userid stringclasses 377
values | course_number int64 1 15 | question_number int64 1 5 | question_content stringclasses 5
values | answer_content stringlengths 1 4.12k ⌀ | grade stringclasses 5
values |
|---|---|---|---|---|---|
C-2021-2_U134 | 14 | 1 | 今日の内容を自分なりの言葉で説明してみてください | null | F |
C-2021-2_U134 | 14 | 2 | 今日の内容で、分かったこと・できたことを書いてください | null | F |
C-2021-2_U134 | 14 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | null | F |
C-2021-2_U134 | 14 | 4 | 質問があれば書いてください | null | F |
C-2021-2_U134 | 14 | 5 | 今日の授業の感想や反省を書いてください | null | F |
C-2021-2_U172 | 14 | 1 | 今日の内容を自分なりの言葉で説明してみてください | null | F |
C-2021-2_U172 | 14 | 2 | 今日の内容で、分かったこと・できたことを書いてください | null | F |
C-2021-2_U172 | 14 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | null | F |
C-2021-2_U172 | 14 | 4 | 質問があれば書いてください | null | F |
C-2021-2_U172 | 14 | 5 | 今日の授業の感想や反省を書いてください | null | F |
C-2021-2_U72 | 14 | 1 | 今日の内容を自分なりの言葉で説明してみてください | null | F |
C-2021-2_U72 | 14 | 2 | 今日の内容で、分かったこと・できたことを書いてください | null | F |
C-2021-2_U72 | 14 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | null | F |
C-2021-2_U72 | 14 | 4 | 質問があれば書いてください | null | F |
C-2021-2_U72 | 14 | 5 | 今日の授業の感想や反省を書いてください | null | F |
C-2021-2_U56 | 14 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 相関は2つの量の関係性を説明する方法である。データとは物事の推論の基礎となる事実また、参考となる資料・情報である。分布とはどんなデータが、どのくらいあるかを示したものである。分布から分かることは集団の性質である。分散とは広がり具合を数値で表現したものである。定量化することで集団の比較が可能になる。相関は2種類の両の間の関係性に関する概念である。関係のしかたには無相関、正の相関、負の相関がある。相関係数は相関の度合いを-1~+1の範囲の実数で表したものである。正の相関係数ρの分子は（ｘｙ）の平均値である。正の相関はｘｙの符号は正になる場合が多数であり、平均すると生になる。相関係数ρが分かれば、分布のかたちを少し想像することができるが、傾きが分かるわけではないし、形状が分かるわけではない。統計的検定は統計的に差を評価する枠組である。統計的検定の基本アイディアは帰無仮説を信じ、それが起きる確率を過去のデータから計算し、基準とする確率（有意水準）と比較することである。帰無仮説を有意水準5％で棄却できる。回帰とは与えられたデータに成り立つ傾向を見つけ出す方法である。モデリングとは観測を元に、現象を簡略化したモデルを作成することである。回帰分析は、変数間の関係式が分かる。この式を回帰式という。回帰分析とは、データの属性の間の関係式を求める分析手法である。目的変数を説明変数により記述する。線型モデルは回帰式がy=ax+bのかたちのモデルである。最小二乗法は二乗誤差で当てはめ誤差を定義することである。セイン系近似と多項式近似がある。観測されていない場合に関しては使い物にならないことが多く、汎化能力が低いことを、オーバーフィッティングという。汎化能力とは、回帰曲線を求めるときにデータになかったｘについても妥当な予測結果が得られるかどうかである。時系列データとは時間の推移とともに観測されるデータである。時系列モデルの推定方法は、最小二乗法がある。 | B |
C-2021-2_U56 | 14 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 相関と検定についてよく知ることができた。また、回帰、時系列についても理解することができた。 | B |
