Submit Search
Upload
2016年度秋学期 統計学 第7回 データの関係を知る(2)-回帰分析 (2016. 11. 7)
•
1 like
•
331 views
Akira Asano
Follow
関西大学総合情報学部 統計学(担当・浅野晃)
Read less
Read more
Education
Report
Share
Report
Share
1 of 130
Download now
Download to read offline
Recommended
2016年度秋学期 統計学 第6回 データの関係を知る(1)-相関関係と因果関係 (2016. 10. 31)
2016年度秋学期 統計学 第6回 データの関係を知る(1)-相関関係と因果関係 (2016. 10. 31)
Akira Asano
2016年度秋学期 統計学 第13回 不確かな測定の不確かさを測る-不偏分散とt分布 (2016. 12. 19)
2016年度秋学期 統計学 第13回 不確かな測定の不確かさを測る-不偏分散とt分布 (2016. 12. 19)
Akira Asano
2016年度秋学期 統計学 第9回 確からしさを記述する-確率 (2016. 11. 21)
2016年度秋学期 統計学 第9回 確からしさを記述する-確率 (2016. 11. 21)
Akira Asano
2016年度秋学期 統計学 第10回 分布の推測とは-標本調査,度数分布と確率分布 (2016. 11. 28)
2016年度秋学期 統計学 第10回 分布の推測とは-標本調査,度数分布と確率分布 (2016. 11. 28)
Akira Asano
2016年度秋学期 統計学 第5回 分布をまとめる-平均・分散 (2016. 10. 24)
2016年度秋学期 統計学 第5回 分布をまとめる-平均・分散 (2016. 10. 24)
Akira Asano
2016年度秋学期 統計学 第14回 分布についての仮説を検証する-検定 (2016. 1. 7)
2016年度秋学期 統計学 第14回 分布についての仮説を検証する-検定 (2016. 1. 7)
Akira Asano
2016年度秋学期 統計学 第4回 データを「分布」で知る (2016. 10. 17)
2016年度秋学期 統計学 第4回 データを「分布」で知る (2016. 10. 17)
Akira Asano
2016年度秋学期 統計学 第1回 イントロダクション― 統計的なものの見方・考え方について (2016. 9. 26)
2016年度秋学期 統計学 第1回 イントロダクション― 統計的なものの見方・考え方について (2016. 9. 26)
Akira Asano
Recommended
2016年度秋学期 統計学 第6回 データの関係を知る(1)-相関関係と因果関係 (2016. 10. 31)
2016年度秋学期 統計学 第6回 データの関係を知る(1)-相関関係と因果関係 (2016. 10. 31)
Akira Asano
2016年度秋学期 統計学 第13回 不確かな測定の不確かさを測る-不偏分散とt分布 (2016. 12. 19)
2016年度秋学期 統計学 第13回 不確かな測定の不確かさを測る-不偏分散とt分布 (2016. 12. 19)
Akira Asano
2016年度秋学期 統計学 第9回 確からしさを記述する-確率 (2016. 11. 21)
2016年度秋学期 統計学 第9回 確からしさを記述する-確率 (2016. 11. 21)
Akira Asano
2016年度秋学期 統計学 第10回 分布の推測とは-標本調査,度数分布と確率分布 (2016. 11. 28)
2016年度秋学期 統計学 第10回 分布の推測とは-標本調査,度数分布と確率分布 (2016. 11. 28)
Akira Asano
2016年度秋学期 統計学 第5回 分布をまとめる-平均・分散 (2016. 10. 24)
2016年度秋学期 統計学 第5回 分布をまとめる-平均・分散 (2016. 10. 24)
Akira Asano
2016年度秋学期 統計学 第14回 分布についての仮説を検証する-検定 (2016. 1. 7)
2016年度秋学期 統計学 第14回 分布についての仮説を検証する-検定 (2016. 1. 7)
Akira Asano
2016年度秋学期 統計学 第4回 データを「分布」で知る (2016. 10. 17)
2016年度秋学期 統計学 第4回 データを「分布」で知る (2016. 10. 17)
Akira Asano
2016年度秋学期 統計学 第1回 イントロダクション― 統計的なものの見方・考え方について (2016. 9. 26)
2016年度秋学期 統計学 第1回 イントロダクション― 統計的なものの見方・考え方について (2016. 9. 26)
Akira Asano
2018年度春学期 統計学 第9回 確からしさを記述するー確率 (2018. 6. 7)
2018年度春学期 統計学 第9回 確からしさを記述するー確率 (2018. 6. 7)
Akira Asano
2016年度秋学期 統計学 第11回 分布の「型」を考える-確率分布モデルと正規分布 (2016. 12. 5)
2016年度秋学期 統計学 第11回 分布の「型」を考える-確率分布モデルと正規分布 (2016. 12. 5)
Akira Asano
2018年度春学期 統計学 第6回 データの関係を知る(1)ー相関関係と因果関係 (2018. 5. 16)
2018年度春学期 統計学 第6回 データの関係を知る(1)ー相関関係と因果関係 (2018. 5. 16)
Akira Asano
2018年度春学期 統計学 第14回 分布についての仮説を検証するー検定(その2) (2018. 7. 19))
2018年度春学期 統計学 第14回 分布についての仮説を検証するー検定(その2) (2018. 7. 19))
Akira Asano
2018年度春学期 統計学 第14回 分布についての仮説を検証するー検定(その1) (2018. 7. 12))
2018年度春学期 統計学 第14回 分布についての仮説を検証するー検定(その1) (2018. 7. 12))
Akira Asano
2018年度春学期 統計学 第3回 クロス集計とデータの可視化 (2018. 4. 19)
2018年度春学期 統計学 第3回 クロス集計とデータの可視化 (2018. 4. 19)
Akira Asano
2016年度秋学期 応用数学(解析) 第1回 イントロダクション― ちょっとかっこいい数学を (2016. 9. 29)
2016年度秋学期 応用数学(解析) 第1回 イントロダクション― ちょっとかっこいい数学を (2016. 9. 29)
Akira Asano
2018年度春学期 統計学 第4回 データを分布で見る (2018. 4. 26)
2018年度春学期 統計学 第4回 データを分布で見る (2018. 4. 26)
Akira Asano
2018年度春学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 7. 5))
2018年度春学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 7. 5))
Akira Asano
2016年度秋学期 応用数学(解析) 第13回 孤立特異点と留数 (2016. 12. 22)
2016年度秋学期 応用数学(解析) 第13回 孤立特異点と留数 (2016. 12. 22)
Akira Asano
2016年度秋学期 統計学 第12回 分布の平均を推測する-区間推定 (2016. 12. 12)
2016年度秋学期 統計学 第12回 分布の平均を推測する-区間推定 (2016. 12. 12)
Akira Asano
2016年度秋学期 応用数学(解析) 第2回 無限にも大小がある (2016. 10. 6)
2016年度秋学期 応用数学(解析) 第2回 無限にも大小がある (2016. 10. 6)
Akira Asano
2018年度秋学期 統計学 第9回 確からしさを記述するー確率 (2018. 11. 13)
2018年度秋学期 統計学 第9回 確からしさを記述するー確率 (2018. 11. 13)
Akira Asano
2018年度秋学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2018. 11. 27)
2018年度秋学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2018. 11. 27)
Akira Asano
2018年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2018. 11. 20)
2018年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2018. 11. 20)
Akira Asano
2018年度秋学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 12. 18)
2018年度秋学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 12. 18)
Akira Asano
2016年度秋学期 統計学 第2回 統計資料の収集と読み方 (2016. 10. 3)
2016年度秋学期 統計学 第2回 統計資料の収集と読み方 (2016. 10. 3)
Akira Asano
2016年度秋学期 応用数学(解析) 第3回 実数とは何か (2016. 10. 13)
2016年度秋学期 応用数学(解析) 第3回 実数とは何か (2016. 10. 13)
Akira Asano
2019年度秋学期 統計学 第7回 データの関係を知る(2)ー 回帰分析 (2019. 11. 12)
