例: フィッシャーのアヤメとは? わかりやすく解説

Weblio 辞書 > 辞書・百科事典 > ウィキペディア小見出し辞書 > 例: フィッシャーのアヤメの意味・解説 

例: フィッシャーのアヤメ

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2019/03/06 17:15 UTC 版)

ブートストラップ法」の記事における「例: フィッシャーのアヤメ」の解説

この手法の基本概念価値を示すため、やや人工的な例を用いる。フィッシャーによる有名なアヤメ計測値Iris flower data set参照)を用い、iris-virginica(アイリス・バージニカ) と iris-versicolor(アイリス・バージカラー) の2種判別するモデル構築することを考える。 この2種を、がく片長さのみを説明変数として判別するロジスティック回帰モデル考え最尤法用いると、次表のとおりパラメータ最尤推定値標準誤差得られる説明変数最尤推定値標準誤差切片 -12.57 2.91 がく片長 2.01 0.47 モデル式 2.01×がく片長-12.57≧0のとき virginica と判別 2.01×がく片長-12.57<0のとき versicolorと判別 (このモデル式では、virginica は標本50個中37個、versicolor は50個中36個が正しく判別されている。) 最尤推定値漸近的には正規分布することが知られている。今回標本50個ずつのデータ出した最尤推定値切片:-12.57、がく片長の係数:2.01)が、どの程度正規分布に近いか、ブートストラップ法で以下のように調べることができる。 元データからn個の標本復元抽出する。このときnは元データ標本数である。 最尤法ロジスティック回帰モデル当てはめる。 このブートストラップ抽出何度も( B {\displaystyle B} 回)繰り返す。 こうして計算された「推定量標本分布」は、本来の標本分布近似になっている下図10000回のブートストラップ抽出により推定され2つパラメータカーネル密度プロットである。 これらのパラメータ分布当然のことながら正規分布ではない。これは、標本数が有限であり、漸近的にしか正規分布ならないためである。最尤推定値について正規分布仮定を置かなくても、ブートストラップ用いて得た分布使えば最尤推定値信頼区間推定仮説検定を行うことができるようになるブートストラップ標本から信頼区間推定する方法として、推定量変位値( α ; {\displaystyle \alpha ;} と 1 − α {\displaystyle 1-\alpha } )を使う方法がある。これをブートストラップパーセンタイル区間と呼ぶ。この例では、切片がく片長の係数ブートストラップ95%パーセンタイル区間は、それぞれ(-20.02, -7.08)と(1.26, 3.20)となる。 一方正規分布仮定した95%信頼区間最尤推定値プラスマイナス1.96倍標準誤差求められそれぞれ(-18.26, -6.87)と(1.10, 2.93)となる。漸近理論用い正規分布仮定して求めた信頼区間対称になっており、ブートストラップ用いた信頼区間比較すると狭い。 非復元抽出よるもの、2標本問題回帰時系列階層的抽出mediation analysis などの統計的問題取り扱うような、より複雑なブートストラップ法がある。

※この「例: フィッシャーのアヤメ」の解説は、「ブートストラップ法」の解説の一部です。
「例: フィッシャーのアヤメ」を含む「ブートストラップ法」の記事については、「ブートストラップ法」の概要を参照ください。

ウィキペディア小見出し辞書の「例: フィッシャーのアヤメ」の項目はプログラムで機械的に意味や本文を生成しているため、不適切な項目が含まれていることもあります。ご了承くださいませ。 お問い合わせ



英和和英テキスト翻訳>> Weblio翻訳
英語⇒日本語日本語⇒英語
  

辞書ショートカット

すべての辞書の索引

「例: フィッシャーのアヤメ」の関連用語

例: フィッシャーのアヤメのお隣キーワード
検索ランキング

   

英語⇒日本語
日本語⇒英語
   



例: フィッシャーのアヤメのページの著作権
Weblio 辞書 情報提供元は 参加元一覧 にて確認できます。

   
ウィキペディアウィキペディア
Text is available under GNU Free Documentation License (GFDL).
Weblio辞書に掲載されている「ウィキペディア小見出し辞書」の記事は、Wikipediaのブートストラップ法 (改訂履歴)の記事を複製、再配布したものにあたり、GNU Free Documentation Licenseというライセンスの下で提供されています。

©2025 GRAS Group, Inc.RSS