アンケートやリサーチをしたときの母数について、統計学上、いくつあると妥当なのでしょうか？たくさんあるほど、実態に近づくのはわかるのですが。
アンケートやリサーチをしたときの母数について、統計学上、いくつあると妥当なのでしょうか？たくさんあるほど、実態に近づくの...|質問・相談が会員登録不要のQ&AサイトSooda!(ソーダ)
アンケートやリサーチをしたときの母数について、統計学上、いくつあると妥当なのでしょうか？たくさんあるほど、実態に近づくのはわかるのですが。
サンプル数がいくつあれば正確なデータとなるのか：中小企業経営に科学を
http://www.maznami.biz 会計ソフトのデータから「今すべきこと」と「今やめるべきこと」を掘り起こしてみませんか サンプル数がいくつあれば正確なデータとなるのか 先日たまたまTBSの「どうぶつ奇想天外」という番組を見ていたら、「利き手・利き足」について統計をとるという内容があったので、検討してみたいと思います。 内容はワンちゃんやおサルさんに利き手・利き足があるのか？というものでした。 この内の問題は、ワンちゃんの利き手・利き足についての実験です。 実験はワンちゃん100匹をあつめて、お座りの状態から最初に踏み出した足を「利き足」としようというのものでした。 結果は左利き46対右利き54というものでした。 さて、ここで問題です。 この結果から、ワンちゃん全体を考えた場合、左利きが多いと結論付けることができるでしょうか？ NOです。 実験結果は左利き46％の右利き54％とい
データベースアプリケーションを作成する
引き続いて、データベース（DB）にアクセスするアプリケーションを作成します。本題に入る前に、Silverlightにおけるデータアクセスの注意点を理解しましょう。Silverlightアプリケーションはデスクトップアプリケーションと異なり、データベースに直接は接続できません。Webサービスを経由してデータにアクセスする必要があります。そのため、SilverlightのDBアプリケーションは3階層やn階層のシステム構成になり、従来システムより開発が難しくなります。 しかしSilverlight 4では、WCF RIAサービスを利用することで、従来のクライアント/サーバー型システムのようにDBアプリケーションを開発できるようになりました。また、Silverlight 4 Toolsを使うと、データアクセス用フォームをドラッグ＆ドロップ操作で簡単に作成できます。 図9は今回作成する「作業管理アプ
NIPS 2007 Proceedings
Advances in Neural Information Processing Systems 20 (NIPS 2007) The papers below appear in Advances in Neural Information Processing Systems 20 edited by J.C. Platt and D. Koller and Y. Singer and S.T. Roweis. They are proceedings from the conference, "Neural Information Processing Systems 2007." Inferring Elapsed Time from Stochastic Neural Processes Misha Ahrens, Maneesh Sahani Fitted Q-iterati
最大マージン kNN と SVM の関係: kNN も最近はがんばっています - 武蔵野日記
先日書いた機械学習における距離学習の続き。 kNN (k-nearest neighbour: k 近傍法)は Wikipedia のエントリにも書いてある通り、教師あり学習の一つで、あるインスタンスのラベルを周辺 k 個のラベルから推定する手法。memory-based learning と呼ばれることもある。単純に多数決を取る場合もあれば(同点を解決する必要があるが)、近いインスタンスの重みを大きくする場合もあるのだが、いずれにせよかなり実装は単純なので、他の機械学習との比較(ベースライン)として使われることも多い。 簡単なアルゴリズムではあるが、1-NN の場合このアルゴリズムの誤り率はベイズ誤り率(達成可能な最小誤り率)の2倍以下となることが示されたり、理論的にもそれなりにクリアになってきているのではないかと思う。また、多クラス分類がちょっと一手間な SVM (pairwise に
@220: PCAとLDAについて
2008年8月26日 PCAとLDAについて （研究メモです） パターン認識を行う系は大きく識別対象からその識別に有効な特徴を抽出する特徴抽出部と、その特徴を用いて実際に識別処理を行う識別部に分けることができる。 抽出された特徴はベクトルの形で表現され、識別部で処理される。 どの識別器を用いるかにもよるが、学習データのサンプル数に対してベクトルの次元数が膨大になることは処理を困難にする。 膨大な次元数の特徴ベクトルを用いたパターン認識として以下の方法が考えられる。 １．識別器としてSVMなど膨大な次元数を扱えるものを用いる ２．次元圧縮処理を行う １で挙げたSVMは最近パターン認識の分野では広く用いられている手法である。 ２の場合、PCAとLDAが有名な手法だ。 次元圧縮処理は特徴空間の変換と考えることができるので線形空間で考えると、ある次元のベクトルを()次元のベクトルに変換する処理、す
Tnal研究室wikiページ - yono/中間発表日本語
1.1 ブックマークの利点・欠点 † Webサイトへ容易にアクセスするための手段として、 URLを保存するブックマーク機能が多くのWebブラウザに実装されている。 ブックマークはOSのファイルシステムなどと同様に、階層構造によって管理されている場合が多く、 URL管理の観点から以下の特徴を有する。 数が増えてくると管理が難しくなる ブックマークの数に応じて内容も多様化することが多く、定期的な整理が必要となる 一つのWebサイトに複数の内容が含まれている場合、一つのカテゴリだけでは内容を表すことが難しい ブラウザごとに保存されているため異なるブラウザやマシンからでは利用できない これらの欠点を解消するものとして、近年 Social Bookmark Service が注目を集めている。 ↑ 1.2 Social Bookmark Service とは † Social Bookmark Se
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