C-2021-2_U56 | 14 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 特にありません | B |
C-2021-2_U56 | 14 | 4 | 質問があれば書いてください | 特にありません | B |
C-2021-2_U56 | 14 | 5 | 今日の授業の感想や反省を書いてください | 検定・相関は経済系では物価指数の総関係を分析するのに使われることを知り、経済学部生としては情報科学が私の学ぶ専攻科目と大いに関係していて、情報科学を学ぶことは非常に有用であるということを再確認することができた。針葉樹丸太の需給構造の計量経済学的解明で、回帰・時系列の分野が関係していることも、情報科学が経済と関係あるということを示しており、情報科学を学ぶモチベーションにつながった。 | B |
C-2021-2_U46 | 14 | 1 | 今日の内容を自分なりの言葉で説明してみてください | null | D |
C-2021-2_U46 | 14 | 2 | 今日の内容で、分かったこと・できたことを書いてください | null | D |
C-2021-2_U46 | 14 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | null | D |
C-2021-2_U46 | 14 | 4 | 質問があれば書いてください | null | D |
C-2021-2_U46 | 14 | 5 | 今日の授業の感想や反省を書いてください | null | D |
C-2021-2_U118 | 14 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 相関とは二つの量の関係性を説明する方法である。これは相関係数によって数値で表現することができる。これでは相関の正負くらいまでしか分からないが、回帰分析ではデータ間の関係式が分かるので未来の状況についても予測をつけることができる。 | B |
C-2021-2_U118 | 14 | 2 | 今日の内容で、分かったこと・できたことを書いてください | オーバーフィッティングの例がわかりやすくて、最初はよく分からなかったが理解することができた。 | B |
C-2021-2_U118 | 14 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 帰無仮説を考える統計的検定の基本アイデアのところが難しくて理解しきれないところがあった。 | B |
C-2021-2_U118 | 14 | 4 | 質問があれば書いてください | 特にありません。 | B |
C-2021-2_U118 | 14 | 5 | 今日の授業の感想や反省を書いてください | 高校の時に習った相関係数が意外と日常生活に応用できそうなことに驚きました。また、回帰分析でモデル当てはめをする際に線形近似と多項式近似のどちらが良いのか判別するのが難しそうだと思いました。 | B |
C-2021-2_U109 | 14 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 相関、回帰分析、時系列分析 | B |
C-2021-2_U109 | 14 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 回帰分析や時系列分析による予測の方法を知ることができた。 | B |
C-2021-2_U109 | 14 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | null | B |
C-2021-2_U109 | 14 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U109 | 14 | 5 | 今日の授業の感想や反省を書いてください | 数学的な話なので興味深かったです。 | B |
C-2021-2_U95 | 14 | 1 | 今日の内容を自分なりの言葉で説明してみてください | null | D |
C-2021-2_U95 | 14 | 2 | 今日の内容で、分かったこと・できたことを書いてください | null | D |
C-2021-2_U95 | 14 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | null | D |
C-2021-2_U95 | 14 | 4 | 質問があれば書いてください | null | D |
C-2021-2_U95 | 14 | 5 | 今日の授業の感想や反省を書いてください | null | D |
C-2021-2_U120 | 14 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 相関には正、負、無相関がある。統計的検定によって有意水準で棄却できる。データの予測に回帰式が用いられる。目的変数を説明変数で。時系列も予測が必要。 | A |
