Statista - The Statistics Portal
Order nowAnd get full access to all statistics. Starting from $948 USD per year!
「2014年 日本の広告費」は6兆1,522億円、前年比102.9％ - News（ニュース） - 電通ウェブサイト
News Release 2015年02月24日 調査レポート 「2014年 日本の広告費」は6兆1,522億円、前年比102.9％ 「2014年 日本の広告費」は6兆1,522億円、前年比102.9％ ● 総広告費は6年ぶりに6兆円超え ● インターネット広告費が初の1兆円超え ● 21業種中14業種が前年を上回る 株式会社電通（本社：東京都港区、社長：石井 直）は2月24日、わが国の総広告費と、媒体別・業種別広告費を推定した「2014年（平成26年）日本の広告費」を発表した。 2014年（1～12月）の日本の総広告費は6兆1,522億円、前年比102.9％と、消費税率引き上げの影響はあったものの、通期では3年連続で前年実績を上回った。 2014年（平成26年）の広告費の特徴 １．2014年の総広告費は、消費税率引き上げ前の駆け込み需要やソチオリンピック2014などで伸長した後、消費税率
多次元配列（行列）の構築 - R言語と統計処理を勉強する日記
R 言語で多次元配列（行列）を構築する方法について。 配列の構築と要素の参照 配列（array）は、複数の添字を持つデータ集合です。添字を k 個持つ配列は、k 次元配列（k-dimensional array）と呼ばれます。特に 2 次元配列は、行列（matrix）を記述します。 配列を構築する基本的な方法は、ベクトルに次元ベクトル（dimension vector）を設定することです。例えば 2x3 行列を構築するためには、 > v <- 1:6 # 2x3 (=6) 要素を持つベクトルを構築 > v # この時点では単なる 2x3 (=6) 要素のベクトル [1] 1 2 3 4 5 6 > dim(v) <- c(2,3) # 構築したベクトルに、次元ベクトルを設定 > v # すると、2x3 行列になる [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6 >
A/Bテストのガイドライン：仮説検定はいらない（Request for Comments｜ご意見求む） - 廿TT
本記事の編集方針 ※この記事に興味をもたれた方は、 A/Bテスト カテゴリーの記事一覧 - 廿TT も、必要に応じてご覧いただければと思います。 本記事はもともとは、「A/Bテストの数理」への批判：「有意」とはなにか の続き的なエントリでした。 しかし、予想外に反響があったため Request for Comments（ご意見求む）の精神で、随時更新している部分もあります。 ただし、ベースとなる主張、Web系施策のA/Bテストに、仮説検定は向かないという部分は変化していません。 もしぼくの考えが変わり、「やっぱ仮説検定、いいかも」となった場合、本記事の存在価値はほぼ消滅します。 そのようなことがあれば、ページ最上部に「考えが変わりました」と明記します。 また、他の修正箇所も区別して明記し、差分がわかるようにします。 ただし細かい言い回しや、誤字脱字等はだまって修正します。 目次： そもそも
Rと樹木モデル(２) - フリーソフトによるデータ解析・マイニング 第19回
2．分類木 関数rpartでは、分岐の基準としてはGini係数 Gini Index= あるは情報量エントロピー Entrory= が用いられている。式の中のはノード内のクラスのデータである。 デフォルトではGini係数が設定されている。分岐基準エントロピーの指定は、引数split=”information”を用いる。 (1) 樹木の作成 関数rpartを用いた樹木の作成について例を用いて説明する。ここでもirisのデータを用いることにする。 >library(mvpart) #あるいはlibrary(rpart) > iris.rp<-rpart(Species~.,data=iris) 上記のコマンドの実行で、デフォルトに設定された条件の下でrpartの分類木が作成される。作成された樹木の結果は、次のように関数printで返すことができる。関数のprintに用いたdigitは返
ビッグデータの本質はデータの大きさではない - ニューロサイエンスとマーケティングの間 - Between Neuroscience and Marketing
