close
1.

図書
図書
1. The R tips : データ解析環境Rの基本技・グラフィックス活用集. 第2版
舟尾暢男著
出版情報: 東京 : オーム社, 2009.11  xiv, 504p ; 24cm
所蔵情報: loading…
2.

図書

東工大
目次DB
図書
東工大
目次DB
2. すぐに使えるExcelによる統計解析とグラフの活用
内田治著
出版情報: 東京 : 東京図書, 2009.9  x, 244p ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
はじめに
第1章 データの要約と視覚化 1
　section1　統計量によるデータの要約 2
   1　基本統計量による要約 2
   2　パーセント点による要約 8
　section2　グラフによるデータの視覚化 11
   1　ヒストグラム 11
   2　ドットプロット 24
第2章 平均値に関する解析 29
　section1　母平均に関する検定と推定 30
   1　母標準偏差が既知のときの検定と推定 30
   2　母標準偏差が未知のときの検定と推定 39
　section2　母平均の差に関する検定と推定 46
   1　2つの母平均の差の検定と推定 46
   2　対応のあるデータの母平均の差の検定と推定 61
第3章 分散に関する解析 69
　section1　母分散に関する検定と推定 70
   1　母分散に関する検定 70
   2　母分散に関する推定 76
　section2　母分散の比に関する検定と推定 78
   1　母分散の比に関する検定 78
   2　母分散の比に関する推定 85
第4章 相関分析 87
　section1　相関関係の把握 88
   1　散布図による視覚的把握 88
   2　相関係数による数値的把握 96
　section2　母相関係数に関する検定と推定 100
   1　母相関係数の検定 100
   2　母相関係数の推定 104
第5章 回帰分析 109
　section1　直接回帰 110
   1　回帰式の算出 110
   2　回帰式の吟味 115
　section2　多項式回帰 124
   1　多項式の算出 124
   2　多項式の吟味 127
第6章 比率に関する解析 131
　section1　母比率に関する検定と推定 132
   1　直接確率計算による母比率に関する検定 132
   2　F分布を用いた母比率に関する検定 138
   3　母比率に関する推定 142
　section2　母比率の差に関する検定と推定 146
   1　母比率の差に関する検定 146
   2　母比率の差に関する推定 150
第7章 分割表に関する解析 153
　section1　分割表とグラフ表現 154
   1　分割表とは 154
   2　グラフによる分割表の視覚化 161
　section2　分割表の検定 164
   1　2×2分割表の検定 164
   2　m×n分割表の検定 168
付録　統計処理に使えるEXCELの関数 177
索引 241
はじめに
第1章 データの要約と視覚化 1
　section1　統計量によるデータの要約 2
3.

図書

東工大
目次DB
図書
東工大
目次DB
3. ネットワーク分析
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
4.

