Submit Search
Upload
第32回Tokyo.R#初心者セッション
•
7 likes
•
3,675 views
宏喜 佐野
Follow
第32回Tokyo.Rの発表資料です。
Read less
Read more
Report
Share
Report
Share
1 of 51
Download now
Download to read offline
Recommended
Supporter Opinion
Supporter Opinion
Jun Ishitsuka
Twitterのつぶやきで明日の自分のご機嫌を予測してみる
Twitterのつぶやきで明日の自分のご機嫌を予測してみる
Kiriko Yano
母集団と標本
母集団と標本
Daisuke Ichikawa
R-study-tokyo02
R-study-tokyo02
Yohei Sato
ggplot2 に入門してみた
ggplot2 に入門してみた
Hidekazu Tanaka
Tokyor15mod
Tokyor15mod
Daisuke Ichikawa
Rによるやさしい統計学 第16章 : 因子分析
Rによるやさしい統計学 第16章 : 因子分析
Hidekazu Tanaka
TokyoR#31 初心者セッション
TokyoR#31 初心者セッション
TokorosawaYoshio
Recommended
Supporter Opinion
Supporter Opinion
Jun Ishitsuka
Twitterのつぶやきで明日の自分のご機嫌を予測してみる
Twitterのつぶやきで明日の自分のご機嫌を予測してみる
Kiriko Yano
母集団と標本
母集団と標本
Daisuke Ichikawa
R-study-tokyo02
R-study-tokyo02
Yohei Sato
ggplot2 に入門してみた
ggplot2 に入門してみた
Hidekazu Tanaka
Tokyor15mod
Tokyor15mod
Daisuke Ichikawa
Rによるやさしい統計学 第16章 : 因子分析
Rによるやさしい統計学 第16章 : 因子分析
Hidekazu Tanaka
TokyoR#31 初心者セッション
TokyoR#31 初心者セッション
TokorosawaYoshio
Rをはじめからていねいに
Rをはじめからていねいに
Tsukasa Fukunaga
NAIST ソフトウェア工学研究室紹介 2017
NAIST ソフトウェア工学研究室紹介 2017
Takashi Ishio
Dots deep learning部_20161221
Dots deep learning部_20161221
陽平 山口
内省するTensorFlow
内省するTensorFlow
Yoshiyuki Kakihara
35thwebmining_lt
35thwebmining_lt
Daisuke Amano
Presentation oct-2018-tokyo r
Presentation oct-2018-tokyo r
Tom Kelly
Rを用いたLTV(Life Time Value)の推定
Rを用いたLTV(Life Time Value)の推定
宏喜 佐野
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
宏喜 佐野
マーケティングサイエンス徹底入門と実践Part2
マーケティングサイエンス徹底入門と実践Part2
宏喜 佐野
Rで学ぶ離散選択モデル
Rで学ぶ離散選択モデル
宏喜 佐野
Tokyo webmining
Tokyo webmining
宏喜 佐野
はじめよう多変量解析~主成分分析編~
はじめよう多変量解析~主成分分析編~
宏喜 佐野
第28回Tokyo.R
第28回Tokyo.R
宏喜 佐野
More Related Content
Similar to 第32回Tokyo.R#初心者セッション
Rをはじめからていねいに
Rをはじめからていねいに
Tsukasa Fukunaga
NAIST ソフトウェア工学研究室紹介 2017
NAIST ソフトウェア工学研究室紹介 2017
Takashi Ishio
Dots deep learning部_20161221
Dots deep learning部_20161221
陽平 山口
内省するTensorFlow
内省するTensorFlow
Yoshiyuki Kakihara
35thwebmining_lt
35thwebmining_lt
Daisuke Amano
Presentation oct-2018-tokyo r
Presentation oct-2018-tokyo r
Tom Kelly
Similar to 第32回Tokyo.R#初心者セッション
(6)
Rをはじめからていねいに
Rをはじめからていねいに
NAIST ソフトウェア工学研究室紹介 2017
NAIST ソフトウェア工学研究室紹介 2017
Dots deep learning部_20161221
Dots deep learning部_20161221
内省するTensorFlow
内省するTensorFlow
35thwebmining_lt
35thwebmining_lt
Presentation oct-2018-tokyo r
Presentation oct-2018-tokyo r
More from 宏喜 佐野
Rを用いたLTV(Life Time Value)の推定
Rを用いたLTV(Life Time Value)の推定
宏喜 佐野
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
宏喜 佐野
マーケティングサイエンス徹底入門と実践Part2
マーケティングサイエンス徹底入門と実践Part2
宏喜 佐野
Rで学ぶ離散選択モデル
Rで学ぶ離散選択モデル
宏喜 佐野
Tokyo webmining
Tokyo webmining
宏喜 佐野
はじめよう多変量解析~主成分分析編~
はじめよう多変量解析~主成分分析編~
宏喜 佐野
第28回Tokyo.R
第28回Tokyo.R
宏喜 佐野
More from 宏喜 佐野
(7)
Rを用いたLTV(Life Time Value)の推定
Rを用いたLTV(Life Time Value)の推定
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
ベイジアンモデリングによるマーケティングサイエンス〜状態空間モデルを用いたモデリング
マーケティングサイエンス徹底入門と実践Part2
マーケティングサイエンス徹底入門と実践Part2
Rで学ぶ離散選択モデル
Rで学ぶ離散選択モデル
Tokyo webmining
Tokyo webmining
はじめよう多変量解析~主成分分析編~
はじめよう多変量解析~主成分分析編~
第28回Tokyo.R
第28回Tokyo.R
第32回Tokyo.R#初心者セッション
1.
