統計学的なモデル選択 (とくに AIC を使ったモデル選択) についてよくある質問と 久保 によるてきとーなる回答を並べてみました 参照: FAQ 系ペイジ一覧, FAQ stepAIC() モデル選択 [項目] モデル選択とは何ですか モデル選択したあとに検定すればいいのですか? モデル選択規準 AIC が一番小さいモデルは一番あてはまりの良いモデルですか? AIC によって選択された統計モデルってどういう意味で「良い」のですか? AIC で選ばれる統計モデルは標本数に影響されますか? AIC が少しでも小さい統計モデルが「良い」モデルなのですか? 統計ソフトウェアが出力する AIC の値だけ確認すればいいのですか? 比較すべき統計モデルの個数が 100 個ぐらいあるんですけど，このときも AIC 最小のモデルを選べばよいのですか? 「パラメーターの重要性」をみるために ``Akaike

共立出版『とある弁当屋の統計技師（データサイエンティスト）』サポートサイト

スミルノフ・グラブス検定　　　　　Last modified: Aug 21, 2009 目的 スミルノフ・グラブス検定を行う 注意！　結果は2組表示されるが，前者は最小値についてのもの後者は最大値についてのものである どちらか片方だけを利用すること 使用法 SG(x) 引数 x データベクトル ソース インストールは，以下の 1 行をコピーし，R コンソールにペーストする source("http://aoki2.si.gunma-u.ac.jp/R/src/SG.R", encoding="euc-jp") SG <- function(x) # データベクトル { method <- "スミルノフ・グラブス検定" data.name <- paste(c("min(", "max("), deparse(substitute(x)), ") = ", range(x, na.rm=T

※コラム「統計備忘録」の記事一覧はこちら※ 相関係数の統計的有意性の検定は「無相関の検定」と呼ばれています。相関係数がゼロである（＝無相関）ことを帰無仮説としていることからこの名前が付いています。この検定についても、必要なサンプルサイズ（n）をざっくり計算できます。式は次の通りです。 r は相関係数です。|r| は相関... ※コラム「統計備忘録」の記事一覧はこちら※ 「幾つデータが必要か？」の記事で、2群の平均値の差の検定についてサンプルサイズ（n）を幾つにするか計算式を紹介しましたが、今回は比率の差の検定のときに n を幾つ以上にしたらよいかを求めてみましょう。 計算式は次の通りです。この式も、有意水準を5%としたときに、対立仮説が正しい（2群の比率... ※コラム「統計備忘録」の記事一覧はこちら※ t検定で有意差検定を行う場合、2群間で僅かでも差があるなら、データの個数をどんどん増や

１回目の因子分析 １回目の因子分析を行う。ここでは，清潔志向性尺度が何因子構造となるのかの目安をつける。 分析の指定 分析メニュー　→　次元分解　→　因子分析 「変数」に，清潔志向性尺度30変数を指定する． 「因子抽出」をクリック。 方法を「主因子法」に指定する。 「スクリープロット」にチェックを入れる。 「続行」をクリック。 「OK」をクリック。 結果 まず，「説明された分散の合計」の「初期の固有値」を見る。 合計の欄を見ると，固有値は大きいものから9.24，4.46，2.40，1.70，1.48……と 変化している． 累積% を見ると，３因子で30項目の全分散の50.31%を説明している． スクリープロットを見る。 第３因子と第４因子までの傾きが大きく，第４因子以降の傾きが小さくなっていることが分かる。 そこで，３因子構造と仮定して再度因子分析を行ってみよう。 ２回目の因子分析 ２回目

テラバイトデータや構造化知識研究に関する過去の記事です。 1990年6月 コンピューターの中央処理装置4台を並列的につなぎ、人間のように推理したり連想したりするコンピューターの模擬実験に、九州大学の研究グループが成功した。1991年度にも20台に増結する計画で、最終的には1万台をつなぎ、人間の思考そっくりの柔軟性に富んだコンピューターシステムを目指す。キャリアウーマン並みの有能秘書や、建物の形状を判断できる掃除ロボットの開発にもつながると期待されており「人工知能」開発競争に一石を投じそうだ。 九州大学で実験に成功 模擬実験を行ったのは、九大総合理工学研究科の雨宮真人教授（情報システム専攻）のグループ。雨宮教授らは、記憶した知識で推論や連想を行う人間の思考回路網に着目。「食物－果物－黄色－酸っぱい－レモン」など属性や因果関係でつながる情報を与えて連想ネットワークを構成。このネットワーク網をコ