図書

東工大
目次DB
図書
東工大
目次DB
4. Rによる統計データ分析入門
小暮厚之著
出版情報: 東京 : 朝倉書店, 2009.9  viii, 165p ; 21cm
シリーズ名: シリーズ統計科学のプラクティス / 小暮厚之, 照井伸彦編 ; 1
所蔵情報: loading…
目次情報: 続きを見る
1.　データと度数分布 1
   1.1　変数と観測値 1
   1.2　度数分布 2
   1.3　連続データ 5
   1.4　位置の尺度 8
   1.5　散らばりの尺度 10
   1.6　偏差値 : 入試のデータ分析 13
2.　2変数のデータ 16
   2.1　官民格差 16
   2.2　相関係数 19
   2.3　2変数データの関係 21
   　2.3.1　2変数データの差 : 給与格差 21
   　2.3.2　2変数データの和 : 偏差値と相関係数 23
   2.4　相関係数に関する注意 24
   　2.4.1　相関は線形性を測る 24
   　2.4.2　見せかけの相関 25
   2.5　太陽系のデータ分析 : 対数変換 26
3.　確率 30
   3.1　確率のクイズ 30
   3.2　事象と確率 31
   3.3　事象の組み合わせ 32
   　3.3.1　和事象と積事象 32
   　3.3.2　条件付き事象 33
   3.4　ベイズの定理 : 事前確率と事後確率 34
   3.5　ベンチャービジネス 36
   3.6　メレ，シミュレーション，パスカル 37
   　3.6.1　メレの逆説 37
   　3.6.2　シミュレーション 37
   　3.6.3　パスカル登場 39
   　3.6.4　独立性 40
   3.7　例 : あなたが裁判員になる確率 40
   3.8　例 : 大学野球対抗試合で月曜日が休講になる確率 41
4.　確率変数と確率分布 44
   4.1　確率分布とは何か 44
   4.2　期待値 45
   4.3　例 : 宝くじ 45
   4.4　ぺテルスブルクの逆説 47
   　4.4.1　期待賞金額が無限大の賭け 47
   　4.4.2　効用 48
   　4.4.3　「ぺテルスブルクの逆説」は本当に逆説か 48
   4.5　同時分布 49
   　4.5.1　2つのベンチャー投資 49
   　4.5.2　同時分布と周辺分布 49
   　4.5.3　共同出資 50
   　4.5.4　相関 51
   　4.5.5　共同出資とリスク管理 52
   　4.5.6　独立性 52
5.　離散確率分布のモデル : 2項分布とポアソン分布 55
   5.1　ベルヌーイ試行 55
   5.2　2項分布 56
   5.3　2項分布と地震 58
   5.4　ポアソン分布 61
   5.5　ポアソン分布と台風上陸件数 63
6.　連続確率分布のモデル : 正規分布 66
   6.1　連続型確率変数と分布関数 66
   6.2　正規分布 68
   　6.2.1　標準正規分布 68
   　6.2.2　正規分布 70
   　6.2.3　正規確率の計算 71
   6.3　株式と正規分布 72
   　6.3.1　株式収益率 72
   　6.3.2　ヒストグラム 72
   　6.3.3　歪度と尖度 72
7.　ランダムサンプリング : 標本調査 76
   7.1　世論調査 : 失敗例 76
   7.2　視聴率調査 : ランダムサンプリング 77
   7.3　信頼区問 78
   7.4　紅白歌合戦の視聴率 79
   7.5　消費税の世論調査 80
   7.6　標本調査の注意点 83
   　7.6.1　味噌汁の味見 : 被爆60年アンケート 83
   　7.6.2　回収率 84