2019年度秋学期 統計学 第7回 データの関係を知る(2)ー 回帰分析 (2019. 11. 12)
Akira Asano
2019年度秋学期 統計学 第5回 分布をまとめるー平均・分散 (2019. 10. 29)
2019年度秋学期 統計学 第5回 分布をまとめるー平均・分散 (2019. 10. 29)
Akira Asano
2018年度秋学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 11. 6)
2018年度秋学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 11. 6)
Akira Asano
2018年度秋学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 11. 6)
2018年度秋学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 11. 6)
Akira Asano
More Related Content
What's hot
2018年度春学期 統計学 第9回 確からしさを記述するー確率 (2018. 6. 7)
2018年度春学期 統計学 第9回 確からしさを記述するー確率 (2018. 6. 7)
Akira Asano
2016年度秋学期 統計学 第11回 分布の「型」を考える-確率分布モデルと正規分布 (2016. 12. 5)
2016年度秋学期 統計学 第11回 分布の「型」を考える-確率分布モデルと正規分布 (2016. 12. 5)
Akira Asano
2018年度春学期 統計学 第6回 データの関係を知る(1)ー相関関係と因果関係 (2018. 5. 16)
2018年度春学期 統計学 第6回 データの関係を知る(1)ー相関関係と因果関係 (2018. 5. 16)
Akira Asano
2018年度春学期 統計学 第14回 分布についての仮説を検証するー検定(その2) (2018. 7. 19))
2018年度春学期 統計学 第14回 分布についての仮説を検証するー検定(その2) (2018. 7. 19))
Akira Asano
2018年度春学期 統計学 第14回 分布についての仮説を検証するー検定(その1) (2018. 7. 12))
2018年度春学期 統計学 第14回 分布についての仮説を検証するー検定(その1) (2018. 7. 12))
Akira Asano
2018年度春学期 統計学 第3回 クロス集計とデータの可視化 (2018. 4. 19)
2018年度春学期 統計学 第3回 クロス集計とデータの可視化 (2018. 4. 19)
Akira Asano
2016年度秋学期 応用数学(解析) 第1回 イントロダクション― ちょっとかっこいい数学を (2016. 9. 29)
2016年度秋学期 応用数学(解析) 第1回 イントロダクション― ちょっとかっこいい数学を (2016. 9. 29)
Akira Asano
2018年度春学期 統計学 第4回 データを分布で見る (2018. 4. 26)
2018年度春学期 統計学 第4回 データを分布で見る (2018. 4. 26)
Akira Asano
2018年度春学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 7. 5))
2018年度春学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 7. 5))
Akira Asano
2016年度秋学期 応用数学(解析) 第13回 孤立特異点と留数 (2016. 12. 22)
2016年度秋学期 応用数学(解析) 第13回 孤立特異点と留数 (2016. 12. 22)
Akira Asano
2016年度秋学期 統計学 第12回 分布の平均を推測する-区間推定 (2016. 12. 12)
2016年度秋学期 統計学 第12回 分布の平均を推測する-区間推定 (2016. 12. 12)
Akira Asano
2016年度秋学期 応用数学(解析) 第2回 無限にも大小がある (2016. 10. 6)
2016年度秋学期 応用数学(解析) 第2回 無限にも大小がある (2016. 10. 6)
Akira Asano
2018年度秋学期 統計学 第9回 確からしさを記述するー確率 (2018. 11. 13)
2018年度秋学期 統計学 第9回 確からしさを記述するー確率 (2018. 11. 13)
Akira Asano
2018年度秋学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2018. 11. 27)
2018年度秋学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2018. 11. 27)
Akira Asano
2018年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2018. 11. 20)
2018年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2018. 11. 20)
Akira Asano
2018年度秋学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 12. 18)
2018年度秋学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 12. 18)
Akira Asano
2016年度秋学期 統計学 第2回 統計資料の収集と読み方 (2016. 10. 3)
2016年度秋学期 統計学 第2回 統計資料の収集と読み方 (2016. 10. 3)
Akira Asano
2016年度秋学期 応用数学(解析) 第3回 実数とは何か (2016. 10. 13)
2016年度秋学期 応用数学(解析) 第3回 実数とは何か (2016. 10. 13)
Akira Asano
2019年度秋学期 統計学 第7回 データの関係を知る(2)ー 回帰分析 (2019. 11. 12)
2019年度秋学期 統計学 第7回 データの関係を知る(2)ー 回帰分析 (2019. 11. 12)
Akira Asano
2019年度秋学期 統計学 第5回 分布をまとめるー平均・分散 (2019. 10. 29)
2019年度秋学期 統計学 第5回 分布をまとめるー平均・分散 (2019. 10. 29)
Akira Asano
What's hot
(20)
2018年度春学期 統計学 第9回 確からしさを記述するー確率 (2018. 6. 7)
2018年度春学期 統計学 第9回 確からしさを記述するー確率 (2018. 6. 7)
2016年度秋学期 統計学 第11回 分布の「型」を考える-確率分布モデルと正規分布 (2016. 12. 5)
2016年度秋学期 統計学 第11回 分布の「型」を考える-確率分布モデルと正規分布 (2016. 12. 5)
2018年度春学期 統計学 第6回 データの関係を知る(1)ー相関関係と因果関係 (2018. 5. 16)
2018年度春学期 統計学 第6回 データの関係を知る(1)ー相関関係と因果関係 (2018. 5. 16)
2018年度春学期 統計学 第14回 分布についての仮説を検証するー検定(その2) (2018. 7. 19))
2018年度春学期 統計学 第14回 分布についての仮説を検証するー検定(その2) (2018. 7. 19))
2018年度春学期 統計学 第14回 分布についての仮説を検証するー検定(その1) (2018. 7. 12))
2018年度春学期 統計学 第14回 分布についての仮説を検証するー検定(その1) (2018. 7. 12))
2018年度春学期 統計学 第3回 クロス集計とデータの可視化 (2018. 4. 19)
2018年度春学期 統計学 第3回 クロス集計とデータの可視化 (2018. 4. 19)
2016年度秋学期 応用数学(解析) 第1回 イントロダクション― ちょっとかっこいい数学を (2016. 9. 29)
2016年度秋学期 応用数学(解析) 第1回 イントロダクション― ちょっとかっこいい数学を (2016. 9. 29)
2018年度春学期 統計学 第4回 データを分布で見る (2018. 4. 26)
2018年度春学期 統計学 第4回 データを分布で見る (2018. 4. 26)
2018年度春学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 7. 5))
2018年度春学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 7. 5))
2016年度秋学期 応用数学(解析) 第13回 孤立特異点と留数 (2016. 12. 22)
2016年度秋学期 応用数学(解析) 第13回 孤立特異点と留数 (2016. 12. 22)
2016年度秋学期 統計学 第12回 分布の平均を推測する-区間推定 (2016. 12. 12)
2016年度秋学期 統計学 第12回 分布の平均を推測する-区間推定 (2016. 12. 12)
2016年度秋学期 応用数学(解析) 第2回 無限にも大小がある (2016. 10. 6)
2016年度秋学期 応用数学(解析) 第2回 無限にも大小がある (2016. 10. 6)
2018年度秋学期 統計学 第9回 確からしさを記述するー確率 (2018. 11. 13)
2018年度秋学期 統計学 第9回 確からしさを記述するー確率 (2018. 11. 13)
2018年度秋学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2018. 11. 27)
