0042730-8586
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.
tokei01.dvi
2. :,,,. :.... Apr. - Jul., 26FY Dept. of Mechanical Engineering, Saga Univ., JAPAN 4 3. (probability),, 1. : : n, α A, A a/n. :, p, p Apr. - Jul., 26FY Dept. of Mechanical Engineering, Saga Univ., JAPAN
untitled
1 1 1 1 2 3 4 5 5 7 11 11 14 22 23 26 28 30 37 44 48 48 48 48 49 51 51 52 52 52 58 59 2 2 100 sample population (2) qualitative data quantitative data A 50 B 60 B A 10 1.2 ratio scale 3 15 18 3 1.2 0 interval
分布
(normal distribution) 30 2 Skewed graph 1 2 (variance) s 2 = 1/(n-1) (xi x) 2 x = mean, s = variance (variance) (standard deviation) SD = SQR (var) or 8 8 0.3 0.2 0.1 0.0 0 1 2 3 4 5 6 7 8 8 0 1 8 (probability
28
y i = Z i δ i +ε i ε i δ X y i = X Z i δ i + X ε i [ ] 1 δ ˆ i = Z i X( X X) 1 X Z i [ ] 1 σ ˆ 2 Z i X( X X) 1 X Z i Z i X( X X) 1 X y i σ ˆ 2 ˆ σ 2 = [ ] y i Z ˆ [ i δ i ] 1 y N p i Z i δ ˆ i i RSTAT
浜松医科大学紀要
On the Statistical Bias Found in the Horse Racing Data (1) Akio NODA Mathematics Abstract: The purpose of the present paper is to report what type of statistical bias the author has found in the horse
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
Microsoft Word - StatsDirectMA Web ver. 2.0.doc
Web version. 2.0 15 May 2006 StatsDirect ver. 2.0 15 May 2006 2 2 2 Meta-Analysis for Beginners by using the StatsDirect ver. 2.0 15 May 2006 Yukari KAMIJIMA 1), Ataru IGARASHI 2), Kiichiro TSUTANI 2)
URL AdobeReader - 2
URL AdobeReader - 2 ...5...6...7...7...8...8...9...12...14...16...22...24 11.1....24 11.2....24 11.3....25 11.4....26...28...28 GoodNews...29-3 - 4 Office XP Professional - 5 - 6 Access Office XP Professional
kubostat2018d p.2 :? bod size x and fertilization f change seed number? : a statistical model for this example? i response variable seed number : { i
kubostat2018d p.1 I 2018 (d) model selection and kubo@ees.hokudai.ac.jp http://goo.gl/76c4i 2018 06 25 : 2018 06 21 17:45 1 2 3 4 :? AIC : deviance model selection misunderstanding kubostat2018d (http://goo.gl/76c4i)
Excelにおける回帰分析（最小二乗法）の手順と出力
Microsoft Excel Excel 1 1 x y x y y = a + bx a b a x 1 3 x 0 1 30 31 y b log x α x α x β 4 version.01 008 3 30 Website:http://keijisaito.info, E-mail:master@keijisaito.info 1 Excel Excel.1 Excel Excel
第11回：線形回帰モデルのOLS推定
11 OLS 2018 7 13 1 / 45 1. 2. 3. 2 / 45 n 2 ((y 1, x 1 ), (y 2, x 2 ),, (y n, x n )) linear regression model y i = β 0 + β 1 x i + u i, E(u i x i ) = 0, E(u i u j x i ) = 0 (i j), V(u i x i ) = σ 2, i
countif Excel E4:E10E4:E10 OK 2/25
1....................... 1 2............................... 2 2.1 -countif(2 ) 2.2 (7 ) 2.3 frequency(7 ) 3 []............ 8 4................................. 8 4.1 (8 ) 4.2 (11 ) 4.3 (12 ) 4.4 (13 )