因子分析について 細かいことを書いていますが，個人的に一番大切だと思うことは，「２．（０） 何よりもまず押さえておくべきこと」です．ある程度分かっている方は，その部分だけ読んで頂いてもいいと思います． １．因子分析の手順と様々なパラメータの意味 因子分析。心理学をやっているなら、そして質問紙調査をやるのなら、必ず一回はぶつかる壁でしょう。そのやらんとするところは分かるのだけれども、出力が多すぎて何を見たらいいか分からない。回転って何？ 共通性の推定値？ よく分からないからこそ、統計ソフトのなすがまま、デフォルトの設定で行っている人も多いでしょう。この章では、そのような因子分析に関し、分析が行われる手順をできるだけ平易に解説しながら、様々な言葉の意味を記述していきたいと思います。 （１）測定変数の相関行列を求める： 因子分析を行う時、最初に行われるのは、測定変数間の相関行列（もしくは

外道でもわかる因子分析 −英語教育学研究におけるよりよい統計処理のために− キーワード 探索的因子分析　検証的因子分析　外道英語教育学 NOTICE - Always Under Construction - NOTICE Since 1999.12.21. Last Modified 2002.12.31. fprというメーリングリストで「サルでもわかる因子分析、なんてものがないかなあ」というお話があり、卒論・修論の時期のためか私ごときが身近な人から質問を受けることもあり、そんなこんなでふと思いついて書きはじめました。 参考文献は色々ありますが、あえて何も見ずに書き下ろします。そのほうが丸写しになるよりも、私が素人なりに簡略化して理解している通りの言葉なので、平易でいいかな、と思うからです。言うまでもないことですが、本格的に勉強なさるのであれば専門の書籍をご覧になりますよう。 統計や、

因子分析とはブルジョワジー（おお古臭さ！）の分析である．SPSSやSASといった超高級ソフトがなければ手も足もでないのである． 何？学校でやればいいじゃない！その通り．でも家でやりたいときもあるよねえ．ひとりで何者にも邪魔されずに分析したいことは誰にでもあるはず． そこで今回は貧者の見方，EXCEL統計を用いて(PSEUDO)因子分析をしてみようと思うのだ．

 Pain Reliefー私のための統計処理 →→→→→→　UMINサイトに　移動しました！

更新履歴 目的など 基礎統計のあとを受けて、現実のデータ分析を中心に扱う。そのうちいくつかは、自ら計算し解釈することで、飛躍的に分析力とデータ感覚を高める。計算は原則的にはエクセルで可能なレベルだが、それを超えるものも一部扱う。 単位は pass-fail（合否のみ）とする。能力開発中心なので、進学単位目的にはあまり向かない。 原則的に、基礎統計あるいは計量社会科学既履修を前提とする。 文科・理科はとわない。文科生はむしろ歓迎する。 ゼミナール履修登録しなくても、メイリング・リスト加入によるホーム・ページ上のみの参加も歓迎します。本ページは公開されていますので、大学外からの e-mail での Q&A による参加も、担当講師の時間・対応能力の範囲では、いいことでしょう。 （以上は本サイト開始時。現在一部有効） 基礎テキスト 松原望『ベイズ統計学』（創元社）を新刊 New ! 松原望『ベイズ

不確実な時代をクネクネ蛇行しながら道を切りひらく非線形型ブログ。人間の思考の形の変遷を探求することをライフワークに。 さて、昨日の「流入キーワードもベキ分布だった！」の続編です。 昨日は、Webサイトに流入してくる検索ワードのアクセス数の分布を見てみましたが、今日はその他のWebサイトのアクセスログの数値に関しても同じように両対数グラフ化することで傾向を調べてみました。 ページ単位でのページビューまずは一般的な企業サイトにおけるページ単位でのページビューの分布を昨日と同じように、両対数グラフで表現してみました。 途中まではベキ分布にみられる直線の分布をみせています。その後、サイトによって傾きは異なりますが、右のほうで急激に傾斜が変わり、曲線を描いているのがわかります。 このグラフが意味するのは、ページビューが少ないページは割と少なく、いわゆるロングテールになっていないということになります。

書籍のお取り扱いは終了しました。 書籍に関するお問合わせは お電話 か お問合せフォーム からご連絡くださいますようお願いします。