C-2021-2_U120 | 14 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 相関の符号による２データの関係。 | A |
C-2021-2_U120 | 14 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 統計的検定の応用 | A |
C-2021-2_U120 | 14 | 4 | 質問があれば書いてください | null | A |
C-2021-2_U120 | 14 | 5 | 今日の授業の感想や反省を書いてください | 統計的検定の有意水準の考え方が感覚的には理解できるが言葉で表されると理解しにくいなと感じた。 | A |
C-2021-2_U141 | 14 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 分散と相関の関連性、そして数理統計学を用いて数学的にデータ分布を解析すると、より正確的な推論ができる。回帰分析（線形近似、多項式近似）による分析も可能であるが、データに適切な方法を見抜き、応用する必要がある。 | B |
C-2021-2_U141 | 14 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 数学的にデータ分析を行い、解読すること。 | B |
C-2021-2_U141 | 14 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 特にありません。 | B |
C-2021-2_U141 | 14 | 4 | 質問があれば書いてください | 特にありません。 | B |
C-2021-2_U141 | 14 | 5 | 今日の授業の感想や反省を書いてください | 数理統計学を勉強しているとき、ただの計算ではないかと思うこともあるが、応用例と各分野での活用を聞いて、どんな勉強も無駄ではないと感じた。自分で計算し相関関係を可視化する能力はまだないが、今後の三年間で身に着けようと思っている。 | B |
C-2021-2_U112 | 14 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 相関とは２つの関係性を説明する方法である。データの広がり具合を表したものが分布で、分散は広がり具合を数値で表現したものである。また、相関とは2種類の量の間の関係性に関する概念である。確率に基づいて差の有無を論じる手法を統計的検定といい、データが得られる確率を評価する。回帰分析とはデータの属性の間の関係式を求める分析手法で、現象の理解や未知の状況の予測に用いられる。時系列データとは時間の推移とともに観測されるデータで、それらのデータの分析結果から時系列モデルを作成し、それを用いて未来のデータを予測することができる。 | B |
C-2021-2_U112 | 14 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 相関や分布の意味などをあらためて学ぶことができた。検定についても、九大生っぽいという例を通して理解することができた。また、回帰分析について詳しく学ぶことができた。回帰分析のモデルあてはめの方法についてもしっかりと理解できた。 | B |
C-2021-2_U112 | 14 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 統計的検定について難しく感じた箇所もあったので、重点的に復習を行いたい。 | B |
C-2021-2_U112 | 14 | 4 | 質問があれば書いてください | 特にありません。 | B |
C-2021-2_U112 | 14 | 5 | 今日の授業の感想や反省を書いてください | 検定や相関などが実際に利用されていることを実感しました。検定については今ちょうど数学の授業で学んでいるので、この講義で数学の授業とは別の視点から検定について学ぶことができたのが面白いと感じました。数学の授業で得た知識が繋がってより理解が深まったと思います。回帰分析についても実験結果をグラフに表すときなどに無意識に利用していて、身近に感じました。 | B |
