SlideShare una empresa de Scribd logo
1 de 53
Descargar para leer sin conexión
統計学 基礎
2015/11/19
ezura
できるようになること
• 基本的な用語について概念レベルから説明で
きるようになる
• 統計分析の基本的な流れがわかる

(今回は単回帰分析)

→計算はツール使えばいいので簡単な分析ならできるようにな
ります
index
• 統計学とは
• 統計分析の流れ
• まとめ
統計学とは
事実
事実
事実
事実
事実
状況
もっともらしい結果 =
そうなる確率が高い事象
数理統計学
推測統計学
統計学の分野
記述統計学
多変量解析
頻度論

標本理論
ベイズ
統計学
統計分析の流れ
統計分析の流れ
• データの一部を抽出 (サンプリング)
• データの状態を観察・理解
• データの整理 (不審なデータ: 外れ値 を除去)
• 推論
• 分析・検証
サンプリング
母集団 サンプル
サンプリング
サンプリング
母集団 サンプル
サンプリング
?
統計分析の流れ
• データの一部を抽出 (サンプリング)
• データの状態を観察・理解
• データの整理 (不審なデータ: 外れ値 を除去)
• 推論
• 分析・検証
具体例 

(某大学のプログラミング実習)
• 毎回の授業内で課題が出る → 提出時間が早い
ほど高得点
• インデントの綺麗さの得点
• 期末試験
出席番号
授業内課
題平均
インデント
点数平均
期末テスト
1 64.260648745.83 65
2 41.981871882.63 34
3 45.756291247.33 82
4 55.762500894.95 54
5 42.731943635.05 42
6 69.38951323.07 34
7 56.90555683.96 35
8 28.846433927.18 64
・・・
・みんなどのくらいできてる?

・期末テストの点数 (最終的な習熟度) を
上げるにはどうしたらいいだろう?
統計分析の流れ
• データの一部を抽出 (サンプリング)
• データの状態を観察・理解
• データの整理 (不審なデータ: 外れ値 を除去)
• 推論
• 分析・検証
授業内課題得点の分布
点数 人数
0 1
10 0
20 0
30 3
40 2
50 5
60 8
70 5
80 2
90 0
100 0
0"
2"
4"
6"
8"
10"
0" 10" 20" 30" 40" 50" 60" 70" 80" 90" 100"
	
	
 !
度数分布表
記述統計学
数値的に表してみる
0"
2"
4"
6"
8"
10"
0" 10" 20" 30" 40" 50" 60" 70" 80" 90" 100"
	
	
 !
平均点 50.86744977
中央値 54.62609124
最頻値 60
標準偏差 14.07299035
data: 0, 1, 2, 3, 10

median: 2
重要なのでちょっと寄り道
代表値
• 平均 (Average)

457.6
• 最頻値 (mode)

300
• 中央値 (median)

400
0"
10"
20"
30"
40"
50"
60"
100"
200"
300"
400"
500"
600"
700"
800"
900"
1000"
1100"
1200"
1300"
1400"
1500"
1600"
1700"
1800"
1900"
2000"
2100"
平均
中央値
本題
数値的に表してみる
0"
2"
4"
6"
8"
10"
0" 10" 20" 30" 40" 50" 60" 70" 80" 90" 100"
	
	
 !
平均点 50.86744977
中央値 54.62609124
最頻値 60
標準偏差 14.07299035
データの分散
0"
2"
4"
6"
8"
10"
12"
0" 10" 20" 30" 40" 50" 60" 70" 80" 90" 100"
	
	
 !
0"
2"
4"
6"
8"
10"
12"
0" 10" 20" 30" 40" 50" 60" 70" 80" 90" 100"
	
	
 !
分散・標準偏差!
データの分散
0"
2"
4"
6"
8"
10"
12"
0" 10" 20" 30" 40" 50" 60" 70" 80" 90" 100"
	
	
 !
0"
2"
4"
6"
8"
10"
12"
0" 10" 20" 30" 40" 50" 60" 70" 80" 90" 100"
	