2018年度秋学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2018. 11. 27)
2018年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2018. 11. 20)
2018年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2018. 11. 20)
2018年度秋学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 12. 18)
2018年度秋学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 12. 18)
2016年度秋学期 統計学 第2回 統計資料の収集と読み方 (2016. 10. 3)
2016年度秋学期 統計学 第2回 統計資料の収集と読み方 (2016. 10. 3)
2016年度秋学期 応用数学(解析) 第3回 実数とは何か (2016. 10. 13)
2016年度秋学期 応用数学(解析) 第3回 実数とは何か (2016. 10. 13)
2019年度秋学期 統計学 第7回 データの関係を知る(2)ー 回帰分析 (2019. 11. 12)
2019年度秋学期 統計学 第7回 データの関係を知る(2)ー 回帰分析 (2019. 11. 12)
2019年度秋学期 統計学 第5回 分布をまとめるー平均・分散 (2019. 10. 29)
2019年度秋学期 統計学 第5回 分布をまとめるー平均・分散 (2019. 10. 29)
Similar to 2016年度秋学期 統計学 第7回 データの関係を知る(2)-回帰分析 (2016. 11. 7)
2018年度秋学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 11. 6)
2018年度秋学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 11. 6)
Akira Asano
2018年度秋学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 11. 6)
2018年度秋学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 11. 6)
Akira Asano
2018年度春学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 5. 24)
2018年度春学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 5. 24)
Akira Asano
2019年度春学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2019. 5. 30)
2019年度春学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2019. 5. 30)
Akira Asano
2019年度春学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2019. 5. 30)
2019年度春学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2019. 5. 30)
Akira Asano
2015年度秋学期 統計学 第7回 データの関係を知る(2) ― 回帰と決定係数 (2015. 11. 18)
2015年度秋学期 統計学 第7回 データの関係を知る(2) ― 回帰と決定係数 (2015. 11. 18)
Akira Asano
2015年度春学期 統計学 第7回 データの関係を知る(2) ― 回帰と決定係数 (2015. 6. 4.)
2015年度春学期 統計学 第7回 データの関係を知る(2) ― 回帰と決定係数 (2015. 6. 4.)
Akira Asano
2013年度秋学期 統計学 第7回「データの関係を知る(2)−回帰分析」
2013年度秋学期 統計学 第7回「データの関係を知る(2)−回帰分析」
Akira Asano
2014年度春学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2014. 5. 29)
2014年度春学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2014. 5. 29)
Akira Asano
2020年度春学期 統計学 第7回 データの関係を知る(2) ー 回帰分析 (2020. 5. 21)
2020年度春学期 統計学 第7回 データの関係を知る(2) ー 回帰分析 (2020. 5. 21)
Akira Asano
2020年度秋学期 統計学 第7回 データの関係を知る(2) ー 回帰分析 (2020. 11. 10)
2020年度秋学期 統計学 第7回 データの関係を知る(2) ー 回帰分析 (2020. 11. 10)
Akira Asano
2016年度秋学期 画像情報処理 第12回 画像フィルタとフィルタ定理 (2016. 12. 22)
2016年度秋学期 画像情報処理 第12回 画像フィルタとフィルタ定理 (2016. 12. 22)
Akira Asano
2016年度秋学期 応用数学(解析) 第14回 ルベーグ測度と完全加法性 (2017. 1. 12)
2016年度秋学期 応用数学(解析) 第14回 ルベーグ測度と完全加法性 (2017. 1. 12)
Akira Asano
2016年度秋学期 応用数学(解析) 第15回 ルベーグ積分 (2017. 1. 19)
2016年度秋学期 応用数学(解析) 第15回 ルベーグ積分 (2017. 1. 19)
Akira Asano
2016年度秋学期 画像情報処理 第13回 Radon変換と投影定理 (2017. 1. 12))
2016年度秋学期 画像情報処理 第13回 Radon変換と投影定理 (2017. 1. 12))
Akira Asano
2018年度秋学期 応用数学(解析) 第4部・「その先の解析学」への導入 第15回 測度論(2) ルベーグ積分 (2019. 1. 15)
2018年度秋学期 応用数学(解析) 第4部・「その先の解析学」への導入 第15回 測度論(2) ルベーグ積分 (2019. 1. 15)
Akira Asano
2018年度秋学期 統計学 第6回 データの関係を知る(1)ー相関関係と因果関係 (2018. 10. 30)
2018年度秋学期 統計学 第6回 データの関係を知る(1)ー相関関係と因果関係 (2018. 10. 30)
Akira Asano
2016年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2016. 12. 8)
2016年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2016. 12. 8)
Akira Asano
2014年度秋学期 統計学 第7回 分布をまとめるー回帰分析 (2014. 11. 12)
2014年度秋学期 統計学 第7回 分布をまとめるー回帰分析 (2014. 11. 12)
Akira Asano
2016年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2016. 11. 17)
2016年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2016. 11. 17)
Akira Asano
Similar to 2016年度秋学期 統計学 第7回 データの関係を知る(2)-回帰分析 (2016. 11. 7)
(20)
2018年度秋学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 11. 6)
2018年度秋学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 11. 6)
2018年度秋学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 11. 6)
2018年度秋学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 11. 6)
2018年度春学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 5. 24)
2018年度春学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2018. 5. 24)
2019年度春学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2019. 5. 30)
2019年度春学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2019. 5. 30)
2019年度春学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2019. 5. 30)
2019年度春学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2019. 5. 30)
2015年度秋学期 統計学 第7回 データの関係を知る(2) ― 回帰と決定係数 (2015. 11. 18)
2015年度秋学期 統計学 第7回 データの関係を知る(2) ― 回帰と決定係数 (2015. 11. 18)
2015年度春学期 統計学 第7回 データの関係を知る(2) ― 回帰と決定係数 (2015. 6. 4.)