Leica M7, 1.4/50 Summilux, RDP III @Griffith Observatory, Los Angels, CA 残念なことに、全く忘れていて風呂に入っていたのだが、期せずして先日取材を受けたNHKスペシャルの「医療ビッグデータ」に、先ほど何秒か登場していたようだ。 それでそのリアルタイム検索結果*1を見ていたのだが、そこで扱われていたデータがビッグデータかどうかというツイートが結構な量であることに驚いた。ビッグデータの特徴として3V（Volume, Variety, and Velocity）と言った言葉が広まってしまっているせいもあるだろう。（自分も時たま使ってしまうので今回反省している。） この方々の気持ちはわかるが、このブログの読者の方々ならお気付きの通り、今起こっている変革の本質はデータが巨大かどうかということではない。 ― 現在起こっている変革の
Rの基本パッケージ中の回帰、分散分析関数一覧 - RjpWiki
RjpWiki はオープンソースの統計解析システム R に関する情報交換を目的とした Wiki ですR の回帰分析と分散分析関数の簡易一覧 Rは回帰分析関連の関数を多数持ち、統計解析機能の中心的位置を占める。 以下では、線形(重)回帰モデル、一般化線形モデル、非線型回帰モデル、そしていくつかの 現代的手法用の関数を紹介する。現代的な統計理論では、分散分析も線形回帰モデルとして処理することが 普通であるため、分散分析関連の関数もここで一緒に紹介するのが適当である。 線形モデルを当てはめる lm() 関数 lm() は線形モデルの当てはめに使われる。回帰分析、および一元配置 分散・共分散分析を行える(後者に付いては aov() 関数の方がより広範囲なインタフェイスを与える)。 lm(formula, data, subset, weights, na.action, method = "qr"
生態学データ解析 - 本/データ解析のための統計モデリング入門
講義のーと の内容を詳しく説明したものです 著者: 久保拓弥 出版社: 岩波書店, シリーズ「確率と情報の科学」 編集: 甘利俊一，麻生英樹，伊庭幸人 このペイジの省略 URL: http://goo.gl/Ufq2 刊行と まちがい・修正一覧) 第 1 刷刊行: 2012 年 5 月 18 日 第 15 刷刊行: 2018 年 3 月 15 日 原稿時点の PDF ファイル (参考用) 目次, さくいん, まえがき 韓国語版 (翻訳は滋賀大の李鍾賛さん, 2017-09-15) 「統計モデリング入門」ネット上のあれこれ (のごく一部) 丸善・ジュンク堂書店の「今年驚いた! 1 冊」の「驚きの出版賞」 に選ばれました! (web archive, KuboLog 2012-12-20) Amazon カスタマーレビュー はてな出版物 -- 言及ブログへのリンクなどがあります! ブクログ,
JIN'S PAGE - R
R、R言語、R環境・・・・・・ Rのダウンロードとインストール リンク集 題名 Chap_01 データ解析・マイニングとR言語 Chap_0２ Rでのデータの入出力 Chap_03 Rでのデータの編集と演算 Chap_04 Rと基本統計量 Chap_05 Rでの関数オブジェクト Chap_06 Rでのデータの視覚化(1) Chap_07 Rでのデータの視覚化(2) Chap_08 Rでのデータの視覚化(3) Chap_09 GGobiとデータの視覚化(Rgobi) Chap_10 Rと確率分布 Chap_11 Rと推定 Chap_12 Rと検定 Chap_13 Rと分散分析 Chap_14 Rと回帰分析 Chap_15 Rと重回帰分析 Chap_16 Rと一般化線形モデル Chap_17 Rと非線形モデル Chap_18 Rと判別分析 Chap_19 Rと樹木モデル Chap_20 WEK
Rで線形単回帰分析 - matsuou1の日記
次回のTokyo.Rの開催が近づいてきたので、前回の復習を兼ねてRで回帰分析をやってみます。 今回は最も単純な線形単回帰分析を行います。 回帰分析の流れ 回帰式を求める意義があるか検討する（説明変数と目的変数のグラフを作成する等） 回帰式を求める 回帰式の精度を確認する 回帰係数の検定を行う 信頼区間と予測区間を求める 回帰式を求める意義があるか検討 無相関なデータに対しても、数学的には回帰式が求められるため、検討しておくことは重要です。 データはマンガでわかる統計学 回帰分析編のデータを使用してみます。 ある喫茶店のアイスティーの売り上げとその日の最高気温についてのデータです。 > norns temperture icetea 8/22 29 77 8/23 28 62 8/24 34 93 8/25 31 84 8/26 25 59 8/27 29 64 8/28 32 80 8/2
