色彩検定2級の魅力はプロへのスキルアップ >>

現在L18直交表を用いた研究をしております。
関連する本を読み、統計を勉強しながら進めているのですが
測定機器の都合により見切り発車で実験を行いました

L18直交表を見ると要因が8個までいれられたので
とりあえずすべて埋めて、2水準を1つ、3水準を7つで行いました。

結果を解析する段階で気づいたのですが
要因を最低でも1つ開けておかないといけないとか

そこで質問が3つあります

(1)要因を1つ開けるのは誤差を吸収させるために
誤差を要因の一つとして割り付けていると理解したのですが
正しい考えでしょうか?

(2)誤差要因を入れずに行った今回の実験で分散分析を行う際に
誤差Se=St-(Sa+Sb+…+Sg)、誤差の自由度=18-(1×1+2×7)-1=2
としてF検定を行ったのですが問題ないでしょうか?

(3)次回実験を行う際には誤差要因を割り付けようと思うのですが
どこに入れた方が良いとかはあるのでしょうか?
手持ちの本だとL8直交表で要素Cには要素Aと要素Bの交互作用が現れる
などと書いてあるのですがL18直交表のものが見つかりませんでした。
L18は混合型なので交互作用に偏りがないという話も聞いたのですが
そのおかげでどこに割り振っても良いのでしょうか?

理解があやふやなまま進めておりますので
意味不明な質問をしているかもしれませんが
よろしくお願いします。

このQ&Aに関連する最新のQ&A

A 回答 (3件)

企業で統計解析を指導する立場の者です.



(1)要因を1つ空ける=正しくは,列を1つ空ける(遊ばせる)とは,
おっしゃるように,誤差eを割り付けるのと同じことです.

それは,誤差を吸収? するためでなく,分散分析をするためです.
分散分析とは,要因の効果が誤差に埋もれる程度でないかどうか
「要因効果の分散」と「誤差の分散」の比を取ってF検定することです.
誤差の分散を計算するためには,誤差の自由度が必要です.
誤差の自由度が0ですと,割る0が生じてしまい計算できません.

ただ,実験計画は全ての列に割り付けて誤差の自由度0であっても
要因効果だけは算出可能です.
要因効果が小さいものから誤差にプールしていけばF検定も可能になります.


(2)L18直交表は,全ての列に因子を割りつけてもなお,自由度が2余ります.
ですから,その状態で誤差の自由度2となったはずで,F検定もできたのです.

なお,L18直交表は第1列と第2列の交互作用が第9列に出ますが,
その第9列は主効果を割り付けることができないため,隠れ列になっています.
そのため,全ての列に因子を割りつけてもなお,隠れ列分の自由度が2余るのです.


(3)次回L18を使うときは,是非第2列を遊ばせて下さい.

L18直交表は混合系直交表と言われるもので,べき乗系直交表とは異なり,
交互作用が特定列に出ないため,交互作用を解くことができません.
ですから,別名表や線点図は存在しません.

交互作用が存在すると,他の列に「不均等に」バラけます(交絡します).
L18は交互作用に偏りがないというテキストは完全な誤りです.

この時,第2列がらみの交互作用の影響,あるいは他の交互作用の第2列への影響が
他の列に比較して厳しいものがあります.
ですから第2列を避けるのです.

上級者のテクニックとしては,
あと2列くらい遊ばせます.

もし,何らかの要因間に運悪く交互作用があると,
上記の他の列に交絡するという理由で,この交互作用の影響は遊ばせた列にも現れます.
そのとき,本来は要因効果図は真横にならなければいけないのに,
幽霊のような効果が観測されます.
当然,要因を割り付けた列にも,その幽霊の影響は乗っているので,
本来の主効果とは違う効果を見ていることになります.