	
 !
分散・標準偏差 :

それぞれのデータが平均からどのくらい離
れているか
標準偏差
σ : 標準偏差
x¯ : 平均
xi : データの値
n : データの個数
平均偏差
x¯ : 平均
xi : データの値
n : データの個数
平均偏差
1/n * (
| 64.26064874 - 50.86744977 |
| 41.98187188 - 50.86744977 |
| 45.75629124 - 50.86744977 |
以下略
)
出席番号
授業内課
題
インデント
点数平均
期末テスト
1 64.260648745.83 65
2 41.981871882.63 34
3 45.756291247.33 82
4 55.762500894.95 54
5 42.731943635.05 42
6 69.38951323.07 34
7 56.90555683.96 35
8 28.846433927.18 64
標準偏差
σ : 標準偏差
x¯ : 平均
xi : データの値
n : データの個数
分散
数値的に表してみる
0"
2"
4"
6"
8"
10"
0" 10" 20" 30" 40" 50" 60" 70" 80" 90" 100"
	
	
 !
平均点 50.86744977
中央値 54.62609124
最頻値 60
標準偏差 14.07299035
具体例 

(某大学のプログラミング実習)
• 毎回の授業内で課題が出る → 提出時間が早い
ほど高得点
• インデントの綺麗さの得点
• 期末試験
出席番号
授業内課
題平均
インデント
点数平均
期末テスト
1 64.260648745.83 65
2 41.981871882.63 34
3 45.756291247.33 82
4 55.762500894.95 54
5 42.731943635.05 42
6 69.38951323.07 34
7 56.90555683.96 35
8 28.846433927.18 64
・・・
相関関係
0"
10"
20"
30"
40"
50"
60"
70"
80"
90"
0.00" 1.00" 2.00" 3.00" 4.00" 5.00" 6.00" 7.00" 8.00" 9.00"
	
!
0"
10"
20"
30"
40"
50"
60"
70"
80"
90"
0" 10" 20" 30" 40" 50" 60" 70" 80"
	
0.00#
1.00#
2.00#
3.00#
4.00#
5.00#
6.00#
7.00#
8.00#
9.00#
0# 10# 20# 30# 40# 50# 60# 70# 80#
	
インデント点数と期末テストの点数に
相関関係がある?
根拠を示そう
統計分析の流れ
• データの一部を抽出 (サンプリング)
• データの状態を観察・理解
• データの整理 (不審なデータ: 外れ値 を除去)
• 推論
• 分析・検証
単回帰分析
• インデントの点数と期末テストの点数に本当
に相関がある?どのくらい強い相関がある?
• 相関があるなら、具体的にどんな関係がある?
どんな相関があるか (共分散)
sxy : 共分散
x¯, y¯ : x, y の平均
xi, yi : データx, データy の値
n : データの個数
  正の値: 比例
  負の値: 反比例
  0 : 相関なし
0"
10"
20"
30"
40"
50"
60"
70"
80"
90"
0.00" 1.00" 2.00" 3.00" 4.00" 5.00" 6.00" 7.00" 8.00" 9.00"
	
!
53.58
5.45
(7.33, 82)
(7.33 - 5.43) * (82 - 53.58) = 

正の数 * 正の数 = 正の数
(2.63, 34)
(2.63 - 5.43) * (34 - 53.58) = 

負の数 * 負の数 = 正の数
> 0
0"
10"
20"
30"
40"
50"
60"
70"
80"
90"
0" 10" 20" 30" 40" 50" 60" 70" 80"
	
53.58
50.87
正
正
負
負
≒ 0
0"
10"
20"
30"
40"
50"
60"
70"
80"
90"
0.00" 1.00" 2.00" 3.00" 4.00" 5.00" 6.00" 7.00" 8.00" 9.00"
	
