Statorials

二値変数は、可能な値を 2 つだけ取る変数のタイプです。 二値変数の例をいくつか示します。 性別: 男性または女性 コイン投げ: 表または裏 物件タイプ: 住宅または商業 アスリートのステータス: プロまたはアマチュア […]...

pandas DataFrame のデータを使用して点群を作成するには 2 つの方法があります。 1. pandas.DataFrame.plot.scatter を使用する 散布図を作成する 1 つの方法は、panda […]...

実験は管理された科学的研究です。統計学では、ある変数の変更が別の変数にどのような影響を与えるかを理解するために実験を行うことがよくあります。 操作変数とは、その変更が別の変数にどのような影響を与えるかを確認するために変更 […]...

線形回帰の重要な前提の 1 つは、予測変数の各レベルで残差が等しい分散で分布しているということです。この仮定は等分散性として知られています。 この仮定が尊重されない場合、残差に不均一分散性が存在すると言われます。これが起 […]...

線形回帰の重要な前提の 1 つは、予測変数の各レベルで残差が等しい分散で分布しているということです。この仮定は等分散性として知られています。 この仮定が尊重されない場合、残差に不均一分散性が存在すると言われます。これが起 […]...

スタニン スコア(「標準スコア 9」の略) は、テストのスコアを標準の 9 点スケールで評価する方法です。 この方法を使用すると、各テスト結果を元のスコア (つまり 0 ～ 100) から 1 ～ 9 の数値に変換できま […]...

統計において、十分位とは、データセットを同じ頻度の 10 個のグループに分割する数値です。 最初の十分位数は、すべてのデータ値の 10% が下回る点です。第 2 十分位点は、すべてのデータ値の 20% が下回る点などです […]...

残差は、回帰モデルにおける観測値と予測値の差です。 次のように計算されます。 残差 = 観測値 – 予測値 回帰モデルがデータセットにどの程度適合しているかを理解する 1 つの方法は、残差二乗和を計算することです。これは […]...

残差は、回帰モデルにおける観測値と予測値の差です。 次のように計算されます。 残差 = 観測値 – 予測値 回帰モデルがデータセットにどの程度適合しているかを理解する 1 つの方法は、残差二乗和を計算することです。これは […]...

線形回帰の主な仮定の1 つは、残差が正規分布するということです。 この仮定を視覚的に検証する 1 つの方法は、残差のヒストグラムを作成し、分布が正規分布を思わせる「釣鐘型」に従っているかどうかを観察することです。 このチ […]...