こうした失敗実験を見抜くために,L18であっても2列くらい遊ばせるのです.
    • good
    • 0
この回答へのお礼

非常にわかりやすい説明で疑問が解決しました。

参考にした書籍が数式が多くわかりにくかったので
ネットで見つけた実例を参考に手順だけをまねしていたため
自由度が2余る事になんとなく違和感を感じつつも
疑問に思う程には至ってませんでした。
ですので、隠れ列の説明で原因がわかり感動しました。

他の部分についても説明を読んでいて
わかりやすくおもしろいと感じました。

数式の意味を考える重要性やおもしろさが実感できましたし
ネットだと少し間違った情報(L18は交互作用に偏りがない)も含まれていたようなので
書籍に戻って正しい知識を基礎から入れていこうと思います。

ありがとうございました。

お礼日時:2011/05/19 01:10

ごめんなさい、(2) の自由度の所は式を見まちがえていました。

勘違いです。
    • good
    • 0
この回答へのお礼

訂正ありがとうございます

お礼日時:2011/05/18 21:31

> L18直交表を見ると要因が8個までいれられたので


> とりあえずすべて埋めて、2水準を1つ、3水準を7つで行いました。

(1)
そういう言い方もあると思います。

(2)
> 誤差Se=St-(Sa+Sb+…+Sg)、

8 要因なら ..., Sg でなく ..., Sh では?

> 誤差の自由度=18-(1×1+2×7)-1=2

3 水準の所がなぜ 1 なのですか? 全て埋めたなら、残りの自由度は 0 なはずです。つまり検定はできません。

> 見切り発車で実験を行いました

ということならとりあえず、検定をする必然性があるかどうかから検討すべきかと。つまり、推定だけで話は済まないのか、です。

もしも検定をしないと話にならないなら、最も効かない要因を誤差とみなすしかないでしょう。最も効かないのはどれか、先験的に決められれば良いのですけど。計算で決めるしかない、かもしれません。それは実験の実質的な意味によります。

(3)
L18 は田口法でよく使うらしいので、その分野の教科書を見れば線点図が載っているのではないでしょうか?
    • good
    • 0
この回答へのお礼

回答ありがとうございます

(1)
安心しました。
それを基にして理解を深めたいと思います。

(2)
SgはShのミスです。すいません。

要因効果図だけでも欲しかった結果はある程度得られました。
以前に要因毎に個別に実験した結果があるので
それらとあわせて評価してみようと思います。
参考にした本の手順にとらわれすぎていたようです
検定する意味から考え直してみようと思います

(3)
2水準型の2^n直交表の作成方法や線点図はみつかるのですが
L18直交表に関してはなかなか見つかりません。
実験計画法の本を参考にしているのですが
田口法に関してはあまり深く触れていないようですので
田口法を中心に書いてある本を探してみます。

お礼日時:2011/05/18 21:27

このQ&Aに関連する人気のQ&A

お探しのQ&Aが見つからない時は、教えて!gooで質問しましょう!

このQ&Aを見た人はこんなQ&Aも見ています

このQ&Aを見た人が検索しているワード

このQ&Aと関連する良く見られている質問

Q実験計画法 L8直交表の割付けについて

実験計画法 L8直交表の割付けについて教えてください。
L8の直交実験で因子A(4水準)、因子B(2水準)、因子C(2水準)の要因分析をしたいと考えています。
1,2,3列を使い因子Aを割付けようと思いますが、残りの因子Bと因子Cは何列に割付ければよいのでしょうか。
またそのとき因子Aと因子B、因子Aと因子Cの交互作用はそれぞれ何列に現れるのでしょうか。
それとも直交表を変形させてしまうと因子間の交互作用は評価できなくなってしまうのでしょうか。
見よう見まねで実験計画法を使ってみたいと思うのですが、本質が理解できておらないため質問させていただきました。
よろしくお願いいたします。

Aベストアンサー

> これでL16の実験を行い解析をしてみようと思います。

念のための蛇足です。線点図 (1) を使って A, B, C, A×B, A×C だけを割付けると A, B, C の多元配置で、全ての水準組み合わせが1回ずつですから、実験は減ってません。