untitled
2011/6/22 M2 1*1+2*2 79 2F Y YY 0.0 0.2 0.4 0.6 0.8 0.000 0.002 0.004 0.006 0.008 0.010 0.012 1.0 1.5 2.0 2.5 3.0 3.5 4.0 Y 0 50 100 150 200 250 YY A (Y = X + e A ) B (YY = X + e B ) X 0.00 0.05 0.10
JAPLA研究会資料 2018/6/16
JAPLA 研究会資料 2018/6/16 J で電卓並みの統計ツールを - その 2 - 生まのデータからグラフ表示 さらに偏差値の活用 - 西川利男 統計学を教科書に沿って学ぶというより J をツールとして電卓並みに使って 手軽に統計学をやってみようということで始めている [1] [1] 西川利男 J で電卓並みの統計ツールを- 統計学はなぜ分かり難いのか- JAPLA 研究会資料 2017/12/9
(pdf) (cdf) Matlab χ ( ) F t
(, ) (univariate) (bivariate) (multi-variate) Matlab Octave Matlab Matlab/Octave --...............3. (pdf) (cdf)...3.4....4.5....4.6....7.7. Matlab...8.7.....9.7.. χ ( )...0.7.3.....7.4. F....7.5. t-...3.8....4.8.....4.8.....5.8.3....6.8.4....8.8.5....8.8.6....8.9....9.9.....9.9.....0.9.3....0.9.4.....9.5.....0....3
4.9 Hausman Test Time Fixed Effects Model vs Time Random Effects Model Two-way Fixed Effects Model
1 EViews 5 2007 7 11 2010 5 17 1 ( ) 3 1.1........................................... 4 1.2................................... 9 2 11 3 14 3.1 Pooled OLS.............................................. 14
PowerPoint 2002
5.1.1 [ ] [ ] 5 1 5.1.2 [ ] 5 2 5.1.3 [ ] [ ] 5 3 5.1.4 [ ] [ ] [ ] 5 4 5.2.1 [ ] [ ] [ ] [ ] [ ] [] [OK] 5 5 5.2.2 [ ] [ ] [ ] [ ] [ ] [] [ ] [ ] [OK] [OK] 5 6 5.2.3 3-D 3-D [ ] [3-D] 3D 5 7 5.2.4 [Ctrl]
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
第1回
やすだ社会学研究法 a( 2016 年度春学期担当 : 保田 ) 基礎分析 ( 1): 一変量 / 二変量の分析 SPSSの基礎 テキスト pp.1-29 pp.255-257 データの入力 [ データビュー ] で Excelのように直接入力できる [ 変数ビュー ] で変数の情報を入力できる 名前 変数の形式的なアルファベット名例 )q12 ラベル 変数の内容を表現例 ) 婚姻状態値 各値の定義例
Stata11 whitepapers mwp-037 regress - regress regress. regress mpg weight foreign Source SS df MS Number of obs = 74 F(
mwp-037 regress - regress 1. 1.1 1.2 1.3 2. 3. 4. 5. 1. regress. regress mpg weight foreign Source SS df MS Number of obs = 74 F( 2, 71) = 69.75 Model 1619.2877 2 809.643849 Prob > F = 0.0000 Residual
散布度
散布度 統計基礎の補足資料 2018 年 6 月 18 日金沢学院大学経営情報学部藤本祥二 基本統計量 基本統計量 : 分布の特徴を表す数値 代表値 ( 分布の中心を表す数値 ) 平均値 (mean, average) 中央値 (median) 最頻値 (mode) 散布度 ( 分布のばらつき具合を表す数値 ) 分散 (variance) 標準偏差 (standard deviation) 範囲 (
¥¤¥ó¥¿¡¼¥Í¥Ã¥È·×¬¤È¥Ç¡¼¥¿²òÀÏ Âè2²ó
2 2015 4 20 1 (4/13) : ruby 2 / 49 2 ( ) : gnuplot 3 / 49 1 1 2014 6 IIJ / 4 / 49 1 ( ) / 5 / 49 ( ) 6 / 49 (summary statistics) : (mean) (median) (mode) : (range) (variance) (standard deviation) 7 / 49
こんにちは由美子です
1 2 . sum Variable Obs Mean Std. Dev. Min Max ---------+----------------------------------------------------- var1 13.4923077.3545926.05 1.1 3 3 3 0.71 3 x 3 C 3 = 0.3579 2 1 0.71 2 x 0.29 x 3 C 2 = 0.4386
