close
1.

図書

東工大
目次DB

図書
東工大
目次DB
中村永友著
出版情報: 東京 : 共立出版, 2009.8  xiii, 248p ; 26cm
シリーズ名: Rで学ぶデータサイエンス / 金明哲編集 ; 2
所蔵情報: loading…
目次情報: 続きを見る
第1章 統計学の基礎的事項 1
   1.1 多次元データ解析法の分類 1
   1.2 データの形式 1
   1.3 尺度 3
   1.4 データの要約 3
    1.4.1 統計量 3
    1.4.2 散布図,相関係数 4
    1.4.3 クロス集計表 5
   1.5 期待値と分散 6
   1.6 正規分布 7
   1.7 統計的仮説検定 8
   1.8 最尤法 10
   参考文献 12
第2章 Rの基礎的コマンド 13
   2.1 Rの超基礎的事項 13
    2.1.1 データの入力 13
    2.1.2 データの修正 16
    2.1.3 データの出力・保存 16
    2.1.4 オブジェクトへの代入とコンソールへの表示 17
    2.1.5 データの生成 18
   2.2 Rによる基本統計量の計算 20
    2.2.1 基本演算・四則演算・行列の演算 20
    2.2.2 平均・分散・共分散・相関係数・クロス集計 22
    2.2.3 ヒストグラム,散布図 23
   2.3 オブジェクトというものの考え方 24
   2.4 さらに学ぶために 24
   参考文献 25
第3章 線形回帰モデル 26
   3.1 はじめに : 回帰モデルとは 26
   3.2 単回帰モデルのパラメータ推定の考え方 26
   3.3 残差の検討 29
    3.3.1 残差の仮定 29
    3.3.2 残差分析 30
    3.3.3 はずれ値 31
    3.3.4 系列相関 32
   3.4 変数変換 32
   3.5 重回帰モデル 33
    3.5.1 重回帰モデルとそのパラメータ推定 33
    3.5.2 多項式回帰モデル 34
    3.5.3 重回帰モデルの行列表記によるパラメータ推定 35
   3.6 モデルのあてはまりの良さ 37
    3.6.1 重相関係数 37
    3.6.2 決定係数 37
    3.6.3 自由度修正済み決定係数 38
    3.6.4 回帰モデルの評価の視点 40
   3.7 モデルの選択(説明変数の選択) 40
   3.8 Rによる演習 41
    3.8.1 電子部品データ : 単回帰モデル 42
    3.8.2 自動車データ : 単回帰モデル 44
    3.8.3 体格データ : 重回帰モデル(モデルのあてはめと変数選択) 45
    3.8.4 キバハリアリデータ : 重回帰モデル1(ステップワイズな変数選択) 47
    3.8.5 キバハリアリデータ : 重回帰モデル2(総当たり法による変数選択) 50
   3.9 さらに学ぶために 51
   参考文献誌 51
第4章 判別分析法 53
   4.1 はじめに : 判別の問題とは 53
   4.2 判別の考え方 : 1変数2群を例に 53
    4.2.1 判別方式 53
    4.2.2 平均と分散の推定を基礎とする判別方式 54
    4.2.3 誤判別率 55
   4.3 線形判別 : 2変数2群 56
    4.3.1 2変数2群での考え方 56
    4.3.2 群間分散 58
    4.3.3 群内分散 58
    4.3.4 分散比 59
    4.3.5 判別関数の導出 59
   4.4 p変数2群の判別 63
   4.5 ベクトルと行列による表示 64
   4.6 尤度に基づく判別 65
    4.6.1 1変数2群の判別 65
    4.6.2 誤判別率 67