2015年度春学期 統計学 第7回 データの関係を知る(2) ― 回帰と決定係数 (2015. 6. 4.)
2013年度秋学期 統計学 第7回「データの関係を知る(2)−回帰分析」
2013年度秋学期 統計学 第7回「データの関係を知る(2)−回帰分析」
2014年度春学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2014. 5. 29)
2014年度春学期 統計学 第7回 データの関係を知る(2)ー回帰分析 (2014. 5. 29)
2020年度春学期 統計学 第7回 データの関係を知る(2) ー 回帰分析 (2020. 5. 21)
2020年度春学期 統計学 第7回 データの関係を知る(2) ー 回帰分析 (2020. 5. 21)
2020年度秋学期 統計学 第7回 データの関係を知る(2) ー 回帰分析 (2020. 11. 10)
2020年度秋学期 統計学 第7回 データの関係を知る(2) ー 回帰分析 (2020. 11. 10)
2016年度秋学期 画像情報処理 第12回 画像フィルタとフィルタ定理 (2016. 12. 22)
2016年度秋学期 画像情報処理 第12回 画像フィルタとフィルタ定理 (2016. 12. 22)
2016年度秋学期 応用数学(解析) 第14回 ルベーグ測度と完全加法性 (2017. 1. 12)
2016年度秋学期 応用数学(解析) 第14回 ルベーグ測度と完全加法性 (2017. 1. 12)
2016年度秋学期 応用数学(解析) 第15回 ルベーグ積分 (2017. 1. 19)
2016年度秋学期 応用数学(解析) 第15回 ルベーグ積分 (2017. 1. 19)
2016年度秋学期 画像情報処理 第13回 Radon変換と投影定理 (2017. 1. 12))
2016年度秋学期 画像情報処理 第13回 Radon変換と投影定理 (2017. 1. 12))
2018年度秋学期 応用数学(解析) 第4部・「その先の解析学」への導入 第15回 測度論(2) ルベーグ積分 (2019. 1. 15)
2018年度秋学期 応用数学(解析) 第4部・「その先の解析学」への導入 第15回 測度論(2) ルベーグ積分 (2019. 1. 15)
2018年度秋学期 統計学 第6回 データの関係を知る(1)ー相関関係と因果関係 (2018. 10. 30)
2018年度秋学期 統計学 第6回 データの関係を知る(1)ー相関関係と因果関係 (2018. 10. 30)
2016年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2016. 12. 8)
2016年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2016. 12. 8)
2014年度秋学期 統計学 第7回 分布をまとめるー回帰分析 (2014. 11. 12)
2014年度秋学期 統計学 第7回 分布をまとめるー回帰分析 (2014. 11. 12)
2016年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2016. 11. 17)
2016年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2016. 11. 17)
More from Akira Asano
2022年度秋学期 統計学 第15回 分布についての仮説を検証するー仮説検定(2) (2023. 1. 17)
2022年度秋学期 統計学 第15回 分布についての仮説を検証するー仮説検定(2) (2023. 1. 17)
Akira Asano
2022年度秋学期 応用数学(解析) 第15回 測度論ダイジェスト(2) ルベーグ積分 (2023. 1. 19)
2022年度秋学期 応用数学(解析) 第15回 測度論ダイジェスト(2) ルベーグ積分 (2023. 1. 19)
Akira Asano
2022年度秋学期 応用数学(解析) 第14回 測度論ダイジェスト(1) ルベーグ測度と完全加法性 (2023. 1. 12)
2022年度秋学期 応用数学(解析) 第14回 測度論ダイジェスト(1) ルベーグ測度と完全加法性 (2023. 1. 12)
Akira Asano
2022年度秋学期 統計学 第14回 分布についての仮説を検証するー仮説検定(1) (2023. 1. 10)
2022年度秋学期 統計学 第14回 分布についての仮説を検証するー仮説検定(1) (2023. 1. 10)
Akira Asano
2022年度秋学期 応用数学(解析) 第13回 複素関数論ダイジェスト(2) 孤立特異点と留数 (2022. 12. 22)
2022年度秋学期 応用数学(解析) 第13回 複素関数論ダイジェスト(2) 孤立特異点と留数 (2022. 12. 22)
Akira Asano
2022年度秋学期 統計学 第13回 不確かな測定の不確かさを測る - 不偏分散とt分布 (2022. 12. 20)
2022年度秋学期 統計学 第13回 不確かな測定の不確かさを測る - 不偏分散とt分布 (2022. 12. 20)
Akira Asano
2022年度秋学期 応用数学(解析) 第12回 複素関数論ダイジェスト(1) 複素関数・正則関数 (2022. 12. 15)
2022年度秋学期 応用数学(解析) 第12回 複素関数論ダイジェスト(1) 複素関数・正則関数 (2022. 12. 15)
Akira Asano
2022年度秋学期 統計学 第12回 分布の平均を推測する - 区間推定 (2022. 12. 13)
2022年度秋学期 統計学 第12回 分布の平均を推測する - 区間推定 (2022. 12. 13)
Akira Asano
2022年度秋学期 画像情報処理 第11回 逆投影法による再構成 (2022. 12. 9)
2022年度秋学期 画像情報処理 第11回 逆投影法による再構成 (2022. 12. 9)
Akira Asano
2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8)
2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8)
Akira Asano
2022年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2022. 12. 6)
2022年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2022. 12. 6)
Akira Asano
2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2)
2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2)
Akira Asano
2022年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2022. 12. 1)
2022年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2022. 12. 1)
Akira Asano
2022年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2022. 11. 29)
2022年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2022. 11. 29)
Akira Asano
2022年度秋学期 統計学 第8回 問題に対する答案の書き方 (2022. 11. 15)
2022年度秋学期 統計学 第8回 問題に対する答案の書き方 (2022. 11. 15)
Akira Asano
2022年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2022. 11. 25)
2022年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2022. 11. 25)
Akira Asano
2022年度秋学期 統計学 第9回 確からしさを記述するー確率 (2022. 11. 22)
2022年度秋学期 統計学 第9回 確からしさを記述するー確率 (2022. 11. 22)
Akira Asano
2022年度秋学期 画像情報処理 第8回 行列の直交変換と基底画像 (2022. 11. 18)
2022年度秋学期 画像情報処理 第8回 行列の直交変換と基底画像 (2022. 11. 18)
Akira Asano
2022年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2022. 11. 17)
2022年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2022. 11. 17)
Akira Asano
2022年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2022. 11. 11)
2022年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2022. 11. 11)
Akira Asano
More from Akira Asano
(20)
2022年度秋学期 統計学 第15回 分布についての仮説を検証するー仮説検定(2) (2023. 1. 17)
2022年度秋学期 統計学 第15回 分布についての仮説を検証するー仮説検定(2) (2023. 1. 17)
2022年度秋学期 応用数学(解析) 第15回 測度論ダイジェスト(2) ルベーグ積分 (2023. 1. 19)
2022年度秋学期 応用数学(解析) 第15回 測度論ダイジェスト(2) ルベーグ積分 (2023. 1. 19)
2022年度秋学期 応用数学(解析) 第14回 測度論ダイジェスト(1) ルベーグ測度と完全加法性 (2023. 1. 12)
2022年度秋学期 応用数学(解析) 第14回 測度論ダイジェスト(1) ルベーグ測度と完全加法性 (2023. 1. 12)
2022年度秋学期 統計学 第14回 分布についての仮説を検証するー仮説検定(1) (2023. 1. 10)
2022年度秋学期 統計学 第14回 分布についての仮説を検証するー仮説検定(1) (2023. 1. 10)
2022年度秋学期 応用数学(解析) 第13回 複素関数論ダイジェスト(2) 孤立特異点と留数 (2022. 12. 22)
2022年度秋学期 応用数学(解析) 第13回 複素関数論ダイジェスト(2) 孤立特異点と留数 (2022. 12. 22)
2022年度秋学期 統計学 第13回 不確かな測定の不確かさを測る - 不偏分散とt分布 (2022. 12. 20)
2022年度秋学期 統計学 第13回 不確かな測定の不確かさを測る - 不偏分散とt分布 (2022. 12. 20)
2022年度秋学期 応用数学(解析) 第12回 複素関数論ダイジェスト(1) 複素関数・正則関数 (2022. 12. 15)
2022年度秋学期 応用数学(解析) 第12回 複素関数論ダイジェスト(1) 複素関数・正則関数 (2022. 12. 15)
2022年度秋学期 統計学 第12回 分布の平均を推測する - 区間推定 (2022. 12. 13)
2022年度秋学期 統計学 第12回 分布の平均を推測する - 区間推定 (2022. 12. 13)
2022年度秋学期 画像情報処理 第11回 逆投影法による再構成 (2022. 12. 9)
2022年度秋学期 画像情報処理 第11回 逆投影法による再構成 (2022. 12. 9)
2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8)
2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8)