つまり直交表の利点を生かそうと思ったら、少なくとももう1つの要因 D を割付ける必要があります。しかし先にも触れたとおり、D が他の要因 A, B, C 全てと交互作用があるとすると、今度は誤差項の自由度が小さくなって、主効果すら検出できなくなる恐れがあります。(検出の心配は無用なら、そもそも実験なぞせずに効果がわかるはず。)

だから D としては「A, B, C のなるべく多くの要因と交互作用がないことが先験的にわかっているようなもの」を取り上げられると、嬉しいわけです。そのように都合の良い要因で興味あるものが存在するかどうかは、実験の実質的な内容によります。

ついでに言うと、交互作用効果や主効果の有意でなかったものを順次、誤差に繰り入れてしまって検出力を上げることは、実際には行われています。けれどこれは、検定の基本思想からは明らかにおかしな行為です。

> 4水準因子を交えた線点図の読み方がやはりピンときません。

疑問が具体的なら、お答えできるかもしれません。

> これでL16の実験を行い解析をしてみようと思います。

念のための蛇足です。線点図 (1) を使って A, B, C, A×B, A×C だけを割付けると A, B, C の多元配置で、全ての水準組み合わせが1回ずつですから、実験は減ってません。

つまり直交表の利点を生かそうと思ったら、少なくとももう1つの要因 D を割付ける必要があります。しかし先にも触れたとおり、D が他の要因 A, B, C 全てと交互作用があるとすると、今度は誤差項の自由度が小さくなって、主効果すら検出できなくなる恐れがあります。(検出の心配は...続きを読む

Q品質工学の制御因子と信号因子の違いが分かりません。

年末のお忙しいところすみませんが掲題について教えてくださいますようお願いします。

信号因子はその因子を操作すると必ず出力も変化するパラメータといわれておりますが
制御因子にも操作すると必ず出力に何らかの変化が生じるものがあるのではないか、
つまり、操作すると出力に変化が生じる因子は制御因子にも信号因子にもなりうるのではないかと思っております。

そうすると、何を基準にそのような因子を制御因子または信号因子に選べばいいのでしょうか。

ご回答よろしくお願いします。

Aベストアンサー

「制御因子」と言うと積極的にその因子の値を変えることでうまい結果を得る、という風に思いがちです。でもそういうことじゃなくて、「同じ結果を得たいなら、いつも一定にしておかねばならない因子。つまり、制御しておかねばならない因子」という意味なんです。
 制御因子が変化すれば結果も変化する、というよりも、嫌でも変化してしまう。しかもどう変化するかは大抵分かっていない。だから、制御因子は常に一定にした(あるいは一定範囲に入れた)状態を維持しなくてはならない。
 逆に、ある因子が変化しても結果が変わらないのであれば、それは、同じ結果を再現するために考慮しなくても良い因子である。ってことは、その因子は制御因子ではない。

 例えば: おいしい餃子を作るにはニラの量をどのぐらいにするのがいいか、いろいろ変えて実験してみた。ところが、作るたびに皮の出来が全然違ったり、大きさや焼き加減がバラバラだった。その上、試食しているうちにおなか一杯になって、もう食べられない。結局実験にならなかった。
 ということは、ニラ以外の材料全部・餃子の重量・焼き方・試食する人の状態、さらには皿の大きさや餃子の温度、照明だの空調だの、その他影響がありそうなあらゆる要因を考慮して、それらをいつも一定にしておかなくては正しく比較できない。こういった諸々の要因を全部ひっくるめて「制御(しなくてはならない)因子」と考える訳です。

「制御因子」と言うと積極的にその因子の値を変えることでうまい結果を得る、という風に思いがちです。でもそういうことじゃなくて、「同じ結果を得たいなら、いつも一定にしておかねばならない因子。つまり、制御しておかねばならない因子」という意味なんです。
 制御因子が変化すれば結果も変化する、というよりも、嫌でも変化してしまう。しかもどう変化するかは大抵分かっていない。だから、制御因子は常に一定にした(あるいは一定範囲に入れた)状態を維持しなくてはならない。
 逆に、ある因子が変化し...続きを読む

Q統計学的に信頼できるサンプル数って?

