学年

質問の種類

Clearnote

勉強トーク
公開ノート
Q&A
いいね
数学 大学生・専門学校生・社会人

統計学の知識ある方、以下にある式の導出方法分かりやすく教えていただきたいです。 分かるところだけでも教えてくれると嬉しいです😭 ちなみにこのサイトは、 統計学入門 http://www.snap-tck.com/room04/c01/stat/stat0001.html こ... 続きを読む

19:56 1 allệ (注3) 相関分析と同様に回帰分析の場合も信頼区間を求めることができま す。まずyの推測値の信頼区間は次のようになります。 この信頼区間は母集 団のy推測値の100(1-α) % が含まれる範囲を表し、信頼限界と呼ぶことが多 いようです。 y=a+b=(my-bmx)+bx = my+b(z-mz)→(j-my)=b(x-mz) VR VR V(j-my) = V(j)+V(my)-2C(j,my) = V(g) + -2 = V(y) - VR =V n n n =V(b(z-mx))=(x-m²) 2V(b)=(x-m²) 2VR S エエ (x - ₂)² 2V (6) - Vx{1+ (².²} =VR n S x=X0の時のy推測値の100(1-α)% 信頼限界: U Dol=a+bro ±t(n-2,a) VR -2,0)√| V₁ { 1/2 + ( 2 = m₂) ² } n S エ mx:xの標本平均 Sxx:xの平方和 VR : 残差分散 VR C(jj,my) = y推定値とmyの共分散 t(n-2, α): 自由度(n-2)のt n 分布における100α%点 この100(1-α)% 信頼限界において、x=mxの時の値を計算すると次のように なります。 VR ŷOL =a+bm±t(n-2,0) VR・ -2,0) √/ VR { 1 1 1 + (m₂ - m₂)² S エエ 2²}. =my±t(n-2,a)V n n これは値と残差分散が少し異なるだけで、 平均値の信頼限界(信頼区間) とほ ぼ同じ式であることがわかると思います。 つまり回帰直線は平均値を2次元 に拡張したものに相当し、 y推測値の信頼限界は平均値の信頼限界を2次元に 拡張したものに相当することになります。 次にyの信頼限界を求めてみましょう。 もしaとbに誤差がない、つまりy推 測値に誤差がないとすると次のようになります。 これが許容限界になりま す。 V(g) = V(g+c)=V(e) =VR x=x0の時のyの100(1-α) % 許容限界: gol =a+bro ±t(n-2,a)VVR you x=mxの時: gol = my±t(n-2,a) VVR しかし実際にはaとbには誤差があるので次のようになります。 これが棄却 限界です。 回帰分析の場合は棄却限界のことを予測限界 (prediction limit)と 呼びます。 (x-²)) S エ n n SII V(g+c)=V(g)+V(c) +2C(j,c)=VR /R { 1 + (*² =− m ₂) ² } + V₁ + 0 = VR { 1 + 1 2 + ( x − m ₂ )² ]} x=X0の時のyの100(1-α) % 予測限界: 1 (x-m₂)² yoz=a+bro ±t(n-2.0)/VR =t(n-2,α) √ -2,0) √/V₁ { 1 + 1 + n S エ U x=mxの時: yol = my ±t(n-2,a) 2, a) √/ VR (1+1) VR (1+ 安全ではありません - snap-tck.com
回答募集中 回答数: 0
数学 大学生・専門学校生・社会人

わかったら随時言うんですけど、同じ問題解いてる人、これは解けたよって人、既に解けてて仕方ないから教えてやるよって方もしいたら教えてください。 連投すみません

問4 あるチェーン店の各店舗について, 店先の通行者数[人旧], 最寄り駅からの移動 時間[分],店舗面積 [m°], 従業員数[人],品目数[個]と売上高[万円/週のデータがあ る。このデータを用いて,売上高を目的変数,その他を説明変数として重回帰分析をR で行ったところ次のような結果を得た(ただし出力の一部を省略している)。 以下の各間に答えよ。 Coefficients: Estimate t value Pr(>|t|) (Intercept) 通行者数 1.970 0.061 0.9526 0.049 3.073 0.0133 最寄り駅からの移動時間 店舗面積 -2.235 -2.584 0.0295 0.064 0.159 0.8776 従業員数 3.959 1.484 0.1721 品目数 0.480 3.009 0.0147 Multiple R-squared: 0.8972, Adjusted R-squared: 0.8956

