昨日は回帰分析の一例として外れ値を除去しながら相関係数を調べるといったことをしました。 昨日のような回帰分析を単回帰分析と言います。定義を述べると 1 つの目的変数を 1 つの説明変数で予測することです、その 2 変量の間の関係性を y = ax+b という一次方程式の形で表します。a は傾き、 b は切片です。 単変量解析の重要性 さらなる高度な分析として多変量解析をしていくにしても、多変量は単変量をたくさん集めたものとも言えますので、単変量の解析はその基礎となるというわけです。このように単変量解析は統計の基礎中の基礎であるということも述べました。 相関分析においては、昨日のように単変数ではわからない外れ値を取り除いて回帰式を求めるというケースの他に、相関がありそうにみえて実は無い (疑似相関) ケースや、反対に直線に回帰はしないが回帰式を求められるというケースもあります。 たとえばスー
前回書いた区間推定というのは、標本から母集団に対する推測を行うことである。 (たとえば標本から母集団の平均値を推測する) これを統計的推測という。 これに対して、統計的仮説検定というのは、母集団についてある仮説を立て、それが正しいかどうかを標本から判断することである。 仮説というのは、たとえば母集団について、AとBに因果関係があるかどうか、とか(例:クロス表作成によるカイ二乗検定)、母集団同士の平均値に差があるかどうかとか(例:正規分布による検定、t検定、分散分析など)、そういうものである。 検定の手順はおおむねこんな流れ。 1)仮説を立てる 統計的仮説検定は、証明したいこと(対立仮説という)に対して、否定したいこと(帰無仮説という)というものを立てる。その理由は以下の通り。 たとえば「カラスは黒い」という命題を証明しようとするとする。 証明したいことは「カラスは黒い」なので、これは対立仮
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
処理を実行中です
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