2022年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2022. 12. 6)
2022年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2022. 12. 6)
2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2)
2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2)
2022年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2022. 12. 1)
2022年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2022. 12. 1)
2022年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2022. 11. 29)
2022年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2022. 11. 29)
2022年度秋学期 統計学 第8回 問題に対する答案の書き方 (2022. 11. 15)
2022年度秋学期 統計学 第8回 問題に対する答案の書き方 (2022. 11. 15)
2022年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2022. 11. 25)
2022年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2022. 11. 25)
2022年度秋学期 統計学 第9回 確からしさを記述するー確率 (2022. 11. 22)
2022年度秋学期 統計学 第9回 確からしさを記述するー確率 (2022. 11. 22)
2022年度秋学期 画像情報処理 第8回 行列の直交変換と基底画像 (2022. 11. 18)
2022年度秋学期 画像情報処理 第8回 行列の直交変換と基底画像 (2022. 11. 18)
2022年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2022. 11. 17)
2022年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2022. 11. 17)
2022年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2022. 11. 11)
2022年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2022. 11. 11)
Recently uploaded
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
Ken Fukui
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
Ken Fukui
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
Ken Fukui
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScript
yuitoakatsukijp
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
Ken Fukui
TEAMIN Service overview for customer_20240422.pdf
TEAMIN Service overview for customer_20240422.pdf
yukisuga3
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
Ken Fukui
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ssusere0a682
Recently uploaded
(8)
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScript
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
TEAMIN Service overview for customer_20240422.pdf
TEAMIN Service overview for customer_20240422.pdf
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
2016年度秋学期 統計学 第7回 データの関係を知る(2)-回帰分析 (2016. 11. 7)
1.
A.Asano,KansaiUniv. 2016年度秋学期 統計学 浅野 晃 関西大学総合情報学部 データの関係を知る(2)̶回帰分析 第7回
2.
A.Asano,KansaiUniv.
3.
A.Asano,KansaiUniv. 回帰分析とは
4.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 回帰分析とは 多変量データがあるとき ある変量の変化を他の変量の変化で [説明]する方法
5.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 回帰分析とは 多変量データがあるとき ある変量の変化を他の変量の変化で [説明]する方法 説明?
6.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 回帰分析とは 緯度と気温のデータを例にとると 相関分析 緯度があがると,気温が下がる 傾向がはっきりしている 回帰分析 緯度が上がるから気温が下がると考える 緯度が1度あがると,気温が◯℃下がる
7.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 回帰分析とは 緯度が上がるから気温が下がると考える 緯度が1度あがると,気温が◯℃下がる 各都市の気温の違いは,緯度によって決まっ ているという[モデル]を考える 統計学では, 気温(のばらつき)は,緯度によって [説明]されるという
8.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 説明変数・被説明変数 [説明変数] % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) 気温は緯度によって説明される (というモデル) [被説明変数]
9.
A.Asano,KansaiUniv.
10.
A.Asano,KansaiUniv. 線形単回帰
11.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 線形単回帰 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) 気温は緯度によって説明される
12.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 線形単回帰 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) 気温は緯度によって説明される どう説明される?
13.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 線形単回帰 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) 気温は緯度によって説明される どう説明される?
14.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 線形単回帰 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) 気温は緯度によって説明される どう説明される? 散布図上で直線の関係がある,と考える
15.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 線形単回帰 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) 散布図上で直線の関係がある x y y = a + bx という式で表される関係 [線形単回帰] という
16.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 線形単回帰 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y y = a + bx という式で 表される関係
17.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 線形単回帰 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y y = a + bx という式で 表される関係
18.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 線形単回帰 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y y = a + bx という式で 表される関係
19.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 線形単回帰 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y y = a + bx という式で 表される関係 a や b (パラメータ)は どうやって求める?
20.
2016年度秋学期 統計学 A.Asano,KansaiUniv. パラメータの決定 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y y = a + bx
21.
2016年度秋学期 統計学 A.Asano,KansaiUniv. パラメータの決定 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y y = a + bx x = xiのとき
22.
2016年度秋学期 統計学 A.Asano,KansaiUniv. パラメータの決定 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y xi y = a + bx x = xiのとき
23.
2016年度秋学期 統計学 A.Asano,KansaiUniv. パラメータの決定 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y xi y = a + bx x = xiのとき モデルによれば a + bxi
24.
2016年度秋学期 統計学 A.Asano,KansaiUniv. パラメータの決定 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y xi y = a + bx x = xiのとき モデルによれば a + bxi
25.
2016年度秋学期 統計学 A.Asano,KansaiUniv. パラメータの決定 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y xi y = a + bx x = xiのとき モデルによれば a + bxi
26.
2016年度秋学期 統計学 A.Asano,KansaiUniv. パラメータの決定 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y a + bxi xi y = a + bx x = xiのとき モデルによれば a + bxi
27.
