統計学なんでもスレッド5
■ このスレッドは過去ログ倉庫に格納されています
0001１３２人目の素数さん
2006/04/18(火) 21:18:41統計学なんでもスレッド4
http://science4.2ch.net/test/read.cgi/math/1123896809/
統計学なんでもスレッド3
http://science3.2ch.net/test/read.cgi/math/1097491056/
統計学なんでもスレッド2
http://science3.2ch.net/test/read.cgi/math/1068288283/
統計学なんでもスレッド
http://science.2ch.net/test/read.cgi/math/1012782106/
関連スレ
＝ 統計解析フリーソフト Ｒ ＝
http://science3.2ch.net/test/read.cgi/math/1062650510/
0009１３２人目の素数さん
2006/04/20(木) 02:43:13タダ
物足りなくなったらＳ
0010１３２人目の素数さん
2006/04/20(木) 09:52:59金出すんならJMPかな。
0011１３２人目の素数さん
2006/04/20(木) 12:54:44・gretl
0012１３２人目の素数さん
2006/04/20(木) 20:32:51excel/calc
0013１３２人目の素数さん
2006/04/21(金) 03:19:31GAUSS
0014１３２人目の素数さん
2006/04/21(金) 09:17:050015１３２人目の素数さん
2006/04/22(土) 22:58:10今はあんまり使われなくなりましたが、
｢ゼロ仮説｣
って言い方もありますよ。
元々学問用語なんて英語の直訳でヘンな訳が多いし、統計自体も日本の学者の世界的な貢献なんて
ほとんど無いからしょーがないかもね。
0016１３２人目の素数さん
2006/04/22(土) 23:02:42これ試してみたら?
T得点:
http://aoki2.si.gunma-u.ac.jp/lecture/Bunpu/normdist/hensati.html
これが貴方が望んでるモノかどうかは正直分からんけど。
0017１３２人目の素数さん
2006/04/23(日) 13:37:25カイ自乗からガウスって非線形変換だよね。
それやって意味あるのかどうか？
コンピュータで乱数を作るとき
一様乱数から他の乱数作るにはよくやるけど。
0018１３２人目の素数さん
2006/04/23(日) 17:04:45>>16
順位を通して正規化しているので元の分布は問わないようだね。
あくまでもカイ2乗からにこだわるなら少し違うかな。
>>17
確かに意味があるのかどうかが重要だね。
一様分布を経由すればどんな分布も正規分布に従うように
変換できるが、なぜ元のままのカイ2乗ではいけないのか
なぜ変換にこだわるかが分からないね。
>>7の質問が元々平均０の正規分布に従うデータを2乗したら
カイ2乗分布に従うようにできるが、それを元に戻せるかという
意味だったら無理というのが答だな。
0019１３２人目の素数さん
2006/04/23(日) 20:35:11正規分布だと
1σ以内に68%
2σ以内に95%
3σ以内に99%
と言えますよね。
ひとつは、これが言いたいです。
自由度nのときσ＝√2nを使って
1σ以内にｘｘ%入っている
という風に。
もうひとつは、左右対称になる分布にしたいです。
今は、明らかに対称でない分布（自由度n=3～5程度のカイ二乗）を
正規分布と仮定して話を進めているので。
上記二つが目的なのですが>>16のサイトの方法でいいのでしょうか？
対数正規分布のようにも見えるのでlogをとって無理矢理正規分布に
しようかとも考えているのですが。
>>18
元に戻せるかという意味ではないです。
0021１３２人目の素数さん
2006/04/23(日) 21:42:20＞ 自由度nのときσ＝√2nを使って
1σ以内にｘｘ%入っているという風に。
いや、これは言えるんじゃないかな?ただ必要ないから誰も言わないだけで(笑)。
例えば、自由度3のχ^2分布だと、平均3、標準偏差2.449490として、
χ^2＝3＋2.449490の点の上側確率⇒0.1416911
χ^2＝3－2.449490の点の下側確率⇒0.09233764
∴平均±σには全体の77％が含まれる
とかね。
基本的には理論分布は端の確率しか使わないから言わないだけでしょ。
(あと負の値取れない例があるから言わないんじゃないでしょうか?)
