40. 機械学習 40.1.基礎知識 40.1.1.質的変数 40.1.2.量的変数 40.1.3.多変量解析法 40.2.モデル選択 40.2.1.赤池情報量基準(AIC)[重要] 40.2.2.ベイズ情報量基準(BIC)[重要] 40.2.3.モデル同定の一致性 40.2.4.マローズのCp基準 40.2.5.カルバック・ライブ…

32. 回帰分析その他 32.1.回帰分析の補足 32.1.1.平均への回帰[重要] 32.1.2.多重共線性[重要] 32.1.3.線形対比 32.1.4.線形制約[重要] 32.2.回帰診断法 32.2.1.回帰診断法 32.2.2.残差プロット(Residuals vs Fitted)[重要] 32.2.3.正規QQプロット(Normal Q-…

31. 重回帰分析 31.1.基礎的事項 31.1.1.重回帰モデルの定義(行列表現)[重要] 31.1.2.x’(X’X)^(-1)xをマハラノビス距離で表現 31.1.3.重相関係数の定義[重要] 31.1.4.偏相関係数の定義 31.1.5.疑似相関 31.1.6.偏相関係数[重要] 31.1.7.母相関係数行列を母偏…

30. 単回帰分析 30.1.基礎的事項 30.1.1.偏差平方和、偏差積和、残差、残差平方和 30.1.2.最小二乗推定量 30.1.3.単回帰モデルからの表現[重要] 30.1.4.最小二乗推定量の分布[重要] 30.2.解析方法 30.2.1.単回帰分析の解析手順 30.2.2.単回帰分析[重要] 30.2…

22. 分割表 22.1.分割表 22.1.1.オッズ比、リスク差、リスク比 22.1.2.2×2分割表(一様性の検定)[重要] 22.1.3.2×2分割表(独立性の検定)[重要] 22.1.4.フィッシャーの正確検定(独立性の検定)[重要] 22.1.5.マクネマー検定 22.1.6.イェーツの補正 22.1. 分割表…

21. 分散分析と実験計画法 21.1.実験計画法 21.1.1.フィッシャーの3原則[重要] 21.1.2.ブロック因子 21.1.3.ブロック化 21.1.4.乱塊法 21.1.5.一部実施要因計画 21.1.6.多重比較 21.1.7.交絡、交絡因子、交絡法[重要] 21.2.一元配置分散分析 21.2.1.群間平方…

20. 標本調査法 20.1.標本調査法 20.1.1.実験研究 20.1.2.観察研究 20.1.3.有限修正[重要] 20.1.4.無作為抽出(完全無作為抽出) 20.1.5.無作為割り当て 20.1.6.層化抽出 20.1.7.二段階抽出 20.1.8.集落抽出法(クラスター抽出法)[重要] 20.1.9.多段抽出法[重要…

13. ノンパラメトリック法 13.1.ノンパラメトリック検定 13.1.1.モデルの種類 13.1.2.ノンパラメトリック検定の種類 13.1.3.ウィルコクソン順位和検定(マンホイットニーU検定)[重要] 13.1.4.同順ありなしの2乗和比較 13.1.5.ウィルコクソン順位和検定(マンホ…

12. 一般の分布に関する検定法 12.1.適合度検定 12.1.1.適合度検定(カテゴリーに関するカイ二乗適合度検定)[重要] 12.1.2.独立性検定(クロス表の独立性に関するカイ二乗適合度検定)[重要] 12.1.3.クラメールの連関係数 12.1.4.ピアソンの連関係数 12.1.5.独…