MS Access ¤λȤ¤˽
MS Access 2003 : 2010 3 31 1 MS Office MS Access MS Access MS Word MS Excel MS PowerPoint MS Office Access Word Excel PowerPoint Access Access Word Excel MS Office ( ) Access Office 2003 Office 2007 Professional
Microsoft PowerPoint - 譫礼峩荵
2011 3 11 323 25 HP 2013 JOC 2014 JOC HP 2014 Go for it 2011 J A 1 2 3 2013bj 2013 Human Welfare 7 1 2015 CiNii 1980 3 1990 17 2000 63 2010 46 2014 7 29 2004 2012 20132007 2003 2003 2002 3 1 20 70 1 2013
untitled
Excel Word Excel - 12 - 1,2,3,4,5,6 12 3 1,2,3 ( ) - 13 - 1 2 3 1 1 1 [][] Excel - 14 - 1.025 1.025 100-15 - 2005/01/01 38353 Excel 1900 1 1 1 100% 0.550% - 16 - - 17 - I W W K - 18 - M MOK M 90 90-19
(Nov/2009) 2 / = (,,, ) 1 4 3 3 2/8
(Nov/2009) 1 sun open-office calc 2 1 2 3 3 1 3 1 2 3 1 2 3 1/8 (Nov/2009) 2 / = (,,, ) 1 4 3 3 2/8 (Nov/2009) 1 (true) false 1 2 2 A1:A10 A 1 2 150 3 200 4 250 5 320 6 330 7 360 8 380 9 420 10 480 (1)
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,
201711grade2.pdf
2017 11 26 1 2 28 3 90 4 5 A 1 2 3 4 Web Web 6 B 10 3 10 3 7 34 8 23 9 10 1 2 3 1 (A) 3 32.14 0.65 2.82 0.93 7.48 (B) 4 6 61.30 54.68 34.86 5.25 19.07 (C) 7 13 5.89 42.18 56.51 35.80 50.28 (D) 14 20 0.35
数理統計学Iノート
I ver. 0/Apr/208 * (inferential statistics) *2 A, B *3 5.9 *4 *5 [6] [],.., 7 2004. [2].., 973. [3]. R (Wonderful R )., 9 206. [4]. ( )., 7 99. [5]. ( )., 8 992. [6],.., 989. [7]. - 30., 0 996. [4] [5]
kubostat2017b p.1 agenda I 2017 (b) probability distribution and maximum likelihood estimation :
kubostat2017b p.1 agenda I 2017 (b) probabilit distribution and maimum likelihood estimation kubo@ees.hokudai.ac.jp http://goo.gl/76c4i 2017 11 14 : 2017 11 07 15:43 1 : 2 3? 4 kubostat2017b (http://goo.gl/76c4i)
stat-excel-12.tex (2009 12 8 ) 2 -countif Excel 22 http://software.ssri.co.jp/statweb2/ 1. 111 3 2. 4 4 3 3. E4:E10 E4:E10 OK 4. E4:E10 E4:E10 5 6 2/1
stat-excel-12.tex (2009 12 8 ) 1 (Microsoft) (excel) (Sun Microsystems) = (open-office calc) 1 2 3 3 1 3 1 2 3 1 2 3 1/12 stat-excel-12.tex (2009 12 8 ) 2 -countif Excel 22 http://software.ssri.co.jp/statweb2/
平成13年度日本分析センター年報
200 150 70 234 Bq m 3 1 148 Bq m -3 100 0 550 0 11/1 0:00 am 11/2 0:00 am 11/3 0:00 am 25 20 15 10 11/1 0:00 am 11/2 0:00 am 11/3 0:00 am 39.2 Bq m -3 11/4 0:00 am 30 990 19.3 Bq m -3 60 15.8 Bq m -3 14.1
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
StatlightGroupManual.dvi
Statlight #11 Yukms Microsoft Excel 3 ( ) (2000) (p.2) ( ( ) ( ) ( ) 1 9 1.1...................................... 9 1.2................................... 9 1.3................................. 9 1.4........................................