C-2021-2_U41 | 14 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 相関とは、例えば年収額と幸福度の関係性など、２つの量の関係性を示す方法のことである。ヒストグラムからわかるように「どのようなデータがどのくらいあるのだろうか」を示すのを分布という。分布は全てを表現しているわけではないが分布をみることでデータの広がり具合を見ることができ、分布を見ることは、データ分析において最も重要なことの一つである。例えば分散を見ることによりデータの広がり具合を見ることができる。しかし、分散のみでは詳しいデータの識別ができず、十分ではない。そこで分散とは違う'広がりの指標'の「相関」という考え方を導入する。これは２種類の量の関係性を示す。相関は２種類の量のｘとｙの積の平均とxとyのそれぞれ分散で求めることができる。相関は、２つの量に関係はない「無相関」、片方が減れば一方は増えるという「負の相関」、片方が大きくなればもう一方も増えるという「正の相関」の３種類がある。これは、相関係数を使って考えると、値が０，負、正とそれぞれなる。この相関係数の符号を決める物は２種類の量を表すｘ,ｙの積の平均で決まるためこの平均が大切となる。ただし、相関係数だけでデータをグラフ上に図示してあらわれる直線の傾きや分布の形状が分かるわけではないことに注意する必要がある。
十分な質をもつデータを完全に集めることは難しいため、統計的に差を評価する枠組みである「統計的検定」がよく使われる。統計的検定とは、ある仮説（帰無仮説）を立て、母集団の分布から考えて、仮説が起きる確率が有意水準より高いか低いかで仮説が正しくないかを判断するというものである。（ここでも分布の大切さがわかる）また、２つの集団に対しても差があるかどうかの検定にも活用できる。
回帰分析とはデータの属性の間の関係式を求める分析手法であり時間的に独立なデータが使われる。回帰分析ではモデリングを行う。モデリングとはデータを基に現象を簡略化した「型」を作成することである。また独立変数と従属変数の関係性を示す回帰式を作る。この回帰式を使ってモデルを決め回帰分析を行うことでデータ間の関係式が分かり、データの予測ができる。また、現象の理解もできる。回帰式はいろいろなモデルを示す。例えば線形モデルである。線形モデルと各データのあいだの誤差を最小にするべきである。したがって最小二乗法を用いて各データと直線の誤差の二乗の合計を最小化する。ちなみに線形近似と多項式近似はどちらがいいのだろうか。多項式近似ではオーバーフィッティングが起きているため観測していないデータに関しては汎化能力(与えられなかったデータに対する予測が適切か)が低いため、線形モデルに劣る場合がある。しかし、線形近似は事前に与えられたデータに対する誤差が大きいので逆に多項式近似の方が適することもある。得られたデータの性質を考えて、どちらを使うかを決める必要がある。
時系列データとは、映像などのような時間の推移とともに観測されるデータのことであり、観測される順番に意味がある。時系列データを応用することで仮説の検証や未来のデータを予測することができる。時系列データを用いた分析ではトレンド及び季節成分を除いたランダム部分を(定常時系列)抽出するという特徴がある。 | A |
C-2021-2_U41 | 14 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 統計的検定の九大生の例がわかりやすくて、統計的検定とはどのようにやるのかが分かりました。また、回帰分析は意外に昔からやっていて意外に馴染みがあるものだということが分かりました。また、時系列データの分析では定常時系列の部分を抽出する必要があるということもわかりました。 | A |
C-2021-2_U41 | 14 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 統計的検定にはどれくらいのデータが分布を構成する上で必要なのかがよくわかりませんでした。 | A |
C-2021-2_U41 | 14 | 4 | 質問があれば書いてください | 統計的検定で使うデータはどれくらいいるものなのでしょうか？ | A |
C-2021-2_U41 | 14 | 5 | 今日の授業の感想や反省を書いてください | 数理統計学でちょうどp値や統計的検定をやっているのですが今日の授業でその内容が整理できたような気がします。また、回帰分析は難しそうなイメージを持っていましたが、意外にも小さなころからやっていることと近かったので驚きました。 | A |
C-2021-2_U135 | 14 | 1 | 今日の内容を自分なりの言葉で説明してみてください | null | B |
C-2021-2_U135 | 14 | 2 | 今日の内容で、分かったこと・できたことを書いてください | null | B |
C-2021-2_U135 | 14 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | null | B |
C-2021-2_U135 | 14 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U135 | 14 | 5 | 今日の授業の感想や反省を書いてください | null | B |
C-2021-2_U115 | 14 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 相関＞２つの量の関係性
データの分布＞分散＞相関係数
統計的検定＞データの差を評価＜帰無仮説で対象は母集団と差がないと仮定