   　7.6.3　インターネットと社会調査 85
8.　ランダムサンプリング : 標本理論 86
   8.1　IID 86
   8.2　標本平均 86
   8.3　大数の法則 87
   　8.3.1　保険と大数の法則 87
   　8.3.2　大数の法則と標本分散 89
   8.4　中心極限定理 89
   　8.4.1　中心極限定理と保険 90
   8.5　標本分散に対する中心極限定理 91
   8.6　信頼区間 92
9.　仮説検定 98
   9.1　消費税の世論調査 98
   　9.1.1　p値 100
   9.2　z検定 : 気温上昇の検定 102
   9.3　t検定 103
   9.4　仮説検定 : レイキ（霊気）療法はペインマネジメントに有効か 106
   　9.4.1　ノンパラメトリック検定 107
10.　回帰分析入門 109
   10.1　100m走の年間世界記録データ 109
   10.2　回帰モデル 110
   　10.2.1　モデル 110
   　10.2.2　誤差項の仮定 111
   　10.2.3　最小2乗法 111
   10.3　回帰計算 114
   　10.3.1　回帰係数 114
   　10.3.2　残差と回帰予測値 115
   　10.3.3　R2乗 115
   　10.3.4　残差標準誤差 116
   10.4　回帰モデルの理論 117
   　10.4.1　回帰係数の統計的性質 117
   　10.4.2　t値とp値 118
   10.5　回帰モデルによる予測 118
   10.6　誤差項の仮定 120
11.　重回帰分析 124
   11.1　ワンルームマンションの価格データ 124
   11.2　データの整理 125
   11.3　回帰分析 127
   　11.3.1　単回帰分析 127
   　11.3.2　重回帰モデル 127
   　11.3.3　推定 128
   　11.3.4　偏回帰係数 130
   11.4　重回帰分析の推測 131
   　11.4.1　回帰予測値と残差 131
   　11.4.2　2乗和とR2乗 132
   　11.4.3　自由度調整済みR2乗 132
   　11.4.4　R2乗とF統計量 133
   11.5　外れ値 134
   　11.5.1　重回帰分析の仮定 134
   　11.5.2　外れ値 134
   　11.5.3　ダミー変数 135
   11.6　変数選択 136
   11.7　対数線形モデル 138
12.　ロジットモデル 141
   12.1　住宅ローンのデフォルトデータ 141
   　12.1.1　データ 141
   12.2　ロジットモデル 143
   12.3　ロジットモデルの推定 145
   　12.3.1　最尤法 145
   　12.3.2　デビアンス 147
   12.4　モデル選択 148
   　12.4.1　AIC規準 148
   　12.4.2　対数変換 148
   12.5　タイタニック : 何が生死を分けたか 150
   12.6　タイタニック : ロジットモデルの推定 153
   　12.6.1　年齢を追加したモデルの推定 154
A.　付録 : R事始め 156
   A.1　ベースシステムとパッケージ 156
   A.2　インストール 156
   A.3　Rの起動 157
   A.4　Rの入力 158
   A.5　R関数 159
   A.6　作業ディレクトリー 160
   A.7　データファイルの保存と読み込み 160
   A.8　パッケージのインストール 161
索引 163
1.　データと度数分布 1
   1.1　変数と観測値 1
   1.2　度数分布 2
5.

