Submit Search
Upload
Rで架空データの発生
•
9 likes
•
6,010 views
M
Makoto Hirakawa
Follow
2015.5.24 Hijiyama.R #2 での発表資料です。 架空のサンプルデータを発生させる方法について紹介しています。
Read less
Read more
Software
Report
Share
Report
Share
1 of 22
Download now
Download to read offline
Recommended
Tokyor35 人工データの発生
Tokyor35 人工データの発生
Yohei Sato
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
Hiroshi Shimizu
ベイズ塾のベイズ統計モデリングワークショップで発表したスライドです。
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
広島ベイズ塾夏合宿で発表したStanコードの書き方中級編です。 回帰分析から,一般化線形モデル,欠損値のあるモデル,潜在変数があるモデル,ゼロ過剰分布,混合分布モデルを扱いました。
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
nocchi_airport
2017/4/29に行われた,StanとRでベイズ統計モデリングに関する読書会(Osaka.stan)第4回における,第7章の発表資料です
MCMCサンプルの使い方 ~見る・決める・探す・発生させる~
MCMCサンプルの使い方 ~見る・決める・探す・発生させる~
. .
OsakaStan #5
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
HijiyamaR#3で発表しました。 階層ベイズを使った場合に,最尤法のAICと結果が大きく異なります。その問題についてどのように考えたらいいかについて発表しました。
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
Masashi Komori
Osaka.Stan#6『StanとRでベイズ統計モデリング』(通称アヒル本)読書会@関西学院大学 2017年11月18日(土) https://atnd.org/events/91527
Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説
Hiroshi Shimizu
Cmdstanrとreduce_sum()の使い方を解説します
Recommended
Tokyor35 人工データの発生
Tokyor35 人工データの発生
Yohei Sato
心理学におけるベイズ統計の流行を整理する
心理学におけるベイズ統計の流行を整理する
Hiroshi Shimizu
ベイズ塾のベイズ統計モデリングワークショップで発表したスライドです。
Stanコードの書き方 中級編
Stanコードの書き方 中級編
Hiroshi Shimizu
広島ベイズ塾夏合宿で発表したStanコードの書き方中級編です。 回帰分析から,一般化線形モデル,欠損値のあるモデル,潜在変数があるモデル,ゼロ過剰分布,混合分布モデルを扱いました。
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
StanとRでベイズ統計モデリング読書会 Chapter 7(7.6-7.9) 回帰分析の悩みどころ ~統計の力で歌うまになりたい~
nocchi_airport
2017/4/29に行われた,StanとRでベイズ統計モデリングに関する読書会(Osaka.stan)第4回における,第7章の発表資料です
MCMCサンプルの使い方 ~見る・決める・探す・発生させる~
MCMCサンプルの使い方 ~見る・決める・探す・発生させる~
. .
OsakaStan #5
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
HijiyamaR#3で発表しました。 階層ベイズを使った場合に,最尤法のAICと結果が大きく異なります。その問題についてどのように考えたらいいかについて発表しました。
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
Masashi Komori
Osaka.Stan#6『StanとRでベイズ統計モデリング』(通称アヒル本)読書会@関西学院大学 2017年11月18日(土) https://atnd.org/events/91527
Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説
Hiroshi Shimizu
Cmdstanrとreduce_sum()の使い方を解説します
質的変数の相関・因子分析
質的変数の相関・因子分析
Mitsuo Shimohata
質的変数(順序尺度)に有用なポリコリック相関係数を紹介しています。 また、ポリコリック相関係数を使った因子分析の方法も説明しています。
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
Rのpsychパッケージを用いた,因子分析の方法についてまとめています。 特に,SPSSやSASなどの商用ソフトでは実行できない,多様な分析法がpsychを使えば可能になります。その辺りの分析方法について触れています。 具体的には,因子数の決定方法,因子の抽出,回転方法,カテゴリカル因子分析などです。
NagoyaStat#7 StanとRでベイズ統計モデリング(アヒル本)4章の発表資料
NagoyaStat#7 StanとRでベイズ統計モデリング(アヒル本)4章の発表資料
nishioka1