＞明らかに対称でない分布（自由度n=3～5程度のカイ二乗）を
正規分布と仮定して話を進めているので。
その仮定が成り立つか成り立たないか以前にそれは現実のデータに合わせたんですか?
適合度検定してみての結論ですか?
明らかに正規分布に合わないのに、正規分布仮定して話を進めると無理が生じると思いますよ。
>>16は試してみないと何とも言えないです。
今のところ、何がやりたいのかイマイチ把握していないので。
002219
2006/04/24(月) 00:32:05>>21
>∴平均±σには全体の77％が含まれる
よく分かりました。
ありがとうございます。
（ある特定の統計解析をしたいというよりも）
正規分布を仮定した上で進める統計処理が多く、
目安として自由度nが30以上のカイ二乗分布は正規分布で近似できる
ことは分かったのですが、
n=3～5程度のカイ二乗分布に従うデータでも、正規に従うように
変換できれば、色々な統計処理が進められるので、変換したい
というのが目的です。
（少なくとも左右対称な分布にはしたいです）
>明らかに正規分布に合わないのに、正規分布仮定して話を進めると無理が生じると思いますよ。
正規性の検定はしてないのですが、間違いなく正規ではないデータを正規分布と
仮定してしまっています。
正規性を仮定しないと話が進められない場合には、正規変換もできないと、
無理を承知で正規を仮定せざるを得ないと思うのですが。
0023１３２人目の素数さん
2006/04/24(月) 01:26:14確かに正規性仮定した方法論は多いですよね。
取り合えずT得点に変換してやってみればイイとは思いますよ。
統計解析はどの道現実のデータ相手に必ずしも成功するわけではないですし、
不具合が見つかるのも大事な分析過程だとは思いますんで。
0024１３２人目の素数さん
2006/04/24(月) 01:46:18002518
2006/04/24(月) 11:24:51>>23
T得点で正規分布を仮定した分析をするというのは結局ノンパラと同じようなものなので
素直にノンパラの方法ではだめなのかと思いますね。
相手が1群ならともかく多群ならT得点では無理ですしね。
0026１３２人目の素数さん
2006/04/24(月) 12:23:15いずれにせよ、その｢χ^2に従うと思われる｣データを見てないんで、何とも言えないんですよね(苦笑)。
ヒストグラムとか作ったんでしょうかね?オーソドックスには取り合えず多項分布化してみてからあれこれ仮定を
始める、ってのがテだとは思うんですけど・・・・・・。
この状況じゃ良く分かりませんね(笑)。
002722
2006/04/24(月) 13:03:26色々とアドバイスありがとうございます。
データは1群なのでT得点でやってみようと思います。
どうしても「データが正規分布する」という前提があるので
ノンパラは今までは考えてなかったです。
データはヒストグラムにしてみて（検定はしていないのですが）
カイ二乗のように見えました。
生のデータなので諸事情で公開できなくて申し訳ないです。
0028１３２人目の素数さん
2006/04/24(月) 13:38:52＞カイ二乗のように見えました。
確かに｢見えた/見えない｣ってのは大事ですよね。
ところで離散型ですか?ポアソン分布は試してみました?
