自習室（統計学）

href=”http://www.future-fisheries.jp/wp-content/uploads/2020/09/01-1.pdf”>目次

I-1.はじめに

I-２.自習の進め方

II-１.統計的判断

II-2.頻度主義の考え方

III-1.この章の構成

III-2-1.二項分布と頻度

III-2-2.二項分布の性質

III-2-3.ポアソン分布

III-2-4.正規分布

III-2-5.カイ二乗分布

III-2-6. studentのt分布

III-2-7. F分布

III-3-1.Taylor展開

III-3-2.ネイピア数

III-３-３.ヤコビアン

III-3-4.極座標

III-3-5.重積分

IV-1.検定の作業

IV-2-1.分散の分離

IV-2-2.和の分散・差の分散

IV-2-3.データの構造

IV-3-1. studentのt検定

IV-3-3.単回帰と相関

IV-3-4.カイ二乗検定

V-1-1-.行列とは

V-１-２.行列計算の基礎

V-1-3.逆行列と単位行列

V-1-4.行列式

V-1-5.サラスの方法

V-1-6.掃き出し法

V-1-7.因子行列と因子行列と逆行列

V-1-8.クラメルの公式

V-1-9.固有ベクトルと固有値

V-1-10.行列の分離

V-2-2.対角化

V-2-3.スペクトル分解

V-2-4.二次形式

V-2-5.行列のべき乗

V-2-6.最大・最小

V-3-1.分散・共分散行列行列

V-3-2.分散分散・共分散行列の構造

V-3-3.マハラノビスの距離

V-3-4.最適化と疑似逆行列

V-3-5.特異値分解

VI-1-1.重回帰分析

VI-1-2.偏相関分析

VI-1-3.線形判別分析

VI-2-1.主成分分析

VI-2-2.多次元尺度構成法

VI-2-3.対応分析

VI-2-4.因子分析

VII-1.学習とは何か

VII-2-1.ロジスティック回帰とシグモイド関数

VII-2-2.ソフトマックス関数と多クラス判別

VII-2-3.ニューラルネットワークモデルによる判別分析

VII-3-1.機械学習としてのクラスター分析

VII-3-2.階層的クラスター分析

VII-3-3.K-means法による非階層的クラスター分析分析

VII-3-4.混合ガウスモデルによる非階層的クラスター分析

随筆風統計学（ラテン方格とコンジョイント分析＋BWS）

VII-3-5test20230707講義メモ