80 X 1, X 2,, X n ( λ ) λ P(X = x) = f (x; λ) = λx e λ, x = 0, 1, 2, x! l(λ) = n f (x i ; λ) = i=1 i=1 n λ x i e λ i=1 x i! = λ n i=1 x i e nλ n i=1 x
80 X 1, X 2,, X n ( λ ) λ P(X = x) = f (x; λ) = λx e λ, x = 0, 1, 2, x! l(λ) = n f (x i ; λ) = n λ x i e λ x i! = λ n x i e nλ n x i! n n log l(λ) = log(λ) x i nλ log( x i!) log l(λ) λ = 1 λ n x i n =
LET2009
Language Education & Technology, 46 (2010) pp. 1 19 Multiple testing of several items or tests: A Monte Carlo simulation study MIZUMOTO, Atsushi University of Marketing and Distribution Sciences This paper
Mantel-Haenszelの方法
Mantel-Haenszel 2008 6 12 ) 2008 6 12 1 / 39 Mantel & Haenzel 1959) Mantel N, Haenszel W. Statistical aspects of the analysis of data from retrospective studies of disease. J. Nat. Cancer Inst. 1959; 224):
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
Microsoft PowerPoint ppt
統計と情報処理第 05 回 MS-Excel の基礎 本日の内容 絶対参照と相対参照の使い分け グラフの書き方の基礎 MS-WordへのExcelの貼り付け 先週の Excel ファイル 160511.xls を引き続き使用します 1 2/36 絶対参照と相対参照 絶対参照と相対参照の使い分け Excel では セルを絶対参照と相対参照で参照することができます それぞれ 絶対参照は セルの位置を座標
Microsoft Word - statg02o.doc
URL: http://www.nik.sal.tohoku.ac.jp/~tsigeto/statg/ 作成 : 田中重人 ( 講師 ) 比較現代日本論研究演習 I 大学院生対象 :2002 年度前期 < 金 2> コンピュータ実習室 ( 文学部本館 7F 711-2) 講義概要 p. 396 記載内容 授業内容 : 小規模標本調査を念頭において
5.2 White
1 EViews 1 : 2007/5/15 2007/5/25 1 EViews 4 2 ( 6 2.1............................................ 6 2.2 Workfile............................................ 7 2.3 Workfile............................................
クリティカルテーマ前編
クロキン 2 1. 2. 2 6 STEP1: STEP1 1: ( )? 2:? 3:? 4:? 5:? 6: 7:? 8:? 9: 10: 11: 12: 13:? 14: 1? 15: 16: 17: 18:? 19:? 20: 21: 22: 23: STEP2 STEP2: ( ) 1. 2. 3.? OK STEP3 STEP3: STEP3-1 yahoo!japan http://www.yahoo.co.jp/
Dependent Variable: LOG(GDP00/(E*HOUR)) Date: 02/27/06 Time: 16:39 Sample (adjusted): 1994Q1 2005Q3 Included observations: 47 after adjustments C -1.5
第 4 章 この章では 最小二乗法をベースにして 推計上のさまざまなテクニックを検討する 変数のバリエーション 係数の制約係数にあらかじめ制約がある場合がある たとえばマクロの生産関数は 次のように表すことができる 生産要素は資本と労働である 稼動資本は資本ストックに稼働率をかけることで計算でき 労働投入量は 就業者数に総労働時間をかけることで計算できる 制約を掛けずに 推計すると次の結果が得られる
R John Fox R R R Console library(rcmdr) Rcmdr R GUI Windows R R SDI *1 R Console R 1 2 Windows XP Windows * 2 R R Console R ˆ R
R John Fox 2006 8 26 2008 8 28 1 R R R Console library(rcmdr) Rcmdr R GUI Windows R R SDI *1 R Console R 1 2 Windows XP Windows * 2 R R Console R ˆ R GUI R R R Console > ˆ 2 ˆ Fox(2005) jfox@mcmaster.ca
2 3
Sample 2 3 4 5 6 7 8 9 3 18 24 32 34 40 45 55 63 70 77 82 96 118 121 123 131 143 149 158 167 173 187 192 204 217 224 231 17 285 290 292 1 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38