NagoyaStat#7 StanとRでベイズ統計モデリング(アヒル本)の発表資料 NagoyaStat#7StanとRでベイズ統計モデリング(アヒル本)Chapter 4 https://atnd.org/events/91891 2017/11/02 ヤフー名古屋オフィスで開催 NagoyaStat#7で行った発表資料です StanとRでベイズ統計モデリング(アヒル本)のChapter 4です http://www.kyoritsu-pub.co.jp/bookdetail/9784320112421 NagoyaStat#7のイベント商法 https://atnd.org/events/91891 NagoyaStatとは https://www.slideshare.net/itoyan110/nagoyastat-5 2017/11/02 @ヤフー名古屋オフィス
計量経済学と 機械学習の交差点入り口 (公開用)
計量経済学と 機械学習の交差点入り口 (公開用)
Shota Yasui
Presentation at TokyoWebmining 2016/10/29
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
2014年6月8日に広島大学にて開催された魁!! 広島ベイズ塾のワークショップで発表したスライド。
ブートストラップ法とその周辺とR
ブートストラップ法とその周辺とR
Daisuke Yoneoka
第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)
Masaru Tokuoka
第4回DARM勉強会発表資料
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Takashi J OZAKI
R初心者向け講座「Rによるやさしい統計学第20章『検定力分析によるサンプルサイズの決定』」20140222 TokyoR #36
Rの高速化
Rの高速化
弘毅 露崎
SapporoR#6 初心者セッションスライド
SapporoR#6 初心者セッションスライド
Hiroshi Shimizu
SapporoR#6の初心者セッションで使ったスライドです。
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
第4回DARM勉強会発表資料 「構造方程式モデリング」 報告ガイドラインの概要
統計的因果推論勉強会 第1回
統計的因果推論勉強会 第1回
Hikaru GOTO
クローズドで行われた統計的因果推論の勉強会資料です。対象者は理系ではない経営学系の統計学エンドユーザーでした。
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
有名な1983年のRubin&Rosenbaumの論文をナナメ読みしていきます
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
Hiroshi Shimizu
「StanとRでベイズ統計モデリング」の読書会発表資料です。 今回の発表は導入編(1章~3章)です。 初回ということもあって,本の内容以外に清水が補足説明を加えているところもあります。
距離とクラスタリング
距離とクラスタリング
大貴 末廣
距離とクラスタリング
ベイズモデリングと仲良くするために
ベイズモデリングと仲良くするために
Shushi Namba
ベイズ統計WS「心理学者のためのベイズ 統計学」での発表資料です
ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析
Shushi Namba
ベイズ統計WS「心理学者のためのベイズ 統計学」にて、「社会心理学における事例: ベイズモデリングで見る因子分析」での発表資料です。
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
Osaka.stan #3にて発表した6章「統計モデリングの視点から確率分布の紹介」という資料です。
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
takehikoihayashi
2017年2月17日に行われた統計数理研究所での研究集会『因果推論の基礎』での講演内容です(配布用の改変あり)。スライドだけだと口頭での説明がないので分かりにくい部分もあるかもしれません。 [http://www.ism.ac.jp/events/2017/meeting0216_17.html:title]
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Yoshitake Takebayashi
2014.06.08 「ベイズ推定による多変量解析入門」@広島大学 ベイズ推定とマルコフ連鎖モンテカルロ法について解説しています。 当日動かしたギブスサンプリングのアニメーションは, 以下のサイトで紹介されたコードを参考にしています。 http://qiita.com/yagays/items/5bde6addf228b1fe24e6
推定と標本抽出
推定と標本抽出
山津 貴之
理科教育学研究のための統計分析入門
理科教育学研究のための統計分析入門
Hiroshi Unzai
2020年12月19日に実施された日本理科教育学会若手育成TF第1回オンラインセミナー「理科教育学研究のための統計分析入門」のスライドです。
More Related Content
What's hot
質的変数の相関・因子分析
質的変数の相関・因子分析
Mitsuo Shimohata
質的変数(順序尺度)に有用なポリコリック相関係数を紹介しています。 また、ポリコリック相関係数を使った因子分析の方法も説明しています。
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Hiroshi Shimizu
Rのpsychパッケージを用いた,因子分析の方法についてまとめています。 特に,SPSSやSASなどの商用ソフトでは実行できない,多様な分析法がpsychを使えば可能になります。その辺りの分析方法について触れています。 具体的には,因子数の決定方法,因子の抽出,回転方法,カテゴリカル因子分析などです。