!
53.58
5.45
= 24.74
どんな相関があるか (共分散)
  正の値: 比例
  負の値: 反比例
  0 : 相関なし
0"
10"
20"
30"
40"
50"
60"
70"
80"
90"
0.00" 1.00" 2.00" 3.00" 4.00" 5.00" 6.00" 7.00" 8.00" 9.00"
	
!
53.58
5.45
= 24.74
どのくらい相関があるの?
どのくらい相関があるの?(相関係数)
x の標準偏差 * y の標準偏差
x の標準偏差 y の標準偏差
どのくらい相関があるの?(相関係数)
x の標準偏差 * y の標準偏差
x の標準偏差 y の標準偏差
-1.0 < 相関係数 < -0.7: かなり強い負の相関
-0.7 < 相関係数 < -0.4: 強い負の相関
-0.4 < 相関係数 < -0.2: 弱い負の相関
-0.2 < 相関係数 < 0.2: 相関なし
0.2 < 相関係数 < 0.4: 弱い正の相関
0.4 < 相関係数 < 0.7: 強い正の相関
0.7 < 相関係数 < 1.0: かなり強い正の相関
どのくらい相関があるの?(相関係数)
x の標準偏差 * y の標準偏差
x の標準偏差 y の標準偏差
= 0.92
0"
10"
20"
30"
40"
50"
60"
70"
80"
90"
0.00" 1.00" 2.00" 3.00" 4.00" 5.00" 6.00" 7.00" 8.00" 9.00"
	
!
相関係数 0.92
かなり強い正の相関があります!
(`・ω・´)ゞ
単回帰分析
• インデントの点数と期末テストの点数に本当
に相関がある?どのくらいの相関がある?
• 相関があるなら、具体的にどんな関係がある?
きっとこんな感じ
0"
10"
20"
30"
40"
50"
60"
70"
80"
90"
0.00" 1.00" 2.00" 3.00" 4.00" 5.00" 6.00" 7.00" 8.00" 9.00"
	
!
単回帰分析
• インデントの点数と期末テストの点数に本当に
相関がある?どのくらいの相関がある?
• 相関があるなら、具体的にどんな関係がある?

y = ax + b

y: 目的変数 x: 説明変数

期末テスト = a * インデントの点数 + b
データと y = ax + b の距離が最小になる線を計算

→最小二乗法
0"
10"
20"
30"
40"
50"
60"
70"
80"
90"
0.00" 1.00" 2.00" 3.00" 4.00" 5.00" 6.00" 7.00" 8.00" 9.00"
	
!
y = 8.7206x + 6.0847
種明かし
0"
10"
20"
30"
40"
50"
60"
70"
80"
90"
0.00" 1.00" 2.00" 3.00" 4.00" 5.00" 6.00" 7.00" 8.00" 9.00"
	
!
y = 8.7206x + 6.0847
データは下記の式で作ってました!

期末テスト = 10*(インデント点数)+(RAND()-0.5)*20
結果の報告
具体例 

(某大学のプログラミング実習)
• 毎回の授業内で課題が出る → 提出時間が早い
ほど高得点
• インデントの綺麗さの得点
• 期末試験
出席番号
授業内課
題平均
インデント
点数平均
期末テスト
1 64.260648745.83 65
2 41.981871882.63 34
3 45.756291247.33 82
4 55.762500894.95 54
5 42.731943635.05 42
6 69.38951323.07 34
7 56.90555683.96 35
8 28.846433927.18 64
・・・
期末テストの点数 (最終的な習熟度)
を上げるにはどうしたらいいだろう?
• 授業内課題の点数と期末テストの点数は相関がな
かった
• インデントの点数と期末テストの点数の間には強
い正の相関があった (相関係数 0.92)

期末テストの点数 = 8.7206 * インデントの点数 + 6.0847
期末テストの点数 (最終的な習熟度) を上げるに
はどうしたらいいだろう?
→インデントをきれいにするように指導しよう!
index
• 統計学とは
• 統計分析の流れ
• まとめ
まとめ
• 統計分析とは、データを基に確率的な根拠を
提示するための学問
• 重要な用語