回帰分析＞実際のデータからモデリング＞回帰式＞線形近似・多項式近似
重回帰分析＞説明変数２つ以上の回帰式
時系列分析＞時系列データ＞予測
| A |
C-2021-2_U115 | 14 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 上記の内容の理解 | A |
C-2021-2_U115 | 14 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | なし | A |
C-2021-2_U115 | 14 | 4 | 質問があれば書いてください | 【質問】電気情報工の友達からデータの可視化においてRとPythonどちらが良いか聞かれました。僕はR言語をよく知らないので曖昧な返事しかできませんでしたが、先生ならどう回答なさるでしょうか？ | A |
C-2021-2_U115 | 14 | 5 | 今日の授業の感想や反省を書いてください | 個人的に統計的検定は多くの場面で使えそうで聞いていて面白かったです。今回学んだ分析をプログラミングでどう書くのかが気になりました。 | A |
C-2021-2_U101 | 14 | 1 | 今日の内容を自分なりの言葉で説明してみてください | データの分布から最小値・最大値や平均、どのようなデータから成っているのかを知ることができる。データ分布の１つの指標である分散は、データの広がり具合を数値で表現したものであり、数値化することによって各集団の比較ができるため有用である。関係の仕方と強さを知ることができる相関という概念とともに用いることで、より正確な傾向把握ができる。関係の仕方には無相関・正の相関・負の相関の３種類があり、傾向の強さは定量化されている相関係数によって表現できる。
統計的検定とは確立に基づいてデータ数が少なくても、データに差の有無を示すための枠組みのことである。統計的検定は仮説を立て、その仮説の起こる確率が基準である有意水準を超えるか否かによって判断していくプロセスを踏む。このとき用いる確率分布は、データの性質に応じて適切に選択する必要がある。
回帰とはデータの傾向を見つけ出す方法のことであり、観測データをもとに関係性を目的変数を説明変数によって記述する数式でモデリングする。回帰分析であれば相関の有無だけでなく、データ間の関係式を求めることができるため、予測に応用される。回帰式は観測データとのあてはめ誤差が小さくなるように最小二乗法を用いてパラメータを設定する。モデルには様々種類があり、各々にメリットとデメリットが存在するため、状況に応じて適切なものを選択する必要がある。
時系列分析は時系列データを用いて仮説の検証や予測に役立てる手法のことである。回帰モデルと通ずるところが多く、時系列データのモデルには回帰モデルが使用される。モデルの推定法は回帰分析と同じ最小二乗法に加えて最尤推定も用いられる。 | A |
C-2021-2_U101 | 14 | 2 | 今日の内容で、分かったこと・できたことを書いてください | データを直感的に理解するだけでなく、数学的にどの様な関係があるのか、その関係の度合いはどのくらいなのかなどについて知ることが重要であるということが分かった。馴染みのある相関係数は一つの大切な指標である一方で、それだけでは分布の形状や傾きなどの詳細な情報や予測はできないと知ることができた。また、たまたま生じた差異ではないと示すためには統計的検定という背理法的な考えを必要とするということが分かった。統計的検定を応用することは、複数の集団に差があるのかを検定することができる有用なテクニックであるということが理解できた。
回帰分析は傾向を数式化することによって予測が可能になる便利な分析手法であると分かった。その一方でそのあてはめ方には注意が必要で、オーバーフィッティングになったり、汎化能力が低くなったりしないようにデータの性質や得たい結果から慎重に考えていく必要があるということを理解できた。時系列分析も仮説検証や予測に役立つ重要な分析手法の１つであるということが分かった。 | A |
C-2021-2_U101 | 14 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 特にありません。 | A |
C-2021-2_U101 | 14 | 4 | 質問があれば書いてください | null | A |
C-2021-2_U101 | 14 | 5 | 今日の授業の感想や反省を書いてください | 中学や高校のころから相関や分散については学んできたため、前半の内容はスムーズに理解できた。また、現在、数理統計学を履修しているので統計的検定の部分も理解しやすく、イラストによってさらに理解が深まったと感じる。やり方を習っている統計的検定が実際どのように活用されているのかを垣間見ることができて面白く感じ、自身の将来との関連も見えたことからさらに興味が湧いた。回帰・時系列分析については、時系列モデルを使って予測する際には目的とは異なる影響を与える因子を取り除く作業が必要であるということや、回帰分析のあてはめ方の選択が重要であるということから、自分が何を目的としているのかをしっかりと見据えたうえで、各分析手法の性質を理解しておくことが大切なのだと感じた。
