久喜 駅 から 大宮 駅 | 25-5. 独立性の検定 | 統計学の時間 | 統計Web
埼玉県の大宮駅から埼玉県の久喜駅までの行き方、JR湘南新宿ライン(宇都宮線・横須賀線)など路線別の所要時間。何線の列車に乗れば最速か、普通、快速などの所要時間をご案内。 路線・種別ごとの所要時間を比較 所要時間は列車ごとに異なります。あくまでも参考までにご利用ください。 JR湘南新宿ライン(宇都宮線・横須賀線) 快速 15分 » JR湘南新宿ライン(宇都宮線・横須賀線) 快速の停車駅 JR湘南新宿ライン(宇都宮線・横須賀線) 普通 22分 他路線への乗り換えがある経路は「 Google乗換案内:大宮駅から久喜駅 」をご利用ください 大宮駅から沿線各駅への所要時間 JR京浜東北線・大宮駅からの所要時間 JR湘南新宿ライン(宇都宮線・横須賀線)・大宮駅からの所要時間 JR湘南新宿ライン(高崎線・東海道線)・大宮駅からの所要時間 JR埼京線・大宮駅からの所要時間 JR高崎線・大宮駅からの所要時間 久喜駅から沿線各駅への所要時間 久喜駅から大宮駅までの電車・所要時間 久喜駅近くの見所 寒梅酒造 住所:埼玉県久喜市 久喜中央2-9-27 アクセス:JR宇都宮線、東武伊勢崎線「久喜駅」から徒歩すぐ 営業時間:9:00~17:00 大宮駅と久喜駅の地図と位置関係
久喜駅から大宮駅(2021年07月23日) 鉄道乗車記録(乗りつぶし) By Akiraさん | レイルラボ(Raillab)
出発地 履歴 駅を入替 路線から Myポイント Myルート 到着地 列車 / 便 列車名 YYYY年MM月DD日 ※バス停・港・スポットからの検索はできません。 経由駅 日時 時 分 出発 到着 始発 終電 出来るだけ遅く出発する 運賃 ICカード利用 切符利用 定期券 定期券を使う(無料) 定期券の区間を優先 割引 各会員クラブの説明 条件 定期の種類 飛行機 高速バス 有料特急 ※「使わない」は、空路/高速, 空港連絡バス/航路も利用しません。 往復割引を利用する 雨天・混雑を考慮する 座席 乗換時間
乗換案内 久喜 → 大宮(埼玉) 時間順 料金順 乗換回数順 1 08:11 → 08:35 早 安 楽 24分 330 円 乗換 0回 2 08:10 → 08:56 46分 420 円 乗換 1回 久喜→[東武動物公園]→春日部→大宮(埼玉) 08:11 発 08:35 着 乗換 0 回 1ヶ月 9, 900円 (きっぷ15日分) 3ヶ月 28, 210円 1ヶ月より1, 490円お得 6ヶ月 47, 520円 1ヶ月より11, 880円お得 7, 800円 (きっぷ11. 5日分) 22, 260円 1ヶ月より1, 140円お得 42, 180円 1ヶ月より4, 620円お得 7, 020円 (きっぷ10. 5日分) 20, 030円 1ヶ月より1, 030円お得 37, 960円 1ヶ月より4, 160円お得 5, 460円 (きっぷ8日分) 15, 580円 1ヶ月より800円お得 29, 520円 1ヶ月より3, 240円お得 JR東北本線 普通 上野行き 閉じる 前後の列車 5駅 08:15 新白岡 08:18 白岡 08:23 蓮田 08:28 東大宮 08:31 土呂 08:10 発 08:56 着 乗換 1 回 15, 090円 (きっぷ17. 5日分) 43, 010円 1ヶ月より2, 260円お得 81, 490円 1ヶ月より9, 050円お得 4, 750円 (きっぷ5. 5日分) 13, 540円 1ヶ月より710円お得 25, 650円 1ヶ月より2, 850円お得 東武伊勢崎線 区間急行 浅草行き 閉じる 前後の列車 1駅 乗車位置 10両編成 10 9 8 7 6 5 4 3 2 1 8両編成 8 7 6 5 4 3 2 1 6両編成 6 5 4 3 2 1 東武野田線 普通 大宮行き 閉じる 前後の列車 8駅 08:35 八木崎 08:38 豊春 08:40 東岩槻 08:43 岩槻 08:47 七里 08:49 大和田(埼玉) 08:52 大宮公園 08:54 北大宮 条件を変更して再検索
1 16. 3 19. 4 17. 4 22. 4 100% 国勢調査 13 17 16 18 自由度: d. f. = k - 1 = 6 - 1 = 5 検定統計量: 自由度5のχ 2 値(有意水準5%)である11. 070より大きな値が観測された。年代分布が母集団と同じであるという帰無仮説は棄却される。 P 値を計算すると非常に小さく0.