    4.6.3 p変数2群の線形判別 68
    4.6.4 構成比率が異なるとき 69
   4.7 2次判別関数 70
   4.8 Rによる演習 72
    4.8.1 入社試験データ : 線形判別 73
    4.8.2 スイス銀行紙幣真贋データ : 線形判別と2次判別 75
   4.9 さらに学ぶために 78
   参考文献 78
第5章 ロジスティック回帰モデル 79
   5.1 はじめに 79
   5.2 ロジスティックモデル : モデルの考え方 80
    5.2.1 反応が2値 80
    5.2.2 反応が確率のとき 82
   5.3 多重ロジスティック回帰モデル 82
   5.4 ロジスティック回帰モデルのパラメータ推定 84
   5.5 Rによる演習 85
    5.5.1 殺虫剤データ 85
    5.5.2 スペースシャトル・O-Ringデータ 86
   5.6 さらに学ぶために 89
   参考文献 89
第5章 主成分分析法 91
   6.1 はじめに : 主成分分析法とは 91
   6.2 主成分の導出 93
    6.2.1 主成分の導出の考え方 93
    6.2.2 第1主成分の導出 94
    6.2.3 第2主成分の導出 96
    6.2.4 主成分導出方法のまとめ 97
    6.2.5 p変数の主成分の導出 98
   6.3 標本相関係数行列からの主成分の導出 99
   6.4 主成分の寄与率と累積寄与率 100
   6.5 主成分得点 101
   6.6 主成分負荷量 102
   6.7 主成分分析の進め方 104
   6.8 主成分の選択 105
   6.9 Rによる演習 105
    6.9.1 体格データ 105
    6.9.2 キバハリアリのデータ 111
    6.9.3 定期試験データ 114
   参考文献 118
第7章 対応分析法 119
   7.1 はじめに 119
   7.2 対応分析法の考え方 119
    7.2.1 質的データのクロス集計表 120
    7.2.2 クロス集計表の行方向の基準化 121
   7.3 基準化されたクロス集計表に対する主成分分析 125
   7.4 Rによる演習 130
    7.4.1 教員評価データ130
    7.4.2 生のデータからの分析 132
   7.5 より深い理解のために 133
    7.5.1 同値な固有方程式 133
    7.5.2 双対性による数量化得点の算出 136
    7.5.3 数量化得点の平均,分散,共分散 138
   7.6 Rによる演習 : 行列とベクトルの直接入力による計算 140
   7.7 さらに学ぶために 142
   参考文献 142
第8章 因子分析法 143
   8.1 はじめに 143
   8.2 因子分析の考え方 143
   8.3 因子分析モデル 147
    8.3.1 基本モデル 147
    8.3.2 制約条件 148
    8.3.3 相関係数行列の分解と共通性 149
    8.3.4 本来の変数と共通因子との相関 150
    8.3.5 因子数の決定 150
    8.3.6 因子負荷量の推定 : 主因子法 151
    8.3.7 因子の回転 153
   8.4 因子得点の推定 154
    8.4.1 バートレットの重み付き最小自乗法 155
    8.4.2 トムソンの回帰推定法 155
   8.5 Rによる演習 155
    8.5.1 定期試験のデータ 156
   8.6 さらに学ぶために 158
   参考文献 158
第9章 正準相関分析法 159
   9.1 はじめに 159
   9.2 正準相関分析法の考え方 159
   9.3 正準変数の定義と導出 160
