- Видео 49
- Просмотров 1 906
キャタPの ゆっくり解析チャンネル
Япония
Добавлен 17 дек 2022
生物学を専攻したうぷ主が、独学で勉強したデータ解析手法について、ゆっくりボイスを使って解説していきます。
数学の専門家ではないため、数理的な説明は全くできませんが、実験データの解析など、実用面に重きを置いて、データ解析手法を解説していきます。間違った解説をしてしまうこともあると思いますが、皆さまがより詳しく調べるきっかけになれば幸いです。
※本チャンネルはうぷ主 一人で運営しております。業務・家庭の都合により、更新頻度は不定期となります。投稿は1〜2動画/月を見込んでおりますが、投稿間隔がかなり空いてしまうことも想定されます。この点はご容赦ください。
※本チャンネルに著作権侵害の意図はありません。抵触しかねないものがありましたら、ご報告ください。
※本チャンネルでは東方Project キャラクターのイラストを使用しておりますが、原作とは関係のない二次創作となります。
※ゆっくりボイスのライセンスは購入済みとなります。
数学の専門家ではないため、数理的な説明は全くできませんが、実験データの解析など、実用面に重きを置いて、データ解析手法を解説していきます。間違った解説をしてしまうこともあると思いますが、皆さまがより詳しく調べるきっかけになれば幸いです。
※本チャンネルはうぷ主 一人で運営しております。業務・家庭の都合により、更新頻度は不定期となります。投稿は1〜2動画/月を見込んでおりますが、投稿間隔がかなり空いてしまうことも想定されます。この点はご容赦ください。
※本チャンネルに著作権侵害の意図はありません。抵触しかねないものがありましたら、ご報告ください。
※本チャンネルでは東方Project キャラクターのイラストを使用しておりますが、原作とは関係のない二次創作となります。
※ゆっくりボイスのライセンスは購入済みとなります。
5.5.1 繰り返しのある二元配置分散分析
#二元配置分散分析
#繰り返しのある二元配置分散分析
#交互作用
本動画では、5.5.1節 繰り返しのある二元配置分散分析の概要を解説しています。
2つの要因に対し、その組み合わせに複数のデータが存在するのが、繰り返しのある二元配置分散分析となります。繰り返しのある二元配置分散分析では、要因の組み合わせに対するデータの数は、すべての組み合わせで
等しいことが前提となっています。どこか1か所でもデータ数が異なってしまうと本来の解析はできないので、注意してください。
また、繰り返しのある二元配置分散分析では交互作用の解析も可能です。
交互作用が有意となった場合、要因の効果は参考程度となり、交互作用の解釈が優先となります。交互作用が有意の場合は、データに応じた検討・解釈をお願いします。
＜Rコード＞
A=as.factor(c(1,1,1,1, 2,2,2,2, 3,3,3,3))
B=as.factor(c(1,1,2,2, 1,1,2,2, 1,1,2,2))
y=c(10,13,12,14, 11,12,15,12, 14,13,16,14)
anova(aov(y~A*B))
#繰り返しのある二元配置分散分析
#交互作用
本動画では、5.5.1節 繰り返しのある二元配置分散分析の概要を解説しています。
2つの要因に対し、その組み合わせに複数のデータが存在するのが、繰り返しのある二元配置分散分析となります。繰り返しのある二元配置分散分析では、要因の組み合わせに対するデータの数は、すべての組み合わせで
等しいことが前提となっています。どこか1か所でもデータ数が異なってしまうと本来の解析はできないので、注意してください。
また、繰り返しのある二元配置分散分析では交互作用の解析も可能です。
交互作用が有意となった場合、要因の効果は参考程度となり、交互作用の解釈が優先となります。交互作用が有意の場合は、データに応じた検討・解釈をお願いします。
＜Rコード＞
A=as.factor(c(1,1,1,1, 2,2,2,2, 3,3,3,3))
B=as.factor(c(1,1,2,2, 1,1,2,2, 1,1,2,2))
y=c(10,13,12,14, 11,12,15,12, 14,13,16,14)
anova(aov(y~A*B))
Просмотров: 60
Видео
5.5 二元配置分散分析
Просмотров 27Месяц назад
#二元配置分散分析 #繰り返しのある二元配置分散分析 #繰り返しのない二元配置分散分析 本動画では、5.5節 二元配置分散分析の概要を解説しています。 1要因に対する一元配置分散分析を、2つ要因に対する解析へ発展させてものが二元配置分散分析となります。二元配置分散分析には、「繰り返しのある二元配置分散分析」と「繰り返しのない二元配置分散分析」があり、詳細は個別動画で説明予定です。
5.4 一元配置分散分析：付録
Просмотров 45Месяц назад
#一元配置分散分析 #F分布 #ピタゴラスの定理 本動画では、5.4節 一元配置分散分析の付録を解説しています。 5.4節の続きとなるため、先に5.4節をご視聴をお願いします。 ＜Rコード：等分散を仮定しない一元配置分散分析＞ x=gl(3,5) y=c(10,11,14,12,12, 13,9,14,15,12, 14,16,13,17,16) oneway.test(y~x,var=F) ＜Rコード：2標本t検定と一元配置分散分析 - 等分散を仮定＞ x1=c( 9,11,12,13,12,11,14,14) x2=c(11,14,16,11,10,13,14,15) t.test(x1,x2,var=T) x=gl(2,8) y=c(9,11,12,13,12,11,14,14, 11,14,16,11,10,13,14,15) oneway.test(y~x,var=T) ＜...