¥¤¥ó¥¿¡¼¥Í¥Ã¥È·×¬¤È¥Ç¡¼¥¿²òÀÏ Âè2²ó
2 212 4 13 1 (4/6) : ruby 2 / 35 ( ) : gnuplot 3 / 35 ( ) 4 / 35 (summary statistics) : (mean) (median) (mode) : (range) (variance) (standard deviation) 5 / 35 (mean): x = 1 n (median): { xr+1 m, m = 2r
(lm) lm AIC 2 / 1
W707 s-taiji@is.titech.ac.jp 1 / 1 (lm) lm AIC 2 / 1 : y = β 1 x 1 + β 2 x 2 + + β d x d + β d+1 + ϵ (ϵ N(0, σ 2 )) y R: x R d : β i (i = 1,..., d):, β d+1 : ( ) (d = 1) y = β 1 x 1 + β 2 + ϵ (d > 1) y
5 ISMS 5 4 PC PC USB PDA 2
3 3 1 2 1 1 2 4 1 2 1 1 1 5 ISMS 5 4 PC PC USB PDA 2 16 1 16 1 4 3 PC USB 4 5 1 6 6 506 507 507 6 5000 JIS 7 3 3 8 1 4 Web 2 15 16 9 1 OK 2 10 20 3 10 4 19 100 1 0 100 1000 1 11 3 10 50 A B C 3 4 10 50
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
O1-1 O1-2 O1-3 O1-4 O3-1 O3-2 O3-3 O3-4 ES1-1 ES1-2 ES1-3 ES2-1 ES2-2 ES2-3 ES2-4 O2-1 O2-2 O2-3 O2-4 O2-5 O4-1 O4-2 O4-3 O4-4 O5-1 O5-2 O5-3 O5-4 O7-1 O7-2 O7-3 O7-4 O9-1 O9-2 O9-3 O9-4 O12-1 O12-2
Microsoft PowerPoint - GLMMexample_ver pptx
Linear Mixed Model ( 以下 混合モデル ) の短い解説 この解説のPDFは http://www.lowtem.hokudai.ac.jp/plantecol/akihiro/sumida-index.html の お勉強 のページにあります. ver 20121121 と との間に次のような関係が見つかったとしよう 全体的な傾向に対する回帰直線を点線で示した ところが これらのデータは実は異なる
untitled
2 : n =1, 2,, 10000 0.5125 0.51 0.5075 0.505 0.5025 0.5 0.4975 0.495 0 2000 4000 6000 8000 10000 2 weak law of large numbers 1. X 1,X 2,,X n 2. µ = E(X i ),i=1, 2,,n 3. σi 2 = V (X i ) σ 2,i=1, 2,,n ɛ>0
SWU Weekend Seminar June 2018 平成 30 年度マイケル ハリントン博士公開講座のお知らせ 昭和女子大学大学院文学研究科 文学言語学専攻主任 横山紀子 オーストラリアの名門大学であるクイーンズランド大学のマイケル ハリントン博士 ( 昭和女子大学客員教授 ) による下記の
平成 30 年度マイケル ハリントン博士公開講座のお知らせ 昭和女子大学大学院文学研究科 文学言語学専攻主任 横山紀子 オーストラリアの名門大学であるクイーンズランド大学のマイケル ハリントン博士 ( 昭和女子大学客員教授 ) による下記の講座を一般に公開いたします このうち初回の 第一講時 (90 分 ) の授業は無料公開といたします 本年度は量的研究方法に焦点をおいた公開講座となります 第 1
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)
10
z c j = N 1 N t= j1 [ ( z t z ) ( )] z t j z q 2 1 2 r j /N j=1 1/ N J Q = N(N 2) 1 N j j=1 r j 2 2 χ J B d z t = z t d (1 B) 2 z t = (z t z t 1 ) (z t 1 z t 2 ) (1 B s )z t = z t z t s _ARIMA CONSUME
GLM PROC GLM y = Xβ + ε y X β ε ε σ 2 E[ε] = 0 var[ε] = σ 2 I σ 2 0 σ 2 =... 0 σ 2 σ 2 I ε σ 2 y E[y] =Xβ var[y] =σ 2 I PROC GLM
![GLM PROC GLM y = Xβ + ε y X β ε ε σ 2 E[ε] = 0 var[ε] = σ 2 I σ 2 0 σ 2 =... 0 σ 2 σ 2 I ε σ 2 y E[y] =Xβ var[y] =σ 2 I PROC GLM](/thumbs/84/89087584.jpg "GLM PROC GLM y = Xβ + ε y X β ε ε σ 2 E[ε] = 0 var[ε] = σ 2 I σ 2 0 σ 2 =... 0 σ 2 σ 2 I ε σ 2 y E[y] =Xβ var[y] =σ 2 I PROC GLM")
PROC MIXED ( ) An Introdunction to PROC MIXED Junji Kishimoto SAS Institute Japan / Keio Univ. SFC / Univ. of Tokyo e-mail address: jpnjak@jpn.sas.com PROC MIXED PROC GLM PROC MIXED,,,, 1 1.1 PROC MIXED