第 32 回
Tokyo.R # 初心者セッション 「平均から正規分布まで」 @sanoche16
2.
本題の前に!
3.
Tokyo.R 女子部開催 おめでとうございます!!
4.
さらに!
5.
関係者の皆さん おめでとうございます!
6.
About me
7.
About me ・ @sanoche16
and/or 佐野宏喜 ・システムエンジニア(外資系 IT コンサル企業) ・ PHP, Python, Linux, Java, Ruby, assembler ・商学部出身 ・最近、機械学習の勉強を始めました! ・修行が終わったら起業します!
8.
agenda
9.
1、平均から 2、分布の話 3、正規分布まで agenda
10.
1、平均から
11.
利用データは faithful オールドフェイスフルガイザー(世界で最 も有名な間欠泉)のデータ Eruptions :
噴出時間 ( 分 ) Waiting: 時間間隔 ( 分 ) 1、平均から
12.
まずはデータの確認 1、平均から
13.
プロット 1、平均から
14.
まずは平均 1、平均から
15.
R での実行 1、平均から
16.
分散 データの散らばり具合を示す 1、平均から
17.
R での実行 1、平均から
18.
共分散 2変数間のデータの関係を表す 1、平均から
19.
R での実行 1、平均から
20.
相関係数 共分散を正規化したもの -1 から 1
の間で相関関係を示す 1、平均から
21.
R での実行 1、平均から
22.
2、分布の話
23.
2項分布 2択の結果になるものについ て、確率・試行回数を利用して 結果の確率を考える 2、分布の話
24.
例 表・裏が出る確率が等しいコ インを 10 回投げたとき、表が 4
回以下の確率は? 2、分布の話
25.
R の実行 2、分布の話 => 38% 表の確率試行回数知りたい回数
26.
例 表・裏が出る確率が等しいコ インを 100 回投げたとき、表 が
40 回以下の確率は? 2、分布の話
27.
R の実行 2、分布の話 => 2.8%
28.
R の実行 2、分布の話 => 2.8%
大数の法則!
29.
もっといびつなコインを考える 表が出る確率が 2% のコインを 100
回投げた。 4 回表が出る確率は? 2、分布の話
30.
R の実行 2、分布の話 => 9%
31.
もっといびつなコインを考える パート2 表が出る確率が 1%
のコインを 200 回投げた。 4 回表が出る確率は? 2、分布の話
32.
R の実行 2、分布の話 => 9%
33.
R の実行 2、分布の話 => 9%
あんまり変わらない!
34.
一般に起こる確率がある程度低 く、試行回数が多い場合は平均 だけ考えればよい 1、平均から
35.
一般に起こる確率がある程度低 く、試行回数が多い場合は平均 だけ考えればよい => ポワソン分布 1、平均から
36.
ポワソン分布 起こる確率が少なく、試行回数 が多いものの平均がある程度低 いとき、平均から予測する結果 の確率 2、分布の話
37.
例 プロイセンで 1875 年から
1894 年までに 馬に蹴られて死亡した兵士の数 2、分布の話 死亡者数 0 1 2 3 4 合計 部隊数 109 65 22 3 1 200
38.
R の実行 2、分布の話 死亡者数 0
1 2 3 4 合計 部隊数 109 65 22 3 1 200 注)平均は 0.61
39.
指数分布 バカンス満喫中の @teramonagi 氏による 素晴らしい資料 2、分布の話
40.
3、正規分布まで
41.
R でのシミュレーション 表が出る確率が 0.4
( 40% )の コインを 10 回投げて表の数を数 える。これを 20 回行う。 3、正規分布まで
42.
R でのシミュレーション 10 回毎の表の回数 20
回試行 1回あたり の回数 確率 3、正規分布まで
43.
R でのシミュレーション 表が出る確率が 0.4
( 40% )の コインを 10 回投げて表の数を数 える。これを 10000 回行う。 この回数の分布はどうなるか。 3、正規分布まで
44.
R でのシミュレーション データの作成 3、正規分布まで
45.
R でのシミュレーション ヒストグラムで確認 3、正規分布まで
46.
R でのシミュレーション ヒストグラムで確認 釣鐘型になった! 3、正規分布まで
47.
正規分布とは この結果が従うとされる平均を中心として 左右対称になる分布のこと 平均と分散を決めることで形が決まる コイン以外にも様々な事象が従う 3、正規分布まで
48.
例 平均点が 68 点、標準偏差が
12 のテストを実施。 50 点以下の 人の割合は? 3、正規分布まで
49.
R の実行 => 25% 3、正規分布まで
50.
R の実行 => 25% 解けた! 3、正規分布まで
51.
ご清聴ありがとうございました! Thank you
Download now