5.4 一元配置分散分析
Просмотров 47Месяц назад
#一元配置分差分析 本動画では、5.4節 一元配置分散分析を解説しています。 2標本t検定を2群以上に拡張し、2群以上の平均値に有意な差があるかを解析できます。動画では3群の事例を紹介していますが、2群や4群以上でも対応可能です。 ただ、3群以上で平均値に有意差があるとなっても、どの群間で有意差があったのかは判りません。その詳細を知りたい場合は多重比較を実施する必要があります。現時点で多重比較を説明することは難しいので、各自で調べていただければと思います。 また、動画時間が長くなってしまったため、付録は別動画とさせていただきます。ご了承ください。 ＜Rコード＞ x=gl(3,5) y=c(10,11,14,12,12, 13,9,14,15,12, 14,16,13,17,16) anova(aov(y~x)) oneway.test(y~x,var=T)
5.3.2 2標本t検定：付録
Просмотров 192 месяца назад
#t検定 #2標本t検定 #Welchのt検定 #平均平方和 本動画では、5.3.2節 2標本t検定の付録を解説しています。 5.3.2節の続きとなるため、先に5.3.2節をご視聴をお願いします。 ＜Rコード：2標本t検定 - 片側検定＞ x1=c(9,11,12,13,12,11,14,14) x2=c(11,14,16,11,10,13,14,15) t.test(x1,x2,var=T,alternative = "less") t.test(x1,x2,var=T,alternative = "greater") ＜Rコード：等分散を仮定しないt検定＞ x1=c( 9,11,12,13,12,11,14,14) x2=c(11,14,16,11,10,13,14,15) t.test(x1,x2,var=F) ＜参考サイト＞ qiita.com/tabintone/items...
5.3.2 2標本t検定
Просмотров 692 месяца назад
#t検定 #2標本t検定 本動画では、5.3.2節 2標本t検定を解説しています。 母分散が未知の場合に、2群の平均値の差が規定値から有意に異なるか否かを解析するのが、2標本t検定です。ほとんどの場合は母分散が未知のため、2標本z検定ではなく、2標本t検定が使用されます。 一般的な本に載っている式では、2標本t検定の意味を理解することが難しいため、本動画では独自に式を展開して、解説しています。他の資料との差別化により、視聴者様の理解が進めば幸いです。 また、動画時間が長くなってしまいました。皆様のお時間をいただき、最後までご視聴いただけますと幸いです。 ＜Rコード＞ x1=c( 9,11,12,13,12,11,14,14) x2=c(11,14,16,11,10,13,14,15) t.test(x1,x2,var=T)
5.3.1 1標本t検定
Просмотров 622 месяца назад
#t検定 #1標本t検定 本動画では、5.3.1節 1標本t検定を解説しています。 母分散が未知の場合に、規定値との差があるか否かを解析するのが、1標本t検定です。ほとんどの場合は母分散が未知のため、1標本z検定ではなく、1標本t検定が使用されます。 1標本t検定の計算式は、1標本z検定とほぼ同じです。5.2.1節の1標本z検定の理解をベースに説明しておりますので、本動画よりも先に5.2.1節をご視聴いただけますと、より理解が深まると思います。 ＜Rコード＞ #両側検定 x1=c(9,11,12,13,12,11,14,14) t.test(x1,mu=11) #片側検定 x1=c(9,11,12,13,12,11,14,14) t.test(x1,mu=11,alternative = "less") t.test(x1,mu=11,alternative = "greater")
5.3 t検定
Просмотров 692 месяца назад
#t検定 #1標本t検定 #2標本t検定 本動画では、5.3節 t検定を解説しています。 母分散が事前に判明している場合に使用されるz検定に対し、母分散が未知の場合に使用されるのがt検定となります。母分散が事前に判明していることはほとんどないため、実際はt検定を使用することがほとんとです。 z検定と同様、t検定にも「1標本t検定」と「2標本t検定」があります。 詳細は個別動画で説明予定のため、次回以降の動画を参照ください。
5.2.3 z検定と信頼区間
Просмотров 423 месяца назад
#z検定 #信頼区間 本動画では、5.2.3節 z検定と信頼区間を解説しています。z検定では、「平均値」もしくは「平均値の差」の信頼区間を算出することができます。z検定に限定しませんが、信頼区間を算出できる場合、信頼区間と検定結果には関係性があるため、本動画で解説しています。 また、2群の差を解析する場合(2標本z検定の場合)、既定の差に0を設定すると、「信頼区間に0を含まない」=「有意差がある」となります。今後の解析でも出てくることがあるため、覚えていただければと思います。 ＜Rコード＞ #1標本z検定 library(BSDA) z.test(x=rep(10,20), sigma.x=sqrt(4), mu=11, alternative = "two.sided", conf.level=0.95) #1標本z検定:99%信頼区間 library(BSDA) z.test(x...