・中央値: データをソートして、中央にある値

→外れ値に強い

・標準偏差: データのばらつき
参考
• 【統計学】初めての「標準偏差」(統計学に挫折しないために)

http://qiita.com/kenmatsu4/items/e6c6acb289c02609e619
• 統計学とデータマイニングの基礎

http://www.slideshare.net/ManabuYoneyama/2015v1?qid=4ba1cf41-818a-40da-b930-
e4dcdaaeb0ae&v=qf1&b=&from_search=57
• 「使ってみたくなる統計」シリーズ  第1回:相関分析

http://bdm.change-jp.com/?p=1254
• http://www.ec.kansai-u.ac.jp/user/amatsuo/StatProb2011Spr/CovCorr.pdf
• http://www1.tcue.ac.jp/home1/ymiyatagbt/sils05.pdf
• 確率の話がしたくなった 2

http://nisshiee.hatenablog.jp/entry/2015/11/03/201657
• 回帰分析 (1) − 共分散と相関,線形単回帰

http://racco.mikeneko.jp/Kougi/10s/AS/AS02pr.pdf

Más contenido relacionado

La actualidad más candente

「全ての確率はコイン投げに通ず」 Japan.R 発表資料
「全ての確率はコイン投げに通ず」 Japan.R 発表資料「全ての確率はコイン投げに通ず」 Japan.R 発表資料
「全ての確率はコイン投げに通ず」 Japan.R 発表資料Ken'ichi Matsui
 
Stanコードの書き方 中級編
Stanコードの書き方 中級編Stanコードの書き方 中級編
Stanコードの書き方 中級編Hiroshi Shimizu
 
3分でわかる多項分布とディリクレ分布
3分でわかる多項分布とディリクレ分布3分でわかる多項分布とディリクレ分布
3分でわかる多項分布とディリクレ分布Junya Saito
 
5分で分かる自己組織化マップ
5分で分かる自己組織化マップ5分で分かる自己組織化マップ
5分で分かる自己組織化マップDaisuke Takai
 
幾何を使った統計のはなし
幾何を使った統計のはなし幾何を使った統計のはなし
幾何を使った統計のはなしToru Imai
 
統計学における相関分析と仮説検定の基本的な考え方とその実践
統計学における相関分析と仮説検定の基本的な考え方とその実践統計学における相関分析と仮説検定の基本的な考え方とその実践
統計学における相関分析と仮説検定の基本的な考え方とその実践id774
 
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-Koichiro Gibo
 
最近のRのランダムフォレストパッケージ -ranger/Rborist-
最近のRのランダムフォレストパッケージ -ranger/Rborist-最近のRのランダムフォレストパッケージ -ranger/Rborist-
最近のRのランダムフォレストパッケージ -ranger/Rborist-Shintaro Fukushima
 
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法Ken'ichi Matsui
 
Rで階層ベイズモデル
Rで階層ベイズモデルRで階層ベイズモデル
Rで階層ベイズモデルYohei Sato
 
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章Shuyo Nakatani
 
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章Shushi Namba
 
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学Ken'ichi Matsui
 
5分でわかるベイズ確率
5分でわかるベイズ確率5分でわかるベイズ確率
5分でわかるベイズ確率hoxo_m
 
ベイズ統計モデリングと心理学
ベイズ統計モデリングと心理学ベイズ統計モデリングと心理学
ベイズ統計モデリングと心理学Shushi Namba
 
Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説Hiroshi Shimizu
 
20130716 はじパタ3章前半 ベイズの識別規則
20130716 はじパタ3章前半 ベイズの識別規則20130716 はじパタ3章前半 ベイズの識別規則
20130716 はじパタ3章前半 ベイズの識別規則koba cky
 
R Study Tokyo03
R Study Tokyo03R Study Tokyo03
R Study Tokyo03Yohei Sato
 

La actualidad más candente (20)

