_ グラフィックスパラメータ設定 ここを参考にする． 背景を白色にする trellis.par.set("background", list(col = "white")) lset(list(background = list(col = "white")) フォントサイズを12にする fsize <- trellis.par.get("fontsize") fsize$default <- 12 trellis.par.set("fontsize", fsize) lset(list(fontsize = list(default = 12))) ↑ data(Cars93, package = "MASS") cor.Cars93 <- cor(Cars93[, !sapply(Cars93, is.factor)], use = "pair") ord <- order.dendr

統計分析フリーソフト「R」 目次 「R」のインストールについて (pdfファイル) 「R」の簡単な使い方 (pdfファイル) 「R」でよく利用される関数 (pdfファイル) 「R」における関数の定義と引数 (pdfファイル) 「R」での基本的な検定 (pdfファイル) 「R」による回帰分析１ (pdfファイル) 「R」による回帰分析２ (pdfファイル) 「R」による判別分析１ (pdfファイル) 「R」による判別分析２ (pdfファイル) 「R」による主成分分析 (pdfファイル)

統計処理言語のSのクローン。 パッケージが増えに増えて何でも屋になってる。 The R Bookに詳しく載っている。 日本語化したWindowsバイナリがあるのでインストールは簡単。

大岡山地区の建物 大学正門より，桜並木のウッドデッキを通り，右手の芝生をつっきる小径が西8号館，西7号館に続くみちです． 大岡山西8号館（Ｅ棟，Ｗ棟）: キャンパスマップの18, 19番の建物にあたります．本館の西隣りに位置しています．正面玄関をはいったところは３階です． Ｅ棟においでの方は廊下をはいってすぐ左手のエレベータをご利用下さい． Ｗ棟にはじめておいでの方は十分に注意して下さい．Ｅ棟とＷ棟を繋いでいる通路は３階と１０階にしかありません．Ｅ棟のエレベータを利用すると迷子になります．正面玄関から廊下をまっすぐにおいでになり，奥の右手にあるエレベータをご利用下さい． 西7号館：キャンパスマップの17番の建物にあたります．西8号館から，建物を二つ挟んだ並びにあります．芝生から向う場合，左手に本館を見ながら進み，本館がとぎれたあたりの右手にある小さな建物が西7号館です．橋を渡ってはいったと

日本化学会・ケモインフォマティクス部会 Divison of Chemoinformatics, The Chemical Society of Japan ケモインフォマティクス部会は日本化学会の部会の一つで、化学研究への情報・計算機の活用をテーマとしたケモインフォマティクス部会と改称しました。以前は「情報化学部会」でしたが、昨今「ケモインフォマティクス」という用語が一般に使われるようになり、また、わかりやすいとのこともあり「ケモインフォマティクス部会」と改称しました。現在の部会員数は約300人で、産学官の幅広い分野にわたっています。我が国のケモインフォマティクス分野の発展、普及のために活発に活動しています。化学・化学工業あるいは他の分野で、最新の情報技術・コンピュータ技術を求められている研究者、技術者、学生の方々には、ケモインフォマティクス部会に入会され有益な知識・交流の場を積極的に利

右側がこの式のグラフだよ。エクセルで線つきの散布図を作成するとこのグラフができる。で、曲線上をうまくクリックすると点々が反転されて、このような色になるよ。 この状態でポインターをこの線上のどこかに当てておいて右クリックすると、ジャーン。近似曲線を作る命令が現れてくるのだよ。この曲線形状は典型的な３次関数だから迷わず次の操作をしよう。 近似曲線の追加>多項式近似をクリック>次数を３に>ＯＫ うーん、ぴったし一致したなあ。あれ？近似式がない、どうしよー。 慌てなさんな。もう一度さっきの反転させたグラフにしなさい。近似曲線と表示されるようであればまよわず右クリックしてクリア。曲線が消えます。 はじめに描いた細い線の曲線は残っているだろ？それをまたクリックする。 右クリックして、さっきと同じように近似曲線の追加をクリック。 ここでオプションタブを押せば欲しい物がでてくるよ。 「グラフを数式に表示す

こちらのブログには認証がかかっています。 ユーザー名 パスワード Powered by Seesaa

まずは、 やっぱり単回帰分析から。 使用するデータは 以下のコマンドで得られる車のデータ。 >library(rpart) >data(car.test.frame) 目的変数に燃費、説明変数に重量として単回 帰分析を例に挙げる。 ＞result<-lm(Mileage~Weight) ＞summary(result) lmが回帰のコマンドです。 lm(目的変数~説明変数) もし、重回帰なら、 説明変数のところを 説明変数１＋説明変数２＋・・・ というように "＋"でつないでください。 summaryは回帰の結果の 要約です。 その結果は、 (クリックすると大きくなります） 用語の日本語訳は、 Residuals：残差 Estimate：係数 Std.error：標準誤差 t value：ｔ値 Pr：有意確率 Multiple　R-Squared：決定係数 Ajusted　R-Square

ある層別変数と特徴値群の関係を見出す 特徴値群を学習用、テスト用に分けて分類を行ない、特徴値の有用性について検討する 層別変数の中身はA, B, C, Dといった文字列でも1, 1.5, 2, 2.5といった数値でも構わない。 但し回帰分析は量的データでなければ行う意味は無い。

重回帰分析 ■（単）回帰分析 単回帰分析では一つの従属変数（目的変数）を、一つの独立変数（説明変数）で予測する事を考える。 具体的にはy = a + bx という回帰直線（モデル）でデータを代表させる。このためにデータからこの回帰直線の切片(a)と傾き(b)を最小２乗法によって求める。 モデルの当てはまりのよさは決定係数（Ｒ2：相関係数の２乗）で表される。また、分散分析で検定ができる。 切片と傾きは、t検定によって検定（ゼロでないかどうかの検定）できる。 ■重回帰分析 重回帰分析では一つの目的変数を、複数の説明変数で予測する事を考える。このような手続きをとる事によって、どの説明変数が、どの程度目的変数に影響を与えているかを知る事ができる。 たとえば３つの独立変数がある場合、重回帰式は y = a + b1x1 + b2x2 + b3x3 となる。それぞれの独立変数にかかっている係数を「偏回