統計（METI/経済産業省）
6月10日特定サービス産業動態統計速報(4月分) 5月31日石油統計速報(4月分) 5月31日第53回 令和5年(2023年)調査 海外事業活動基本調査 確報 5月31日商業動態統計速報(4月分) 5月31日鉱工業生産・出荷・在庫指数速報(4月分) 5月31日製造工業生産予測指数(5月調査) 5月31日鉱工業出荷内訳表・総供給表(4月分) 5月31日経済産業省生産動態統計速報(4月分) 5月21日特定サービス産業動態統計確報(3月分) 5月20日第3次産業活動指数(3月分) 5月17日経済産業省生産動態統計時系列表(61ヶ月) 5月16日商業動態統計確報(3月分) 5月16日製造工業生産能力・稼働率指数(3月分) 5月16日経済産業省生産動態統計確報(3月分) 5月16日石油統計月報(3月分) 3月27日「2023年経済構造実態調査」一次集計結果 産業横断調査（企業等に関する集計） 3月2
Open DATA METI | 経済産業省のオープンデータカタログサイト
本サイトは経済産業省がオープンデータを実践するために設置した試験サイト（β版）です。本サイトは、データ活用に関心がある企業、NPO、個人等の方々から色々な意見をいただくことで、少しでも使い勝手の良いサイトにしていくとともに、個人情報等に配慮した上で、経済省のみならず政府全体におけるオープンデータ推進の検討に活用させていただくことも考えております。そのため、本サイトでは、ユーザーの方々から様々な意見や要望をいただき、対して様々な意見や要望をいただく仕組みの一つとして、「DATA METI活用パートナーズ」を設置しております。この「DATA METI活用パートナーズ」の概要と申込についてはこのページのとおりとなりますので、御関心のある方は是非ご覧下さい。 なお、いただいたコメントを踏まえ、柔軟な修正を逐次していくことを考えております。そのため、利用規約も含め、予告無く本サイトは変更される可能性
Pythonで線形計画法を解いてみる
線形計画法（Linear Programming; LP or linear optimization）は，目的関数も制約関数も線形であるときの最適化問題を解く手法です．SciPy + GLPK + CVXOPT + OpenOpt + FuncDesignerで実装されているのを使ってみました．説明はWikipediaから抜粋． 線形計画法は以下のようにある制約関数のもとである目的関数を最大化あるいは最小化するもの． maximize or minimize （目的関数） subject to （制約関数） xは変数，A,b,cは係数．制約関数の形が凸多面体であるので目的関数は最適化可能． たとえば ある農夫がL [km^2]の広さの農地を持っているとき小麦と大麦を育てて売上を最大化させたい．農夫は肥料をF [kg]と農薬をP [kg]だけ持っている．小麦を育てるためには肥料F1 [kg
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
Input Format for classification and regression - Hivemall Project
比率の検定・独立性の検定
Stanford Sites | University IT
Outlier Identification in High Dimensions Peter Filzmoser a,∗ Ricardo Maronna b Mark Werner c aDepartment of Statistics and Probability Theory, Vienna University of Technology, Wiedner Hauptstraße 8-10, 1040 Vienna, Austria. bDepartment of Mathematic
Welcome to CK-12 Foundation | CK-12 Foundation
https://www.usa.gov/Topics/Reference-Shelf/Data.shtml
FIFA World Cup Statistics with Tableau