図書
図書
5. マシンラーニング
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…
6.

図書

東工大
目次DB
図書
東工大
目次DB
6. Rによる統計解析
青木繁伸著
出版情報: 東京 : オーム社, 2009.4  xi, 320p ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
   注 : x[2]の[2]は上つき文字
   
はじめに ⅲ
目次 ⅴ
第1章　Rを使ってみる 1
   1.1　必要なファイルをダウンロードする 1
   1.2　Rのインストール 2
   　1.2.1　Mac OS Xの場合 2
   　1.2.2　Windowsの場合 3
   1.3　Rを起動し終了する 4
   1.4　Rの環境設定をする 6
   1.5　パッケージを利用する 7
   1.6　オンラインヘルプを使う 8
   1.7　作業ディレクトリを変える 9
   1.8　エディタを使う 9
   1.9　結果を保存する 10
第2章　データの取り扱い方 11
   2.1　Rで扱うデータ 11
   2.2　データファイルを準備する 15
   2.3　R以外のソフトウェアで作成されたファイルを読み込む 16
   　2.3.1　Excelのワークシートファイルを読み込む 16
   　2.3.2　SPSSのシステムファイルを読み込む 17
   2.4　データファイルを読み込む 17
   　2.4.1　タブなどで区切られたデータファイルを読み込む 17
   　2.4.2　タブなどで区切られていないデータファイルを読み込む 21
   2.5　データフレームの変数を使う 23
   2.6　データのチェックを行う 24
   2.7　データの修正などを行う 26
   2.8　カテゴリー変数を定義する 27
   　2.8.1　数値で入力されたカテゴリーデータを定義する 27
   　2.8.2　カテゴリーの定義順序を変える 30
   2.9　連続変数をカテゴリー化する 32
   2.10　カテゴリー変数を再カテゴリー化する 36
   2.11　新しい変数を作る 37
   2.12　新しいデータフレームを作る 39
   　2.12.1　変数を抽出して新しいデータフレームを作る 39
   　2.12.2　ケースを抽出して新しいデータフレームを作る 40
   　2.12.3　データフレームを分割する 44
   2.13　複数のデータフレームを結合する 46
   　2.13.1　ケースを結合する 47
   　2.13.2　変数を結合する 48
   2.14　データを並べ替える 50
   2.15　そのほかのデータ操作 51
   　2.15.1　グループ別データリストをデータフレーム形式で表す 51
   　2.15.2　対応のあるデータを2通りのデータフレーム形式で表す 53
   　2.15.3　繰り返される測定結果を2通りのデータフレーム形式で表す 55
   　2.15.4　分割表から元のデータを復元する 57
   　2.15.5　特定の平均値，標準偏差，相関係数を持つデータを生成する 61
   2.16　ファイルに保存する 67
   　2.16.1　write.table関数とread.table関数を使う 67
   　2.16.2　save関数とload関数を使う 69
第3章　一変量統計 71
   3.1　データを要約する 71
   3.1.1　グループ別にデータを要約する 72
   3.2　基本統計量を求める 74
   　3.2.1　統計関数を使いやすくする 74
   　3.2.2　複数の変数の基本統計量を求める 75
   　3.2.3　グループ別に基本統計量を求める 78
   　3.2.4　グループ別に複数の変数の基本統計量を求める 80
   3.3　度数分布表を作る 81
   　3.3.1　table関数を使う 81
   　3.3.2　度数分布表を作る関数を定義する 83
   　3.3.3　度数分布表を簡単に作る 83
   　3.3.4　複数の変数の度数分布表を作る 84
   　3.3.5　グループ別に度数分布表を作る 86
   3.4　度数分布図を描く 86
   　3.4.1　複数の変数の度数分布図を描く 89
   　3.4.2　グループ別に度数分布図を描く 90
   　3.4.3　グループ別にデータの分布状況を示す 93
第4章　二変量統計 97
   4.1　クロス集計表を作る 97
   　4.1.1　二重クロス集計表を作る 97
   　4.1.2　三重以上のクロス集計表を作る 100
   4.2　相関係数を求める 103
   　4.2.1　二変数間の相関係数を求める 103
   　4.2.2　グループ別に二変数間の相関係数を求める 106
   　4.2.3　複数の変数間の相関係数を求める 106
   　4.2.4　グループ別に複数の変数間の相関係数を求める 108
   4.3　二変数の関係を図に表す 110
   　4.3.1　二変数の散布図を描く 110
   　4.3.2　グループ別に二変数の散布図を描く 111
   　4.3.3　複数の変数の散布図を描く 113
第5章　検定と推定 117
   5.1　比率の差の検定 117
   5.2　独立性の検定 119
   　5.2.1　x[2]分布を利用する検定（x[2]検定） 119
   　5.2.2　フィッシャーの正確検定 120
   5.3　平均値の差の検定（パラメトリック検定） 121
   　5.3.1　独立2標本の場合 : t検定 121
   　5.3.2　独立k標本の場合 : 一元配置分散分析 123
   　5.3.3　対応のある2標本の場合 : 対応のある場合のt検定 124