回答募集中 回答数: 0
数学 大学生・専門学校生・社会人

わかったら随時言うんですけど、同じ問題解いてる人、これは解けたよって人、既に解けてて仕方ないから教えてやるよって方もしいたら教えてください。

問4 あるチェーン店の各店舗について, 店先の通行者数[人旧], 最寄り駅からの移動 時間[分],店舗面積 [m°], 従業員数[人],品目数[個]と売上高[万円/週のデータがあ る。このデータを用いて,売上高を目的変数,その他を説明変数として重回帰分析をR で行ったところ次のような結果を得た(ただし出力の一部を省略している)。 以下の各間に答えよ。 Coefficients: Estimate t value Pr(>|t|) (Intercept) 通行者数 1.970 0.061 0.9526 0.049 3.073 0.0133 最寄り駅からの移動時間 店舗面積 -2.235 -2.584 0.0295 0.064 0.159 0.8776 従業員数 3.959 1.484 0.1721 品目数 0.480 3.009 0.0147 Multiple R-squared: 0.8972, Adjusted R-squared: 0.8956

回答募集中 回答数: 0
数学 大学生・専門学校生・社会人

統計学の偏相関係数について自分の解釈があっているかの確認をしたいのですが、 こればかりは自力ではできないので確認をお願いしたいです。 (画像は参考にした教科書の内容です。ファイルサイズの問題で必要な情報をすべては載せられませんが一応貼ります。) この教科書の内容は ある人... 続きを読む

Gのデータに対して、yおよびxを戦りの像数から下引する次のような る8,備相関係数 のデータに対して,yおよびえを吸りの象数から下刊する次のような S くうか考えられ,それらの影響も限形的であれば、上の1次式のモデルの愛 SyS」 (間題A1.6)。 親がふえるこになる。また,もしこれらの変のうち採力国)が2次関数的 に移響する可能性がある場合には、当のほかにx=という4満日の変数 を予デルに加えておけば、 2次開数的な影響も上のような線格デルにより 分析ることができる。 コーつの重国帰をデルを考える。 -ッ pe ただし、 Sy S Sy S エ-dx p+る。 -のとき、最小2堀法によって求めた重回帰式は次のょうになる。 S, S1 S12 S,p いま去6のように1つの目的変数とp個の説明変数光認を に n個のデータ(数値)が与えられたとしよう. S1y S Sg Sp S= たたし。 表6 重回帰分析の場合のアータ 22 1 帰分析法 S S 日的変哉 明 数 S Sp Sp"Sp S. S 81式のいかをyおよびからあ,為,Xoの回帰が消去されたときの 偏相関係数(partial correlation coefficient)という。 テータ号 そしてS,は行列式Sの1行」列の余因了(行」列の要素を取り除いて作。 Sは式のSの2行2列2)余国子からさらに1行1列の余因子をと 1 『1 『1 T」 ったもの。 S はSの2行2列の余囚子からさらに1行+1引の余因子をと 2 エ以 た行列式に(一1}* をかけたもの)。 | 式からわかるように00式で小される偏相関係数は(a,る,…,ズ)の影響 を除いたyととの相関係数と考えることができる。同様にしてyとxj- っかもめ。 1,2,p)の間の偏相関係数を定識することができる。 また。式に小す行列式Sとその余因子を用いると、ル は次のよう! S , S. も同様に考える。 エ J= (-arュー+) , =(ddエ み) も書ける。(町E A1.7)。 Sie VS」Sa 51と同様にズ,海。, y からyの値を子測するとき、,た。, とりの 関係を示す一つの数式モデルを設定しなければならない、この数式モデル(予 第1式)を11のように与える,必は- , -…, e だけでは説明しきれない部 分の予測誤差を表す。 『122.p=ー こおくとき、変数とpの単相相関係数は次のように書ける。 S Sa, Saは行列式Sの1行1列, 2行2列,1行2列の余因子 去8に示すデータで、yおよびから,石のの国帰が消去されした 5aト ただし、 『121 -ー -4十aエ,サ角約」十, +山i-6 この式を、線形重回帰モデル(linear multiple regression model} と呼ぶ中 * Sas Ss 例7。 ただ。 ときの偏相関係数()を求めよ。 [解] 例6の解答の中に示す行列式Sと式より 回滑の場合(x,平面上のヵ個の点の集まりドに直線をあてはめたが、重回帰 1、 ( , Spー -1 場合には(, , y)の(ゆ+1)次元空間での の点の集まりに対してき次 S』 VS」S。 元超平面 S--(-は)(カー)。 『yト23- -6.941×10° V6171×10×2.011×10 0.623 をあてはめ、それによって説明変数の他x,あ から目的変数の値 を予測する。このときの誤差は式から去?のように表される。

回答募集中 回答数: 0