5.2.2 2標本z検定
Просмотров 1293 месяца назад
#2標本z検定 #両側検定 #片側検定 本動画では、5.2.2節 2標本z検定を解説しています。 母分散が事前に判明している2群のデータについて、2群の平均値の差が規定の値の差があるか否かを解析するのが、2標本z検定です。実際は2群間で平均値に差が無いかを解析することが多く、その場合は既定の差に0を設定します。 また、1標本z検定と同様に片側検定も可能です。 ＜Rコード＞ library(BSDA) #両側検定 z.test(x=rep(x=10,times=20), y=rep(x=12,times=18), sigma.x=sqrt(4), sigma.y=sqrt(5), mu=0) #下側検定 z.test(x=rep(x=10,times=20), y=rep(x=12,times=18), sigma.x=sqrt(4), sigma.y=sqrt(5), mu=0, a...
5.2.1 1標本z検定
Просмотров 1373 месяца назад
#1標本z検定 #両側検定 #片側検定 本動画では、5.2.1節 1標本z検定を解説しています。 母分散が事前に判明している1群のデータについて、規定値との差があるか否かを解析するのが、1標本z検定です。母分散が事前に判明していることはほぼ無いため、1標本z検定が使用されることは少ないですが、検定の基本となるため、ご理解いただければと思います。 また、両側検定・片側検定にも触れています。検定の方向性も併せてご理解いただければと思います。 ＜Rコード＞ library(BSDA) #両側検定 z.test(x=rep(x=10,times=20), sigma.x=2, mu=11) #下側検定 z.test(x=rep(10,20), sigma.x=2, mu=11, alternative = "less") #上側検定 z.test(x=rep(10,20), sigma.x=...
5.2 z検定
Просмотров 664 месяца назад
#z検定 #1標本z検定 #2標本z検定 本動画では、5.2節 z検定を解説しています。 母分散が事前に判明している状況において使用される、平均値の解析手法がz検定です。z検定には「1標本z検定」と「2標本z検定」があり、1標本z検定は1群のデータについて、2標本z検定は2群のデータの差について、解析します。 z検定が使用されることは少ないですが、検定の基本となる解析となるため、理解いただけると、後の解析手法も理解しやすくなると思います。 本動画ではz検定の概要を説明し、1標本z検定と2標本z検定は後ほど個別動画で説明予定です。検定の詳細は次回以降の動画を参照ください。
5.1 検定の前提条件：対応がない平均値の検定
Просмотров 514 месяца назад
#正規性 #等分散性 #対応がない #データが独立 本動画では、5.1節 検定の前提条件(対応がない平均値の検定)を解説しています。検定の前提条件は「正規性」・「等分散性」・「対応がない」・「データが独立」の4つとなります。それぞれの概要をご理解ください。 また、正規性と等分散性は頑健であることが知られており、多少の乱れがあっても、結果に与える影響は限定されます。頑健の理由も説明しましたが、少し不安が残ります。詳しい方がおりましたら、コメント欄にて補足をお願いします。
5 対応がない平均値の検定
Просмотров 384 месяца назад
#z検定 #t検定 #分散分析 本動画では、5節 対応がない平均値の検定 の概要を解説します。 まずは基本となるz検定・t検定を解説し、分散分析につなげていく予定です。5節では、二元配置分散分析とL8直交表を利用した解析までを解説します。より高度な内容は各自で調べていただければと思います。 本動画では概要のみを説明し、詳細は個別動画にて解説予定です。個別動画を作っていく中で、解説内容を変更する場合もありますが、より良い解説のためと理解いただければと思います。
4.2 統計学的仮説検定の手順 補足1：有意水準
Просмотров 365 месяцев назад
#統計学的仮説検定 #有意水準 本動画では、「4.2節 統計学的仮説検定の手順」の補足として、有意水準を解説しています。有意水準αには5%が一般的に使用されますが、この有意水準に根拠はありません。みんなが使っているからという理由で使われています。 また、事前に有意水準を決めておけば、有意水準の変更が可能です。議論の上、有意水準を変更いただければと思います。
今更見始めましたがとても面白いですね！勉強になります！😊
コメント、ありがとうございます。 古い動画なので、いろいろと粗があるかと思いますが、参考になれば幸いです。引き続き、解析関連のコンテンツを作ってまいります。
ありがとうございます！ 楽しく学べているのでこれからも投稿を続けてくださるのは嬉しいです！