   9.4 正準相関分析法の解釈と評価 165
    9.4.1 正準負荷量 166
    9.4.2 正準寄与率 167
    9.4.3 冗長性係数 167
   9.5 Rによる演習 169
    9.5.1 長男次男の頭のサイズのデータ 169
    9.5.2 定期試験のデータ 174
   9.6 さらに学ぶために 175
   参考文献 176
第10章 多次元尺度法 177
   10.1 はじめに 177
   10.2 古典的・計量多次元尺度法 177
    10.2.1 計量的多次元尺度法の考え方 177
    10.2.2 推定方式 170
    10.2.3 類似度のとき 183
   10.3 Rによる演習 : 計量多次元尺度法 184
    10.3.1 人工データ 184
    10.3.2 北海道都市間データ : 計量多次元尺度法 185
   10.4 非計量的多次元尺度法 186
   10.5 Rによる演習 : 非計量多次元尺度法 187
    10.5.1 自動車メーカー印象データ 187
    10.5.2 北海道都市間データ : 非計量多次元尺度法 188
   10.6 さらに学ぶために 190
   参考文献 190
第11章 クラスタ 分析法 192
   11.1 はじめに : クラスター分析法とは 192
    11.1.1 統計的分類とは 192
    11.1.2 分類手法の分類 194
   11.2 近さを表す測度 194
    11.2.1 量的データの距離 : 種々の距離,非類似度 194
    11.2.2 質的データの距離 195
   11.3 階層的手法 196
    11.3.1 考え方 196
    11.3.2 種々なクラスタ一間距離 198
    11.3.3 ランスとウィリアムスの組み合わせ的手法 201
    11.3.4 凝集型階層的分類法の更新距離の特徴 202
    11.3.5 階層的手法の注意事項 203
   11.4 Rによる演習 : 階層的手法 206
    11.4.1 各手法の比較 208
    11.4.2 出力の検討 208
    11.4.3 アイリスデータ 210
    11.4.4 スイス銀行紙幣真贋データ 212
   11.5 非階層的手法 213
    11.5.1 分割最適化型分類手法の考え方 213
    11.5.2 κ平均法 215
    11.5.3 クラスター数の評価基準 219
    11.5.4 分割最適化型分類法の注意点 220
   11.6 Rによる演習 : 非階層的手法 221
    11.6.1 アイリスデータ 221
    11.6.2 スイス銀行紙幣真贋データ 223
   11.7 混合正規分布モデル : 統計モデルを基礎とする分類法 225
    11.7.1 分類手法としての混合分布モデル 225
    11.7.2 モデル 225
    11.7.3 パラメータ推定 226
    11.7.4 多次元のモデルのパラメータ推定 229
    11.7.5 成分数の推定 231
    11.7.6 モデル推定に関する注意 231
   11.8 Rによる演習 : 混合分布による分類 232
    11.8.1 アイリスデータ 232
    11.8.2 スイス銀行紙幣真贋データ 237
   11.9 さらに学ぶために 237
   参考文献 237
付録A 行列の基本演算 239
   A.1 ベクトル行列の基本演算,微分 239
    A.1.1 諸定義 239
    A 1.2 演算 240
    A.1.3 微分 241
索引 242
第1章 統計学の基礎的事項 1
   1.1 多次元データ解析法の分類 1
   1.2 データの形式 1
2.