統計の「と」の字も理解していない者ですが、
よく「統計学的に信頼できるサンプル数」っていいますよね。

あれって「この統計を調べたいときはこれぐらいのサンプル数があれば信頼できる」という決まりがあるものなのでしょうか?
また、その標本数はどのように算定され、どのような評価基準をもって客観的に信頼できると判断できるのでしょうか?
たとえば、99人の専門家が信頼できると言い、1人がまだこの数では信頼できないと言った場合は信頼できるサンプル数と言えるのでしょうか?

わかりやすく教えていただけると幸いです。

Aベストアンサー

> この統計を調べたいときはこれぐらいのサンプル数があれば信頼できる・・・
 調べたいどの集団でも、ある一定数以上なら信頼できるというような決まりはありません。
 何かサンプルを集め、それをなんかの傾向があるかどうかという仮説を検証するために統計学的検定を行って、仮設が否定されるかされないかを調べる中で、どの検定方法を使うかで、最低限必要なサンプル数というのはあります。また、集めたサンプルを何か基準とすべき別のサンプルと比べる検定して、基準のサンプルと統計上差を出すに必要なサンプル数は、比べる検定手法により計算できるものもあります。
 最低限必要なサンプル数ということでは、例えば、ある集団から、ある条件で抽出したサンプルと、条件付けをしないで抽出したサンプル(比べるための基準となるサンプル)を比較するときに、そのサンプルの分布が正規分布(正規分布解説:身長を5cmきざみでグループ分けし、低いグループから順に並べたときに、日本人男子の身長なら170cm前後のグループの人数が最も多く、それよりも高い人のグループと低い人のグループの人数は、170cmのグループから離れるほど人数が減ってくるような集団の分布様式)でない分布形態で、しかし分布の形は双方とも同じような場合「Wilcoxon符号順位検定」という検定手法で検定することができますが、この検定手法は、サンプルデータに同じ値を含まずに最低6つのサンプル数が必要になります。それ以下では、いくらデータに差があるように見えても検定で差を検出できません。
 また、統計上差を出すのに必要なサンプル数の例では、A国とB国のそれぞれの成人男子の身長サンプルがともに正規分布、または正規分布と仮定した場合に「t検定」という検定手法で検定することができますが、このときにはその分布を差がないのにあると間違える確率と、差があるのにないと間違える確率の許容値を自分で決めた上で、そのサンプルの分布の値のばらつき具合から、計算して求めることができます。ただし、その計算は、現実に集めたそれぞれのサンプル間で生じた平均値の差や分布のばらつき具合(分散値)、どのくらいの程度で判定を間違える可能性がどこまで許されるかなどの条件から、サンプル間で差があると認められるために必要なサンプル数ですから、まったく同じデータを集めた場合でない限り、計算上算出された(差を出すために)必要なサンプル数だけサンプルデータを集めれば、差があると判定されます(すなわち、サンプルを無制限に集めることができれば、だいたい差が出るという判定となる)。よって、集めるサンプルの種類により、計算上出された(差を出すために)必要なサンプル数が現実的に妥当なものか、そうでないのかを、最終的には人間が判断することになります。

 具体的に例示してみましょう。
 ある集団からランダムに集めたデータが15,12,18,12,22,13,21,12,17,15,19、もう一方のデータが22,21,25,24,24,18,18,26,21,27,25としましょう。一見すると後者のほうが値が大きく、前者と差があるように見えます。そこで、差を検定するために、t検定を行います。結果として計算上差があり、前者と後者は計算上差がないのにあると間違えて判断する可能性の許容値(有意確率)何%の確率で差があるといえます。常識的に考えても、これだけのサンプル数で差があると計算されたのだから、差があると判断しても差し支えないだろうと判断できます。
 ちなみにこの場合の差が出るための必要サンプル数は、有意確率5%、検出力0.8とした場合に5.7299、つまりそれぞれの集団で6つ以上サンプルを集めれば、差を出せるのです。一方、サンプルが、15,12,18,12,21,20,21,25,24,19の集団と、22,21125,24,24,15,12,18,12,22の集団ではどうでしょう。有意確率5%で差があるとはいえない結果になります。この場合に、このサンプルの分布様式で拾い出して差を出すために必要なサンプル数は551.33となり、552個もサンプルを抽出しないと差が出ないことになります。この計算上の必要サンプル数がこのくらい調査しないといけないものならば、必要サンプル数以上のサンプルを集めて調べなければなりませんし、これだけの数を集める必要がない、もしくは集めることが困難な場合は差があるとはいえないという判断をすることになるかと思います。

