多変量解析標本調査勉強会
第1回
目次
自己紹介
統計の諸注意
多変量解析の代表的なもの
標本調査の概要
ExcelとR
勉強会のすすめ方
事務作業
自己紹介
自己紹介
連絡先
⇨@yakatanoshi
興味
⇨モデリング、情報量基準
進路
⇨院進学のつもり(文理問わず選定中)
⇨秋ごろからは資格勉強ラッシュ
(統計検定、アクチュアリー、情報技術者、簿記等)
統計の諸注意
統計の諸注意
統計はあくまで“ツール”
⇨何ができるのか意識
万能ではない
⇨意味のあるデータを突っ込む
⇨Garbage In Garbage Out
状況を単純化する
⇨ロジックの明確化
統計の諸注意
例 問題→アプローチ
・野球選手の強さを知りたい
⇨打撃成績に限定
⇨主成分分析で総合指標
⇨因子分析で共通因子
⇨クラスター分析で選手分類
⇨一人の選手の戦績予測
⇨一つの指標のみに時系列
⇨複数の指標で多変量時系列
統計の諸注意
例 アプローチ→問題
・データマイニング
⇨手法を挙げてみる
⇨例:決定木
⇨使用例確認
⇨類似した簡単な問題を設定
⇨歴史について調べる
⇨各手法を出して展望を考える
統計の諸注意
例 統計の根拠
・調査方法について理解したい
⇨定性調査
⇨調査例と分析方法
⇨定量調査
⇨概念と適用例
⇨実際に行うには?
⇨例:アンケート法
⇨実際に行われているリサーチ
多変量解析の代表的なもの
多変量解析
主成分分析、因子分析、対応分析、多次元尺度法、数量化理論、クラスター分析、自己組織化マップ、単回帰分析、重回帰分析、判別分析、生存分析、時系列分析、樹木モデル、ニューラルネットワーク、カーネル法とサポートベクターマシン、集団学習、アソシエーション分析…
多変量解析
主成分分析、因子分析、対応分析、多次元尺度法、数量化理論、クラスター分析、自己組織化マップ、単回帰分析、重回帰分析、判別分析、生存分析、時系列分析、樹木モデル、ニューラルネットワーク、カーネル法とサポートベクターマシン、集団学習、アソシエーション分析…
多変量解析-回帰分析(単・重)
いくつかのデータ
↓
説明変数と被説明変数
↓
データを予測する
多変量解析-主成分分析
いくつかのデータ
↓
情報を落とさないように集約
↓
総合指標をつくる
多変量解析-因子分析
いくつかのデータ
↓
データを規定する因子を探す
↓
共通因子の発見
多変量解析-判別分析
(外的基準のあ