図書

東工大
目次DB

図書
東工大
目次DB
鈴木努著
出版情報: 東京 : 共立出版, 2009.9  xii, 178p ; 26cm
シリーズ名: Rで学ぶデータサイエンス / 金明哲編集 ; 8
所蔵情報: loading…
目次情報: 続きを見る
第1章 ネットワークデータの入力 1
   1.1 ネットワークとグラフ 1
   1.2 隣接行列 2
    1.2.1 snaの場合 4
    1.2.2 igraphの場合 4
   1.3 辺リスト 5
    1.3.1 snaの場合 6
    1.3.2 igraphの場合 7
   1.4 ファイルの読み込み 9
    1.4.1 Rへのファイルの読み込み 9
    1.4.2 igraphでのファイルの読み込み 10
   1.5 多重グラフ 11
    1.5.1 snaの場合 11
    1.5.2 igraphの場合 12
   1.6 重み付きグラフ 13
    1.6.1 snaの場合 14
    1.6.2 igraphの場合 14
   1.7 二部グラフ 15
第2章 最短距離 19
   2.1 最短経路と最短距離 19
   2.2 幅優先探索 22
   2.3 ダイクストラ法 22
   2.4 ウォーシャル・フロイド法 25
   2.5 snaの場合 26
   2.6 igraphの場合 27
   2.7 到達可能性行列 29
    2.7.1 snaの場合 29
    2.7.2 igraphの場合 30
第3章 ネットワーク構造の諸指標 31
   3.1 密度 31
    3.1.1 snaの場合 33
    3.1.2 igraphの場合 33
   3.2 推移性 33
    3.2.1 snaの場合 35
    3.2.2 igraphの場合 35
   3.3 相互性 35
    3.3.1 snaの場合 37
    3.3.2 igraphの場合 37
   3.4 分析例 38
第4章 中心性 41
   4.1 点中心性 41
   4.2 離心中心性・近接中心性 42
    4.2.1 snaの場合 45
    4.2.2 igraphの場合 45
   4.3 次数中心性 46
    4.3.1 snaの場合 47
    4.3.2 igraphの場合 48
   4.4 固有ベクトル中心性 48
    4.4.1 snaの場合 50
    4.4.2 igraphの場合 51
   4.5 PageRank 51
    4.5.1 igraphの場合 53
   4.6 ボナチッチのパワー中心性 53
    4.6.1 snaの場合 55
    4.6.2 igraphの場合 56
   4.7 媒介中心性 57
    4.7.1 snaの場合 60
    4.7.2 igraphの場合 60
   4.8 情報中心性 60
    4.8.1 snaの場合 64
   4.9 集中度 64
    4.9.1 snaの場合 66
   4.10 二部グラフの中心性 68
   4.11 分析例 69
    4.11.1 中心性指標の比較 69
    4.11.2 二部グラフの中心性 72
第5章 ネットワーク構造の分析 75
   5.1 サブグループ 75
    5.1.1 連結成分 75
    5.1.2 クリーク 77
    5.1.3 コミュニティ 81
   5.2 構造同値性 86
    5.2.1 ユークリッド距離 87
    5.2.2 相関係数 88
    5.2.3 ブロックモデリング 91
   5.3 ストラクチュラル・ホール 94
    5.3.1 igraphの場合 96
第6章 ネットワークの類似性 99
   6.1 関係構造の類似性 99
    6.1.1 ハミング距離 99
    6.1.2 相関係数 101
   6.2 中心化の類似性 106
第7章 ネットワーク指標の有意性検定 109
   7.1 ネットワーク分析における統計的仮説検定 109
   7.2 QAP検定 109
   7.3 CUG検定 112
第8章 モチーフ 117
   8.1 モチーフ 117
   8.2 トライアド・センサス 118
    8.2.1 snaの場合 119
    8.2.2 igraphの場合 120
第9章 複雑ネットワーク 121
   9.1 複雑ネットワーク 121
   9.2 ランダムグラフ 123
   9.3 スモールワールド・ネットワーク 125
   9.4 スケールフリー・ネットワーク 129
第10章 ネットワーク分析とベイジアン・アプローチ 133
   10.1 認知ネットワークからのネットワークの推定 133
    10.1.1 認知ネットワーク 133
    10.1.2 ネットワークのベイズ推定 134
    10.1.3 snaによるネットワークのベイズ推定 136
   10.2 ベイジアン・ネットワーク 139
    10.2.1 ベイジアン・ネットワークとは 139
    10.2.2 ベイジアン・ネットワークの例 140
第11章 グラフ描画 145
   11.1 2 次元グラフ 145
    11.1.1 snaの場合 145
    11.1.2 igraphの場合 150
   11.2 3 次元グラフ 155
    11.2.1 snaの場合 156
    11.2.2 igraphの場合 156
   11.3 グラフィックスの保存 157
    11.3.1 2次元グラフの場合 157
    11.3.2 3次元グラフの場合 158
付録A Rの基礎知識 159
   A.1 Rのインストール 159
   A.2 パッケージのインストール 159
   A.3 パッケージのマニュアル 160
   A.4 ディレクトリの確認と変更 160
   A.5 Rの基本操作 161
   A.6 Rの終了 161
付録B 数学の基礎知識 163
   B.1 四則計算など 163
   B.2 ベクトル 164
   B.3 行列 164
   B.4 行列の固有値と固有ベクトル 167
   B.5 記述統計学 168
参考文献 171
索引 175
第1章 ネットワークデータの入力 1
   1.1 ネットワークとグラフ 1
   1.2 隣接行列 2
3.

