Suche senden
Hochladen
1 7.Type II ANOVA
•
9 gefällt mir
•
23,061 views
L
logics-of-blue
Folgen
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。 1-7.Type II ANOVA Type II ANOVAに関する説明です。
Weniger lesen
Mehr lesen
Technologie
Melden
Teilen
Melden
Teilen
1 von 14
Empfohlen
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
2 5 3.一般化線形モデル色々_Gamma回帰と対数線形モデル
2 5 3.一般化線形モデル色々_Gamma回帰と対数線形モデル
logics-of-blue
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
Yu Tamura
PRML8章
PRML8章
弘毅 露崎
負の二項分布について
負の二項分布について
Hiroshi Shimizu
1 4.回帰分析と分散分析
1 4.回帰分析と分散分析
logics-of-blue
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
Empfohlen
2 4.devianceと尤度比検定
2 4.devianceと尤度比検定
logics-of-blue
2 5 3.一般化線形モデル色々_Gamma回帰と対数線形モデル
2 5 3.一般化線形モデル色々_Gamma回帰と対数線形モデル
logics-of-blue
2 3.GLMの基礎
2 3.GLMの基礎
logics-of-blue
一般化線形混合モデル入門の入門
一般化線形混合モデル入門の入門
Yu Tamura
PRML8章
PRML8章
弘毅 露崎
負の二項分布について
負の二項分布について
Hiroshi Shimizu
1 4.回帰分析と分散分析
1 4.回帰分析と分散分析
logics-of-blue
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
自動微分変分ベイズ法の紹介
自動微分変分ベイズ法の紹介
Taku Yoshioka
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル
logics-of-blue
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
PRML第6章「カーネル法」
PRML第6章「カーネル法」
Keisuke Sugawara
MCMC法
MCMC法
MatsuiRyo
これからの仮説検証・モデル評価
これからの仮説検証・モデル評価
daiki hojo
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
logics-of-blue
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
Deep Learning Lab(ディープラーニング・ラボ)
正準相関分析
正準相関分析
Akisato Kimura
2 1.予測と確率分布
2 1.予測と確率分布
logics-of-blue
1 8.交互作用
1 8.交互作用
logics-of-blue
順序データでもベイズモデリング
順序データでもベイズモデリング
. .
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
hoxo_m
2 2.尤度と最尤法
2 2.尤度と最尤法
logics-of-blue
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
Takashi Yamane
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
アンサンブル木モデル解釈のためのモデル簡略化法
アンサンブル木モデル解釈のためのモデル簡略化法
Satoshi Hara
経験ベイズ木(IBIS 2017)
経験ベイズ木(IBIS 2017)
Masashi Sekino
1 3.分散分析 anova
1 3.分散分析 anova
logics-of-blue
1 1.はじめに
1 1.はじめに
logics-of-blue
1 2.t検定
1 2.t検定
logics-of-blue
Weitere ähnliche Inhalte
Was ist angesagt?
自動微分変分ベイズ法の紹介
自動微分変分ベイズ法の紹介
Taku Yoshioka
Stanの便利な事後処理関数
Stanの便利な事後処理関数
daiki hojo
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル
logics-of-blue
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
PRML第6章「カーネル法」
PRML第6章「カーネル法」
Keisuke Sugawara
MCMC法
MCMC法
MatsuiRyo
これからの仮説検証・モデル評価
これからの仮説検証・モデル評価
daiki hojo
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
logics-of-blue
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
Deep Learning Lab(ディープラーニング・ラボ)
正準相関分析
正準相関分析
Akisato Kimura
2 1.予測と確率分布
2 1.予測と確率分布
logics-of-blue
1 8.交互作用
1 8.交互作用
logics-of-blue
順序データでもベイズモデリング
順序データでもベイズモデリング
. .
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
hoxo_m
2 2.尤度と最尤法
2 2.尤度と最尤法
logics-of-blue
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
Takashi Yamane
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
アンサンブル木モデル解釈のためのモデル簡略化法
アンサンブル木モデル解釈のためのモデル簡略化法
Satoshi Hara
経験ベイズ木(IBIS 2017)
経験ベイズ木(IBIS 2017)
Masashi Sekino
1 3.分散分析 anova
1 3.分散分析 anova
logics-of-blue
Was ist angesagt?