多分自由度3～5辺りの｢χ^2分布に見える｣って事はポアソンにも見える、
とも言えると思うのですが・・・・・・。
002927
2006/04/24(月) 14:06:13データは連続型です。
形はパラメータλ=2～3程度のポアソン分布(確率変数x)にも見えます。
ポアソン分布だとλが小さくても正規近似できるみたいですね。
(実際のデータはx=0をとらない場合もあるので、その場合にはポアソンは
まずいかもしれません。)
問題は横軸のxのとる値が整数とは限らないことです。
xに実数を入れても問題なければ解決しそうな気もするのですが。
確率関数[e^(-λ)*λ^x]/x! はx≧0が実数でも計算はできるようなので。
0030１３２人目の素数さん
2006/04/24(月) 22:26:20級数1+(1/2)+(1/3)+(1/4)+...が収束しないのと同じ理由といいますが、
良くわかりません。
0031１３２人目の素数さん
2006/04/25(火) 21:27:10二項分布の確率は高さ、正規分布の確率は面積だとすると
プラスマイナス0.5の調整をすることで正規分布の確率（面積）が二項分布の高さ×1になり
二項分布の確率とちかくなるという理解でいいのでしょうか？
0032１３２人目の素数さん
2006/04/26(水) 01:11:20モーメントの定義に従って計算すると発散するからとしか言えないのでは？
それは積分だが、その級数と計算が似ているのでそう説明されたのでしょう。
>>31
そうですね。柱は中心から0.5はみ出て立つことになるのでそれを補正した方が
面積が近くなるという理解で正しいです。
0033１３２人目の素数さん
2006/04/27(木) 11:21:24対数正規分布のパーセント点ってどう求めるのでしょうか？
μ＋zα σの指数変換でよいのでしょうか？
お願いします
0034１３２人目の素数さん
2006/04/27(木) 12:38:38中心極限定理について質問させてください。
最尤推定量の漸近有効性は
√n(\hat{θ}_n－θ) → N(0，I(θ)^{-1})，
where \hat{θ}_n：最尤推定量，θ：真のパラメータ(ベクトル)，
と記述されますが、これは最尤推定量に√nをかけたものの
漸近分散（共分散行列）がI(θ)^{-1}だということですよね？
すると、最尤推定量そのものの漸近分散はどうなるのでしょう？
0になるんでしょうか。そんなはずもなさそうなんですが･･･。
どなたかよろしくお願いいたします。
0035１３２人目の素数さん
2006/04/27(木) 22:12:13漸近分散ってどういう意味をなすんですか？
無限回推定したときの分散って意味？
でもサンプルサイズのnを無限大に飛ばしてるんだよね？
無限大のサンプルをつかって推定したとするなら、
何回も推定するって意味じゃないですよね。
無限大のサンプルつかって一回だけ推定するなら，
分散の意味自体がわからない･･･。
誰か教えてください。
0036１３２人目の素数さん
2006/04/27(木) 22:51:13いいんじゃないかな。
>>34
データが増えると推定量は真値に近づくので
分散が０に行くのは自明では。
>>35
データ数が増えると推定量の分散は０に行くけどその行き方に違いはある。
それがルートｎ倍すると見えてくるけどその意味は、大きなデータを取ったときに
早く安定するのかどうかの違いということじゃないかな。
003733
2006/04/27(木) 23:21:08ありがとうございます。
単純にこれでいいのかなと不安になりまして・・・
003835
2006/04/27(木) 23:46:24んー、その推定量が安定しているかの測度という感じですかね？
推定量Aと推定量Bの漸近分散を比較してこちらの方が小さいから良い推定量みたいな？
むずかしいですね。ありがとうございました。
0039１３２人目の素数さん
2006/04/28(金) 10:39:150041１３２人目の素数さん
2006/04/28(金) 23:09:21統計学的と言われても難しいなあ。
結局、重心という意味しかないのでは？
それともそんなものをなぜ後生大事に使っているのかということかな？
0042１３２人目の素数さん
2006/04/28(金) 23:44:381/Xの期待値
∫1/x φ(x)dx
って存在しますか？よろしくお願いします。
0043１３２人目の素数さん
2006/04/28(金) 23:46:50まぁ、単に標本平均っていうならば、一般にいわれる「平均」と考え方は
変わりないんじゃね？
0044１３２人目の素数さん
2006/04/29(土) 01:29:18発散しますね。
004542
2006/04/29(土) 10:23:09やはりそうですよね・・・．ありがとうございます．
たとえば，正規分布の位置パラメータが
大きく（＞0），0以下が生起する確率が非常に低いときでも，0以下になる確率が
0ではないから，0のポイントで発散しますよね．この場合何らかの形
（近似にしろ何らかで抑えるにしろ）で期待値を記述することはできないですかね？
004644
2006/04/29(土) 11:39:08xが負なら０近くで－∞に行きますから０を挟んで極端な
挙動を示すのですが。
0047１３２人目の素数さん
2006/04/30(日) 05:14:52英語の文で申し訳ないのですが・・・
Supervisores were asked to rate the productivity of employees on their jobs. A researcher wishes to see whether married men receive higher ratings
than single men. A rating scale of 1 to 50 yielded the data shown here. At アルファー=0.01 is there evidence to support this claim?