図書

東工大
目次DB

図書
東工大
目次DB
垂水共之, 飯塚誠也著
出版情報: 東京 : 共立出版, 2006.4  vii, 181p ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
第1章 Rの起動と終了
   1.1 Rとは 1
   1.2 Linux環境での利用 1
    1.2.1 起動 1
    1.2.2 終了 1
   1.3 Windows環境での利用 2
    1.3.1 起動 2
    1.3.2 終了 2
第2章 1変量データの入力・修正とRの基本操作
   2.1 データ 3
   2.2 データの修正 5
    2.2.1 追加 5
    2.2.2 削除 6
    2.2.3 置換・修正 7
   2.3 実行結果の保存 7
   2.4 データ・関数の保存 8
   2.5 作成した関数の読み込み 8
   2.6 保存したデータ・関数の読み込み 9
第3章 1変量データの分析
   3.1 分布を見よう(ヒストグラム) 10
    3.1.1 主な分布形状 11
   3.2 代表値 13
    3.2.1 平均値と中央値 13
    3.2.2 最小値,最大値 15
   3.3 5数要約と箱ひげ図(ボックスプロット) 15
    3.3.1 ヒンジ 16
   3.4 ばらつきの尺度(分散,標準偏差) 18
    3.4.1 範囲(range) 19
    3.4.2 四分位範囲(interquartile range) 20
    3.4.3 平均偏差(mean deviation) 21
    3.4.4 分散(variance) 21
    3.4.5 標準偏差(standard deviation) 22
第4章 2変量データの分析
   4.1 データ 23
   4.2 ファイルからのデータ入力 25
   4.3 分布を見よう 26
   4.4 回帰直線 31
   4.5 相関係数 33
   4.6 相関係数の性質 37
    4.6.1 完全相関 38
   4.7 順位相関係数 40
    4.7.1 スピアマンの順位相関係数 40
    4.7.2 ケンドールの順位相関係数 43
    4.7.3 ケンドールの順位相関係数とτ 係数との関係 44
   4.8 多変量データのグラフ表現 44
    4.8.1 平行箱ひげ図 46
    4.8.2 散布図行列 46
    4.8.3 3 次元散布図 46
第5章 確率分布
   5.1 確率 50
   5.2 確率分布 51
   5.3 関数のグラフ 52
   5.4 正規分布(normal distribution) 53
   5.5 一様分布(uniform distribution) 57
    5.5.1 円周率のシミュレーション 58
   5.6 標本分布 60
   5.7 χ^2分布 60
    5.7.1 χ^2 分布の導出 60
    5.7.2 χ^2 分布の再生性 61
    5.7.3 χ^2 分布の名前 62
    5.7.4 密度関数のグラフ 62
    5.7.5 乱数とシミュレーション 65
   5.8 t 分布 67
    5.8.1 t分布の導出 69
    5.8.2 シミュレーション1 71
    5.8.3 シミュレーション2 72
   5.9 F分布 74
    5.9.1 F分布の導出 76
    5.9.2 シミュレーション 77
   5.10 多変量正規分布と2変量正規分布 79
    5.10.1 2変数関数のグラフ 79
   5.11 標本相関係数の分布 83
第6章 中心極限定理
   6.1 一様分布の場合 87
