統計学辞典

NO IMAGE 仮説検定

正規性の検定(test of normality)

定義 正規性の検定とは、データの分布が正規分布に従っているかどうかを確かめる検定である。 帰無仮説(H0):データは正規分布に従っている 対立仮説(H1):データは正規分布に従っていない 実際の検定方法にはいくつかの方法
NO IMAGE ロジスティック回帰分析

ロジスティック関数

定義 ロジスティック関数とはlogitの逆関数(inverse logit)である。 ロジスティック関数の意義 ロジスティック関数は応答変数の範囲を(0,1)に閉じ込めるために使用される。 ロジスティック関数は単調増加関数である
NO IMAGE 数学用語(補遺)

恒等変換(identity transformation)

定義 恒等変換(identity transformation)とは変換しても座標が移動しない変換のこと。1(太字)と表記する。 関連 逆変換(inverse transformation)
NO IMAGE 数学用語(補遺)

逆変換(inverse transformation)

定義 逆変換とは、行列Aを表現行列とする変換fに対して、逆行列A-1を表現行列とする変換である。 関連 表現行列(representation matrix)
NO IMAGE 数学用語(補遺)

合成変換

定義 合成変換とは、2つ以上の変換を連続して行う場合に、これらの一連の変換をまとめて1つの変換として考えたものである。 変換f、変換gを連続して行う合成変換はg〇fと表現する。 関連 変換 逆変換 恒等変換
NO IMAGE 数学用語(補遺)

変換(transformation) : 座標平面上の

定義 座標平面上の変換とは、平面上の任意の点を、平面上の1点に対応させる(移動させる)規則のことである。 変換fにより点Pが点P'に移動することを f:P→P' あるいは f(P)→P' と表記する。 点P'は「点Pの変換fに
NO IMAGE 数学用語(補遺)

転置行列の性質(計算規則)

転置行列の性質(計算規則)として以下が知られている。 $$^{ t }{ { (^{ t }A) }=A }$$ $$^{ t }{ { (A+B) }=^{ t }A+^{ t }B }$$ $$^{ t }{ { (k
NO IMAGE 数学用語(補遺)

線形変換(linear transformation)

定義 線形変換とは、線形性を持つ変換のことである(変換には線形変換と非線形変換がある)。 線形性とは2つのベクトルx,yと実数kに対して以下2つの性質が成り立つ変換のことである。 f(x+y) = f(x) + f(y) f(k
NO IMAGE 数学用語(補遺)

表現行列(representation matrix)

定義 表現行列とは線形変換を表す行列のことである。 線形変換をf、表現行列をA、移動させる点をXとすると f(x) = Axである。 関連 線形変換(linear transformation)
NO IMAGE 離散分布

ベルヌイ分布(Bernoulli distribution)

確率質量関数 f(x|θ) = θ^x(1-θ)^(1-x) , x=0,1 θ:成功率、X:成功or失敗 平均と分散 E=θ V=θ(1-θ)
NO IMAGE モデル選択

提案モデル(proposed model)

同義語 reduced model(還元モデル?)、proposed model(提案モデル?) いずれも邦訳は定まっていないため試訳である。 定義 提案モデル(proposed model)とは、説明変数の候補のうち一部のみを
NO IMAGE モデル選択

尤度比(likelihood ratio)

定義 尤度比(likelihood ratio)λとは以下の式で定義される数値である。 λ = パラメータ空間Ωの部分空間ω上での尤度関数の最大値 ÷ パラメータ空間Ω上での尤度関数の最大値 0 <= λ <=1の
NO IMAGE モデル選択

尤度比検定(likelihood ratio test)

定義 尤度比検定とは、ネスト関係にある2つのモデルの逸脱度(deviance)に有意差があるかどうかを検証する検定である。ネストの関係にないモデルの比較をすることはできない。 帰無仮説(H0) : 2つのモデルの逸脱度には有意差はな
NO IMAGE 仮説検定

連の検定(runs test)

同義語 ラン検定、連の検定、runs test 定義 連の検定(runs test)とは、以下の仮説に対するノンパラメトリック検定である。 帰無仮説H0:データの列はランダムである 対立仮説H1:データの列は時間経過に依存
NO IMAGE 数学用語(補遺)

余因子行列(cofactor matrix)

定義 余因子行列(cofactor matrix)とは、任意の正方行列Aに対して、その各成分の余因子を成分とする行列のことである。例として3次の正方行列Aに対する余因子行列を以下に示す。 $$\tilde { A } =\beg
NO IMAGE 数学用語(補遺)

逆行列(inverse matrix)

定義 逆行列(inverse matrix)とは、n次正方行列Aに対して、Iをn次単位行列とする時、 AB = I = BA を満たすn次正方行列Bである。 逆行列は存在する場合と、存在しない場合がある。 表記
NO IMAGE 数学用語(補遺)

余因子展開(cofactor expansion)