「全ての確率はコイン投げに通ず」 Japan.R 発表資料
「全ての確率はコイン投げに通ず」 Japan.R 発表資料「全ての確率はコイン投げに通ず」 Japan.R 発表資料
「全ての確率はコイン投げに通ず」 Japan.R 発表資料
 
Stanコードの書き方 中級編
Stanコードの書き方 中級編Stanコードの書き方 中級編
Stanコードの書き方 中級編
 
3分でわかる多項分布とディリクレ分布
3分でわかる多項分布とディリクレ分布3分でわかる多項分布とディリクレ分布
3分でわかる多項分布とディリクレ分布
 
5分で分かる自己組織化マップ
5分で分かる自己組織化マップ5分で分かる自己組織化マップ
5分で分かる自己組織化マップ
 
Rによるベイジアンネットワーク入門
Rによるベイジアンネットワーク入門Rによるベイジアンネットワーク入門
Rによるベイジアンネットワーク入門
 
幾何を使った統計のはなし
幾何を使った統計のはなし幾何を使った統計のはなし
幾何を使った統計のはなし
 
統計学における相関分析と仮説検定の基本的な考え方とその実践
統計学における相関分析と仮説検定の基本的な考え方とその実践統計学における相関分析と仮説検定の基本的な考え方とその実践
統計学における相関分析と仮説検定の基本的な考え方とその実践
 
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
Rubinの論文(の行間)を読んでみる-傾向スコアの理論-
 
最近のRのランダムフォレストパッケージ -ranger/Rborist-
最近のRのランダムフォレストパッケージ -ranger/Rborist-最近のRのランダムフォレストパッケージ -ranger/Rborist-
最近のRのランダムフォレストパッケージ -ranger/Rborist-
 
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
 
Rで階層ベイズモデル
Rで階層ベイズモデルRで階層ベイズモデル
Rで階層ベイズモデル
 
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章
 
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
 
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学
 
5分でわかるベイズ確率
5分でわかるベイズ確率5分でわかるベイズ確率
5分でわかるベイズ確率
 
ベイズ統計モデリングと心理学
ベイズ統計モデリングと心理学ベイズ統計モデリングと心理学
ベイズ統計モデリングと心理学
 
2 3.GLMの基礎
2 3.GLMの基礎2 3.GLMの基礎
2 3.GLMの基礎
 
Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説
 
20130716 はじパタ3章前半 ベイズの識別規則
20130716 はじパタ3章前半 ベイズの識別規則20130716 はじパタ3章前半 ベイズの識別規則
20130716 はじパタ3章前半 ベイズの識別規則
 
R Study Tokyo03
R Study Tokyo03R Study Tokyo03
R Study Tokyo03
 

Destacado

サンプリングと推定 Siとht推定量
サンプリングと推定 Siとht推定量サンプリングと推定 Siとht推定量
サンプリングと推定 Siとht推定量T T
 
Google Prediction APIを使う前に知っておきたい統計のはなし
Google Prediction APIを使う前に知っておきたい統計のはなしGoogle Prediction APIを使う前に知っておきたい統計のはなし
Google Prediction APIを使う前に知っておきたい統計のはなしpinmarch_t Tada
 
統計学超入門
統計学超入門統計学超入門
統計学超入門w24nishi
 
Webで使えるやさしい統計学
Webで使えるやさしい統計学Webで使えるやさしい統計学
Webで使えるやさしい統計学Mharu
 
推定と標本抽出
推定と標本抽出推定と標本抽出
推定と標本抽出山津 貴之
 
12n1065_高木俊太「URBANISM REPORT」
12n1065_高木俊太「URBANISM REPORT」12n1065_高木俊太「URBANISM REPORT」
12n1065_高木俊太「URBANISM REPORT」12u1101
 
Local food environments
Local food environmentsLocal food environments
Local food environmentsjarmanjo
 
Community design and physical activity
Community design and physical activityCommunity design and physical activity
Community design and physical activityjarmanjo
 
