タグ

ブックマーク / www.weblio.jp (5)

  • 助成想起とは何? わかりやすく解説 Weblio辞書

    ブランド認知度 (英: brand awareness) は、顧客がさまざまな条件下でブランドを思い出したり認識したりできる範囲のことを指す[1]。 ブランド認知度は、ブランド知識の2つの側面、つまり連想ネットワークメモリモデルの1つである[2]。 ブランド認知度は、消費者行動、広告管理、およびブランドマネジメントにおける重要な考慮事項である。消費者がブランドを認識または想起することで購入の意思決定につながるためである。消費者が最初に製品カテゴリーとそのカテゴリー内のブランドを認識しない限り、購入にはつながらない。認知度は、必ずしも消費者が特定のブランド名を思い出すことができなければならないことを意味するわけではないが、購入を進めるために十分な特徴的な機能を思い出すことができる必要がある。 ブランド認知度は、ブランド想起 (brand recall) とブランド再認 (brand reco

  • 「純粋想起(じゅんすいそうき)」の意味や使い方 わかりやすく解説 Weblio辞書

    ブランド認知度 (英: brand awareness) は、顧客がさまざまな条件下でブランドを思い出したり認識したりできる範囲のことを指す[1]。 ブランド認知度は、ブランド知識の2つの側面、つまり連想ネットワークメモリモデルの1つである[2]。 ブランド認知度は、消費者行動、広告管理、およびブランドマネジメントにおける重要な考慮事項である。消費者がブランドを認識または想起することで購入の意思決定につながるためである。消費者が最初に製品カテゴリーとそのカテゴリー内のブランドを認識しない限り、購入にはつながらない。認知度は、必ずしも消費者が特定のブランド名を思い出すことができなければならないことを意味するわけではないが、購入を進めるために十分な特徴的な機能を思い出すことができる必要がある。 ブランド認知度は、ブランド想起 (brand recall) とブランド再認 (brand reco

  • マハラノビスの平方距離とは何? わかりやすく解説 Weblio辞書

    この結果を図 2 に示す。ユークリッド距離では,緑で描いた線分は紫で描いた線分より長い(距離が長い)。しかし,第 1 群の重心までのマハラノビス距離は 3.53,第 2 群の重心までのマハラノビス距離は 13.03 である。その理由は,各群のデータは楕円で示したような二次元(正規分布)をしているので,ユークリッド距離的に楕円の長軸方向と短軸方向へ同じだけ離れた点までのマハラノビス距離は異なるのである(短軸方向の距離の方が長い)。 それぞれのデータが各グループに属する確率は,マハラノビスの平方距離が自由度 p のカイ二乗分布に従うことに基づいて計算できる(p は判別分析に用いた変数の個数)。 第 1 群の 10 番目の例 (111, 134) は,第 1 群までの平方距離が 3.528831972,第 2 群までの平方距離が 13.02910706 であり,p = 2 であるから,各群に属す

    monnalisasmile
    monnalisasmile 2014/10/21
    マハラノビス距離のわかりやすいまとめ③
  • 「マハラノビス距離」の意味や使い方 わかりやすく解説 Weblio辞書

    出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2023/09/10 04:42 UTC 版) マハラノビス距離(マハラノビスきょり、英語: Mahalanobis' distance)とは、統計学で用いられる一種の距離である。「普通の距離を一般化したもの」という意味でマハラノビス汎距離(マハラノビスはんきょり)ともいう。プラサンタ・チャンドラ・マハラノビスにより1936年導入された[1]。

    monnalisasmile
    monnalisasmile 2014/10/21
    マハラノビス距離のわかりやすいまとめ①
  • マハラノビス距離 - マハラノビス距離の概要 - わかりやすく解説 Weblio辞書

    ウィキペディア 索引トップ 用語の索引 ランキング カテゴリー マハラノビス距離 出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2023/09/10 04:42 UTC 版) 概要 特徴 多変数間の相関に基づくものであり、多変量解析に用いられる。新たな標につき、類似性によって既知の標との関係を明らかにするのに有用である。データの相関を考慮し、また尺度水準によらないという点で、ユークリッド空間で定義される普通のユークリッド距離とは異なる。 定義 ある集団内の点が多変数ベクトル ( x 1 , x 2 , x 3 , … , x p ) ⊺ {\displaystyle (x_{1},x_{2},x_{3},\dots ,x_{p})^{\intercal }} で表されるとき、その集団の変数ごとの平均値を縦ベクトルで μ = ( μ 1 , μ 2 , μ 3 , …

  • 1