2016年度秋学期 統計学 A.Asano,KansaiUniv. パラメータの決定 実際は yi % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25
27 29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y a + bxi xi y = a + bx x = xiのとき モデルによれば a + bxi
28.
2016年度秋学期 統計学 A.Asano,KansaiUniv. パラメータの決定 実際は yi % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25
27 29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y a + bxi xi y = a + bx x = xiのとき モデルによれば a + bxi
29.
2016年度秋学期 統計学 A.Asano,KansaiUniv. パラメータの決定 実際は yi % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25
27 29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y a + bxi xi y = a + bx x = xiのとき モデルによれば a + bxi
30.
2016年度秋学期 統計学 A.Asano,KansaiUniv. パラメータの決定 実際は yi % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25
27 29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y a + bxi xi yi y = a + bx x = xiのとき モデルによれば a + bxi
31.
2016年度秋学期 統計学 A.Asano,KansaiUniv. パラメータの決定 実際は yi % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25
27 29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y a + bxi xi yi y = a + bx 差 yi – (a + bxi ) x = xiのとき モデルによれば a + bxi
32.
2016年度秋学期 統計学 A.Asano,KansaiUniv. パラメータの決定 実際は yi 差が最小に なるように a,bを決める % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25
27 29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y a + bxi xi yi y = a + bx 差 yi – (a + bxi ) x = xiのとき モデルによれば a + bxi
33.
2016年度秋学期 統計学 A.Asano,KansaiUniv. パラメータの決定 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y a + bxi xi yi 差 yi – (a + bxi )
34.
2016年度秋学期 統計学 A.Asano,KansaiUniv. パラメータの決定 すべてのxiについて, 差の合計が最小になるように a,bを決める % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y a + bxi xi yi 差 yi – (a + bxi )
35.
2016年度秋学期 統計学 A.Asano,KansaiUniv. パラメータの決定 すべてのxiについて, 差の合計が最小になるように a,bを決める % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y a + bxi xi yi 差 yi – (a + bxi ) 2
36.
2016年度秋学期 統計学 A.Asano,KansaiUniv. パラメータの決定 すべてのxiについて, 差の合計が最小になるように a,bを決める % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y a + bxi xi yi 差 yi – (a + bxi ) L = n i=1 {yi − (a + bxi)}2 2
37.
2016年度秋学期 統計学 A.Asano,KansaiUniv. パラメータの決定 すべてのxiについて, 差の合計が最小になるように a,bを決める % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y a + bxi xi yi 差 yi – (a + bxi ) L = n i=1 {yi − (a + bxi)}2 が最小になる a,bを求める 2
38.
2016年度秋学期 統計学 A.Asano,KansaiUniv. Lが最小になるa,bを求める •偏微分による方法(付録1) •「2次関数の最大・最小」に よる方法(付録2)
39.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 「偏微分」による方法 L = n i=1 {yi
− (a + bxi)}2 が最小になる a,bを求める
40.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 「偏微分」による方法 L = n i=1 {yi
− (a + bxi)}2 が最小になる a,bを求める a,bの2次関数
41.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 「偏微分」による方法 L = n i=1 {yi
− (a + bxi)}2 が最小になる a,bを求める a,bの2次関数 a b L ★ a b L
42.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 「偏微分」による方法 L = n i=1 {yi
− (a + bxi)}2 が最小になる a,bを求める a,bの2次関数 a b L ★ a b L aだけの関数 と考えて微分
43.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 「偏微分」による方法 L = n i=1 {yi
− (a + bxi)}2 が最小になる a,bを求める a,bの2次関数 a b L ★ a b L aだけの関数 と考えて微分
44.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 「偏微分」による方法 L = n i=1 {yi
− (a + bxi)}2 が最小になる a,bを求める a,bの2次関数 a b L ★ a b L aだけの関数 と考えて微分 bだけの関数 と考えて微分
45.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 「偏微分」による方法 L = n i=1 {yi
− (a + bxi)}2 が最小になる a,bを求める a,bの2次関数 a b L ★ a b L aだけの関数 と考えて微分 bだけの関数 と考えて微分
46.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 「偏微分」による方法 L = n i=1 {yi
− (a + bxi)}2 が最小になる a,bを求める a,bの2次関数 a b L ★ a b L aだけの関数 と考えて微分 bだけの関数 と考えて微分 微分?
47.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 微分? a b L ★ a b L aだけの関数 と考えて微分
48.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 微分? a b L ★ a b L aだけの関数 と考えて微分
49.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 微分? a b L ★ a b L aだけの関数 と考えて微分 微分は,傾きを 求める計算
50.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 微分? a b L ★ a b L aだけの関数 と考えて微分 微分は,傾きを 求める計算 下り(-)
51.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 微分? a b L ★ a b L aだけの関数 と考えて微分 微分は,傾きを 求める計算 下り(-) 上り(+)
52.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 微分? a b L ★ a b L aだけの関数 と考えて微分 微分は,傾きを 求める計算 下り(-) 上り(+) 底では微分=0
53.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 微分? a b L ★ a b L aだけの関数 と考えて微分 微分は,傾きを 求める計算 下り(-) 上り(+) 底では微分=0 bについても同じ, 底では微分=0
54.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 微分? a b L ★ a b L aだけの関数 と考えて微分 微分は,傾きを 求める計算 下り(-) 上り(+) 底では微分=0 bについても同じ, 底では微分=0 これらから a,bを求める
55.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 計算はともかく結論は •偏微分による方法(付録1) •「2次関数の最大・最小」に よる方法(付録2)
56.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 計算はともかく結論は •偏微分による方法(付録1) •「2次関数の最大・最小」に よる方法(付録2) b = σxy σ2 x a
= ¯y − b¯x
57.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 計算はともかく結論は •偏微分による方法(付録1) •「2次関数の最大・最小」に よる方法(付録2) b = σxy σ2 x a
= ¯y − b¯x x, yの共分散
58.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 計算はともかく結論は •偏微分による方法(付録1) •「2次関数の最大・最小」に よる方法(付録2) b = σxy σ2 x a
= ¯y − b¯x x, yの共分散 xの分散
59.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 計算はともかく結論は •偏微分による方法(付録1) •「2次関数の最大・最小」に よる方法(付録2) b = σxy σ2 x a
= ¯y − b¯x x, yの共分散 xの分散 yの平均
60.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 計算はともかく結論は •偏微分による方法(付録1) •「2次関数の最大・最小」に よる方法(付録2) b = σxy σ2 x a
= ¯y − b¯x x, yの共分散 xの分散 xの平均 yの平均
61.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 最小二乗法 b = σxy σ2 x a
= ¯y − b¯x
62.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 最小二乗法 b = σxy σ2 x a
= ¯y − b¯x L = n i=1 {yi − (a + bxi)}2
63.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 最小二乗法 b = σxy σ2 x a
= ¯y − b¯x L = n i=1 {yi − (a + bxi)}2
64.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 最小二乗法 を最小にしたので [最小二乗法] b = σxy σ2 x a
= ¯y − b¯x L = n i=1 {yi − (a + bxi)}2
65.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 最小二乗法 を最小にしたので [最小二乗法] b = σxy σ2 x a
= ¯y − b¯x L = n i=1 {yi − (a + bxi)}2 y = a + bx
66.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 最小二乗法 を最小にしたので [最小二乗法] b = σxy σ2 x a
= ¯y − b¯x L = n i=1 {yi − (a + bxi)}2 y = a + bx [回帰方程式]あるいは [回帰直線]
67.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 最小二乗法 を最小にしたので [最小二乗法] b = σxy σ2 x a
= ¯y − b¯x L = n i=1 {yi − (a + bxi)}2 y = a + bx [回帰方程式]あるいは [回帰直線]
68.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 最小二乗法 を最小にしたので [最小二乗法] b = σxy σ2 x a
= ¯y − b¯x L = n i=1 {yi − (a + bxi)}2 y = a + bx [回帰方程式]あるいは [回帰直線]
69.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 最小二乗法 を最小にしたので [最小二乗法] b = σxy σ2 x a
= ¯y − b¯x [回帰係数] L = n i=1 {yi − (a + bxi)}2 y = a + bx [回帰方程式]あるいは [回帰直線]
70.
