{ "cells": [ { "cell_type": "markdown", "metadata": {}, "source": [ "# ハンバーガー統計学 + Python (第6章〜第7章)\n", "[ハンバーガー統計学にようこそ！](http://kogolab.chillout.jp/elearn/hamburger/index.html)\n", "のページを読み進めながら、以下の課題を Python を使って解いてください。\n", "\n", "* [アイスクリーム統計学・第１章〜第３章（散布図と相関、相関係数、無相関検定）](http://nbviewer.jupyter.org/github/maskot1977/ipython_notebook/blob/master/%E3%82%A2%E3%82%A4%E3%82%B9%E3%82%AF%E3%83%AA%E3%83%BC%E3%83%A0%E7%B5%B1%E8%A8%88%E5%AD%A6%E3%83%BB%E7%AC%AC%EF%BC%91%E7%AB%A0%E3%80%9C%E7%AC%AC%EF%BC%93%E7%AB%A0.ipynb)\n", "* [アイスクリーム統計学・第４章〜第６章（単回帰、偏相関、重回帰）](http://nbviewer.jupyter.org/github/maskot1977/ipython_notebook/blob/master/%E3%82%A2%E3%82%A4%E3%82%B9%E3%82%AF%E3%83%AA%E3%83%BC%E3%83%A0%E7%B5%B1%E8%A8%88%E5%AD%A6%E3%83%BB%E7%AC%AC%EF%BC%94%E7%AB%A0%E3%80%9C%E7%AC%AC%EF%BC%96%E7%AB%A0.ipynb)\n", "* [アイスクリーム統計学・第７章〜第９章（相関行列、因子分析1、因子分析2）](http://nbviewer.jupyter.org/github/maskot1977/ipython_notebook/blob/master/%E3%82%A2%E3%82%A4%E3%82%B9%E3%82%AF%E3%83%AA%E3%83%BC%E3%83%A0%E7%B5%B1%E8%A8%88%E5%AD%A6%E3%83%BB%E7%AC%AC%EF%BC%97%E7%AB%A0%E3%80%9C%E7%AC%AC%EF%BC%99%E7%AB%A0.ipynb)\n", "* [アイスクリーム統計学・第１０章（主成分分析とクラスター分析）](http://nbviewer.jupyter.org/github/maskot1977/ipython_notebook/blob/master/%E3%82%A2%E3%82%A4%E3%82%B9%E3%82%AF%E3%83%AA%E3%83%BC%E3%83%A0%E7%B5%B1%E8%A8%88%E5%AD%A6%E3%83%BB%E7%AC%AC%EF%BC%91%EF%BC%90%E7%AB%A0.ipynb)\n", "* [ハンバーガー統計学・第１章〜第２章（平均と分散、信頼区間）](http://nbviewer.jupyter.org/github/maskot1977/ipython_notebook/blob/master/%E3%83%8F%E3%83%B3%E3%83%8F%E3%82%99%E3%83%BC%E3%82%AB%E3%82%99%E3%83%BC%E7%B5%B1%E8%A8%88%E5%AD%A6%E3%83%BB%E7%AC%AC%EF%BC%91%E7%AB%A0%E3%80%9C%E7%AC%AC%EF%BC%92%E7%AB%A0.ipynb)\n", "* [ハンバーガー統計学・第３章〜第５章（カイ２乗検定、t検定 （対応なし・対応あり））](http://nbviewer.jupyter.org/github/maskot1977/ipython_notebook/blob/master/%E3%83%8F%E3%83%B3%E3%83%8F%E3%82%99%E3%83%BC%E3%82%AB%E3%82%99%E3%83%BC%E7%B5%B1%E8%A8%88%E5%AD%A6%E3%83%BB%E7%AC%AC%EF%BC%93%E7%AB%A0%E3%80%9C%E7%AC%AC%EF%BC%95%E7%AB%A0.ipynb)\n", "* [ハンバーガー統計学・第６章〜第７章（分散分析 (１要因、２要因) ）](http://nbviewer.jupyter.org/github/maskot1977/ipython_notebook/blob/master/%E3%83%8F%E3%83%B3%E3%83%8F%E3%82%99%E3%83%BC%E3%82%AB%E3%82%99%E3%83%BC%E7%B5%B1%E8%A8%88%E5%AD%A6%E3%83%BB%E7%AC%AC%EF%BC%96%E7%AB%A0%E3%80%9C%E7%AC%AC%EF%BC%97%E7%AB%A0.ipynb)\n", "* [ハンバーガー統計学・第８章 (分布と仮説検定)](http://nbviewer.jupyter.org/github/maskot1977/ipython_notebook/blob/master/%E3%83%8F%E3%83%B3%E3%83%8F%E3%82%99%E3%83%BC%E3%82%AB%E3%82%99%E3%83%BC%E7%B5%B1%E8%A8%88%E5%AD%A6%E3%83%BB%E7%AC%AC%EF%BC%98%E7%AB%A0.ipynb)\n", "\n", "### Jupyter Notebook (IPython Notebook) とは\n", "* Python という名のプログラミング言語が使えるプログラミング環境。計算コードと計算結果を同じ場所に時系列で保存できるので、実験系における実験ノートのように、いつどんな処理を行って何を得たのか記録して再現するのに便利。