検定手順: ライアンの方法では,$k \times 2$ 分割表の比率の $\chi^2$ 検定の結果,全体として差が認められる場合にのみ対比較が行われる。 例題では,$\chi^2$ 検定統計量が $72.5872$(自由度 $= 4$)となる。有意確率は $0.001$ 未満であるから,全体として比率の差があるといえる。したがって,対比較によって,どの群間で差があるかを検討する。 前提 帰無仮説 $H_0$:「母比率に差はない」。 対立仮説 $H_1$:「母比率に差がある」。 有意水準 $\alpha$ で両側検定を行う(片側検定も定義できる)。 ライアンの方法では,名義的有意水準( $\alpha'$: nominal significant level )という概念が使われる。 群が $k$ 個あった場合,全ての 2 群の比率の差を検定するためには ${}_{k}C_{2}$ 回の
二群の比率の差の検定 Last modified: Apr 08, 2006 例題: 「内閣の支持率調査で,男の有権者の 300 人中 145 人,女の有権者 250 人中 157 人が支持していた。男女で支持率に差があるかどうか検定しなさい。」 注意:以下に述べるのは,正規分布を用いる近似的な検定方法である。「近似法」という意味は,「サンプルサイズが大きい場合には」という意味合いである。どの程度のサンプルサイズなら近似が成り立つのか心配ならば,サンプルサイズの大きさに関わりなくいつも正確な検定結果を与えるフィッシャーの正確検定を適用することを勧める。 検定手順: 記号の定義 第 $1$ 群のケース数を $n_1$,ある特性を持つものの数(陽性数と呼ぶことにする)を $r_{1}$,第 $2$ 群のケース数を $n_2$,陽性数を $r_{2}$ とする。 各群の比率を $p_{1
※ このコンテンツは「エクセル統計(BellCurve for Excel)」を用いた解析事例です。 分析データ 下図のデータは、あやめ科の2種類の植物、アイリス・ヴェルシコロールとアイリス・ヴィルジニカそれぞれ50個体について、がくの長さ、がくの幅、花弁の長さ、花弁の幅を測定した結果です(Fisher 1936)。 分析の目的 判別分析を用いて、2種類のあやめを判別するための判別関数を求めます。なお、エクセル統計の判別分析は正準判別分析を行います。 データラベルの選択 目的変数のラベル「C3」を選択後、[Ctrl]キーを押しながら説明変数のラベル「D3:G3」を選択します。
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の古典的検定用関数一覧 R の基本古典的検定関数計28種類の一覧(R 1.7.1 版の ctest パッケージ)。検定が好きな人、好きじゃないけど使わざるを得ない人の参考用。私はほとんど使う機会が無いので、誤解があるかも知れません。識者の修正、追加情報歓迎。 詳しくは各関数のヘルプ (例 ?t.test, example(t.test)) を参照。 Ansari-Bradley検定(対応の無い二標本) ansari.test(x, y, alternative = c("two.sided", "less", "greater"), exact = NULL, conf.int = FALSE, conf.level = 0.95, ...) ansari.test(formula, da
[基本解説→ポストホックテストとしての多重比較検定] →[検定-1要因多群-2要因多群] →[ANOVA] 独立した群が3群以上あるとき、どの群とどの群の平均値に有意差があるかを検定! 基本的に、多重検定は、2群比較のためのt検定の拡張版である。 比較の数が増加する(=2群ずつの検定を繰り返す)ことによる第一種の過誤の増大を調整するために、危険率の補正方法が異なる種々の検定がある。↓ (棄却域:Fisher PLSD < Tukey < Bonferroni < Scheffe) ◎多重比較の2通りの立場 ・事前比較 (A priori comparisons): 結果を分析する前に,理論的な背景などにより,比較する平均値についての仮説がある場は、 ANOVA抜きで、多重比較を行う。 ・事後比較 (Post hoc comparisons): 比較する平均値についての明確な仮説がない場合
>>> 対数をとることにどういう意味があるのでしょか 例えば、最も単純に傾きが1の直線 y=x が真の直線になるとしましょう。 ここで、極端な例として、 x=1のときに、2つのデータ (1、 0.1) と (1、1.9) があるとしましょう。 つまり、1の両側に等しく±0.9ずつ外れてる2つのデータです。 前者から得られる傾きは0.1です。 後者から得られる傾きは1.9です。 両者はy/xの真の値(=1)の上下に全く同じ幅の誤差ですが、比率で言えば、20倍近くの違いがあります。 (1、0.1)は、(1、1.9)よりも外れているデータとして扱わなければいけないはずです。 この不合理さは、y/xの対数を取れば解消できます。 なお、 真の傾きに対する各データyk/xkが、あまり外れていなければ、一次近似と同じ考え方で、対数を取る必要はありません。ただし、その場合、外れ具合は、どんなに大きくても±
→補間ではなく、回帰がよく用いられる。実際に計測されるデータはいろんな誤差を含んでいるから。 回帰:線形・非線形が存在。 線形回帰:数学的に最適解を算出できる。 非線形回帰:数学的な最適解は存在しない。 I型:X軸には誤差がないことを仮定。XからYを予測することを目的とする。 II型:X軸とY軸に誤差があることを仮定。XとYの関係を検討することを目的とする。 I型とII型で目的は異なる。XとYの関係の解析をしたい時はII型回帰のほうが適切であることは以前から指摘。 →何故か?I型回帰はXからYを予測することが目的であり、その傾きは (xとyの積和) / (xの平方和) で定義されている。そのため、X軸側に誤差が含まれる場合、実際よりも傾きが緩く推定されるから。
★ 2つの回帰直線の傾きが統計学的に差があるかを検定する方法 ★ 242 2つの回帰直線の傾きが統計学的に差があるかを検定する方法 永田めぐみ 2000/04/28 (金) 13:29 257 Re: 2つの回帰直線の傾きが統計学的に差があるかを検定する方法 いるかさんに聞いた? 2000/05/02 (火) 06:11 265 Re^2: 2つの回帰直線の傾きが統計学的に差があるかを検定する方法 いるかさんに聞いた? 2000/05/06 (土) 15:21 243 Re: 2つの回帰直線の傾きが統計学的に差があるかを検定する方法 青木繁伸 2000/04/28 (金) 18:24 295 Re^2: 2つの回帰直線の傾きが統計学的に差があるかを検定する方法 永田めぐみ 2000/05/10 (水) 15:50 245 Re^2: 2つの回帰直線の傾きが統計学的に差が
Statistics and Machine Learning Toolbox™ provides functions and apps to describe, analyze, and model data. You can use descriptive statistics, visualizations, and clustering for exploratory data analysis, fit probability distributions to data, generate random numbers for Monte Carlo simulations, and perform hypothesis tests. Regression and classification algorithms let you draw inferences from dat
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