2016年度秋学期 統計学 A.Asano,KansaiUniv. ところで % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) x y y = a + bx 帰係数 a = ¯y − b¯x より
71.
2016年度秋学期 統計学 A.Asano,KansaiUniv. ところで % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) x y y = a + bx 帰係数 a = ¯y − b¯x より y − ¯y = b(x − ¯x)
72.
2016年度秋学期 統計学 A.Asano,KansaiUniv. ところで % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) x y x y = a + bx 帰係数 a = ¯y − b¯x より y − ¯y = b(x − ¯x)
73.
2016年度秋学期 統計学 A.Asano,KansaiUniv. ところで % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) x y x y y = a + bx 帰係数 a = ¯y − b¯x より y − ¯y = b(x − ¯x)
74.
2016年度秋学期 統計学 A.Asano,KansaiUniv. ところで % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) x y x y y = a + bx 帰係数 a = ¯y − b¯x より y − ¯y = b(x − ¯x) (x, y)を通る 回帰直線は
75.
A.Asano,KansaiUniv.
76.
A.Asano,KansaiUniv. 決定係数
77.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 残差 a,bが求められて,回帰直線が確定 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y
78.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 残差 a,bが求められて,回帰直線が確定 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y xi
79.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 残差 a,bが求められて,回帰直線が確定 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y xi
80.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 残差 a,bが求められて,回帰直線が確定 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y xi
81.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 残差 a,bが求められて,回帰直線が確定 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y xi yi
82.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 残差 a,bが求められて,回帰直線が確定 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y xi yi
83.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 残差 a,bが求められて,回帰直線が確定 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y a + bxi xi yi
84.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 残差 a,bが求められて,回帰直線が確定 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y a + bxi xi yi xi に対する,回帰直線によるyの推定値
85.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 残差 a,bが求められて,回帰直線が確定 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y a + bxi xi yi ˆyi = a + bxi xi に対する,回帰直線によるyの推定値
86.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 残差 a,bが求められて,回帰直線が確定 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y a + bxi xi yi ˆyi = a + bxi xi に対する,回帰直線によるyの推定値
87.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 残差 a,bが求められて,回帰直線が確定 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y a + bxi xi yi それでも残っている, 推定値と実際の差 ˆyi = a + bxi xi に対する,回帰直線によるyの推定値 ˆyi yi
88.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 残差 a,bが求められて,回帰直線が確定 % % % % %%% % % % % % % % % %% % % 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度)x y a + bxi xi yi それでも残っている, 推定値と実際の差 ˆyi = a + bxi xi に対する,回帰直線によるyの推定値 ˆyi yi [残差]という di
89.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 残差と決定係数 回帰方程式を使って yi
を予測したときの, 予測によって表現できなかった部分
90.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 残差と決定係数 回帰方程式を使って yi
を予測したときの, 予測によって表現できなかった部分 残差について(付録3)
91.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 残差と決定係数 回帰方程式を使って yi
を予測したときの, 予測によって表現できなかった部分 d2 i = (1 − r2 xy) (yi − ¯y)2 残差について(付録3)
92.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 残差と決定係数 回帰方程式を使って yi
を予測したときの, 予測によって表現できなかった部分 d2 i = (1 − r2 xy) (yi − ¯y)2 残差について(付録3) 残差
93.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 残差と決定係数 回帰方程式を使って yi
を予測したときの, 予測によって表現できなかった部分 d2 i = (1 − r2 xy) (yi − ¯y)2 残差について(付録3) 残差 相関 係数
94.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 残差と決定係数 回帰方程式を使って yi
を予測したときの, 予測によって表現できなかった部分 d2 i = (1 − r2 xy) (yi − ¯y)2 残差について(付録3) 残差 相関 係数
95.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 残差と決定係数 回帰方程式を使って yi
を予測したときの, 予測によって表現できなかった部分 d2 i = (1 − r2 xy) (yi − ¯y)2 残差について(付録3) 残差 相関 係数 決定 係数
96.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 残差と決定係数 回帰方程式を使って yi
を予測したときの, 予測によって表現できなかった部分 d2 i = (1 − r2 xy) (yi − ¯y)2 残差について(付録3) 残差 相関 係数 決定 係数 決定係数が1に近づくほど 残差の2乗和が0に近づく
97.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 決定係数の意味 d2 i =
(1 − r2 xy) (yi − ¯y)2 より
98.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 決定係数の意味 d2 i =
(1 − r2 xy) (yi − ¯y)2 より 1 − r2 xy = d2 i /n (yi − ¯y)2/n
99.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 決定係数の意味 d2 i =
(1 − r2 xy) (yi − ¯y)2 より 1 − r2 xy = d2 i /n (yi − ¯y)2/n 決定 係数
100.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 決定係数の意味 d2 i =
(1 − r2 xy) (yi − ¯y)2 より 1 − r2 xy = d2 i /n (yi − ¯y)2/n 決定 係数
101.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 決定係数の意味 残差の2乗の平均 d2 i =
(1 − r2 xy) (yi − ¯y)2 より 1 − r2 xy = d2 i /n (yi − ¯y)2/n 決定 係数
102.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 決定係数の意味 残差の2乗の平均 d2 i =
(1 − r2 xy) (yi − ¯y)2 より 1 − r2 xy = d2 i /n (yi − ¯y)2/n 決定 係数
103.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 決定係数の意味 残差の2乗の平均 d2 i =
(1 − r2 xy) (yi − ¯y)2 より 1 − r2 xy = d2 i /n (yi − ¯y)2/n yの偏差の2乗の平均 決定 係数
104.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 決定係数の意味 残差の2乗の平均 d2 i =
(1 − r2 xy) (yi − ¯y)2 より 1 − r2 xy = d2 i /n (yi − ¯y)2/n yの偏差の2乗の平均 決定 係数
105.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 決定係数の意味 残差の2乗の平均 d2 i =
(1 − r2 xy) (yi − ¯y)2 より 1 − r2 xy = d2 i /n (yi − ¯y)2/n yの偏差の2乗の平均 決定 係数