 一方、支持率調査や視聴率調査などの場合、比べるべき基準の対象がありません。その場合は、サンプル数が少ないレベルで予備調査を行い、さらにもう少しサンプル数を増やして予備調査を行いを何回か繰り返し、それぞれの調査でサンプルの分布形やその他検討するべき指数を計算し、これ以上集計をとってもデータのばらつきや変化が許容範囲(小数点何桁レベルの誤差)に納まるようなサンプル数を算出していると考えます。テレビ視聴率調査は関東では300件のサンプル数程度と聞いていますが、調査会社ではサンプルのとり方がなるべく関東在住の家庭構成と年齢層、性別などの割合が同じになるように、また、サンプルをとる地域の人口分布が同じ割合になるようにサンプル抽出条件を整えた上で、ランダムに抽出しているため、数千万人いる関東の本当の視聴率を割合反映して出しているそうです。これはすでに必要サンプル数の割り出し方がノウハウとして知られていますが、未知の調査項目では必要サンプル数を導き出すためには試行錯誤で適切と判断できる数をひたすら調査するしかないかと思います。

> どのような評価基準をもって客観的に信頼できると判断・・・
 例えば、工場で作られるネジの直径などは、まったくばらつきなくぴったり想定した直径のネジを作ることはきわめて困難です。多少の大きさのばらつきが生じてしまいます。1mm違っても規格外品となります。工場では企画外品をなるべく出さないように、統計を取って、ネジの直径のばらつき具合を調べ、製造工程をチェックして、不良品の出る確率を下げようとします。しかし、製品をすべて調べるわけにはいきません。そこで、調べるのに最低限必要なサンプル数を調査と計算を重ねてチェックしていきます。
 一方、農場で生産されたネギの直径は、1mmくらいの差ならほぼ同じロットとして扱われます。また、農産物は年や品種の違いにより生育に差が出やすく、そもそも規格はネジに比べて相当ばらつき具合の許容範囲が広くなっています。ネジに対してネギのような検査を行っていたのでは信頼性が損なわれます。
 そもそも、統計学的検定は客観的判断基準の一指針ではあっても絶対的な評価になりません。あくまでも最終的に判断するのは人間であって、それも、サンプルの質や検証する精度によって、必要サンプルは変わるのです。

 あと、お礼の欄にあった専門家:統計学者とありましたが、統計学者が指摘できるのはあくまでもそのサンプルに対して適切な検定を使って正しい計算を行ったかだけで、たとえ適切な検定手法で導き出された結果であっても、それが妥当か否か判断することは難しいと思います。そのサンプルが、何を示し、何を解き明かし、何に利用されるかで信頼度は変化するからです。
 ただ、経験則上指標的なものはあります。正規分布を示すサンプルなら、20~30のサンプル数があれば検定上差し支えない(それ以下でも問題ない場合もある)とか、正規分布でないサンプルは最低6~8のサンプル数が必要とか、厳密さを要求される調査であれば50くらいのサンプル数が必要であろうとかです。でも、あくまでも指標です。

> この統計を調べたいときはこれぐらいのサンプル数があれば信頼できる・・・
 調べたいどの集団でも、ある一定数以上なら信頼できるというような決まりはありません。
 何かサンプルを集め、それをなんかの傾向があるかどうかという仮説を検証するために統計学的検定を行って、仮設が否定されるかされないかを調べる中で、どの検定方法を使うかで、最低限必要なサンプル数というのはあります。また、集めたサンプルを何か基準とすべき別のサンプルと比べる検定して、基準のサンプルと統計上差を出すに必要な...続きを読む