この問題は、The Wilcoxon Rank Sum Test を使って求めなければならないのですが、
Single ... 48, 46, 42, 50, 38, 36, 40, 31, 28, 24, 49, 34
Married ... 44, 35, 41, 37, 42, 43, 29, 31, 37, 32, 36
がデータです。
自分の回答としては、R=122.5
ミュウ=132
ロウ=16.2
Z=-0.586
が出ています。この問題はtwo-tailed ですか？それとも、right-tailed testですか？
もしお分かりであれば、その時のHypothesisも教えてください。よろしくお願いします。
0048１３２人目の素数さん
2006/04/30(日) 09:45:12一般的な y が 0 <= y の場合に線形化するためのリンク関数は何と言うのでしょうか？
004942
2006/04/30(日) 10:50:24ご返信ありがとうございます。演習問題とかではなくて、
単に研究していて気になったことなんで、答えとかはないのかもしれません・・・。
例えば、μが十分大きいときには期待値の積分区間を0からにしたら近似的に
大丈夫かなとか思ったり・・・。
答えにくい質問で申し訳ありません。
0050１３２人目の素数さん
2006/04/30(日) 11:06:03簡単な問題かもしれないですが、これについて書いてある参考文献など教えていただけないでしょうか？
0051１３２人目の素数さん
2006/04/30(日) 11:18:260052１３２人目の素数さん
2006/04/30(日) 11:21:14教えてください
帰無仮定が正しい場合の生起確率Pを求めよ
ある夫婦から5人の子供が生まれ5人すべてが女であった
この夫婦からは女の子が生まれやすいといえるか？
よろしくお願いします
0053１３２人目の素数さん
2006/04/30(日) 11:27:55もっと具体的に．そもそも正規分布でいいのか?
0054１３２人目の素数さん
2006/04/30(日) 11:51:110055１３２人目の素数さん
2006/04/30(日) 12:02:44英語が・・・。他の香具師頼む
0056１３２人目の素数さん
2006/04/30(日) 12:19:010057１３２人目の素数さん
2006/04/30(日) 12:51:40本気で悩んでいます。
0058１３２人目の素数さん
2006/04/30(日) 13:12:210059１３２人目の素数さん
2006/04/30(日) 13:16:260 <= y <= 1 のロジスティック曲線を
線形化するもの
ですが、
一般的な y が
0 <= y の場合に
線形化するための
リンク関数は
何と言うのでしょうか？
名前を聞きたいの？
0060１３２人目の素数さん
2006/04/30(日) 13:21:04エクセル使ったこと無いので・・・。できれば、どなたか意見をお聞きできたらなと思いまして。
自分では、Ho: There is a no difference. H1: there is a difference. が仮説？になり
two-tailed でテストするんではなかろうかと思うんですが・・・しかし、文面ではone-tailed testのようが気がいたしまして。
よろしくお願いします。
0061１３２人目の素数さん
2006/04/30(日) 14:12:40名前も聞きたいのですが、それ以前に
0 <= y <= 1 以外でも線形化できるのかどうかも聞きたいです。
お願いします。
0062１３２人目の素数さん
2006/04/30(日) 15:35:39y>1のときは式をいじればいいんじゃない？
006342
2006/04/30(日) 17:45:23レスありがとうございます．
すみません、具体的にいうとかなり長くなるのであれなんですが，
要するに，研究で，正規分布する1/Xの期待値が求まればうれしいという状況なんです．
そういうときに，一般的には何らかの近似が用いられているのかな，と思い質問しました
（たとえば，期待値の積分区間を0からにしてみるとか）．
あまりそういう状況はないんでしょうかね．
あまり明瞭でない質問で申し訳ないです．
006442
2006/04/30(日) 17:45:54すみません正規分布に従うのはXです．
006544
2006/04/30(日) 20:38:14>>63
Xが０も取り得るなら1/Xに意味があるのかということをみんな聞きたいのだと
思います。実は正規分布自体が近似で０や負は取らないと言うことは
ないですか？
0066１３２人目の素数さん
2006/04/30(日) 20:40:54元の変数がロジスティック分布に従うからロジット変換で線形化できるわけですよね。
一般的な y が 0 <= y の場合とはどんな曲線ですか？
対数線型モデルのことですか？もしそうならリンク関数は単に対数変換ですが。
006742
2006/04/30(日) 21:09:09すみません，仰るとおりですね．
正規分布自体が近似というわけではないのですが，
ある変換をした後に正規分布に従うという前提なので，
変換前の変数（原尺度）は負値を取り得ないという前提です・・・．
あまり整理もせずに湧き上がった疑問をそのまま書いてしまいました・・・．
お騒がせして申し訳ない．
006842
2006/04/30(日) 21:14:27もう一度じっくり整理してみます．お騒がせしました．
しかし，書き込むことや頂いたレスから
自分の中である程度問題の形が明瞭になった気がします．
レスを下さった皆様，ありがとうございました．
006944
2006/04/30(日) 21:49:31対数正規分布とかだったわけですね。それなら1/Xの平均も考えるかもしれませんね。
まあ何にせよ。問題が明確になったのはよかったです。
0070１３２人目の素数さん
2006/04/30(日) 22:14:42片側検定だと思います。
と言うのも、既婚者が独身者より生産性が高い、と言った事を証明したいらしいから、です。
(A researcher wishes to see whether married men receive higher ratings
than single men.)