Step1. 基礎編 25.
0% 61 30. 5% 113 56. 5% 26 13. 0% Female 80 39 48. 8% 37. 5% 11 13. 8% Male 120 22 18. 3% 83 69. 2% 15 12. 5% 自由度: d. = ( r -1)( c - 1) =2 である。 大きなχ 2 値が観測され,有意水準5%で帰無仮説は棄却される。つまり男女で同じだとは言えない(性差がある)。 3.分割表の単分類検定 この検定は統計学のテキストには掲載されていない。クロス集計ソフトウエアであるQuantumにSingle Classification test (「単分類検定」あるいは「セル別検定」などの意味)として搭載されている。 マーケティング調査のクロス集計表は大部になることが多いので、集計表の解釈作業において、特徴のある場所を探すのに苦労する。そこで便利な方法が単分類検定である。このアイデアはすべてのセルを検定するもので、回答者全体の分布と有意差のあるセルに*印などをつける。 クロス表のあるセルに注目する。たとえば1行1列目のセル f 11 に注目する場合、以下のように「注目している一つのセル」と「それ以外」に二分し、回答者全体の行も同様に二分して2×2の分割表を、部分的に考える。 このセル f 11 は、たとえば性別が「男性」における,あるブランドに対する「認知」などであり、これが回答者「全体」の認知 f ・ 1 に比べて大きな差異であるか否かを検定する。検定統計量は(0. 1)式で与えられる。この検定をすべてのセルで実行するのである。 各セルの検定は、回答者全体の行を理論分布とみなせば、形式的には自由度1の適合度検定に相当する。また。回答者全体の比率を母比率π 0 とみなせば、形式的には(0. 2)式の、母比率の検定と同値である。 検定の多重性を考慮していないという理論的問題はあるが、膨大なクロス集計表をめくりながら、注目すべきセルに*印がマークされる便利なツールとして利用することができる。 ここで、 <カイ二乗分布> 母集団が正規分布N(μ,σ 2)に従うとき,そこから 無作為抽出 したサイズ n の標本を考える。別の表現をすると, n 個の確率変数 X i が互いに独立に正規分布N(μ,σ 2)に従うとき、標準化した確率変数の平方和Wは自由度 n のχ 2 分布に従う [i] 。 最初から標準正規母集団N(0, 1)を考えれば, と置き換えるのと同じではあるが,確率変数 Z i の単なる平方和として以下のように表現することもある。 さて,実際には母数μやσは未知である。そこで標本平均 を使った統計量Yを定義する。Yは自由度 n - 1のχ 2 分布に従う。 式 (1.
