More Related Content
Similar to NaITE#14 メトリクス解析(データ解析)の初歩 (20)
More from Asako Yanuki (12)
NaITE#14 メトリクス解析(データ解析)の初歩
- 2. 自己紹介
• 岡野 麻子(おかのあさこ)
• 経歴
• 自社では、SEPGに所属(2010~)。
• 主に、CMMIによるプロセス改善に従事。「定量的プロジェクト管理」の推進をし
ています。統計分析(プロセス実績ベースラインやプロセス実績モデルの構築)、
ツールの管理、プロジェクト推進、・・・なんでも屋さんです。
• その前はQAをやっていました(2004~2010)。
• 所属しているコミュニティなど
• NaITE(長崎IT技術者会) スタッフ
• PM学会 PDA研究会
• JFPUG FP活用研究会 など
©NaITE 22016/5/29
- 31. ① 𝑑𝑦/𝑑𝑥 = 𝑘 ⇒ 𝑦 = 𝑘𝑥 + 𝑐
② 𝑑𝑦/𝑑𝑥 = 𝑘𝑦 ⇒ 𝑦 = 𝑐 exp(𝑘𝑥)
③ 𝑑𝑦/𝑑𝑥 = 𝑘𝑥 ⇒ 𝑦 = 1/2 𝑘𝑥2
+ 𝑐
※数式中の 𝑐 と 𝑘 は定数でタイプごとに独立
相関をみる 関係式(1/2)
- 34. 相関をみる 関係式の導出
[目的]
• 回帰分析を行う理由のひとつに、「 1つの目的変数を1つの説明変数で予測
する」ということがあります。
例:工期と規模のデータがある場合
受託工事の見積もりをしたら、200(Kline)となった。
計画した工期で妥当か?
[手順]
• 散布図を描き、データの散らばり具合をみてみる。
• Excelの「分析ツール(回帰分析)」を使用し、最小二乗法を用いて回帰分
析を行う。
• 回帰分析結果の相関(決定)係数(R2)を見てみる。80をこえていたら、
相関関係にあるといってもよいでしょう。
• 回帰分析結果より、Y=aX+bの式を導出し、近似線を引いたりしてみよう。
2016/5/29 34©NaITE
- 41. 演習 回答
2016/5/29 41©NaITE
Date Tokyo Fukuoka 概要
Yi Xi
5月7日 1019.4 1018.4 回帰統計
5月8日 1005.7 1007.6 重相関 R 0.802971
5月9日 1002 1006.2 重決定 R2 0.644763
5月10日 1006.7 1009.9 補正 R2 0.625028
5月11日 1005.1 1010.8 標準誤差 3.148221
5月12日 1010.1 1013.2 観測数 20
5月13日 1016.7 1016.2
5月14日 1011 1009.1 分散分析表
5月15日 999.5 1003.1 自由度 変動 分散
観測され
た分散比
有意 F
5月16日 1006.9 1012.5 回帰 1 323.8062 323.8062 32.67042 2.03E-05
5月17日 1001.9 1006.4 残差 18 178.4033 9.911295
5月18日 1007.5 1006.3 合計 19 502.2095
5月19日 1014.4 1012.2
5月20日 1014.3 1015 係数 標準誤差 t P-値 下限 95% 上限 95%
下限
95.0%
上限
95.0%
5月21日 1014.6 1017.4 切片 16.08757 173.7333 0.092599 0.927245 -348.913 381.0877 -348.913 381.0877
5月22日 1009 1016.5 X 値 1 0.982213 0.171842 5.715805 2.03E-05 0.621187 1.343239 0.621187 1.343239
5月23日 1006.7 1012.1
5月24日 1009.4 1008.7
5月25日 1011.8 1009.2
5月26日 1009.4 1009.2