“Kyodo” Movement In Japan In Global Trend Since 2000 (Nx Power Lite)
“Kyodo” Movement In Japan In Global Trend Since 2000 (Nx Power Lite)“Kyodo” Movement In Japan In Global Trend Since 2000 (Nx Power Lite)
“Kyodo” Movement In Japan In Global Trend Since 2000 (Nx Power Lite)maeyama
 
Panel Discussion: State-of-the-Art Research: Jennifer Ahern, Ph.D.
Panel Discussion: State-of-the-Art Research: Jennifer Ahern, Ph.D.Panel Discussion: State-of-the-Art Research: Jennifer Ahern, Ph.D.
Panel Discussion: State-of-the-Art Research: Jennifer Ahern, Ph.D.TheAdlerSchool
 
確率と統計クイズ
確率と統計クイズ確率と統計クイズ
確率と統計クイズmigi migi
 
関東第3回ゼロはじめるからR言語勉強会ー グラフ
関東第3回ゼロはじめるからR言語勉強会ー グラフ関東第3回ゼロはじめるからR言語勉強会ー グラフ
関東第3回ゼロはじめるからR言語勉強会ー グラフPaweł Rusin
 
New Urbanism For Sarsota
New Urbanism For SarsotaNew Urbanism For Sarsota
New Urbanism For SarsotaTHECITYALLIANCE
 
【社内輪読会】Github実践入門2章
【社内輪読会】Github実践入門2章【社内輪読会】Github実践入門2章
【社内輪読会】Github実践入門2章Akira Torii
 
【社内輪読会】Effective Java 8章
【社内輪読会】Effective Java 8章【社内輪読会】Effective Java 8章
【社内輪読会】Effective Java 8章Akira Torii
 
第四回統計学勉強会@東大駒場
第四回統計学勉強会@東大駒場第四回統計学勉強会@東大駒場
第四回統計学勉強会@東大駒場Daisuke Yoneoka
 
Neighborhood design and obesity
Neighborhood design and obesityNeighborhood design and obesity
Neighborhood design and obesityjarmanjo
 
【社内勉強会用】統計学超入門
【社内勉強会用】統計学超入門【社内勉強会用】統計学超入門
【社内勉強会用】統計学超入門Akira Torii
 
池袋数学勉強会 対馬龍司 線形代数学講義 3章章末問題解説
池袋数学勉強会 対馬龍司 線形代数学講義 3章章末問題解説池袋数学勉強会 対馬龍司 線形代数学講義 3章章末問題解説
池袋数学勉強会 対馬龍司 線形代数学講義 3章章末問題解説GM3D
 

Destacado (20)

サンプリングと推定 Siとht推定量
サンプリングと推定 Siとht推定量サンプリングと推定 Siとht推定量
サンプリングと推定 Siとht推定量
 
Google Prediction APIを使う前に知っておきたい統計のはなし
Google Prediction APIを使う前に知っておきたい統計のはなしGoogle Prediction APIを使う前に知っておきたい統計のはなし
Google Prediction APIを使う前に知っておきたい統計のはなし
 
統計学
統計学統計学
統計学
 
統計学超入門
統計学超入門統計学超入門
統計学超入門
 
Webで使えるやさしい統計学
Webで使えるやさしい統計学Webで使えるやさしい統計学
Webで使えるやさしい統計学
 
推定と標本抽出
推定と標本抽出推定と標本抽出
推定と標本抽出
 
12n1065_高木俊太「URBANISM REPORT」
12n1065_高木俊太「URBANISM REPORT」12n1065_高木俊太「URBANISM REPORT」
12n1065_高木俊太「URBANISM REPORT」
 
Local food environments
Local food environmentsLocal food environments
Local food environments
 
Community design and physical activity
Community design and physical activityCommunity design and physical activity
Community design and physical activity
 
“Kyodo” Movement In Japan In Global Trend Since 2000 (Nx Power Lite)
“Kyodo” Movement In Japan In Global Trend Since 2000 (Nx Power Lite)“Kyodo” Movement In Japan In Global Trend Since 2000 (Nx Power Lite)
“Kyodo” Movement In Japan In Global Trend Since 2000 (Nx Power Lite)
 
Panel Discussion: State-of-the-Art Research: Jennifer Ahern, Ph.D.
Panel Discussion: State-of-the-Art Research: Jennifer Ahern, Ph.D.Panel Discussion: State-of-the-Art Research: Jennifer Ahern, Ph.D.
Panel Discussion: State-of-the-Art Research: Jennifer Ahern, Ph.D.
 