つまり、真の目的は
既婚者の生産性＞独身者の生産性
で、対立仮説がコレになります。
よって、帰無仮説H_0、は
既婚者の生産性と独身者の生産性には差が無い。
(Null hypothesis: Married men receive same ratings as single men receive.)
でいいと思います。
この場合のwhetherはifと読み替えてみれば宜しいでしょう。
0071１３２人目の素数さん
2006/04/30(日) 22:21:37｢一般的なy｣ってのが何を指してるのか良く分からないでしょう。
yなんてのはどうにでも定義出来るので、変換の形も無数にあると思いますよ。
0072１３２人目の素数さん
2006/04/30(日) 22:22:22>>48でしたね。
0073１３２人目の素数さん
2006/04/30(日) 23:45:46ありがとうございます。
要するに、
Ho: married men receive less ratings than or equal to single men
H1; married men receive higher ratings than single men
ですよね？
それで、これは片側検定ということで、しかも、右側ですよね？
しかし、自分が得たZ値は -0.586 であり、左側にfall する感じなのですが。
これだとtestできませんよね？それとも計算間違いなのでしょうか？
左側の検定だと、結論がdo not reject the null hypothesisでいいのですが。
よろしくお願いします。おそらく理解してないと思いますので・・・。
0074４７です
2006/05/01(月) 00:00:2270さんがおっしゃっている仮説は以下のようにも読み取れることも可能なのですが・・・。
Ho: There is a no difference between married men and single men in receiving ratings
H1: there is a difference between married men and single men in receiving ratings
なぜなら、null hypothesis では差が無いこと示さなければならないから。
それでおいて、両側検定だと上手くいくのですがね・・・。
すみません、混乱しています。駄目だ・・・。
0075１３２人目の素数さん
2006/05/01(月) 00:40:34もうちょっと待ってて下さい。アトでRにデータブチ込んで調べてみます。
>>74
これはむしろ英語の問題だと思うんですが。
>>74に書かれているのは確かに｢両側検定｣ですよね。
ただし、これは帰無仮説がどうの、と言うよりあくまで｢英文の解釈｣の問題だと思います。
と言うのは、問題文に書かれているのは、あくまで、
A researcher wishes to see whether married men receive higher ratings
than single men.
なんですが、確かにwhether文から見ると通常｢～かどうか｣で対立仮説が両側検定になる
んじゃないか、と感じるかもしれません。
ただし、英語の特徴として、(僕が知ってる限りでは)あくまで強調して訊きたいのは
higher ratings
の部分なんですよ。
0076１３２人目の素数さん
2006/05/01(月) 00:41:17A researcher wishes to see whether married men receive same ratings
as single men receive.