NagoyaStat#7 StanとRでベイズ統計モデリング(アヒル本)4章の発表資料
NagoyaStat#7 StanとRでベイズ統計モデリング(アヒル本)4章の発表資料
nishioka1
NagoyaStat#7 StanとRでベイズ統計モデリング(アヒル本)の発表資料 NagoyaStat#7StanとRでベイズ統計モデリング(アヒル本)Chapter 4 https://atnd.org/events/91891 2017/11/02 ヤフー名古屋オフィスで開催 NagoyaStat#7で行った発表資料です StanとRでベイズ統計モデリング(アヒル本)のChapter 4です http://www.kyoritsu-pub.co.jp/bookdetail/9784320112421 NagoyaStat#7のイベント商法 https://atnd.org/events/91891 NagoyaStatとは https://www.slideshare.net/itoyan110/nagoyastat-5 2017/11/02 @ヤフー名古屋オフィス
計量経済学と 機械学習の交差点入り口 (公開用)
計量経済学と 機械学習の交差点入り口 (公開用)
Shota Yasui
Presentation at TokyoWebmining 2016/10/29
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
2014年6月8日に広島大学にて開催された魁!! 広島ベイズ塾のワークショップで発表したスライド。
ブートストラップ法とその周辺とR
ブートストラップ法とその周辺とR
Daisuke Yoneoka
第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)
Masaru Tokuoka
第4回DARM勉強会発表資料
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Takashi J OZAKI
R初心者向け講座「Rによるやさしい統計学第20章『検定力分析によるサンプルサイズの決定』」20140222 TokyoR #36
Rの高速化
Rの高速化
弘毅 露崎
SapporoR#6 初心者セッションスライド
SapporoR#6 初心者セッションスライド
Hiroshi Shimizu
SapporoR#6の初心者セッションで使ったスライドです。
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
第4回DARM勉強会発表資料 「構造方程式モデリング」 報告ガイドラインの概要
統計的因果推論勉強会 第1回
統計的因果推論勉強会 第1回
Hikaru GOTO
クローズドで行われた統計的因果推論の勉強会資料です。対象者は理系ではない経営学系の統計学エンドユーザーでした。
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
有名な1983年のRubin&Rosenbaumの論文をナナメ読みしていきます
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
Hiroshi Shimizu
「StanとRでベイズ統計モデリング」の読書会発表資料です。 今回の発表は導入編(1章~3章)です。 初回ということもあって,本の内容以外に清水が補足説明を加えているところもあります。
距離とクラスタリング
距離とクラスタリング
大貴 末廣
距離とクラスタリング
ベイズモデリングと仲良くするために
ベイズモデリングと仲良くするために
Shushi Namba
ベイズ統計WS「心理学者のためのベイズ 統計学」での発表資料です
ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析
Shushi Namba
ベイズ統計WS「心理学者のためのベイズ 統計学」にて、「社会心理学における事例: ベイズモデリングで見る因子分析」での発表資料です。
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
Osaka.stan #3にて発表した6章「統計モデリングの視点から確率分布の紹介」という資料です。
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
takehikoihayashi
2017年2月17日に行われた統計数理研究所での研究集会『因果推論の基礎』での講演内容です(配布用の改変あり)。スライドだけだと口頭での説明がないので分かりにくい部分もあるかもしれません。 [http://www.ism.ac.jp/events/2017/meeting0216_17.html:title]
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Yoshitake Takebayashi
2014.06.08 「ベイズ推定による多変量解析入門」@広島大学 ベイズ推定とマルコフ連鎖モンテカルロ法について解説しています。 当日動かしたギブスサンプリングのアニメーションは, 以下のサイトで紹介されたコードを参考にしています。 http://qiita.com/yagays/items/5bde6addf228b1fe24e6
What's hot
(20)
質的変数の相関・因子分析
質的変数の相関・因子分析
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
Rで因子分析 商用ソフトで実行できない因子分析のあれこれ
NagoyaStat#7 StanとRでベイズ統計モデリング(アヒル本)4章の発表資料
NagoyaStat#7 StanとRでベイズ統計モデリング(アヒル本)4章の発表資料
計量経済学と 機械学習の交差点入り口 (公開用)
計量経済学と 機械学習の交差点入り口 (公開用)
ベイズファクターとモデル選択
ベイズファクターとモデル選択
ブートストラップ法とその周辺とR
ブートストラップ法とその周辺とR