\n", "* [当学演習室での Jupyter Notebook の起動方法](https://raw.githubusercontent.com/maskot1977/-/master/%E6%BC%94%E7%BF%92%E5%AE%A4.txt)" ] }, { "cell_type": "markdown", "metadata": { "collapsed": true }, "source": [ "## 6. [分散分析（１要因）](http://kogolab.chillout.jp/elearn/hamburger/chap6/sec0.html)\n", "本文を読んで概念を学んでください。" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### 6.1　[なぜt検定が使えないか](http://kogolab.chillout.jp/elearn/hamburger/chap6/sec1.html)\n", "本文を読んで概念を学んでください。" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### 6.2　[分散分析とは](http://kogolab.chillout.jp/elearn/hamburger/chap6/sec2.html)\n", "本文を読んで概念を学んでください。" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### 6.3　[分散分析をしよう](http://kogolab.chillout.jp/elearn/hamburger/chap6/sec3.html)\n", "\n", "__課題6.2__：ワクワク、モグモグ、パクパクのポテト20個ずつを手に入れて、駅に向かい、通行人合計60人にランダムにどれかひとつのポテトを食べてもらいました。そして、そのおいしさについて、100点満点で点数をつけてもらいました。このデータについて、以下の問いに答えてください。\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
ワクワクモグモグパクパク全体群内群間
1807580
2757080
3808080
4908590
5959095
6807585
7808595
8858090
9858085
10807590
11908095
12807585
13757098
14908595
15858085
16857585
17908090
18908090
19859085
20808085
平均( a )( b )( c )( d )
偏差平方和( e )( f )( g )( h )( i )( j )
" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "* 帰無仮説を「3つのお店のポテトの評価（母集団）の平均のどの組み合わせにおいても差はない」とします。対立仮説は何か答えてください。" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "code", "execution_count": 1, "metadata": { "collapsed": true }, "outputs": [], "source": [ "wakuwaku = [80, 75, 80, 90, 95, 80, 80, 85, 85, 80, 90, 80, 75, 90, 85, 85, 90, 90, 85, 80]\n", "mogumogu = [75, 70, 80, 85, 90, 75, 85, 80, 80, 75, 80, 75, 70, 85, 80, 75, 80, 80, 90, 80]\n", "pakupaku = [80, 80, 80, 90, 95, 85, 95, 90, 85, 90, 95, 85, 98, 95, 85, 85, 90, 90, 85, 85]" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "* それぞれの店のポテトの点数の平均（上表 a, b, c ）と全体の平均（上表 d ）を求めてください。" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "* それぞれの店のポテトの点数の偏差平方和（上表 e, f, g ）と全体の偏差平方和（上表 h ）を求めてください。" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "* 群内の偏差平方和（上表　i ）を求めてください。群内の平方和＝Σ（それぞれの群の偏差平方和）" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "* 群間の偏差平方和（上表 j ）を求めてください。 群間の平方和 = Σ((群内平均ー全体平均)の2乗✕個数)" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "__分散分析表を作る__\n", "\n", "分散分析をするために、分散分析表を作ります。群間・群内・全体の偏差平方和は既に計算済みです。\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
\n", " 要因
\n", " 偏差平方和
\n", " 自由度
\n", " 平均平方
\n", " F\n", "
\n", " 群間\n", "
( j )\n", " 　
( k )\n", " 　
( n )\n", " 　
( p )\n", " 　
\n", " 群内 \n", "
( i )\n", " 　
( l )\n", " 　
( o )\n", " 　
\n", " 全体
( h )\n", " 　
( m )\n", " 　
\n", "\n", "* 自由度を求めてください。\n", " * ( k ) 群間の自由度　=　群の数　－　1\n", " * ( l ) 群内の自由度　=　（群1のデータ数－1）＋（群2のデータ数－1）+（群3のデータ数－1）\n", " * ( m ) 全体の自由度　=　データの総個数　－　1" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "* 平均平方を求めてください。（上表 n, o）\n", " * 平均平方＝偏差平方和／自由度" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "* F値を求めてください。（上表 p ）\n", " * F　＝ 群間の平均平方／群内の平均平方" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "__F分布表の値と比較する__" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "5%有意水準のF分布表\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
