データサイエンス/03 のバックアップソース(No.2)

#author("2023-08-17T11:23:42+09:00","default:inoue.ko","inoue.ko")
*第３回 統計解析２
[[データサイエンス/2023]]

~

***CONTENTS
#contents2_1
~
~


**相関
//統計処理では、個々の項目の代表値や散布度の把握と並んで、項目間の関係を見出す作業も重要です。Python ではこれを簡単に出力することができます。
//
//-共分散
//共分散とは「国語の点数 X」と「数学の点数 Y」のような２組の対応するデータについて「X の偏差 × Y の偏差」の平均 を取った値。
//#mathjax( s_{xy} = \frac{1}{n} \sum_{i=1}^{n}(x_{i}-\bar{x})(y_{i}-\bar{y} ) )
//--共分散の値が正：X が大きいときに Y も大きくなる傾向がある
//--共分散の値が 0： X と Y には関係がない
//--共分散の値が負：X が大きくなると Y が小さくなる傾向がある
//
//-相関係数
2つの変数の間の関係を測る指標で、「身長が高い人は体重が大きい」、「数学の点数が高い人は物理の点数も高い」など、「ああであれば、こうである」ということの程度を示します。相関係数 r が正のとき確率変数には正の相関が、負のとき確率変数には負の相関があるといいます。
//#mathjax( r = \frac{(xとyの共分散) }{ (xの標準偏差) \times (yの標準偏差) } )
//--&mathjax(r); は -1.0 から +1.0 までのいずれかの値をとる
//--&mathjax(| r |); が 1.0 に近いほど相関が強く、0に近いほど相関が弱い

レポート等で相関の有無について語る場合、一般的な目安は以下です。
-| r | =　0.7～1.0　　かなり強い相関がある
-| r | =　0.4～0.7　　やや相関あり
-| r | =　0.2～0.4　　弱い相関あり
-| r | =　0～0.2　　　ほとんど相関なし
~
~

**クロス集計
２つないし３つの情報に限定して、データの分析や集計を行なう方法。 縦軸と横軸に項目を割り振って、項目間の相互関係を視覚的に見やすくしたものです。アンケート調査の手法としては、ポピュラーなものの一つです。
参考：[[GoogleImage:クロス集計]]
~
~

**SpreadSheet で体験

（書きかけです）

~
~