Recommandé
Contenu connexe
En vedette
En vedette (20)
20131123 tokyowebmining kenny
- 3. 発表者自己紹介 某通信系グループ会社のSE 専門は通信サービスの検証・障害解析・管理手法の検討等 検証や障害解析では、確率統計や機械学習理論を使うので はなく専門知識(通信規格・RFC・ソフト/ハードウェア特 性)によるものが殆ど CCIE Routing and Switching No.25050 趣味はトライアスロン、ゴルフ等 学生時代は物理学科でしたが、 体育会系クラブに精を出し、 学業はぶっつりしておらず。。。 3
- 8. 成長日記ディスカッションⅠ 統計解析についての基礎知識 確率密度分布(ヒストグラム)をベースイメージとした解釈 仮説検定も要するに統計検定量を変数とした確率密度分布 難解な用語に騙されないで、 要は確率密度分布 検定統計量 時系列データも、確率密度分布か時系列に並べただけかを区別 して解釈 10 5 12 8 4 10 6 3 4 2 2 1 8 6 0 19:12 4 2 0 00:00 04:48 09:36 14:24 19:12 00:00 時系列に並べただけの散布図 ⇒整理されず混乱する可能性 0 0 2 4 6 8 10 12 14 16 18 20 22 0 1 2 4 時系列の発生数 単位期間別発生数 8 ⇒サンプル数同じで単 位時間あたり発生率が 一定なら均等分布 ⇒サンプル数同じで単 位時間あたり発生率が 一定ならポアソン分布
- 11. 成長日記Ⅱ □月△日 Wさん、統計学入門書をしばらく読む (LSDを始める) W氏はまずは統計学の入門書 大学の教科書 を一通り読みました。 氏はまずは統計学の入門書(大学の教科書 氏はまずは統計学の入門書 大学の教科書)を一通り読みました。 W氏コメント ①一通り読んで中身については大体分かりました。 ⇒検定については、ブラックボックス的理解に近い。 ○仮説検定は、重要概念なのでブラックボックス的理 ○仮説検定は、重要概念なのでブラックボックス的理 解だけではない方が良い。 解だけではない方が良い。 ⇒検定については、個別に作成したパワポで説明しました。 11
- 13. 成長日記ディスカッションⅡ 仮説検定についての理解 事実と検定結果のクロス表を少しカスタマイズして考える。事 実H1はいくつもの場合があると考える。 ⇒有意水準はあくまで事実がH0である時の検定結果が外れる率 に関して言っており、大事なのは事実がH1である時の検出力。 検出力は、あくまで事実がどのようかによって左右される。 ⇒検出力をコントロールできるのはサンプルサイズだが、キチ ンと理解して計算するのはちゃんと分かっていないと。 事実 H0 μ=1 H0 正しい 1-α 検定結果 確率 H1 第一種誤り α (有意水準) H11 μ=1.1 H12 μ=1.2 H13 μ=1.3 第二種誤り β1 第二種誤り β2 第二種誤り β3 正しい 1-β1 (検出力1) 正しい 1-β2(検出力2) 正しい 1-β3(検出力3) ･･･ 13 13