\n", " 群内の自由度 \n", "
\n", "
\n", " 群間の自由度 \n", "
\n", "
\n", "
\n", "
\n", "
\n", "
\n", "
1
2
3
4
5
10
4.96
4.10
3.71
3.48
3.33
20
4.35
3.49
3.10
2.87
2.71
30
4.17
3.32
2.92
2.69
2.53
40
4.08
3.23
2.84
2.61
2.45
50
4.03
3.18
2.79
2.56
2.40
60
4.00
3.15
2.76
2.53
2.37
70
3.98
3.13
2.74
2.50
2.35
80
3.96
3.11
2.72
2.49
2.33
90
3.95
3.10
2.71
2.47
2.32
100
3.94
3.09
2.70
2.46
2.31
200
3.89
3.04
2.65
2.42
2.26
300
3.87
3.03
2.63
2.40
2.24
" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "1%有意水準のF分布表 \n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
\n", "
\n", " 群内の自由度 \n", "
\n", "
\n", "
\n", " 群間の自由度 \n", "
\n", "
\n", "
\n", "
\n", "
\n", "
\n", "
\n", "
1
 \n", "
2
 \n", "
3
 \n", "
4
 \n", "
5
\n", "
10
10.04
7.56
6.55
5.99
5.64
\n", "
20
8.10
5.85
4.94
4.43
4.10
\n", "
30
7.56
5.39
4.51
4.02
3.70
\n", "
40
7.31
5.18
4.31
3.83
3.51
\n", "
50
7.17
5.06
4.20
3.72
3.41
\n", "
60
7.08
4.98
4.13
3.65
3.34
\n", "
70
7.01
4.92
4.07
3.60
3.29
\n", "
80
6.96
4.88
4.04
3.56
3.26
\n", "
90
6.93
4.85
4.01
3.53
3.23
\n", "
100
6.90
4.82
3.98
3.51
3.21
\n", "
200
6.76
4.71
3.88
3.41
3.11
\n", "
300
6.72
4.68
3.85
3.38
3.08
" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "* 計算したF値と、F分布表を比較して、帰無仮説が棄却できるかどうか説明してください。" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### 6.4　[実践編：3種類のハンバーガーの比較](http://kogolab.chillout.jp/elearn/hamburger/chap6/sec4.html)\n", "__課題6.4__ : 下記のデータを用いて、分散分析を行ってください。" ] }, { "cell_type": "code", "execution_count": 2, "metadata": { "collapsed": true }, "outputs": [], "source": [ "wakuwaku = [90, 70, 75, 90, 65, 70, 80, 85, 75, 75, 85, 75, 80, 90, 80]\n", "mogumogu = [75, 95, 75, 80, 75, 85, 75, 85, 80, 65, 90, 75, 90, 75, 85]\n", "pakupaku = [65, 60, 75, 80, 65, 60, 70, 85, 70, 75, 75, 70, 80, 75, 80]" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### 6.9　[通過テスト](http://kogolab.chillout.jp/elearn/hamburger/chap6/sec9.html)\n", "本文を読んで、問いに答えてください。" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## 7. [分散分析（２要因）](http://kogolab.chillout.jp/elearn/hamburger/chap7/sec0.html)\n", "本文を読んで概念を学んでください。" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### 7.1　[2つの要因では?](http://kogolab.chillout.jp/elearn/hamburger/chap7/sec1.html)\n", "本文を読んで概念を学んでください。" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### 7.2　[２要因の分散分析表](http://kogolab.chillout.jp/elearn/hamburger/chap7/sec2.html)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
\n", " クリスピーで辛口
\n", " クリスピーで普通味 \n", "
\n", " 普通の衣で辛口
\n", " 普通の衣で普通味 \n", "
\n", " クリスピー
\n", " 普通の衣 \n", "
\n", " 辛口
\n", " 普通味 \n", "
\n", " 全体 \n", "
1 65 65 70 70
2 85 70 65 70
3 75 80 85 85