106.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 決定係数の意味 残差の2乗の平均 d2 i =
(1 − r2 xy) (yi − ¯y)2 より 1 − r2 xy = d2 i /n (yi − ¯y)2/n yの偏差の2乗の平均 決定 係数 =yの分散
107.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 決定係数の意味 残差の2乗の平均 1 −
r2 xy = d2 i /n (yi − ¯y)2/n 決定 係数 yの偏差の2乗の平均 (yの分散) x y y di = yi – yi [残差] y i y i – y [偏差] y i x i
108.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 決定係数の意味 残差の2乗の平均 1 −
r2 xy = d2 i /n (yi − ¯y)2/n 決定 係数 yの偏差の2乗の平均 (yの分散) x y y di = yi – yi [残差] y i y i – y [偏差] y i x i
109.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 決定係数の意味 残差の2乗の平均 1 −
r2 xy = d2 i /n (yi − ¯y)2/n 決定 係数 yの偏差の2乗の平均 (yの分散) もともと y はこんなに ばらついていた x y y di = yi – yi [残差] y i y i – y [偏差] y i x i
110.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 決定係数の意味 残差の2乗の平均 1 −
r2 xy = d2 i /n (yi − ¯y)2/n 決定 係数 yの偏差の2乗の平均 (yの分散) もともと y はこんなに ばらついていた 回帰直線からの ばらつきは こんなに減った x y y di = yi – yi [残差] y i y i – y [偏差] y i x i
111.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 決定係数の意味 回帰直線からの ばらつき 1 −
r2 xy = d2 i /n (yi − ¯y)2/n 決定 係数 yのもともとの ばらつき
112.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 決定係数の意味 回帰直線からの ばらつき 1 −
r2 xy = d2 i /n (yi − ¯y)2/n 決定 係数 yのもともとの ばらつき 決定係数
113.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 決定係数の意味 回帰直線からの ばらつき 1 −
r2 xy = d2 i /n (yi − ¯y)2/n 決定 係数 yのもともとの ばらつき 決定係数 =回帰直線によるばらつきの 減少の度合い
114.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 決定係数の意味 回帰直線からの ばらつき 1 −
r2 xy = d2 i /n (yi − ¯y)2/n 決定 係数 yのもともとの ばらつき 決定係数 =回帰直線によるばらつきの 減少の度合い =回帰直線によって, ばらつきの何%が説明できたか
115.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 「中くらいの相関」とは 「統計学入門」(東京大学出版会)より
116.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 「中くらいの相関」とは 相関係数0.7 「統計学入門」(東京大学出版会)より
117.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 「中くらいの相関」とは 相関係数0.7 相関係数0.5 「統計学入門」(東京大学出版会)より
118.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 「中くらいの相関」とは 決定係数0.49 相関係数0.7 相関係数0.5 「統計学入門」(東京大学出版会)より
119.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 「中くらいの相関」とは 決定係数0.49 相関係数0.7 相関係数0.5 決定係数0.25 「統計学入門」(東京大学出版会)より
120.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 「中くらいの相関」とは 決定係数0.49 相関係数0.7 相関係数0.5 決定係数0.25 こちらが中くらいの 相関関係 「統計学入門」(東京大学出版会)より
121.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 「中くらいの相関」とは 決定係数0.49 相関係数0.7 相関係数0.5 決定係数0.25 こちらが中くらいの 相関関係 回帰直線では ばらつきの25% しか説明できない 「統計学入門」(東京大学出版会)より
122.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 前回の演習問題の例 長野~鹿児島 ✢ ✢ ✢ ✢✢✢ ✢ ✢ ✢ ✢ ✢✢ 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) ✢ ✢ ✢ ✢ ✢✢✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢✢ ✢ ✢ 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) 札幌~那覇
123.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 前回の演習問題の例 決定係数0.712 長野~鹿児島 ✢ ✢ ✢ ✢✢✢ ✢ ✢ ✢ ✢ ✢✢ 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) ✢ ✢ ✢ ✢ ✢✢✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢✢ ✢ ✢ 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) 札幌~那覇
124.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 前回の演習問題の例 決定係数0.712 長野~鹿児島 決定係数0.949 ✢ ✢ ✢ ✢✢✢ ✢ ✢ ✢ ✢ ✢✢ 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) ✢ ✢ ✢ ✢ ✢✢✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢✢ ✢ ✢ 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) 札幌~那覇
125.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 前回の演習問題の例 決定係数0.712 長野~鹿児島 決定係数0.949 平均付近に密集して いると不安定 ✢ ✢ ✢ ✢✢✢ ✢ ✢ ✢ ✢ ✢✢ 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) ✢ ✢ ✢ ✢ ✢✢✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢✢ ✢ ✢ 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) 札幌~那覇
126.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 前回の演習問題の例 決定係数0.712 長野~鹿児島 決定係数0.949 平均付近に密集して いると不安定 ✢ ✢ ✢ ✢✢✢ ✢ ✢ ✢ ✢ ✢✢ 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) ✢ ✢ ✢ ✢ ✢✢✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢✢ ✢ ✢ 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) 札幌~那覇
127.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 前回の演習問題の例 決定係数0.712 長野~鹿児島 決定係数0.949 平均付近に密集して いると不安定 ✢ ✢ ✢ ✢✢✢ ✢ ✢ ✢ ✢ ✢✢ 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) ✢ ✢ ✢ ✢ ✢✢✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢✢ ✢ ✢ 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) 札幌~那覇
128.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 前回の演習問題の例 決定係数0.712 長野~鹿児島 決定係数0.949 平均付近に密集して いると不安定 ✢ ✢ ✢ ✢✢✢ ✢ ✢ ✢ ✢ ✢✢ 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) ✢ ✢ ✢ ✢ ✢✢✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢✢ ✢ ✢ 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) 札幌~那覇
129.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 前回の演習問題の例 決定係数0.712 長野~鹿児島 決定係数0.949 平均付近に密集して いると不安定 平均から離れたデー タがあると 安定する ✢ ✢ ✢ ✢✢✢ ✢ ✢ ✢ ✢ ✢✢ 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) ✢ ✢ ✢ ✢ ✢✢✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢✢ ✢ ✢ 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) 札幌~那覇
130.
2016年度秋学期 統計学 A.Asano,KansaiUniv. 前回の演習問題の例 決定係数0.712 長野~鹿児島 決定係数0.949 平均付近に密集して いると不安定 平均から離れたデー タがあると 安定する ✢ ✢ ✢ ✢✢✢ ✢ ✢ ✢ ✢ ✢✢ 5 7 9 11 13 15 17 19 21 23 25 27
29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) ✢ ✢ ✢ ✢ ✢✢✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢ ✢✢ ✢ ✢ 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 気温(℃) 緯度(度) 札幌~那覇
Download now