恋する統計学[因子分析入門(多変量解析2)] (単行本)
よく「気温が1度上昇するとアイスクリームの売上が1割増える」といわれます。この“気温”と“アイスクリームの売上”のように「変わりうる値」の関係性を統計的に解析する手法が多変量解析です。本書は、多変量解析のうち、ビッグデータの解析でよく使われる因子分析や主成分分析、クラスター分析を中心に取り上げ、入門者向けにやさしく解説した入門書です。数式嫌いでもつまづかないようにポイントごとに細かく注釈をいれました。
【サポートはこちら】→https://www.shuwasystem.co.jp/support/7980html/5073.html
【サポートはこちら】→https://www.shuwasystem.co.jp/support/7980html/5073.html
Chapter0 統計学のススメ
01 統計的手法について
Chapter1 データに含まれる「成分」を抽出する(主成分分析)
01 主成分分析
02 変量が2つの場合の主成分分析
03 変量が5つの場合の主成分分析(多変量の主成分分析)
04 あなたはアイドルタイプ? それとも女優タイプ?(多変量の主成分分析)
Chapter2 共通要素を基準にしてデータを要約する(因子分析)
01 因子分析の基本的な考え方
02 5変量のデータを因子分析で読み解く
03 最尤法で因子分析を行う
04 直交回転「バリマックス」!
05 20人の生徒の因子得点を推定する
コラム 因子得点の予測
Chapter3 数値ではないデータから未来を予測する(数量化1、2、3類)
01 数値でないデータを数値化して分析する(数量化理論)
02 割引きセールと折込み広告、どちらが売上げアップにつながる?(数量化1類)
03 「3日間の休息」が必要ですか?(数量化2類)
04 主成分分析の数量化バージョン(数量化3類)
05 アンケート結果から嗜好の特徴と類似度を明らかにする
Chapter4 混ざり合った集団から似たものを集めてグループ化する(クラスター分析)
01 似たものどうしをグループ化するクラスター分析
02 「最短距離法」でクラスター分析を行う
03 「ウォード法」でクラスター分析を行う
Chapter5 数学的なお話(ベクトルと行列)
01 ベクトル
02 行列
03 偏微分について
04 ラグランジュの未定乗数法
05 固有値・固有ベクトル
01 統計的手法について
Chapter1 データに含まれる「成分」を抽出する(主成分分析)
01 主成分分析
02 変量が2つの場合の主成分分析
03 変量が5つの場合の主成分分析(多変量の主成分分析)
04 あなたはアイドルタイプ? それとも女優タイプ?(多変量の主成分分析)
Chapter2 共通要素を基準にしてデータを要約する(因子分析)
01 因子分析の基本的な考え方
02 5変量のデータを因子分析で読み解く
03 最尤法で因子分析を行う
04 直交回転「バリマックス」!
05 20人の生徒の因子得点を推定する
コラム 因子得点の予測
Chapter3 数値ではないデータから未来を予測する(数量化1、2、3類)
01 数値でないデータを数値化して分析する(数量化理論)
02 割引きセールと折込み広告、どちらが売上げアップにつながる?(数量化1類)
03 「3日間の休息」が必要ですか?(数量化2類)
04 主成分分析の数量化バージョン(数量化3類)
05 アンケート結果から嗜好の特徴と類似度を明らかにする
Chapter4 混ざり合った集団から似たものを集めてグループ化する(クラスター分析)
01 似たものどうしをグループ化するクラスター分析
02 「最短距離法」でクラスター分析を行う
03 「ウォード法」でクラスター分析を行う
Chapter5 数学的なお話(ベクトルと行列)
01 ベクトル
02 行列
03 偏微分について
04 ラグランジュの未定乗数法
05 固有値・固有ベクトル