これならwhether～(not)の構文上、同じレイティング⇔違うレイティングと言う対立構造が成立します。
ただし、元々の表記のようだと、あくまで高いレイティング⇔そうじゃないケース、と言った対立構造しか
ありません。その点、英語だと素直に“構文構造”以上の意味は持たないので、日本語に比べて解釈
が容易な筈なんです。
それと、元々の検定のアイディアですが、確かに片側検定だと、
H_0:何かの平均≦他の平均
H_1:何かの平均＞他の平均
です。これは間違い無いんですが、この形の帰無仮説ですと検定に用いる分布の形が限定出来ないのです。
そこで代わりに帰無仮説の条件の最大値を利用して、
H_0:何かの平均＝他の平均
とするのが通例なんです(だから真意は≦の方にあるんです)。
どっちかと言うと、この場合の“＝”ってのは“意味”よりも“計算の都合”を優先しているんです。
(≦の形の検定ですとやりづらいんですよ)
0077４７です
2006/05/01(月) 00:48:14The Wilcoxon Rank Sum Test においては、両側検定または片側検定のどちらもが使用可能なのでしょうか？
例題では、両側検定しか使われてないので・・・これが自分を混乱に陥れてる元なのですが・・・。
だから片側検定には違和感が・・・。勉強不足ですみません・・。全ての例題においては
claimが差があるかないかなので、両側検定だと分かるのですが。長々とすみません。よろしくお願いします。
0078４７です
2006/05/01(月) 00:55:19わかりました。ありがとうございます。
結論を出すと、右側検定でいいですかね？
仮にそうであるのならば、Z値がマイナスでも、よろしいのかな？
で、答えが、Do not reject the null hypothesis.でＯＫかな？
すごく助かります。もし違うのであれば指摘してください。お願いします。
0079１３２人目の素数さん
2006/05/01(月) 01:45:16Rで色々弄くってみたんだけど、どの道帰無仮説は棄却できないようですね。有意水準が0.01でしょ?
結果載せておきますよ。
0080１３２人目の素数さん
2006/05/01(月) 01:45:56> Married <- c(44, 35, 41, 37, 42, 43, 29, 31, 37, 32, 36)
>
> wilcox.test(Married, Single, alternative="greater", exact=F, correct=F)
Wilcoxon rank sum test
data: Married and Single
W = 56.5, p-value = 0.7208
alternative hypothesis: true mu is greater than 0
> wilcox.test(Married, Single, alternative="less", exact=F, correct=F)
Wilcoxon rank sum test
data: Married and Single
W = 56.5, p-value = 0.2792
alternative hypothesis: true mu is less than 0
> wilcox.test(Married, Single, exact=F, correct=F)
Wilcoxon rank sum test
data: Married and Single
W = 56.5, p-value = 0.5584
alternative hypothesis: true mu is not equal to 0
つまり有意な差は見られませんね。
0081１３２人目の素数さん
2006/05/01(月) 01:51:45Wilcoxon rank sum test
data: Married and Single
W = 56.5, p-value = 0.2792
alternative hypothesis: true mu is less than 0
95 percent confidence interval:
-Inf 3.999998
sample estimates:
difference in location
-2.063745
> wilcox.test(Married, Single, exact=F, correct=F,
+ conf.int=T)
Wilcoxon rank sum test
data: Married and Single
W = 56.5, p-value = 0.5584
alternative hypothesis: true mu is not equal to 0
95 percent confidence interval:
-8.999964 4.999991
sample estimates:
difference in location
-2.063745
0082１３２人目の素数さん
2006/05/01(月) 01:52:33+ conf.int=T)
Wilcoxon rank sum test
data: Married and Single
W = 56.5, p-value = 0.7208
alternative hypothesis: true mu is greater than 0
95 percent confidence interval:
-7.000074 Inf
sample estimates:
difference in location
-2.063745
0083４７です
2006/05/01(月) 02:13:54どうもすみません。ありがとうございました。
参考にさせていただきます。
0084１３２人目の素数さん
2006/05/02(火) 13:39:51推定量の漸近分散の比なのでしょうか？
どう定義すればよいか教えて頂けませんでしょうか。
0085１３２人目の素数さん
2006/05/02(火) 19:36:18元記事
http://www.asahi.com/politics/update/0502/002.html
「東京裁判の内容を知っているか知らないか」
「靖国神社がA級戦犯をまつっていることに抵抗を感じるか感じないか」
この2つの事象は、関係ありますか？それとも独立していますか？
数字はパーセンテージしか出てませんが、この数字で統計学的な
検証は可能ですか？
カイ２乗検定とかそういうのでできると思いますが、いかがですか？
0086１３２人目の素数さん
2006/05/03(水) 01:55:45できると思いますよ。
でも朝日かあ・・・・・こりゃまた適当な記事だよな。
ちょっとやってみるか。
0087１３２人目の素数さん
2006/05/03(水) 02:10:24なんで
｢東京裁判を知っている｣｢知らない｣で
合わせて97％しかないんだろ?