実際に学んだ手法が様々な分野で利用されていることを考えると、これらの理解は不可欠だと感じた。講義資料の中で参考として挙げられていた重回帰分析や時系列モデルについて詳しく調べてみようと思う。 | A |
C-2021-2_U133 | 14 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 相関や統計的検定について学んだ。また、回帰分析や時系列分析を学び、データの分析について理解した。 | B |
C-2021-2_U133 | 14 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 相関とは、2つの量の関係性を説明する方法であり、関係の強さや仕方を表すことができるとわかった。また、仮説を立て、データから検定をしていくことで、確率に基いた評価ができることがわかった。回帰分析によって、相関ではわからないデータ間の関係式がわかるとわかった。時系列分析は仮説の検証や予測に役立つとわかった。 | B |
C-2021-2_U133 | 14 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 回帰分析で線形近似と多項式近似のどちらを選ぶのかの判断がわからなかった。 | B |
C-2021-2_U133 | 14 | 4 | 質問があれば書いてください | 線形近似と多項式近似のどちらを選ぶかの選択は、データを見ただけで判断できるものなのでしょうか。それとも近似を行ってから比較するのでしょうか。 | B |
C-2021-2_U133 | 14 | 5 | 今日の授業の感想や反省を書いてください | 統計的検定は、他の授業でも少し習ったことがあったが、今回授業でどんなものだったのか思い出せたのでよかった。回帰分析は、意外と傾向をつかむのに使ったことがある方法で理解しやすかった。予測では、正確ではない部分があるとわかったので、データを扱うときには意識したいと思った。 | B |
C-2021-2_U117 | 14 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 相関とは２つの量な関係性を説明する方法である。分散も2つの量の広がり具合を表現したものだが、相関は関係の強さや関係の仕方まで表現する。関係の仕方には3種類あり、無相関、正の相関、負の相関だ。これらの相関を定量化するのが相関係数である。これが分かれば分布の形を想像することができる。
統計的に差を評価する枠組みを統計的検定という。簡単に言うと帰無仮説をたてて得られた数字を有意水準と比較して差があるかどうか確かめるという方法だ。このときデータは正規分布に従うとされる。この考えを使って２つの集団に差があるかどうかの検定も可能である。
回帰分析とは与えられたデータに成り立つ傾向を見つけ出す方法。回帰のためにはモデリングを行う。それによって相関分析ではわからないデータ間の関係式を導くことができる。モデルのあてはめでは線形近似と多項式近似のどちらかが使われるがオーバーフィッティングや汎化能力の面からどちらにもメリットデメリットがあるため一概にどちらが良いとは言えない。変数が2つ以上の場合には重回帰分析が使われる。
時間の推移とともに観測されるデータは時系列分析を行う。これにより未来のデータを予測することができる。時系列モデルの推定方法には最小二乗法や最尤推定などがある。 | B |
C-2021-2_U117 | 14 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 分散と相関、回帰、時系列の分析についてそれぞれどのようなものか分かった。これまで分散、相関、回帰の違いが自分の中であいまいだったがきちんと違いを理解することができた。 | B |
C-2021-2_U117 | 14 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 帰無仮説を証明する際に使う有意水準は誰がどのようにして決めたのかわからない。 | B |
C-2021-2_U117 | 14 | 4 | 質問があれば書いてください | 特にありません。 | B |
C-2021-2_U117 | 14 | 5 | 今日の授業の感想や反省を書いてください | ちょうど数理統計学の授業で検定について学んでいるので今日の授業内容は数理統計学で学んだことと関連させながら考えられたので面白かった。数理統計学の授業では詳しい計算までしておりどのように証明するのかなどを学んだが、実際にどのようなときに使うかをこの授業で学べたのでとても参考になった。
これまでの復習をしっかりと行い、次回のテストは頑張りたい。 | B |
C-2021-2_U65 | 14 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 相関とは二つの量の関係性を説明する方法のこと