確率と統計クイズ
確率と統計クイズ確率と統計クイズ
確率と統計クイズ
 
関東第3回ゼロはじめるからR言語勉強会ー グラフ
関東第3回ゼロはじめるからR言語勉強会ー グラフ関東第3回ゼロはじめるからR言語勉強会ー グラフ
関東第3回ゼロはじめるからR言語勉強会ー グラフ
 
New Urbanism For Sarsota
New Urbanism For SarsotaNew Urbanism For Sarsota
New Urbanism For Sarsota
 
【社内輪読会】Github実践入門2章
【社内輪読会】Github実践入門2章【社内輪読会】Github実践入門2章
【社内輪読会】Github実践入門2章
 
【社内輪読会】Effective Java 8章
【社内輪読会】Effective Java 8章【社内輪読会】Effective Java 8章
【社内輪読会】Effective Java 8章
 
第四回統計学勉強会@東大駒場
第四回統計学勉強会@東大駒場第四回統計学勉強会@東大駒場
第四回統計学勉強会@東大駒場
 
Neighborhood design and obesity
Neighborhood design and obesityNeighborhood design and obesity
Neighborhood design and obesity
 
【社内勉強会用】統計学超入門
【社内勉強会用】統計学超入門【社内勉強会用】統計学超入門
【社内勉強会用】統計学超入門
 
池袋数学勉強会 対馬龍司 線形代数学講義 3章章末問題解説
池袋数学勉強会 対馬龍司 線形代数学講義 3章章末問題解説池袋数学勉強会 対馬龍司 線形代数学講義 3章章末問題解説
池袋数学勉強会 対馬龍司 線形代数学講義 3章章末問題解説
 

Similar a 統計学基礎

Rm20140507 4key
Rm20140507 4keyRm20140507 4key
Rm20140507 4keyyouwatari
 
20130223_集計・分析の基礎@アンケート研究会
20130223_集計・分析の基礎@アンケート研究会20130223_集計・分析の基礎@アンケート研究会
20130223_集計・分析の基礎@アンケート研究会Takanori Hiroe
 
K070 点推定
K070 点推定K070 点推定
K070 点推定t2tarumi
 
K070k80 点推定 区間推定
K070k80 点推定 区間推定K070k80 点推定 区間推定
K070k80 点推定 区間推定t2tarumi
 
データ解析4 確率の復習
データ解析4 確率の復習データ解析4 確率の復習
データ解析4 確率の復習Hirotaka Hachiya
 
統計的因果推論の理論と実践10章.pdf
統計的因果推論の理論と実践10章.pdf統計的因果推論の理論と実践10章.pdf
統計的因果推論の理論と実践10章.pdfYasutoTerasawa
 
効果測定入門 Rによる傾向スコア解析
効果測定入門  Rによる傾向スコア解析効果測定入門  Rによる傾向スコア解析
効果測定入門 Rによる傾向スコア解析aa_aa_aa
 
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)Yoshitake Takebayashi
 
Introduction to statistics
Introduction to statisticsIntroduction to statistics
Introduction to statisticsKohta Ishikawa
 
Let中部2012シンポスライド
Let中部2012シンポスライドLet中部2012シンポスライド
Let中部2012シンポスライドMizumoto Atsushi
 
Survival analysis0702 2
Survival analysis0702 2Survival analysis0702 2
Survival analysis0702 2Nobuaki Oshiro
 