Q寄与率の計算式

分散分析を勉強中のものです。
分散分析において各要因の寄与率は次の式で与えられるようです。(数冊の書籍で確認しているので一般的な式と認識しています。)

寄与率=(Si-fi・Ve)/St ×100
 Siは要因iの平方和、fiは要因iの自由度、Veは誤差の分散、Stは全体の平方和

私が引っかかっているのは、なぜSi/St×100であらわさず、-fi・Veが余計についているのでしょうか?
どなたか教えていただけないでしょうか
よろしくお願いします。

Aベストアンサー

私の回答があなたの疑問に正しく向き合っていなかったような気がするので、補足します。
分散分析によってすべてがクリアになったように思えるのですが、実は、全く誤差のないモデルと、現実の誤差のあるモデルで実験をすると、誤差のあるモデルのほうが、抽出したはずの「割り付けた要因の分散」まで大きくなります。これは、誤差というものが、必ず左右平等に現れるものでない、という性質からくるものです。しかし、分散分析は「誤差が左右平等に現れる」という前提で行いますから、不平等分は「要因の分散」に上乗せされます。ですから、要因の効果の「推定」をするときには、その分を推定して引き算しなければなりません。私たちは、当たり前のように f・Ve を引き算していますが、この量は、定性的には、誤差によって不当に(?)大きくなってしまった要因の効果を補正しているものだ、と考えることができます。

Q実験計画/水準の割り付け方

品質工学初心者です。
工程で不具合が発生し、原因の特定に難航しています。
原因を特定しないまま、工程を動かし続ける訳には行かず、何とか原因を
特定したく、実験計画(L18直交表)を用いた再現実験を考えています。
因子および水準を検討した結果、因子が3つの水準が2因子が2水準、
残り一つが3水準です。
L18直交表の場合、2水準の因子が2つ以上ある場合は、余った因子列の
3水準目にダミーとして第一水準または第2水準を重要度またはコスト
を勘案して任意で割り付け良いと参考書に記載されていたのですが、
これでは重複する条件が何項目か出るかと思います。
この場合、重複する箇所は省いて実験をすれば良いのでしょうか。
もしこの考え方が間違っているようであれば、最適な実験計画方法を
アドバイス頂けると幸いです。

Aベストアンサー

実験計画法は少し使ったことはあるのですが、なかなか有効な結果は得られません。
特に水準のレベル(水準1~3での要因の差)が大きすぎると結果を分析できないということが発生し、小さすぎると因子の寄与率が有意でなくなります。
"原因の特定に難航している"のですが、要因として3つ(?)に絞られているようですので、実験計画法を使う必要はあまりないのではないかと思います。

実験計画法は、要因数が多い場合にどの要因が特性に対して寄与率が大きいかを効率的に求める方法だと思うので、要因(因子)が3程度なら個別調査の方が確実かと思います。

尚、L18は交互作用がないことを前提とした直交表ですので、交互作用がある可能性があるような場合は使わない方がよいです。

Q相関係数についてくるP値とは何ですか?

相関係数についてくるP値の意味がわかりません。

r=0.90 (P<0.001)

P=0.05で相関がない

という表現は何を意味しているのでしょうか?
またMS Excelを使ってのP値の計算方法を教えてください。

よろしくお願い致します。

Aベストアンサー

pは確率(probability)のpです。全く相関のない数字を組み合わせたときにそのr値が出る確率をあらわしています。

統計・確率には100%言い切れることはまずありません。というか100%言い切れるのなら統計・確率を使う必要は有りません。
例えばサイコロを5回振って全て同じ目が出る確率は0.08%です。そんな時、そのサイコロを不良品(イカサマ?)と結論つけるとわずかに間違っている可能性が残っています。ただ、それが5%以下ならp=0.05でそのサイコロは正常ではないと結論付けます。
それが危険率です。(この場合はp=0.1%でもいいと思いますが)
相関係数においても相関の有無を結論つけるにはそのrが偶然出る確率を出すか、5%の確率ならrがどれぐらいの値が出るかを知っておく必要が有ります。