   　5.3.4　対応のあるk標本の場合 : 乱塊法 125
   5.4　代表値の差の検定（ノンパラメトリック検定） 126
   　5.4.1　独立2標本の場合 : マン・ホイットニーのU検定 126
   　5.4.2　独立k標本の場合 : クラスカル・ウォリス検定 128
   　5.4.3　対応のある2標本の場合 : ウィルコクソンの符号付順位和検定 128
   　5.4.4　対応のあるk標本の場合 : フリードマンの検定 130
   5.5　等分散性の検定 131
   　5.5.1　独立2標本の場合 131
   　5.5.2　独立k標本の場合 : バートレットの検定 132
   5.6　相関係数の検定（無相関検定） 133
   5.7　複数の対象変数について検定を繰り返す方法 135
第6章　多変量解析 139
   6.1　重回帰分析 139
   　6.1.1　重回帰分析の基本 139
   　6.1.2　変数選択 146
   　6.1.3　ダミー変数を使う重回帰分析 149
   　6.1.4　多項式回帰分析 154
   6.2　非線形回帰分析 156
   　6.2.1　累乗モデルと指数モデル 157
   　6.2.2　漸近指数曲線 168
   　6.2.3　ロジスティック曲線とゴンペルツ曲線 175
   6.3　従属変数が二値データのときの回帰分析 179
   　6.3.1　ロジスティック回帰分析 180
   　6.3.2　プロビット回帰分析 182
   6.4　正準相関分析 184
   6.5　判別分析 188
   　6.5.1　線形判別分析 188
   　6.5.2　正準判別分析 191
   　6.5.3　二次の判別分析 194
   6.6　主成分分析 196
   　6.6.1　主成分負荷量について 198
   　6.6.2　主成分が持つ情報量 200
   　6.6.3　主成分得点について 202
   　6.6.4　主成分の意味付け 203
   　6.6.5　主成分負荷量が持つ意味 206
   6.7　因子分析 207
   　6.7.1　バリマックス解 208
   　6.7.2　プロマックス解 212
   6.8　数量化Ⅰ類 215
   　6.8.1　数量化Ⅰ類と等価な分析を行う 215
   　6.8.2　数量化Ⅰ類とダミー変数を使う重回帰分析が同じである理由 218
   6.9　数量化Ⅱ類 219
   6.10　数量化Ⅲ類 223
   　6.10.1　カテゴリーデータ行列の分析 223
   　6.10.2　アイテムデータ行列の分析 224
   6.11　クラスター分析 226
   　6.11.1　階層的クラスター分析 226
   　6.11.2　非階層的クラスター分析 233
第7章　統合化された関数を利用する 237
   7.1　共通する引数 237
   7.2　度数分布表と度数分布図を作る 238
   7.3　散布図，箱ひげ図を描く 241
   7.4　クロス集計表を作り検定を行う 244
   7.5　マルチアンサーのクロス集計を行う 246
   7.6　多元分類の集計を行う 248
   7.7　独立k標本の検定を行う 251
   7.8　相関係数行列の計算と無相関検定を行う 254
第8章　データ解析の実例 257
   8.1　各変数の度数分布 258
   8.2　群による各変数の分布の違い 263
   8.3　群による各変数の位置の母数の検定 267
   8.4　変数間の相関関係 271
   8.5　グループの判別 275
付録A　Rの概要 279
   A.1　データの種類 279
   　A.1.1　スカラー 279
   　A.1.2　ベクトル 280
   　A.1.3　行列 281
   　A.1.4　データフレーム 282
   　A.1.5　リスト 283
   A.2　ベクトルや行列やデータフレームの要素の指定法 284
   　A.2.1　ベクトルの要素の指定例 284
   　A.2.2　行列，データフレームの要素の指定例 285
   　A.2.3　データフレームならではの要素の指定例 286
   A.3　演算 287
   　A.3.1　四則演算など 287
   　A.3.2　関数 287
   　A.3.3　2つのデータの間の演算 288
   A.4　行列ならではの操作 291
   　A.4.1　転置行列 291
   　A.4.2　対角行列と単位行列 291
   　A.4.3　三角行列 292
   　A.4.4　行列式 292
   　A.4.5　行列積 293
   　A.4.6　逆行列 293
   　A.4.7　固有値と固有ベクトル 294
   　A.4.8　特異値分解 294
   A.5　apply一族 297
   　A.5.1　apply関数 297
   　A.5.2　lapply関数とsapply関数 298
   　A.5.3　tapply関数とby関数 300
   　A.5.4　mapply関数 302
   A.6　制御構文 303
   　A.6.1　if,if-else,if-elseif-else 303
   　A.6.2　for 305
   　A.6.3　while 305
   　A.6.4　repeat 306
   　A.6.5　breakとnext 306
   A.7　関数の作成 307
付録B　Rの参考図書など 309
   B.1　参考図書 309
   B.2　Webサイト 311
関数一覧 313
索引 317
   注 : x[2]の[2]は上つき文字
   
はじめに ⅲ
7.

図書

東工大
目次DB
図書
東工大
目次DB
7. 多次元データ解析法
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
文献の複写および貸借の依頼を行う
 文献複写・貸借依頼