第4回DARM勉強会 (多母集団同時分析)
第4回DARM勉強会 (多母集団同時分析)
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rの高速化
Rの高速化
SapporoR#6 初心者セッションスライド
SapporoR#6 初心者セッションスライド
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)
統計的因果推論勉強会 第1回
統計的因果推論勉強会 第1回
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-
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
距離とクラスタリング
距離とクラスタリング
ベイズモデリングと仲良くするために
ベイズモデリングと仲良くするために
ベイズモデリングで見る因子分析
ベイズモデリングで見る因子分析
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
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Similar to Rで架空データの発生
推定と標本抽出
推定と標本抽出
山津 貴之
理科教育学研究のための統計分析入門
理科教育学研究のための統計分析入門
Hiroshi Unzai
2020年12月19日に実施された日本理科教育学会若手育成TF第1回オンラインセミナー「理科教育学研究のための統計分析入門」のスライドです。
データ入力が終わってから分析前にすること
データ入力が終わってから分析前にすること
Masaru Tokuoka
Hijiyama.Rの発表資料です。
Regression2
Regression2
Yuta Tomomatsu
2016/08/13のWSLの勉強会の資料。 正則化項とT検定 パーセプトロンとロジスティック回帰
(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方
Shohei Hido
2013/03/28 PFIセミナー「(道具としての)データサイエンティストのつかい方」資料 Ustreamの録画はこちらです→ http://www.ustream.tv/recorded/30518257
コース導入講義(荒木)
コース導入講義(荒木)
Faculty of Economics, Momoyama Gakuin University
コース導入講義2015(荒木)
Toukei4
Toukei4
Yuya Yamamoto
LSPC統計勉強会 相関分析・回帰分析
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
Yuya Unno
Rm20140507 4key
Rm20140507 4key
youwatari
第76回TokyoR
第76回TokyoR
ShoKato2
ランダム行列
Tokyo r #37 Rubin's Rule
Tokyo r #37 Rubin's Rule
Hiroki Matsui
データ解析のための統計モデリング入門3章後半
データ解析のための統計モデリング入門3章後半
Shinya Akiba
データを整理するための基礎知識
データを整理するための基礎知識
Gen Fujita
統計学のための数学勉強会 #1 資料
dplyr と purrrを用いたデータハンドリング
dplyr と purrrを用いたデータハンドリング
Somatori Keita
専修大学大学院博士課程の杣取(そまとり)です。Rのパッケージ群tidyverse内に入っているdplyrとpurrrを用いたデータハンドリングに関する資料です。データハンドリングには様々なやり方がありますが、なるべくミスなく効率よく行うための工夫について解説しています。また、元々のデータが整然データではない時に、tidyverseパッケージは大活躍します。
分析をモデルの観点から考えてみる
分析をモデルの観点から考えてみる
kazutantan
外国語教育メディア学会(LET)関西支部 メソドロジー研究部会の2014年第一回大会にて発表したスライドです。
How to study stat for freshmans
How to study stat for freshmans
Ak Ok
Yamadai.R チュートリアルセッション
Yamadai.R チュートリアルセッション
考司 小杉
2013/03/18に開催されたR勉強会資料スライド。
統計の基礎を楽しく学ぼうー箱ひげ図編ー
統計の基礎を楽しく学ぼうー箱ひげ図編ー
Yutaka Terasawa
boxplot
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
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
1 5.パラメトリックブートストラップ検定と確率分布
1 5.パラメトリックブートストラップ検定と確率分布
logics-of-blue
2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 1-5パラメトリックブートストラップ検定と確率分布 検定の仕組みと確率分布の解説です。
Similar to Rで架空データの発生
(20)
推定と標本抽出
推定と標本抽出
理科教育学研究のための統計分析入門
理科教育学研究のための統計分析入門
データ入力が終わってから分析前にすること
データ入力が終わってから分析前にすること
Regression2
Regression2
(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方
コース導入講義(荒木)
コース導入講義(荒木)
Toukei4
Toukei4
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
Rm20140507 4key
Rm20140507 4key
第76回TokyoR
