『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
![とっつきにくいけど実はエクセル以上に賢いヤツ フリー統計解析ソフトウェア「R」を触ってみよう【R入門講座】](https://cdn-ak-scissors.b.st-hatena.com/image/square/a46d1cf36f09abfbae16808e63080fba3bea0aa3/height=288;version=1;width=512/https%3A%2F%2Fmarkezine.jp%2Fstatic%2Fcommon%2Fimages%2Ffb_logo.png%3Fv2)
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
今日は主座標分析(Principal Coordinate Analysis; PCoA)の紹介を簡単にしたいと思います。 主座標分析は古典的多次元尺度構成法(Classical Multidimensional Scaling; CMDS)とも呼ばれる統計解析手法です。 この解析手法を使用する主な目的は、高次元のデータを2次元や3次元に落として視覚化したいという時に使います。 以前紹介した主成分分析と同じような感じですね。*1 主成分分析との違いを簡単に言うと、主成分分析はユークリッド距離をなるべく保ちながら低次元に落とす方法ですが、主座標分析はユークリッド距離だけでなく、他の距離や類似度*2が使えるという点にあります。 例えば、ユークリッド距離の代わりに相関係数を使えば、相関の高いもの同士が近い配置になるようなプロットを作ることが可能です。 データを用意する さっそくやってみたいのです
前回は緊急提言としてTQMの視点からトヨタ自動車の問題を取り上げた。 今回は前々回の続きとして、日常業務に使える統計学の基本的な話に戻りたい。ここでは分布の全体像を単一の数字で表す方法を学ぶ。 統計学では調査の対象全体をユニバース(注)とか母集団という。前々回ではユニバースからデータを集めて、度数分布表や度数順位表を作成し、ヒストグラムやパレート図を描く事をお話した。今回はさらに一歩進めて、それらの表やグラフから、そのグループを一言で言うとどういうグループなのかという事を考える。 読者の便宜のため、ここに、前々回と同じ例を示す。 例 度数分布表を使って、次のような場合を考えてみよう。ある消費市場調査会社が代表的な3つの中型乗用車の耐用キロ数を調べたところ、表1のような度数分布表を得た。これをヒストグラムにすると図1のようになる。 データを集めて、そのデータを分析する目的は状況に応じていくつ
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