    6.1.1 n=2の場合 87
    6.1.2 n=3の場合 88
    6.1.3 一様乱数を用いた正規乱数の生成 90
   6.2 種々の分布 90
    6.2.1 二次分布 90
    6.2.2 三角分布 91
    6.2.3 平方根分布 91
   6.3 中心極限定理を眺めてみよう 92
   6.4 シミュレーションその他の分布 95
第7章 推定
   7.1 母集団と標本 98
   7.2 点推定 99
    7.2.1 不偏性 101
    7.2.2 一致性 101
    7.2.3 有効性 102
    7.2.4 最尤法 103
   7.3 正規分布の母平均μの点推定 104
   7.4 正規分布の母分散σ^2の点推定 105
    7.4.1 母平均μが既知の場合 105
    7.4.2 母平均μが未知の場合 105
    7.4.3 母分散σ^2の不偏推定値 106
   7.5 区間推定 106
    7.5.1 信頼度 107
    7.5.2 信頼区間 107
   7.6 母平均μの区間推定 107
    7.6.1 母分散σ^2 が既知の場合 107
    7.6.2 母分散σ^2 が未知の場合 114
   7.7 母集団分布が正規分布とは限らない場合(大標本) 117
第8章 検定
   8.1 正規分布の母平均の検定(母分散σ^2が既知の場合) 119
   8.2 正規分布の母平均の検定(母分散σ^2が未知の場合) 121
   8.3 シミュレーション 121
    8.3.1 母平均の検定のシミュレーション(母分散既知の場合) 121
    8.3.2 母平均の検定のシミュレーション(母分散未知の場合) 125
   8.4 正規分布の母分散の検定 129
   8.5 検出力 132
    8.5.1 シミュレーション 133
    8.5.2 検出力関数のグラフ 136
解答例 139
付録A
   A.1 乱数 146
    A.1.1 その他の分布の乱数発生プログラム 147
   A.2 多変量正規乱数 149
   A.3 平均と中央値 150
   A.4 中心極限定理 151
   A.5 主なUNIXコマンド 152
    A.5.1 ls (list specific) 153
    A.5.2 cd (change directory, current directory) 153
    A.5.3 mkdir (make directory) 153
    A.5.4 cp (copy) 153
    A.5.5 rm(remove) 154
    A.5.6 mv (move) 154
    A.5.7 chmod (change mode) 154
    A.5.8 passwd 155
    A.5.9 more 155
    A.5.10 リダイレクト(標準入力・出力の切り替え) 156
   A.6 各種図・表の作成プログラム 156
    A.6.1 図4.6 156
    A.6.2 図7.1, 図7.2 156
    A.6.3 共通一次試験総合得点(昭和55 年)の分布 157
    A.6.4 年間所得分布 158
付録B 数表
   B.1 数表作成プログラム 167
    B.1.1 正規分布表 167
    B.1.2 χ^2 分布表 168
    B.1.3 t分布表 168
    B.1.4 F分布表 169
付録C 最新版の入手法・各種情報の入手法
   C.1 Windows版Rのインストール 170
関連図書 175
索引 176
第1章 Rの起動と終了
   1.1 Rとは 1
   1.2 Linux環境での利用 1
4.