データがどんな範囲にどれくらいあるかを示すのは分布
分布によって集団の性質がわかる
二つのデータの関係性は相関でわかる
統計的検定とは統計的に差を評価する枠組みのこと
モデリング＝観測データをもとに模型をつくること
できるだけ汎用性が高いものが良い
| C |
C-2021-2_U65 | 14 | 2 | 今日の内容で、分かったこと・できたことを書いてください | オーバーフィッティングには気を付ける必要があること | C |
C-2021-2_U65 | 14 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 特にありません | C |
C-2021-2_U65 | 14 | 4 | 質問があれば書いてください | 特にありません | C |
C-2021-2_U65 | 14 | 5 | 今日の授業の感想や反省を書いてください | オーバーフィッティングに身に覚えがありすぎてびっくりした。 | C |
C-2021-2_U33 | 14 | 1 | 今日の内容を自分なりの言葉で説明してみてください | データの分布から、最小、最大、平均、分散が分かる。データの分散と相関を通じて、集団の比較ができる。相関係数が負なら負の相関、正なら正の相関という。一方、ゼロなら相関ではない、つまり無相関である。相関係数が分かれば、データの分布を想像することができる。統計的検定は統計的に差評価する枠組みである。異なる集団に差がないと考えて、それを有意水準と比較する。比較を通じて、仮説を売却できるかどうかが分かる。回帰分析のさいはデータの現象を簡略化したモデルを作成するモデリングを行う。回帰式はモデルを当てはめることで導かれる。言い換えると、適当に線を引くことである。時系列データは時間の推移も考慮したデータである。時系列モデルを用いて、データＢの予測ができる。 | B |
C-2021-2_U33 | 14 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 二つの量の関係性を説明する方法を相関という。データの分布はどんなデータがどのくらいあるかを意味する。データの分散と相関は、データの広がり具合である。もしデータが原点周りのなければ、並行移動してから相関係数を計算すればいい。差がないという仮説は帰無仮説といい、その反対は対立仮説という。有意水準とは、基準とする確率を意味する。回帰分析とは、データの傾向を見つけ出し、データ間の回帰式を求める分析方法である。回帰式は線形近似、多項式のいずれかの一つになる。汎化能力とは、
| B |
C-2021-2_U33 | 14 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | null | B |
C-2021-2_U33 | 14 | 4 | 質問があれば書いてください | null | B |
C-2021-2_U33 | 14 | 5 | 今日の授業の感想や反省を書いてください | 今日までデータの種類、収集方法、測定、分析を学んだ。学習量が多すぎて、試験が心配だ。自信はないけど、できる限り復習を重ねるつもりだ。 | B |
C-2021-2_U17 | 14 | 1 | 今日の内容を自分なりの言葉で説明してみてください | 相関・・・２つの量の関係性を説明する方法、無相関・正の相関・負の相関、相関係数
データと分布・・・分散
統計的検定・・・統計的に差を評価する枠組み、帰無仮説（⇔対立仮説）→仮説信じる→過去のデータから計算→有意水準と比較
回帰分析・・・データの属性の間の関係式を求める分析手法、モデリング、変数（データ）間の関係式が分かる
回帰の方法・・・線形モデル、最小二乗法
回帰分析の注意点・・・線形近似と多項式近似のどちらが良いか、オーバーフィッティング、汎化能力
時系列分析・・・仮説の検証や予測に役立てる方法、時系列データ→時系列モデルを用いた予測、様々な時系列データのモデル、時系列モデルの推定方法 | B |
C-2021-2_U17 | 14 | 2 | 今日の内容で、分かったこと・できたことを書いてください | 相関、検定、回帰、時系列について内容などしっかり理解できたと思う。 | B |
C-2021-2_U17 | 14 | 3 | 今日の内容で、分からなかったこと・できなかったことを書いてください | 演習をやってみたがよくわからないうちにできた。もう一度この範囲を復習をしてテスト前に実践しながら考えようと思う。 | B |
C-2021-2_U17 | 14 | 4 | 質問があれば書いてください | 特にないです。 | B |
C-2021-2_U17 | 14 | 5 | 今日の授業の感想や反省を書いてください | 高校の数学で習ったデータの分析の内容に似た部分もあり理解しやすかった。テストに向けて復習をしっかりします。 | B |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.