3) は (1. 1) と同じ形をしているが,母平均μを標本平均 に置き換えたことにより,自由度が1つ減って n - 1になっている。これは標本平均の偏差の合計が, という制約を生じるためで,自由度が1つ少なくなる。母平均μの偏差の合計の場合はこのような関係は生じない。 式(1. 3)は平方和 を使って,以下のように表現することもある [ii] 。 同様にして,本質的に(1. 4)と同じなのでしつこいのだが,標本分散s 2 (S/ n )や,不偏分散V( S / n -1)を使って表現することもある。平方和による表現のほうが簡潔であろう。 2.χ 2 分布のシミュレーションによる確認 確率密度関数を使ってχ 2 分布を描いた。左は自由度2, 4, 6の同時プロット。右は自由度2, 4, 10, 30であるが、自由度が大きくなるにつれて分布が対称に漸近する様子が分かる。 標準正規乱数Zを発生させて、標本サイズ5の平均値 M 、平方和 W 、偏差平方和 Y を2万件作成し、その 平均値 と 分散 を求め、ヒストグラムを描いた。 シミュレーション結果をまとめると下表のようになる。 統計量 反復回数 平均 分散 M 20, 000 0. 0 0. 2 W 5. 0 9. 9 Y 4. 0 8. 0 標準正規母集団から無作為抽出したサイズ n の標本平均値の平均(期待値)は0であり,分散は となっていることが確認できる。 χ 2 分布の期待値と分散は自由度の記号を f で表示すると [iii] ,以下のようになる。期待値が自由度になるというのは,平方和を分散で割るというχ 2 値の定義式, をみれば直感的に理解できるだろう(平方和を自由度で割ったものが分散であった)。χ 2 分布は平均値μや分散σ 2 とは無関係で,自由度のみで決まる。 式(1. 1)のようにWは自由度 f = n のχ 2 分布をするので期待値は5であり,式(1. 3)のようにYは自由度 f = n -1のχ 2 分布をするので期待値が4になっていることが確認できる,分散も理論どおりほぼ2 f である。 [i] カイ二乗統計量の記号として,ここでは区別の必要からWとYを使った。区別の必要のない文脈ではそのままχ 2 の記号を使うことが多い。たとえば, のように表記する。なおホーエルは「この名前はうまくつけてあるわけである」(入門数理統計学,250頁)と述べているが,χ 2 のどこがどうして「うまい」名前なのか日本人には分かりにくい。 [iii] 自由度の記号は一文字で表記する場合は f のほかに m や,ギリシャ文字のφ,ν(ニューと読む)などが使われる。自由度の英語はdegree of freedomなので自由の f を使う習慣があるのだろう。 f のギリシャ文字がφである。文脈からアルファベットを避けたい場合もありφを使うと思われる。νは n のギリシャ文字である。χ 2 分布の自由度が標本サイズ n に関係するためであろう。標本サイズと自由度とを区別するため,自由度にギリシャ文字を使うという事情からνを使う。なお m を使う人は n との区別のためだと思われるが,平均の m と紛らわしい。νはアルファベットのvに似ているので,これも紛らわしい。
05を下回るので、独立ではない。 つまり、薬剤群かコントロール群かによって、治るか治らないかが違ってくる。 こんな結論になります。 カイ二乗検定の例題:カイ二乗値の計算式は? ここから、カイ二乗値の計算式を解説します。 もし、カイ二乗検定の概要だけで知れればいい、ということであれば、ここから先は確認しなくてもOKです。 カイ二乗値は、各カテゴリで、以下の計算式で求めた値を全て足し合わせたものです。 つまり、先ほどのデータで表1と表2の差を計算していることになります。 この計算式をもとに各カテゴリで計算すると、以下のような表を作ることができます。 1. 78 1. 45 そしてカイ二乗値は、これら4つの値を全て足したもの。 1. 78+1. 45+145=6. 46 この6. 46が、カイ二乗値になります。 イェーツの連続性補正のカイ二乗値というものもある 実はカイ二乗値には、上記で示したものの他に「イェーツの連続性補正」をしたカイ二乗値というのもあります。 イェーツさんによれば、 カイ二乗値とカイ二乗分布に小さなズレがあり、そのズレの影響で本来より有意差が出やすい結果になってしまうのではないか というわけです。 有意差が出やすいということは、 本来有意差がないのに有意差があるという間違った結果が出るリスク(第一種の過誤、αエラー) が大きくなる ということ。 αエラーが大きくなっちゃダメですよね。。 なので、それを補正するのがイェーツの連続性補正。 イェーツの連続性補正については、こちらの記事をご参照くださいませ! カイ二乗検定でP値を算出するには、自由度を求めてカイ二乗分布表と見比べる カイ二乗値が算出できれば、あとはカイ二乗分布表と見比べるだけです。 見比べる際には「自由度」の知識が必要になりますので、 自由度についても学んでおきましょう 。 前述の通り、このデータをもとに出力されるP値は、0. 05を下回ります。 そのため結論は"独立ではない"、つまり、薬剤群かコトロール群かによって、治るか治らないかが違ってくる。 カイ二乗検定を統計解析ソフトで実践したり動画で学ぶ カイ二乗検定をEZRで実践する方法を、別記事で解説しています 。 EZRとは無料の統計ソフトであるRを、SPSSやJMPなどのようにマウス操作だけで解析を行うことができるソフトです。 EZRもRと同様に完全に無料であるため、統計解析を実施する誰もが実践できるソフトになっています。 2019年5月の時点で英文論文での引用回数が2400回を超えているとのことで、論文投稿するための解析ソフトとしても申し分ありません。 これを機に、EZRで統計解析を実施してみてはいかがでしょうか?