0088１３２人目の素数さん
2006/05/03(水) 02:48:07取り合えずデータは多分こんな感じなのかな?
｜抵抗を感じる｜抵抗を感じない｜計
東京裁判を知っている｜ ３４８人｜ ４５４人｜８１０人
東京裁判を知らない ｜ ５６７人｜ １４０７人｜９０人
東京裁判を知っている/知らないでの無回答はおよそ90人、で回答した中で抵抗を感じる/感じないでの
無回答は｢知ってる｣中で8人、｢知らない｣中で126人。
これら除外して、χ^2検定してみたら?
0089１３２人目の素数さん
2006/05/03(水) 03:27:56｜抵抗を感じる｜抵抗を感じない｜無回答｜計
東京裁判を知っている｜ ３４８人｜ ４５４人｜ ８人｜８１０人
東京裁判を知らない ｜ ５６７人｜ １４０７人｜１２６人｜２１００人
だったね。
ちなみにフィッシャーの正確確率を使えば以下のようになりました。
H_0:東京裁判を知ってる事とA級戦犯が祀られている事に抵抗を感じる事には関係が無い。
H_1:東京裁判を知ってる事とA級戦粕ﾆが祀られていｂ骼魔ﾉ抵抗を感ｂｶる事には関係ｂｪある。
Fisher's Exact Test for Count Data
data: matrix(c(348, 567, 454, 1407), nc = 2)
p-value = 2.241e-13
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
1.597812 2.263102
sample estimates:
odds ratio
1.901668
よってやっぱり関係があるみたいです。
0090１３２人目の素数さん
2006/05/03(水) 08:36:01カテゴリカルデータだけを説明変数に
モデルを構築しても当然の事ながらマルチコは生じるのでしょうか？
0091１３２人目の素数さん
2006/05/03(水) 23:57:2340人の釣り人が餌Xを使って順番に海、川、湖で釣りをしたところ釣れた魚の種類はそれぞれ24、12、10種類でした。
次に餌Xに私たちが開発した餌Yを混ぜて同じように釣りをしたところ、それぞれ26、14、14種類に増えていました。
知りたいのは「YはXより多くの種類の魚を釣る効果があったのか」
「YはXに比べて海川よりも湖でより多くの種類の魚を釣るのに有効であったのか」ということです。
Yは特に湖で淡水魚種を増やす目的で開発されたのです。各場所で釣れた魚の種類に重複はありません。
Xでは36種類、Yを混ぜたものではXに18種類の魚種が加えられて計54種類の魚を釣り上げました。
私の知りたい「効果があったのか」「有効であったのか」を解析する統計学的手法とはどのようなものが妥当なのでしょうか。
長くなりましたがどなたかヒントだけでもください。よろしくお願いします。
0092１３２人目の素数さん
2006/05/04(木) 00:05:55何で混ぜちゃったのw?
普通に考えれば二元配置分散分析かな?