図書

図書
辻谷將明, 竹澤邦夫著
出版情報: 東京 : 共立出版, 2009.6  ix, 233p ; 26cm
シリーズ名: Rで学ぶデータサイエンス / 金明哲編集 ; 6
所蔵情報: loading…
5.

図書

東工大
目次DB

図書
東工大
目次DB
荒木孝治編著
出版情報: 東京 : 日科技連出版社, 2007.10  vii, 210p ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
はじめに ⅲ
第1章 問題解決と多変量解析 1
   1.1 多変量解析法とは何か 1
   1.1.1 変数とデータのタイプ 3
   1.1.2 多変量解析の諸手法 3
   1.2 データのまとめ方 5
   1.2.1 データのスタイル 5
   1.2.2 データ分析の基本的考え方 5
   1.2.3 1変数の分析 6
   1.2.4 2変数の関係の分析 8
   1.2.5 多変数をまとめて取り扱う 9
   1.3 例 : 紙幣データ 10
第2章 単回帰分析 19
   2.1 適用例 19
   2.2 回帰分析とは 20
   2.3 最小2乗法 21
   2.4 当てはまりの良さ 27
   2.5 回帰に関する検定と推定 29
   2.5.1 回帰母数の推定量の分布 30
   2.5.2 回帰母数に関する検定と推定 31
   2.5.3 母回帰の区間推定 34
   2.5.4 個々のデータの予測 36
   2.6 例 : 製品粘度データ 37
   2.7 データに繰り返しがある場合の回帰 42
   2.8 より拡張された分析をめざして 47
   2.8.1 解析結果の吟味 47
   2.8.2 非線形モデルの推定 51
第3章 重回帰分析 52
   3.1 適用例 52
   3.2 重回帰モデル 53
   3.3 当てはまりの良さ 61
   3.4 回帰に関する検定と推定 63
   3.4.1 ゼロ仮説の検定 63
   3.4.2 偏回帰係数に関する検定と推定 64
   3.5 回帰診断 68
   3.5.1 残差分析 69
   3.5.2 感度分析 72
   3.5.3 多重共線性 74
   3.5.4 偏残差プロット 74
   3.5.5 基本的診断プロット 75
   3.5.6 部分データセットに対する重回帰分析 79
   3.6 変数選択 81
   3.6.1 変数選択の方法 82
   3.6.2 変数選択の基準 82
   3.7 説明変数に質的変数を含む回帰分析 91
第4章 主成分分析 100
   4.1 適用例 100
   4.2 主成分分析とは 101
   4.2.1 主成分分析の考え方 101
   4.2.2 回帰分析と主成分分析の違い 104
   4.2.3 いくつの主成分を考えるべきか 105
   4.2.4 2種類の主成分分析 106
   4.3 主成分分析の応用 115
第5章 2値・多値データの回帰,ツリーモデル 137
   5.1 適用例 116
   5.2 ロジスティック回帰分析 117
   5.2.1 ロジスティック回帰分析の考え方 118
   5.2.2 glmの出力結果の読み方 125
   5.3 多項ロジット分析 133
   5.4 ツリーモデル 137
第6章 その他の手法 144
   6.1 判別分析 144
   6.1.1 1変数を用いる判別(p=1) 145
   6.1.2 2変数を用いる判別(p=2) 147
   6.1.3 判別方式の良さの評価 148
   6.1.4 例題 149
   6.2 クラスター分析 154
   6.2.1 階層的クラスタリング 155
   6.2.2 非階層的クラスタリング 163
   6.2.3 モデルに基づく手法 166
   6.3 対応分析 171
   6.3.1 クロス集計表についての解析 174
   6.3.2 多重対応分析 177
付録A パッケージRcmdr 181
   A.1 Rコマンダーのしくみ 181
   A.2 データのハンドリング 183
   A.2.1 パッケージ内のデータセットのアクティブ化 183
   A.2.2 アクティブデータセットの切り替え 183
   A.2.3 データの切り出し 184
   A.2.4 数値変数を因子に変換 187
   A.2.5 変数変換 189
   A.3 分布 189
付録B パッケージRcmdr.HH 191
   B.1 Rcmdr.HHの機能 191
   B.1.1 変数選択―《Best subsets regression...(HH)》 191
   B.1.2 単回帰分析における信頼区間・予測区間のプロット 193
   B.1.3 QQプロットと正規性の検定 194
付録C RcmdrおよびRcmdr.HHのメニューツリー 195
参考文献 201
索引 205
はじめに ⅲ
第1章 問題解決と多変量解析 1
   1.1 多変量解析法とは何か 1
6.

図書

図書
山田剛史, 杉澤武俊, 村井潤一郎共著
出版情報: 東京 : オーム社, 2008.1  xiv, 404p ; 21cm
所蔵情報: loading…
7.

図書

図書
安道知寛著
出版情報: 東京 : 朝倉書店, 2014.7  viii, 191p ; 22cm
シリーズ名: 統計ライブラリー
所蔵情報: loading…
目次情報: 続きを見る
1 : 統計的モデリング—現実の意思決定へ向けて
2 : 高次元データの統計的モデリング
3 : 超高次元データへの対応について
4 : モデル統合法
5 : 高次元データとモデル統合
6 : 総括
1 : 統計的モデリング—現実の意思決定へ向けて
2 : 高次元データの統計的モデリング
3 : 超高次元データへの対応について
8.