(20)
自動微分変分ベイズ法の紹介
自動微分変分ベイズ法の紹介
Stanの便利な事後処理関数
Stanの便利な事後処理関数
2 7.一般化線形混合モデル
2 7.一般化線形混合モデル
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
PRML第6章「カーネル法」
PRML第6章「カーネル法」
MCMC法
MCMC法
これからの仮説検証・モデル評価
これからの仮説検証・モデル評価
2 6.ゼロ切断・過剰モデル
2 6.ゼロ切断・過剰モデル
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
正準相関分析
正準相関分析
2 1.予測と確率分布
2 1.予測と確率分布
1 8.交互作用
1 8.交互作用
順序データでもベイズモデリング
順序データでもベイズモデリング
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
2 2.尤度と最尤法
2 2.尤度と最尤法
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
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
アンサンブル木モデル解釈のためのモデル簡略化法
アンサンブル木モデル解釈のためのモデル簡略化法
経験ベイズ木(IBIS 2017)
経験ベイズ木(IBIS 2017)
1 3.分散分析 anova
1 3.分散分析 anova
Andere mochten auch
1 1.はじめに
1 1.はじめに
logics-of-blue
1 2.t検定
1 2.t検定
logics-of-blue
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
1 6.変数選択とAIC
1 6.変数選択とAIC
logics-of-blue
2 5 1.一般化線形モデル色々_CPUE標準化
2 5 1.一般化線形モデル色々_CPUE標準化
logics-of-blue
2 5 2.一般化線形モデル色々_ロジスティック回帰
2 5 2.一般化線形モデル色々_ロジスティック回帰
logics-of-blue
予測理論とpredictability
予測理論とpredictability
logics-of-blue
El naixement d'una llengua
El naixement d'una llengua
gerard vilanova
Andere mochten auch
(8)
1 1.はじめに
1 1.はじめに
1 2.t検定
1 2.t検定
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
1 6.変数選択とAIC
1 6.変数選択とAIC
2 5 1.一般化線形モデル色々_CPUE標準化
2 5 1.一般化線形モデル色々_CPUE標準化
2 5 2.一般化線形モデル色々_ロジスティック回帰
2 5 2.一般化線形モデル色々_ロジスティック回帰
予測理論とpredictability
予測理論とpredictability
El naixement d'una llengua
El naixement d'una llengua
Kürzlich hochgeladen
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
sugiuralab
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
Kürzlich hochgeladen
(9)
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
1 7.Type II ANOVA
1.
Type II ANOVA 1 1日目-第7講 名前:馬場真哉 所属:北大水産
修士課程2年 Webサイト: logics of blue で検索
2.
2 正規線形モデルの理解のために 統計の基本とt検定 分散分析(ANOVA) 回帰分析と分散分析 PB検定と確率分布 変数選択とAIC ここまで来た!! Type II ANOVA、交互作用
3.
3 モデル|Y ~ X1
+ X2 + Option1 + Option2 モデル|Y ~ X1 ナイーブ予測 モデル|Y ~ X1 + X2 モデル|Y ~ X1 + X2 + Option1 モデル|Y ~ X1 + X2 + Option1 + Option2 予測残差は“有意に”減ったか? 検定 比較・検定 比較・検定 検定の仕組み、覚えてますか?
4.
4 モデル|Y ~ X1
+ Option1 + X2 + Option2 モデル|Y ~ X1 ナイーブ予測 モデル|Y ~ X1 +Option1 モデル|Y ~ X1 + Option1 + X2 モデル|Y ~ X1 + Option1 + X2 + Option2 予測残差は“有意に”減ったか? 検定 比較・検定 比較・検定 並び順を変えてみた
5.
5 検定結果の解釈 この2種類の検定は意味が違う X1に追加でX2を入れた時の残差の減少 X1とOption1に追加でX2を入れた時の残差の減少 モデル|Y ~ X1
+Option1 モデル|Y ~ X1 + Option1 + X2 検定 モデル|Y ~ X1 モデル|Y ~ X1 + X2 検定
6.
6 普通のANOVA 普通のANOVAは 不便 ですよね? Type II ANOVA
を使おう!
7.
7 モデル|Y ~ X1
+ X2 + Option1 + Option2 予測残差は“有意に”増えたか? を検定 Type II ANOVA モデル|Y ~ + X2 + Option1 + Option2 X1を抜くことによって「有意に」予測残差が増えた →X1はYを予測するモデルに必要不可欠な存在である →ほかの変数(Option1等)があったとしても、 それでもX1という変数が必要なのかどうか検定
8.
8 モデル|Y ~ X1
+ X2 + Option1 + Option2 予測残差は“有意に”増えたか? を検定 Type II ANOVA モデル|Y ~ X1 + + Option1 + Option2 モデル|Y ~ X1 + X2 + + Option2 モデル|Y ~ X1 + X2 + Option1 + モデル|Y ~ + X2 + Option1 + Option2
9.
9 普通のANOVA、Type II ANOVA モデル|Y
~ X1 ナイーブ予測 普通のANOVA Type II ANOVA モデル|Y ~ X1 + X2 + Option1 + Option2 モデル|Y ~ + X2 + Option1 + Option2 変数を増やすと予測残差は“有意に”減ったか? 変数を減らすと予測残差は“有意に”増えたか?
10.
10 まとめ Type II ANOVA モデル|Y
~ X1 + X2 + Option1 + Option2 モデル|Y ~ + X2 + Option1 + Option2 変数を減らすと予測残差は“有意に”増えたか? ほかの変数が入った状態で、 X1 という変数の必要性を検定している 質問どうぞ!
11.
11 実演 Type II ANOVAを利用して 売り上げをアップさせよう!!
12.
12 チラシ配布枚数 経験年数 性別昼夜 利益
13.
13 チラシ配布枚数 経験年数 性別昼夜 利益
14.
14 採るべき施策 配布枚数 経験 性別昼夜 利益 チラシの配布枚数を増やせるような施策を打とう 経験豊富な社員を大事にして、配布枚数を増やそう (女性でも)夜にチラシを配ってもらおう 変数選択に 選ばれなくても 重要でありうる 質問どうぞ!