020 1変数の集計
020 1変数の集計020 1変数の集計
020 1変数の集計t2tarumi
 
反応時間データをどう分析し図示するか
反応時間データをどう分析し図示するか反応時間データをどう分析し図示するか
反応時間データをどう分析し図示するかSAKAUE, Tatsuya
 
Stan で欠測データの相関係数を推定してみた
Stan で欠測データの相関係数を推定してみたStan で欠測データの相関係数を推定してみた
Stan で欠測データの相関係数を推定してみたhoxo_m
 
第5章 統計的仮説検定 (Rによるやさしい統計学)
第5章 統計的仮説検定 (Rによるやさしい統計学)第5章 統計的仮説検定 (Rによるやさしい統計学)
第5章 統計的仮説検定 (Rによるやさしい統計学)Prunus 1350
 
Rm20130508 4key
Rm20130508 4keyRm20130508 4key
Rm20130508 4keyyouwatari
 
Rm20150520 6key
Rm20150520 6keyRm20150520 6key
Rm20150520 6keyyouwatari
 
140618 教育評価論 テスト項目作成_
140618 教育評価論 テスト項目作成_140618 教育評価論 テスト項目作成_
140618 教育評価論 テスト項目作成_Koyo Yamamori
 

Similar a 統計学基礎 (20)

Rm20140507 4key
Rm20140507 4keyRm20140507 4key
Rm20140507 4key
 
20130223_集計・分析の基礎@アンケート研究会
20130223_集計・分析の基礎@アンケート研究会20130223_集計・分析の基礎@アンケート研究会
20130223_集計・分析の基礎@アンケート研究会
 
K070 点推定
K070 点推定K070 点推定
K070 点推定
 
K070k80 点推定 区間推定
K070k80 点推定 区間推定K070k80 点推定 区間推定
K070k80 点推定 区間推定
 
データ解析4 確率の復習
データ解析4 確率の復習データ解析4 確率の復習
データ解析4 確率の復習
 
統計的因果推論の理論と実践10章.pdf
統計的因果推論の理論と実践10章.pdf統計的因果推論の理論と実践10章.pdf
統計的因果推論の理論と実践10章.pdf
 
効果測定入門 Rによる傾向スコア解析
効果測定入門  Rによる傾向スコア解析効果測定入門  Rによる傾向スコア解析
効果測定入門 Rによる傾向スコア解析
 
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
 
Introduction to statistics
Introduction to statisticsIntroduction to statistics
Introduction to statistics
 
Let中部2012シンポスライド
Let中部2012シンポスライドLet中部2012シンポスライド
Let中部2012シンポスライド
 
Survival analysis0702 2
Survival analysis0702 2Survival analysis0702 2
Survival analysis0702 2
 
020 1変数の集計
020 1変数の集計020 1変数の集計
020 1変数の集計
 
Survival analysis0702
Survival analysis0702Survival analysis0702
Survival analysis0702
 
反応時間データをどう分析し図示するか
反応時間データをどう分析し図示するか反応時間データをどう分析し図示するか
反応時間データをどう分析し図示するか
 
Stan で欠測データの相関係数を推定してみた
Stan で欠測データの相関係数を推定してみたStan で欠測データの相関係数を推定してみた
Stan で欠測データの相関係数を推定してみた
 
第5章 統計的仮説検定 (Rによるやさしい統計学)
第5章 統計的仮説検定 (Rによるやさしい統計学)第5章 統計的仮説検定 (Rによるやさしい統計学)
第5章 統計的仮説検定 (Rによるやさしい統計学)
 
Rm20130508 4key
Rm20130508 4keyRm20130508 4key
Rm20130508 4key
 
Rm20150520 6key
Rm20150520 6keyRm20150520 6key
Rm20150520 6key
 
140618 教育評価論 テスト項目作成_
140618 教育評価論 テスト項目作成_140618 教育評価論 テスト項目作成_
140618 教育評価論 テスト項目作成_
 
Tokyor24 doradora09
Tokyor24 doradora09Tokyor24 doradora09
Tokyor24 doradora09
 

統計学基礎