図書

図書
鈴木努著
出版情報: 東京 : 共立出版, 2017.5  xii, 346p ; 26cm
シリーズ名: Rで学ぶデータサイエンス / 金明哲編集 ; 8
所蔵情報: loading…
目次情報: 続きを見る
ネットワークデータの入力
最短距離
ネットワーク構造の諸指標
中心性
ネットワーク構造の分析
ネットワークの類似性
統計的ネットワーク分析
社会ネットワークの調査分析法
ソーシャル・メディアのネットワーク分析
複雑ネットワークのシミュレーション
ネットワーク描画
ネットワークデータの入力
最短距離
ネットワーク構造の諸指標
9.

図書

図書
高柳良太著
出版情報: 東京 : オーム社, 2014.1-2017.2  8冊 ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
第1章 : 顧客分析のためのデータの整理
第2章 : 基本の統計量とグラフによるデータの把握
第3章 : 傾向をつかむ相関分析
第4章 : EMの基本操作
第5章 : EMの回帰分析—ロジスティック回帰分析
第6章 : セグメントに分類・ディシジョンツリー
第7章 : ニューラルネットワークと予測の比較、当てはめ
第8章 : パターンの発見・アソシエーション分析
第1章 : 品質管理と基本統計
第2章 : 散布図と相関係数
第3章 : 工程能力分析・ヒストグラムと工程能力指数
第4章 : 管理図
第5章 : パレート図
第6章 : グラフ
第7章 : マトリックスデータ解析法
第8章 : 統計的仮説検定
第9章 : 線形回帰分析
第1章 : データ解析の基本
第2章 : クロス集計と検定
第3章 : 量的データの検定
第4章 : 相関分析と回帰分析
第5章 : 主成分分析と因子分析
第6章 : 判別分析とロジスティック回帰分析
第7章 : 生存時間分析
第8章 : リスク比とオッズ比
第1章 : 時系列分析とは
第2章 : 時系列データの準備、編集と時系列グラフ
第3章 : 自己相関
第4章 : 季節性の分解
第5章 : 次期の予測
第6章 : ARIMAモデルと予測
第7章 : 自己回帰誤差付き回帰分析
第8章 : パネルデータの回帰分析
第1章 : データの準備
第2章 : 他のソフトウェアのデータをEGで使用する
第3章 : データ編集の基本
第4章 : 高度なデータの編集
第5章 : 量的変数の集計
第6章 : 質的変数の集計
第1章 : 要約統計量
第2章 : 度数分布表の作成
第3章 : グループごとの集計
第4章 : 相関分析
第5章 : 2群の平均値の差の検定
第6章 : 分割表分析とχ2乗検定
第7章 : EGの「タスク」メニュー
第8章 : EGの基本と環境設定
第1章 アンケートの考え方とデータ入力
第2章 基本統計量 / 度数集計と要約統計量
第3章 クロス集計とχ2乗検定
第4章 2群の平均値の差の検定 / t検定
第5章 3群以上の差の検定 / 分散分析
第6章 順序データなどのノンパラメトリック検定
第7章 相関分析
第8章 複数回答の集計・分析とダミーデータ
第9章 : EGのグラフ作成
第1章 線形回帰分析 / 重回帰分析
第2章 一元配置分散分析とノンパラメトリックな一元配置分散分析
第3章 二元配置分散分析 / 線形モデル
第4章 主成分分析
第5章 因子分析
第6章 判別分析
第7章 ロジスティック回帰分析
第8章 : クラスター分析
第1章 : 顧客分析のためのデータの整理
第2章 : 基本の統計量とグラフによるデータの把握
第3章 : 傾向をつかむ相関分析
文献の複写および貸借の依頼を行う
 文献複写・貸借依頼