4 85 75 80 80
5 75 70 75 65
6 80 60 65 75
7 90 65 75 65
8 75 70 60 85
9 85 85 85 80
10 65 60 65 60
11 75 65 75 70
12 85 75 70 75
13 80 70 65 70
14 85 80 80 80
15 90 75 75 85
平均( a )( b )( c )( d )( e )( f )( g ) ( h )( i )
偏差平方和( j )( k )( l )( m )( n )
" ] }, { "cell_type": "code", "execution_count": 3, "metadata": { "collapsed": true }, "outputs": [], "source": [ "# 以下の４つをそれぞれ「群」と呼びます。\n", "v13 = [65, 85, 75, 85, 75, 80, 90, 75, 85, 65, 75, 85, 80, 85, 90] # クリスピーで辛口\n", "v14 = [65, 70, 80, 75, 70, 60, 65, 70, 85, 60, 65, 75, 70, 80, 75] # クリスピーで普通味\n", "v23 = [70, 65, 85, 80, 75, 65, 75, 60, 85, 65, 75, 70, 65, 80, 75] # 普通の衣で辛口\n", "v24 = [70, 70, 85, 80, 65, 75, 65, 85, 80, 60, 70, 75, 70, 80, 85] # 普通の衣で普通味" ] }, { "cell_type": "code", "execution_count": 4, "metadata": { "collapsed": false }, "outputs": [], "source": [ "# 以下の４つのうち、上２つを「要因１（食感）」、下２つを「要因２（味）」と呼びます。\n", "v1 = [] # クリスピーのデータを作ってください。\n", "v2 = [] # 普通の衣のデータを作ってください。\n", "v3 = [] # 辛口のデータを作ってください。\n", "v4 = [] # 普通味のデータを作ってください。" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "* 各項目の平均値を計算してください（上表 a, b, c, d, e, f, g, h, i ）" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "* 各群の偏差平方和を計算してください（上表 j, k, l, m ）。また、全体の偏差平方和を計算してください（上表 n ）。" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "__要因1によるズレを計算してください__ （下表 o )" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "* 要因1（食感）によるズレ ＝ (クリスピーの平均 ー 全体の平均)の２乗 ✕ クリスピーのデータ個数　＋　(普通の衣の平均 ー 全体の平均)の２乗　✕ 普通衣のデータ個数" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "__要因2によるズレを計算してください__ (下表 p )" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "* 要因２（味）によるズレ ＝ (辛口の平均 ー 全体の平均)の２乗 ✕ 辛口のデータ個数　＋　(普通味の平均 ー 全体の平均)の２乗　✕ 普通味のデータ個数" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "__交互作用によるズレを計算してください__ (下表 q )" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "* 各群の平均のズレ＝ Σ(（各群の平均　ー　全体の平均）の2乗✕ 各群のデータ個数)\n", "* 交互作用によるズレ　=　各群の平均のズレ　－　要因1によるズレ　－　要因2よるズレ" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "__残りのズレ（残差）を計算してください__ (下表 r )" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "* 残りのズレ（残差）とは、群内の偏差平方和を足したものです（ j + k + l + m ）。" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "__分散分析表を作る__\n", "\n", "o, p, q, r, n は既に計算済みです。" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
要因
\n", " 偏差平方和
\n", " 自由度
\n", " 平均平方
\n", " F
要因1
( o )
( s )
( x )
( bb )
要因2
( p )
( t )
( y )
( cc )
交互作用
( q )
( u )
( z )
( dd )
残差
( r )
( w )
( aa )
全体
( n )
( v )
" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "* 自由度を求めてください。\n", " * (上表 s ) 要因1の自由度 ＝ 要因1の中の条件数（群の数）から１を引いたもの\n", " * (上表 t ) 要因2の自由度 ＝ 要因2の中の条件数（群の数）から１を引いたもの\n", " * (上表 u ) 交互作用の自由度　＝ 要因1の自由度 ✕ 要因2の自由度\n", " * (上表 v ) 全体の自由度　＝ 全データ数から１を引いたもの\n", " * (上表 w ) 残差の自由度 ＝ 全体の自由度 ー 要因1の自由度 ー 要因2の自由度 ー 交互作用の自由度" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "* 平均平方を求めてください。(上表 x, y, z, aa )\n", " * 平均平方 ＝ 偏差平方和 ／ 自由度" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "* F値を求めてください。\n", " * (上表 bb ) 要因1のF値 ＝ 要因1の平均平方 ／ 残差の平均平方\n", " * (上表 cc ) 要因2のF値 ＝ 要因2の平均平方 ／ 残差の平均平方\n", " * (上表 dd ) 交互作用のF値 ＝ 交互作用の平均平方 ／ 残差の平均平方" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "* 計算したF値と、F分布表を比較して、以下の問いに答えてください。\n", " * 要因1（食感）による点数の差があるかどうか答えてください。\n", " * 要因2（味）　による点数の差があるかどうか答えてください。\n", " * 交互作用による点数の差があるかどうか答えてください。" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### 7.3　[交互作用とは?](http://kogolab.chillout.jp/elearn/hamburger/chap7/sec3.html)\n", "本文を読んで概念を学んでください。" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### 7.4　[実践編：セットでいこう](http://kogolab.chillout.jp/elearn/hamburger/chap7/sec4.html)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "__課題7.4__ 次のデータで同様に分散分析をしてください。\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
\n", "
\n", " ピリ辛バーガー
\n", " 普通のハンバーガー
\n", " ピリ辛ポテト
\n", " 普通のポテト
\n", " ピリ辛ポテト
\n", " 普通のポテト
80 85 60 55
85 65 70 65
75 80 80 50
70 75 75 70
75 85 65 50
60 65 60 65
70 75 70 75
75 60 75 65
85 80 80 75
70 70 65 65
75 75 65 70
85 80 75 55
75 65 70 65
85 85 85 70
90 75 60 65
" ] }, { "cell_type": "code", "execution_count": 5, "metadata": { "collapsed": true }, "outputs": [], "source": [ "# 以下の４つをそれぞれ「群」と呼びます。\n", "v13 = [80, 85, 75, 70, 75, 60, 70, 75, 85, 70, 75, 85, 75, 85, 90] # ピリ辛バーガー + ピリ辛ポテト\n", "v14 = [85, 65, 80, 75, 85, 65, 75, 60, 80, 70, 75, 80, 65, 85, 75] # ピリ辛バーガー + 普通のポテト\n", "v23 = [60, 70, 80, 75, 65, 60, 70, 75, 80, 65, 65, 75, 70, 85, 60] # 普通のハンバーガー + ピリ辛ポテト\n", "v24 = [55, 65, 50, 70, 50, 65, 75, 65, 75, 65, 70, 55, 65, 70, 65] # 普通のハンバーガー + 普通のポテト" ] }, { "cell_type": "code", "execution_count": 6, "metadata": { "collapsed": true }, "outputs": [], "source": [ "# 以下の４つのうち、上２つを「要因１（バーガーの味）」、下２つを「要因２（ポテトの味）」と呼びます。\n", "v1 = [] # ピリ辛バーガーのデータを作ってください。\n", "v2 = [] # 普通のバーガーのデータを作ってください。\n", "v3 = [] # ピリ辛ポテトのデータを作ってください。\n", "v4 = [] # 普通のポテトのデータを作ってください。" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### 7.9　[通過テスト](http://kogolab.chillout.jp/elearn/hamburger/chap7/sec9.html)\n", "本文を読んで問題を解いてください。" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "collapsed": true }, "outputs": [], "source": [] }, { "cell_type": "markdown", "metadata": {}, "source": [ "__今日の課題提出__：計算結果を.ipynb ファイル（または.jsonファイル）として保存し、指定したアドレスまでメールしてください。メールタイトルは「__ハンバーガー統計学67__」とし、メール本文に学籍番号と氏名を明記のこと。また、感想も書いてくれると喜びます。今後の講義の改善につながるかも知れません。" ] } ], "metadata": { "kernelspec": { "display_name": "Python 2", "language": "python", "name": "python2" }, "language_info": { "codemirror_mode": { "name": "ipython", "version": 2 }, "file_extension": ".py", "mimetype": "text/x-python", "name": "python", "nbconvert_exporter": "python", "pygments_lexer": "ipython2", "version": "2.7.12" } }, "nbformat": 4, "nbformat_minor": 0 }