>r=0.90 (P<0.001)

相関係数は0.90と計算された。相関がないのに偶然r=0.90 となる確率は0.001以下だと言ってます。

>P=0.05で相関がない

相関がないと結論。(間違っている確率は5%以下)だと言ってます。

エクセルでの計算ですが、まず関数CORRELを使ってr値を出します。xデータがA1からA10に、yデータがB1からB10に入っているとして

r=CORREL(A1:A10,B1:B10)

次にそのr値をt値に変換します。

t=r*(n-2)^0.5/(1-r^2)^0.5

ここでnは組みデータの数です。((x1,y1),(x2,y2),・・・(xn,yn))
最後に関数TDISTで確率に変換します。両側です。

p=TDIST(t値,n-2,2)

もっと簡単な方法があるかも知れませんが、私ならこう計算します。(アドインの分析ツールを使う以外は)

pは確率(probability)のpです。全く相関のない数字を組み合わせたときにそのr値が出る確率をあらわしています。

統計・確率には100%言い切れることはまずありません。というか100%言い切れるのなら統計・確率を使う必要は有りません。
例えばサイコロを5回振って全て同じ目が出る確率は0.08%です。そんな時、そのサイコロを不良品(イカサマ?)と結論つけるとわずかに間違っている可能性が残っています。ただ、それが5%以下ならp=0.05でそのサイコロは正常ではないと結論付けます。
それが危険率です。(この場...続きを読む

Qエクセル STDEVとSTDEVPの違い

エクセルの統計関数で標準偏差を求める時、STDEVとSTDEVPがあります。両者の違いが良くわかりません。
宜しかったら、恐縮ですが、以下の具体例で、『噛み砕いて』教えて下さい。
(例)
セルA1~A13に1~13の数字を入力、平均値=7、STDEVでは3.89444、STDEVPでは3.741657となります。
また、平均値7と各数字の差を取り、それを2乗し、総和を取る(182)、これをデータの個数13で割る(14)、この平方根を取ると3.741657となります。
では、STDEVとSTDEVPの違いは何なのでしょうか?統計のことは疎く、お手数ですが、サルにもわかるようご教授頂きたく、お願い致します。

Aベストアンサー

データが母集団そのものからとったか、標本データかで違います。また母集団そのものだったとしても(例えばクラス全員というような)、その背景にさらならる母集団(例えば学年全体)を想定して比較するような時もありますので、その場合は標本となります。
で標本データの時はSTDEVを使って、母集団の時はSTDEVPをつかうことになります。
公式の違いは分母がn-1(STDEV)かn(STDEVP)かの違いしかありません。まぁ感覚的に理解するなら、分母がn-1になるということはそれだけ結果が大きくなるわけで、つまりそれだけのりしろを多くもって推測に当たるというようなことになります。
AとBの違いがあるかないかという推測をする時、通常は標本同士の検証になるわけですので、偏差を余裕をもってわざとちょっと大きめに見るということで、それだけ確証の度合いを上げるというわけです。

Q直交表の割付について

直交表の割付について教えてください。

当方、コンジョイント分析で活用する予定です。
通常直交表は2水準型、3水準型、混合型とありますが、例えば、L8直交表においては項目が8つあり、実験数も8あります。

通常であれば、8つの項目を用意して、2水準を当てはめて質問表を作りますが、5項目しか使用しない場合、書籍などでは5項目だけでもOKと書いてありますが、どの項目を使うのかは記されていませんでした。

そこで、

(1)そもそも直交表においては項目数に満たない場合でも問題ないのか?(L12であれば、11項目あるが、10以下でもよいのか)

(2)(1)の要件を満たす場合、どの項目に当てはめてもよいのか?(当てはめる決まりはあるのか?例えば、左からその項目数だけ埋めていくなど)

以上(1)(2)について教えていただけると助かります。
よろしくお願い致します。

Aベストアンサー

まず、
>L8直交表においては項目が8つあり、実験数も8あります。
項目は7つですよね?