第76回TokyoR
Tokyo r #37 Rubin's Rule
Tokyo r #37 Rubin's Rule
データ解析のための統計モデリング入門3章後半
データ解析のための統計モデリング入門3章後半
データを整理するための基礎知識
データを整理するための基礎知識
dplyr と purrrを用いたデータハンドリング
dplyr と purrrを用いたデータハンドリング
分析をモデルの観点から考えてみる
分析をモデルの観点から考えてみる
How to study stat for freshmans
How to study stat for freshmans
Yamadai.R チュートリアルセッション
Yamadai.R チュートリアルセッション
統計の基礎を楽しく学ぼうー箱ひげ図編ー
統計の基礎を楽しく学ぼうー箱ひげ図編ー
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
1 5.パラメトリックブートストラップ検定と確率分布
1 5.パラメトリックブートストラップ検定と確率分布
More from Makoto Hirakawa
今日は何回やればいいのか―状態空間モデルで最大挙上重量を推定し、挙上回数を決める―
今日は何回やればいいのか―状態空間モデルで最大挙上重量を推定し、挙上回数を決める―
Makoto Hirakawa
Hijiyama.R the Final (2017/11/26) のLTで発表した資料です。
Osaka.stan#2 chap5-1
Osaka.stan#2 chap5-1
Makoto Hirakawa
「StanとRでベイズ統計モデリング」の読書会発表資料です。 第5章の重回帰の部分です。
いいからベイズ推定してみる
いいからベイズ推定してみる
Makoto Hirakawa
HijiyamaR#3の資料です。「glmmstan()をもちいて、一般化線形混合モデルをベイズ推定する」という趣旨です。
ベータ分布
ベータ分布
Makoto Hirakawa
魁!!広島ベイズ塾の分布お勉強会の資料です。ベータ分布についてです。
重回帰分析で交互作用効果
重回帰分析で交互作用効果
Makoto Hirakawa
2014.11.29 Hijiyama.R #1 での発表資料です。 R初心者向けに、重回帰分析で交互作用効果の検討方法について紹介しています。
重回帰分析で交互作用効果
重回帰分析で交互作用効果
Makoto Hirakawa
2014.11.29 Hijiyama.R #1 での発表資料です。
More from Makoto Hirakawa
(6)
今日は何回やればいいのか―状態空間モデルで最大挙上重量を推定し、挙上回数を決める―
今日は何回やればいいのか―状態空間モデルで最大挙上重量を推定し、挙上回数を決める―
Osaka.stan#2 chap5-1
Osaka.stan#2 chap5-1
いいからベイズ推定してみる
いいからベイズ推定してみる
ベータ分布
ベータ分布
重回帰分析で交互作用効果
重回帰分析で交互作用効果
重回帰分析で交互作用効果
重回帰分析で交互作用効果
Rで架空データの発生
1.
Rで架空データの発生 第2回 (2015.5.23) 広島大学大学院教育学研究科 平川 真 Hijiyama.R
2.
自己紹介 ・@hirakawamakoto ・社会心理学界隈で活動しています ・通常枠です 2
3.
モチベーション ・授業で使う架空データをつくる ・架空データを分析して、統計手法のお勉強をする e.g., 中心極限定理を実際に確認してみる 「統計モデル=データ生成器」ということの理解を進める 3
4.
母集団分布を指定し乱数を発生 rnorm関数: 正規分布に従う乱数を発生 4 平均と標準偏差を指定 個数を指定
5.
t検定用データをつくってみる 5
6.
t検定用データをつくってみる 6
7.
もうだいたいいける e.g., 交互作用が出るデータがほしいです a1b1 mean=1.5 a1b2
mean=2.2 a2b1 mean=5.0 a2b2 mean=1.2 みたいにして発生させればOK 7 5 4 3 2 1 a1 a2 b1 b2
8.
危険率のお勉強 Type I error:
帰無仮説が真のときに、それを棄却する誤り 危険率: Type I errorを起こす確率 慣例的に有意水準を5%に設定し、統計的仮説検定を行う ⇒ 危険率は5% 本当にそうなるの? ためしてみる! 8
9.
危険率のお勉強 9
10.
t検定のお勉強(1) t検定の前提 1. 無作為抽出が行われていること 2. 母集団の分布が正規分布であること 3.
母集団の分散が等質であること 前提が満たされない場合、帰無分布がt分布となるとは限らない ⇒ 危険率が5%を超えてしまうかも 10
11.
t検定のお勉強(1) 分散の等質性の前提を破ってみた 11 Welchの検定でやると
12.
任意の母相関係数をもつデータ x, e1, e2がそれぞれ分散の等しい母集団から独立に抽出された場合 でつくられた2変数(y1,
y2)の母相関(ρ)は となる ⇒ とすれば、母相関がρとなる2変数をつくれる 12
13.
任意の母相関係数をもつデータ 13
14.
t検定のお勉強(2) 対応のあるt検定だと検出力が上がる ⇒ X1とx2の相関 (r)
が高くなると、t値は大きくなる 14 ← 対応なし ← 対応あり
15.
t検定のお勉強(2) 15 対応なし 対応あり
16.
t検定のお勉強(2) 16 対応なし 対応あり
17.
データフレームの作成 data.frame関数を使って、オブジェクトを結合 17
18.
データフレームの書き出し write.csv関数 18
19.
おまけ:mvrnorm関数 任意の相関行列をもつ多変量データを発生させたい MASSパッケージのmvrnorm関数 19 ← 発生させたい相関行列の指定 ↑ 各変数の平均値を指定
20.
おまけ:mvrnorm関数 20
21.
おまけ:mvrnorm関数 21
22.
おまけ:mvrnorm関数 多母集団同時分析用のデータセットも間単に 22
Download now