定義 余因子展開とは、余因子(cofactor)を利用して、行列式を求める計算操作のことである。 逆行列を求めたい行列Bが存在する時、余因子展開では任意の1行ないし1列に着目し、その1行ないし1列に対して余因子展開を行う。例えば
NO IMAGE 数学用語(補遺)

余因子(cofactor)

定義 余因子(cofactor)とは、行列Aの任意の1成分aijに対して以下の式で定義されるスカラーCijである。 $${ C }_{ ij }={ (-1) }^{ i+J }{ M }_{ ij }$$ ここでMijは行列
NO IMAGE 数学用語(補遺)

斉次連立一次方程式

同義語 同次連立一次方程式 読み方 せいじれんりついちじほうていしき 定義 整理連立維持方程式とは定数項が全て0である連立一次方程式のことである。 例えば以下のようなものである(右辺が全て0)。 $$\left\{
NO IMAGE 仮説検定

オムニバス検定(omnibus test)

同義語 オムニバス・テスト(omnibus test)、グローバル検定(global test), overall test 定義 オムニバス検定(omnibus test)とは、3つ以上の群がある時に、考えられる全ての群の組み合わせ
NO IMAGE 数学用語(補遺)

三角行列(triangular matrix)

定義 三角行列(Triangular matrix)とは対角成分(main diagonal)の左下あるいは右上の全てがゼロである正方行列(square matrix)の総称である。 左下成分がゼロの場合を上三角行列、右上成分が
NO IMAGE 数学用語(補遺)

行列式(determinant)

定義 行列式は正方行列に対して定義される量であり、当該の正方行列による線型変換によって空間の体積要素が何倍に変わるかを示すものである。空間の拡大率/縮小率のようなものである。 行列式の表記 表記法1 $$\left| A \
NO IMAGE 数学用語(補遺)

階数(rank)

定義 階数(rank)とは階段行列において0でない成分を含む行の数のことである。 行列Aの階数はrank Aと表記する。 関連 階段行列
NO IMAGE 数学用語(補遺)

階段行列(echelon form)

定義 階段行列とは、行列の各行を上から下に順に見た場合に、左端から右端方向に連続して並ぶ0の数が、上の行より下の行の含む0の数が多いか等しいという形式を満たす行列のことである。 階段行列においてはある行より下は全ての成分が0という場
NO IMAGE 数学用語(補遺)

単位行列(identity matrix)

定義 単位行列(identity matrix)とは全ての対角成分が1である対角行列(diagonal matrix)である。 n次正方行列Aに対して、AEn=EnA=Aを満たす行列Enをn次の単位行列と呼ぶ。 $${ E
NO IMAGE 数学用語(補遺)

対角行列(diagonal matrix)

定義 対角行列(diagonal matrix)とは、対角成分(main diagonal)以外の成分が全て0である正方行列(square matrix)である。 対角行列の例 単位行列は対角行列である。 関連 正方行列(squa
NO IMAGE 数学用語(補遺)

零行列(ぜろぎょうれつ ; zero matrix)

同義語 零行列(ぜろぎょうれつ、れいぎょうれつ、zero matrix, null matrix) 定義 零行列(zero matrix)とは成分が全て0の行列である。行列の型(=行数、列数)は問わない。 関連 単位行列
NO IMAGE 数学用語(補遺)

対角成分(main diagonal)

同義語 対角成分、主対角成分(main diagonal, leading diagonal) 定義 対角成分とは正方行列(square matrix)の成分のうち、行のインデックスと列のインデックスが等しい成分の総称である。即ち、正
NO IMAGE 数学用語(補遺)

正方行列(square matrix)

定義 正方行列(square matrix)とは行数と列数が等しい行列のことである。 即ちnxn行列である。nxnの正方行列を「n次正方行列」と呼ぶ。 正方行列の例 三角行列(triangular matrix) 対角行列
NO IMAGE 数学用語(補遺)

ベクトルの内積

定義 ベクトルの内積とは以下の2つのベクトルに対して、 $$\left( \begin{matrix} { a }_{ 1 } \\ { a }_{ 2 } \\ \vdots \\ { a }_{ n } \end{matri
NO IMAGE 数学用語(補遺)

ベクトル(vector)

定義 ベクトルとは向きと大きさを持つ量である。 ベクトルの表記法 (1) 文字の上に→をつける。 $$ \overrightarrow { A }  $$ (2) ベクトルの成分表示 $$ \overrighta
NO IMAGE ベイス統計

Bayesian p-value

定義 Bayesian p-valueとは、ベイス統計によって推定された回帰係数のパラメータが0より大きい(または小さい)確率のことである。 パラメータが0より大きい(または小さい)ことはパラメータが有意であること意味する。
NO IMAGE 重回帰分析

重回帰(multiple linear regression)

定義 重回帰(multiple linear regression)とは、説明変数が2つ以上ある回帰のことである。 モデル式は以下の通り。 y = β0 + ΣβiXi + ε (y:目的変数、Xi:説明変数、βi:回帰
NO IMAGE 単回帰分析