5 27 20 5. 5 ②「理論値」からの「実測値」のズレを2乗したものを「理論値」で割る ③すべての和をとる 和は6. 639になります。したがって、 =6. 639となります。 棄却ルールを決める (縦がm行、横がn列)のクロス集計表の場合、自由度が のカイ二乗分布を用いて検定を行います。この例題の場合(2-1)×(4-1)=3です。したがって自由度「3」の「カイ二乗分布」を使用します。また、独立性の検定は 片側検定 で行います。統計数値表から の値を読み取ると「7. 815」となっています。 v 0. 99 0. 975 0. 95 0. 9 0. 1 0. 05 0. 025 0. 01 1 0. 000 0. 001 0. 004 0. 016 2. 706 3. 841 5. 024 6. 635 2 0. 020 0. 051 0. 103 0. 211 4. 605 5. 991 7. 378 9. 210 3 0. 115 0. 216 0. 352 0. 584 6. 251 7. 815 9. 348 11. 345 0. 297 0. 484 0. 711 1. 064 7. 779 9. 488 11. 143 13. 277 5 0. 554 0. 831 1. 145 1. 610 9. 236 11. 070 12. 833 15. 086 検定統計量を元に結論を出す 次の図は自由度3のカイ二乗分布を表したものです。 =6. 639は図の矢印の部分に該当します。矢印は 棄却域 に入っていないことから、「有意水準5%において、帰無仮説を棄却しない」という結果になります。つまり「性別と血液型は独立ではないとはいえない(関連があるとはいえない)」と結論づけられます。 ■イェーツの補正 イェーツの補正 は2行×2列のクロス集計表のデータに対して行われる補正で、離散型分布を連続型分布(カイ二乗分布や正規分布)に近似させて統計的検定を行う際に用いられます。次のようなクロス集計表があるとき、 イェーツの補正を行ったカイ二乗値は下式から求められます。ただし、a, b, c, dは各度数を表し、N=a+b+c+dとします。 ■おすすめ書籍 そろそろ統計ソフトRでも勉強してみようかなという方にはコレ!自分のPC環境で手を動かしながら統計の基礎も勉強しつつRの勉強もできます。結構な厚みがある本です。 25.
※コラム「統計備忘録」の記事一覧は こちら ※ 独立性の検定とは、いわゆるカイ二乗検定のことです。アンケートをする人にはお馴染みの、あのカイ二乗検定です。適合度の検定、母分散の検定など、カイ二乗分布を利用した統計的仮説検定のことをカイ二乗検定と呼ぶのですが、ただ単に「カイ二乗検定」とあれば、それは「独立性の検定」を指していると考えて間違いないでしょう。 さて、独立性の検定の「独立」とは一体どういうことなのでしょうか。新曜社の統計用語辞典では次のように書かれています。 「2つの事象AとBについて、その同時確率P(AB)がAの確率とBの確率との積となるならば、すなわち P(AB)=P(A)・P(B) となるならば、AとBは独立であるという」 例えば、大学生を調査して、その中で、女性が60%、美容院で髪をカットする人が80%だったとします。 X. 性別 女性 男性 60% P(A) 40% Y. 髪をカットする所 美容院 80% P(B) 理容院 20% もし「女性である(A)」と「美容院で髪をカットする(B)」が完全に独立した事象であれば、「女性で、かつ、美容院で髪をカットする人」である確率P(AB)は、次の計算により48%となります。この確率は、独立を仮定した場合に期待される確率、すなわち期待確率です。 P(AB)=0. 6×0. 8=0.