因子分析をExcelで理解する - Qiita
主成分分析とは似て非なる手法として「因子分析」(Factor Analysis) があります。 主成分分析(PCA)では、説明変数に対して重み行列（固有ベクトル）a を線形結合した「主成分」 yPC1を合成しました。ここで、主成分は、説明変数と同じ数だけ定義します。 yPC1 = a1,1 x1 + a1,2 x2 + a1,3 x3 + a1,4 x4 + a1,5 + ... 因子分析では、説明変数（観測変数）x が「因子」(factor) という潜在変数から合成されるという考え方に基づき、その因子得点 f と重み行列（因子負荷） w 、そして独自因子 e を特定します（主成分分析に独自因子という考え方はありません）。 x1 = w1,1 f1 + w1,2 f2 + e1 x2 = w2,1 f1 + w2,2 f2 + e2 x3 = w3,1 f1 + w3,2 f2 + e3
エクセルにてmmultとtranspose関数を併用したいです。 - =MMULT(MMULT(I12:M12,I14:M... - Yahoo!知恵袋
エクセルにてmmultとtranspose関数を併用したいです。 =MMULT(MMULT(I12:M12,I14:M18),TRANSPOSE(I12:M12))^0.5 という式を入力すると ＃VALUE!とエラーが表示されます。 Transposeの部分をG14:G18のように縦で指定すれば動くのですが、ソルバーとの関係でTransposeで指定したいです。 なぜエラーになるのでしょうか？ どう変更すればよいでしょうか？
技術計算製作所:データ分析ツール（Excelアドイン） ==機械設計に必要な情報とWebアプリ、ソフトウエアを公開しています-/excel/addin/fourier-
フーリエ解析 本ページでは、Excelアドイン機能で行えるフーリエ変換の方法について説明します。 なお本サイトでは、Excelで行えるフーリエ変換ソフトも無料で公開しています。 そちらもご活用ください。 Excelでは、フーリエ変換による時刻歴データの周波数分析が可能です。 また、逆変換も用意されていますので、周波数応答から時刻歴応答への変換も可能です。 ただし、Excelのフーリエ変換には次の制約があります。 データ数は2n個でなければなりません。 データ数は最大4096（212）個までとなります。 では、実際にやってみましょう。 （0）サンプルファイル フーリエ変換のサンプルとして、次のファイルを使用します。 サンプルファイル：フーリエ変換サンプル.xls サンプルファイルのフーリエ変換を行う時刻歴応答関数（サンプル関数）： \[ f(x) = a_1 \sin (n_{1} \ome
ヒストグラムの作成 with Excel
イントロダクション ヒストグラムは，値の分布をつかむためのツールです。特定の集団・グループなどにおいて観測される値を，階級と呼ばれる区間ごとに振り分け要約して可視化します。 ものつくりの現場においては，ヒストグラムはQC7つ道具の1つとしてこれ以上ないほどにメジャーなツールです。ときに「誰しもが決して無縁ではいられない」といった修辞を付けても言い過ぎでないかもしれません。その有用性は事務しごとの現場でも変わることなく，たとえば金額・数量などに関する分析ツールとして利用できます。 Excelでヒストグラムを作成するとき，いくつかのアプローチを選択することができます。ただ，そのほとんどは，「度数分布表」を作成→グラフへ加工，といった大枠の流れに沿うものです。こちらでは，そのいくつかのアプローチの中から，とくに「分析ツール」と呼ばれるExcelのアドインを利用する方法をとりあげます。 またヒスト
主成分分析が簡単にできるサイトを作った - ほくそ笑む
あけましておめでとうございます。 本年もよろしくお願いいたします。 主成分分析 さて、昨年の終わりごろから、私は仕事で主成分分析を行っています。 主成分分析というのは、多次元のデータを情報量をなるべく落とさずに低次元に要約する手法のことです。 主成分分析は統計言語 R で簡単にできます。 例として iris データで実行してみましょう。 data(iris) data <- iris[1:4] prcomp.obj <- prcomp(data, scale=TRUE) # 主成分分析 pc1 <- prcomp.obj$x[,1] # 第一主成分得点 pc2 <- prcomp.obj$x[,2] # 第二主成分得点 label <- as.factor(iris[,5]) # 分類ラベル percent <- summary(prcomp.obj)$importance[3,2] *
正規擬似乱数の発生方法
これは『Excelで学ぶ金融市場予測の科学』（保江邦夫著＿ブルーバックス）で学んだ方法です。 今後の統計の勉強やネルソン流量子力学の勉強に便利だと思い記事にしてみました。 RAND_関数は0～1の一様分布する乱数を発生させ、平均=1/2、分散=1/12、であることは分かりました。そうすると、 =RAND()-(1/2) というのは、平均=0、分散=1/12、-1/2～+1/2の一様分布する乱数が発生することが想像できます。 これを２つ足したものは =RAND()+RAND()-1 となりますが、平均=0、分散=1/6、-1～+1の間に分布する乱数が発生します。 注1）「=2*RAND()-1」と「=RAND()+RAND()-1」は異なります。前者は同じ乱数を２倍したものですが、後者は別の乱数を２つ足したものになります。 注2）「分散の加法性」という性質により、分散σ12の分布をする確率変
1
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
Easy PCA - 簡単に主成分分析ができるページ
Statistics 統計学
中川雅央 付表：三角乱数列 triangular random numbers