(1)問題ありません。というか全て埋めてはいけません。最低でも一項目残っていないと誤差が計算できません。L8は割り付けられていないところでのデータのゆれを誤差として計算して、その大きさと要因によるデータ変化の大きさを比較して有意を判定します。

(2)割り付け水準の所に成分あるいは要素と書いたアルファベットが付記されていないでしょうか?
通常、a,b,ab,c,ac,bc,abcなどと書いてあります。
これの見方は記号の足し算(あるいは引き算)です。
例えばa,bに項目を割り付けると交互作用がabに現れますのでここを避けて例えばcに割り付けます。
aとacに割り付けたらcはその相互作用がでますので避けます。
a+b→ab(記号の足し算)
a+ac→c(同じ記号があれば引き算)
交互作用が明らかに無いと分かっているときは避けなくてもいいですが、わざわざそこに割り付ける必要も無いでしょうからそこだけは避けて後は自由に割り付けてください。

まず、
>L8直交表においては項目が8つあり、実験数も8あります。
項目は7つですよね?

(1)問題ありません。というか全て埋めてはいけません。最低でも一項目残っていないと誤差が計算できません。L8は割り付けられていないところでのデータのゆれを誤差として計算して、その大きさと要因によるデータ変化の大きさを比較して有意を判定します。

(2)割り付け水準の所に成分あるいは要素と書いたアルファベットが付記されていないでしょうか?
通常、a,b,ab,c,ac,bc,abcなどと書いてあります。
...続きを読む

QNをPaに単位換算できるのか?

大変困ってます。
皆さんのお力をお貸しください。

加重単位Nを圧力単位Paに変換できるのでしょうか?
もし出来るとしたらやり方を教えてください。
具体的には30Nは何Paかということです。
変換の過程も教えていただければ幸いです。

是非、ご回答、よろしくお願いいたします。

Aベストアンサー

 No.1さんがおおまかに答えておられますが、補足します。
 N(ニュートン)は力の単位です。対して、Pa(パスカル)は圧力の単位です。これらは次元が違うので、単独では変換はできません。
「30 Nは何Paか」
というのはナンセンスです。
 NとPaの関係は、
Pa = N/m^2
です。質問が、
「30 NをPaを使って表せ」
というのならば、
30 N = 30 Pa・m^2
となります。m^2(平方メートル)という単位が必要になります。物理量の間の関係、
圧力 = 力/面積
および、単位の間の関係
Pa = N/m^2
を整理して覚えてください。

Qタグチメソッドと実験計画法の違い

品質工学は全くの素人ですが、何卒ご教示下さい。

最近、「タグチメソッド」という言葉を聞くのですが、
昔からある実験計画法とどこが違うのでしょうか?

解説をみても明確にわからないのですが、どうか、
宜しくお願い致します。

Aベストアンサー

主な相違点は、バラツキに対する考え方です。

実験計画法 ;バラツキは条件が変わっても一定と仮定します。
タグチメソッド;バラツキは条件が変われば変動することを前提とします。

実験順序も結果に影響するという考えから 主にL18という
18回試験すると結果が分かる直行表を使ってデータ採りを行います。
この時、バラツキは品質損失に結びつくという考えから、
最初にバラツキを小さくする要因を見つけ、その上で目的とする
出力が得られるような要因で調整します。

解析には出力ηとS/N比をデジベル(dB)によって議論します。

余談ですが・・・このタグチメソッドとは 田口玄一博士が考案した
手法であり、実験計画法とは異なるインパクトの大きい呼び名として、
1982年ゼロックスの元CEOの方が名づけました。
それが世界的に広がり、タグチメソッドと呼ばれるようになりました。


人気Q&Aランキング

おすすめ情報