- 44
- 1 523
キャタPの ゆっくり解析チャンネル
Japan
เข้าร่วมเมื่อ 17 ธ.ค. 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。
5.3.2 2標本t検定
#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)
#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)
มุมมอง: 41
วีดีโอ
5.3.1 1標本t検定
มุมมอง 5514 วันที่ผ่านมา
#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
มุมมอง 6121 วันที่ผ่านมา
#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
มุมมอง 3028 วันที่ผ่านมา
#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
มุมมอง 101หลายเดือนก่อน
#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
มุมมอง 132หลายเดือนก่อน
#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
มุมมอง 542 หลายเดือนก่อน
#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
มุมมอง 482 หลายเดือนก่อน
#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
มุมมอง 292 หลายเดือนก่อน
#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
มุมมอง 363 หลายเดือนก่อน
#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。
4.7 αエラーとβエラー
มุมมอง 143 หลายเดือนก่อน
#統計学的仮説検定 #αエラー #βエラー 本動画では、4.7節 αエラーとβエラーを解説します。 何らかの判断をする場合、判断ミスを0にすることはできません。 検定ではαエラーとβエラーという2つのミスが存在し、αエラーの制御が必要となります。αエラーやβエラーを知らなくても検定を実施できますが、知っておいたほうが好ましいため、解説することとしました。 βエラーについては、検出力分析やサンプルサイズ設計で必要となります。かなり高度な内容となるため、本チャンネルでは扱わない予定です。気になる方は、各自で調べていただければと思います。
4.6 アンケートによる実験計画
มุมมอง 303 หลายเดือนก่อน
#アンケート調査 #答えにくい質問 #間違えやすい質問 本動画では、4.6節 アンケートによる実験計画を解説します。 アンケート調査を実施する場合、回答が真実かは永遠の課題です。回答者本人のみが真実を知っており、答えにくい質問では嘘が回答されることがあり、間違えやすい質問を含むアンケートでは間違った回答が含まれることがあります。 真実に近い回答を得るため、アンケートを工夫する必要が出てきます。本動画では、アンケートの工夫事例を紹介しています。あくまでもうぷ主が考えた工夫の例であり、個別の調査を計画する段階で、工夫をそれぞれ検討いただければと思います。 また、アンケートの回答を捻じ曲げる悪用方法も紹介しています。騙されないためには騙しの手口を知っておく必要があるため、ご注意いただければと思います。
4.5 ヒトを対象とする実験計画
มุมมอง 714 หลายเดือนก่อน
#思い込み効果 #プラセボ効果 #ノセボ効果 #データの独立性 #クロスオーバー #傾向スコア 本動画では、4.5節 ヒトを対象とする実験計画を解説します。 薬の開発事例を中心に、ヒトを対象とする実験での注意事項を説明しています。傾向スコアマッチングはかなり奥が深く、本動画では触りをお伝えする程度にとどめています。詳しく知りたい方は、各自での勉強をお願いします。
4.4 基本的な実験計画
มุมมอง 335 หลายเดือนก่อน
#実験計画 #検定 本動画では、4.4節 基本的な実験計画を解説します。 検定を実施するならば、科学的に比較可能なデータを取得する必要があります。そのためには実験計画に関する知識が必要となるため、基本的な実験計画の要素を解説しています。 当たり前の内容となっておりますが、基本を押さえることは重要となるため、実験計画を理解いただければと思います。 ＜Rコード＞ simu_set=c(1,3,5,10,20,30,50,100,200,500,1000) simu_mean=0 for (i in 1:length(simu_set)){ set.seed(simu_set[i]) simu_res=sample(x=c(1:6),size=simu_set[i],replace=T) simu_mean[i]=mean(simu_res) } plot(x=simu_set,y=sim...
4.3 p値とは
มุมมอง 365 หลายเดือนก่อน
#統計学的仮説検定 #p値 本動画では、4.3節 p値を解説します。 p値は検定統計量とそれに対応する分布から算出され、検定統計量の外側面積となります。ですが、実際はp値の誤用・誤解も多く、ASA声明の日本語訳を元に、p値を解説しております。 p値を正しく理解し、活用いただけますと幸いです。 ＜参考HP＞ 統計的有意性とP値に関するASA声明 www.biometrics.gr.jp/news/all/ASA.pdf
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！