単回帰(simple linear regression)

定義 単回帰(simple linear regression)とは、説明変数が1つの回帰のことである。 モデル式では以下のように記述される。 y = β0 + β1x + ε (y:目的変数、x:説明変数、ε:ノイズ)
NO IMAGE ベイス統計

MAP推定値(maximum a posteriori estimate)

同義語 事後確率最大推定値(maximum a posteriori estimate)、MAP推定値(MAP estimate) 定義 MAP推定値とは、事後分布p(θ|Y)の値が最大となる点θ*のことである。 参考 Stanと
NO IMAGE ベイス統計

MCMC(Markov Chain Monte Carlo methods)

定義 MCMCとは、ベイズ統計モデリングにおける事後確率(パラメータの確率分布)を推定する方法(アイディア)である。具体的には、事後分布p(θ|Y)に比例する分布であるp(Y|θ)p(θ)から乱数サンプルを多数発生させて事後分布の代わりと
NO IMAGE 確率論

周辺化(marginalization)

定義 周辺化(marginalization)とは、同時分布を構成する任意の変数について、その変数の取りうる全ての値に対応する確率を合算(離散型確率変数なら和をとる、連続型確率変数なら積分を実行する)する作業である。周辺化することにより全
NO IMAGE 確率論

正規化

定義 正規化とは、ある関数の和(離散変数の場合)や積分(連続変数の場合)が1になるように、その関数に定数を掛ける(または定数で割る)操作のことである。 正規化は、ある関数が確率分布の条件(=全事象の確率の和が1)を満たすようにするた
NO IMAGE 確率論

確率密度関数(probability density function ; PDF)

同義語 密度関数、密度 定義 確率密度関数(probability density function ; PDF)とは、連続型確率変数の確率分布を与える関数のことである。 PDFは連続型確率変数に対して定義される。離散型確率変数
NO IMAGE 確率論

期待値演算子(expectation operator)の計算規則(公式集)

期待値演算子に関して以下の計算規則が知られている。 g,hを任意の関数、Xを確率変数、cを定数とする。 E(c) = c E=c E g(X) E=Eg(X) + Eh(X)
NO IMAGE 分散分析

特性値

定義 特性値とは、分散分析において、一般の回帰モデルにおける目的変数(objective variable; 従属変数)に相当する概念である。概念的に同じであるが、分散分析には独特の言い回しが存在するということである。 なお分散分析
NO IMAGE 一般線形モデル

一般線形モデルの検定

一般線形モデルの検定には主に以下2つがある。 (1) パラメータの検定 (t検定) 帰無仮説H0:母集団における説明変数のパラメータは0である。(要するにその説明変数は説明の役に全く立たない) 以下の統計量が自由度n-kの
NO IMAGE ポワソン回帰分析

ポワソン回帰分析(Poisson regression analysis)

同義語 対数線形モデル(log linear model) 定義 ポワソン回帰分析(Poisson regression analysis)とは、応答変数にポワソン分布を仮定した一般線形モデルのことである。 応答変数がカウン
NO IMAGE モデル選択

逸脱度(deviance)

同義語 残差逸脱度(residual deviance) 定義 逸脱度(deviance)はモデルの当てはまり具合(quality-of-fit)を表す統計量である。 逸脱度はDと表記されることが多い。 逸脱度D = -2
NO IMAGE 分散分析

平方和のタイプ

同義語 残差平方和のタイプ 定義 平方和のタイプとは、統計モデルの残差平方和の計算方法の種類のことである。複数のモデルを比較するためには、各モデルの平方和を計算する必要がある。しかし平方和の定義は複数あるのである。 タイプⅠ検定 (
NO IMAGE 推定

サンプルサイズ(sample size)

同義語 標本の大きさ 定義 サンプルサイズ(sample size)とは標本(sample)に含まれる測定値の個数のことである。 関連 標本(sample)
NO IMAGE 推定

統計量(statistics)

定義 統計量(statistics)とは、分布の特徴を表す値のことである。代表値(representative value)と散布度(dispersion)が主なものである。 関連 統計量(記述統計の文脈では) 代表値(repres
NO IMAGE 推定

標本統計量(sample statistics)

定義 標本統計量(sample statistics)とは、標本の平均や分散など標本の分布の特徴を表す値(=統計量)のことである。 関連 母数(parameter)
NO IMAGE 分散分析

ダミーコーディング(dummy coding)

定義 ダミーコーディング(dummy coding)とは、ダミー変数を使用して質的変数を表現する操作のことである。ダミーコーディングの目的は質的変数を統計モデルに含めることである。 ダミーコーディングの例 例として、A、B、Cとい
NO IMAGE 分散分析

ダミー変数(dummy variable)

定義 ダミー変数(dummy variable)とは、質的変数を統計モデルに投入するために使用する便宜的な変数のことである。 質的変数はそのままでは統計モデルに投入することができない(投入できるのは量的変数のみである)。統計モデルで
スポンサーリンク