close
1.

図書
図書
1. 高次元データ分析の方法 : Rによる統計的モデリングとモデル統合
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
2.

図書
図書
2. ネットワーク分析. 第2版
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
3.

図書

東工大
目次DB
図書
東工大
目次DB
3. カテゴリカルデータ解析
藤井良宜著
出版情報: 東京 : 共立出版, 2010.4  ix, 179p ; 26cm
シリーズ名: Rで学ぶデータサイエンス / 金明哲編集 ; 1
所蔵情報: loading…
目次情報: 続きを見る
第1章　カテゴリカルデータ 1
   1.1　カテゴリカルデータとは 1
   1.2　カテゴリカルデータの例 2
   1.3　カテゴリカルデータの入力 3
   1.4　複数回答項目の取り扱い 7
第2章　カテゴリカルデータの集計とグラフ表示 9
   2.1　個票データの集計 9
   2.2　集計データの取り扱い 19
   2.3　データフレームとテーブル 20
   　2.3.1　表形式のデータから集計データへの変更 21
   　2.3.2　集計データから個票データへの変更 21
   　2.3.3　カテゴリーの変更 22
   　2.3.4　量的変数からカテゴリカル変数への変更 23
   　2.3.5　表の併合と部分抽出 24
   2.4　その他のグラフ表示 24
第3章　割合に関する統計的な推測 25
   3.1　統計的推測の必要性 30
   3.2　二つのカテゴリーをもつ変数の場合 30
   3.3　三つ以上のカテゴリーをもつ変数の場合 31
第4章　二元表の解析 40
   4.1　2×2表の解析 45
   　4.1.1　データの収集法と確率モデル 45
   　4.1.2　独立性のカイ二乗検定 48
   　4.1.3　フィッシャーの直接確率法 50
   　4.1.4　関連性の指標 52
   4.2　2×J表の解析 54
   4.3　I×J表の解析 62
   4.4　対応のあるカテゴリカル変数の関係 68
   　4.4.1　マクネマー検定 68
第5章　三元表の解析 72
   5.1　見せかけの関係とシンプソンのパラドックス 72
   5.2　層別2×2表の解析 74
   　5.2.1　カリフォルニア州立大学バークレー校での入試データ 74
   　5.2.2　条件付き独立性の検定 76
   　5.2.3　共通オッズ比の推定 78
   　5.2.4　オッズ比の均一性の検定 79
   5.3　層別I×J表の解析 83
第6章　ロジスティック回帰分析 86
   6.1　ロジット変換 86
   6.2　解析方法 91
   6.3　多重ロジスティック回帰分析 92
   6.4　ステップワイズ法 94
   6.5　多項ロジスティック回帰分析 96
   6.6　条件付きロジスティック回帰分析 100
第7章　ポアソン回帰分析 102
   7.1　ポアソン分布 102
   7.2　ポアソン回帰分析の考え方 107
   7.3　オフセットによる調整法 108
   7.4　過分散である場合の解析方法 110
第8章　対数線形モデルでの解析 115
   8.1　対数線形モデルとは 115
   8.2　三元表での対数線形モデル 123
   8.3　ロジスティック回帰と対数線形モデル 127
第9章　対応分析 130
   9.1　対応分析の基本的な考え方 130
   9.2　回答者と回答パターンの関係 135
   9.3　多重対応分析 138
第10章　決定木 142
   10.1　決定木とは 142
   10.2　量的変数を用いたグループ分け 146
   10.3　順序カテゴリカルデータの場合 150
第11章　数量化理論 154
   11.1　数量化理論とは 154
   11.2　数量化I類 154
   11.3　数量化II類 158
第12章　順序カテゴリカル変数に対する相関係数 164
   12.1　順序カテゴリカル変数間の相関係数 164
   12.2　順序カテゴリカル変数と連続変数との相関 168
   12.3　三つ以上の変数間の相関行列を求める 169
この本で用いた主なデータセット 175
参考文献 176
索引 177
第1章　カテゴリカルデータ 1
   1.1　カテゴリカルデータとは 1
   1.2　カテゴリカルデータの例 2
4.

図書
図書
4. SAS enterprise guide (基本操作・データ編集編 - 時系列分析編)
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
5.

図書
図書
5. Pythonによるデータ分析入門 : NumPy、pandasを使ったデータ処理. 第2版
Wes McKinney著 ; 瀬戸山雅人, 小林儀匡, 滝口開資訳
出版情報: 東京 : オライリー・ジャパン , 東京 : オーム社 (発売), 2018.7  xxi, 571p ; 24cm
所蔵情報: loading…
目次情報: 続きを見る
はじめに
Pythonの基礎、IPythonとJupyter : Notebook
Python組み込みのデータ構造と関数、ファイルの扱い
NumPyの基礎:配列とベクトル演算
pandas入門
データの読み込み、書き出しとファイル形式
データのクリーニングと前処理
データラングリング:連結、結合、変形
プロットと可視化
データの集約とグループ演算
時系列データ
pandas:応用編
Pythonにおけるモデリングライブラリ入門
データ分析の実例
付録A : NumPy:応用編
付録B : IPythonシステム上級編
はじめに
Pythonの基礎、IPythonとJupyter : Notebook
Python組み込みのデータ構造と関数、ファイルの扱い
概要: 本書はPythonの代表的なデータ分析ツール、pandasの開発者Wes McKinneyによる、データ分析を行うための基本を網羅しています。すべてのサンプルコードはダウンロード可能で、Jupyter Notebookで対話的に試し、実際に … 手を動かしながら知識を確実なものにすることが可能です。Python3に対応した待望の改訂版。 続きを見る
文献の複写および貸借の依頼を行う
 文献複写・貸借依頼