0093１３２人目の素数さん
2006/05/04(木) 00:16:50ありがとうございます。混ぜてしまったのは混合用の餌だからです。
まったく別物の餌の場合と考え方がちがうのでしょうか？
「YはXに比べて海川よりも湖でより多くの種類の魚を釣るのに有効であったのか」
を考える場合も二元配置分散分析でよいのでしょうか。
文系出身の私ですが上司からのいきなりの命令で本当に困っています。
0094１３２人目の素数さん
2006/05/04(木) 00:35:29正直言いますと、実験終わってから解析方法考えるのってのはまずいんですよ。
データ取る前にどう言う分析がしたいのか、はっきり分かってなければならないんです。
本来その上司が｢どう言う分析がしたいのか｣分かってなければならないと思います。
普通に考えると、XとYを混ぜた時点で｢YがXを強化する作用｣、つまりいわゆる｢交互作用｣
がある、と仮定した方が妥当な感じを受けるのですが・・・・Yが独立で扱われてないので
それも難しそうですねえ・・・・・・・。
難問ですね。ちょっと考えさせてください。
0095１３２人目の素数さん
2006/05/04(木) 01:16:36本当に申し訳ありません。私自身もいろいろ調べているのですが。
餌X＋Yを、まったく別物の餌として考えるのは間違っているのでしょうか？
0096１３２人目の素数さん
2006/05/04(木) 02:02:34三次関数 f(x)=(x-a)(x-b)(x-c) の変曲点のｘ座標はa,b,cの平均値で
極大極小のｘ座標は変曲点から標準偏差の1/√2倍だけ離れている。
n次関数 f(x)=(x-a_1)(x-a_2)(x-a_3)...(x-a_n) のｎー１回微分がゼロの所は平均値 n-2回微分がゼロのところは、、、
0097１３２人目の素数さん
2006/05/04(木) 08:15:041:良 10000サンプル
2:不良 100サンプル
のデータがあります。
このサンプルを全部モデル構築に投入して構わないのでしょうか？
それとも良データも不良データにそろえて100サンプルしか投入しない方がいいのでしょうか？
良データ10000サンプル投入した場合に懸念される結果などありますか？
0098１３２人目の素数さん
2006/05/04(木) 13:09:09それも可能だとは思います。
ところが>>93に拠ると、｢より多くの種類の魚を釣るのに有効｣ってのがネックなんですよ。
つまり、応答変数がカテゴリーなんですね。
単純に考えるとχ^2検定でも充分な気もしますが・・・・・・。
クロス集計してみました?
0099１３２人目の素数さん
2006/05/04(木) 13:17:27基本的には構わないと思いますよ。
ロジスティック回帰だと、線形判別関数の代わりに使われますが、
表現は｢確率｣で算出されるので、データ上不良品率100/10100になるのは
特に問題無いとは思います。
どちらかと言うと、説明変数の設計の如何でしょうね。
0100１３２人目の素数さん
2006/05/04(木) 15:25:07良データと不良データのサンプル数をそろえた方が良いと思います。
0101１３２人目の素数さん
2006/05/04(木) 16:08:47これ参考にしてみて。
http://www.fumotocpa.com/tousan3.htm
0102１３２人目の素数さん
2006/05/04(木) 19:24:05separate regressionとは日本語で言うと何のことですか?
統計関係の語であるということ、おそらくは～回帰、という意味であることは分かったのですが、
それ以上が、ネットで検索しても分からず…。訳語だけ教えていただけたら、その内容については
自分で勉強します。よろしくお願いします。
0103１３２人目の素数さん
2006/05/04(木) 23:34:40>標本抽出比率が不均等であることは必ずしも分散不均性を引き起こすとは限らない。
>またプロビットモデルや線形確率モデルでも係数の推定には不均一な標本抽出比率によってあまり影響は受けないとも述べている。
>>101
ありがとうございます。
あまり影響を受けないとありますが、実務上は気にしなくて良い範囲なのでしょうか？
よく見るレポートでは>>100さんの言う通り、良不良のデータ数を揃えています。
0104１３２人目の素数さん
2006/05/07(日) 00:17:56industrial experiment と external reference distribution とはどういう意味なんでしょうか？
0105１３２人目の素数さん
2006/05/10(水) 19:50:47どれがいいのか教えてください。初級～中級レベルです。
0106１３２人目の素数さん
2006/05/11(木) 01:16:24その勧めた人が本自体は推薦してくれなかったのでしょうか？
0107１３２人目の素数さん
2006/05/12(金) 18:39:410108１３２人目の素数さん
2006/05/13(土) 00:59:36数学的にもっとちゃんとしたものが読みた
くなったのですが、なにかオススメはありませんでしょうか？
0109１３２人目の素数さん
2006/05/13(土) 03:23:23母集団から標本を取り出して分散を計算するとき
$n$で割って求めた分散は母集団の分散の不偏推定量になってない。
つまり平均を取ったときに母集団の分散にならない。
n-1で割ると不偏推定量。
標本データから母集団の情報を引き出すわけで
その引き出し方の良し悪しの指標がいくつかあって
その一つが不偏性。
ただでさえややこしいのに本によって前者も後者も
標本分散と呼ばれているからさらにわけ分からなくなる。
>>108
竹内啓 数理統計学
竹村彰道 現代数理統計学
■ このスレッドは過去ログ倉庫に格納されています