SlideShare uma empresa Scribd logo
1 de 53
Baixar para ler offline
Rによる基本統計量の計算
今回は統計ソフトRを⽤用いて
    実際に計算を⾏行う⽅方法について説明する。
コンピュータにおける
          数の表現として    2進法
                  について説明する。
R
   [テーマ]  講義の構成
Rによる平均と分散の計算
2 進法
数値計算
まとめ
  平均と分散
128cm 129cm 130cm 131cm 132cm
118cm 119cm 121cm 122cm 170cm
平均と分散
5⼈人の⾝身⻑⾧長
2つのグループ
A
B
平均と分散
個のデータの値:
平均
N
分散
σ2
=
1
N
!
(x(1)
− µ)2
+ (x(2)
− µ)2
+ · · · + (x(N)
− µ)2

µ =
1
N
!
x(1)
+ x(2)
+ · · · + x(N)

x(1)
, x(2)
, · · · , x(N)
平均と分散
個のデータの値:
平均
N
分散
σ2
=
1
N
!
(x(1)
− µ)2
+ (x(2)
− µ)2
+ · · · + (x(N)
− µ)2

µ =
1
N
!
x(1)
+ x(2)
+ · · · + x(N)

=
1
N
N
#
p=1
x(p)
x(1)
, x(2)
, · · · , x(N)
平均と分散
個のデータの値:
平均
N
分散
σ2
=
1
N
!
(x(1)
− µ)2
+ (x(2)
− µ)2
+ · · · + (x(N)
− µ)2

µ =
1
N
!
x(1)
+ x(2)
+ · · · + x(N)

=
1
N
N
#
p=1
x(p)
x(1)
, x(2)
, · · · , x(N)
平均と分散
分散
x(1)
, x(2)
, · · · , x(N)
平均
個のデータの値:
N
µ =
1
N
!
x(1)
+ x(2)
+ · · · + x(N)

=
1
N
N
#
p=1
x(p)
σ2
=
1
N
N
!
p=1
(x(p)
− µ)2
平均と分散
分散
不偏分散
x(1)
, x(2)
, · · · , x(N)
平均
個のデータの値:
N
µ =
1
N
!
x(1)
+ x(2)
+ · · · + x(N)

=
1
N
N
#
p=1
x(p)
σ2
=
1
N
N
!
p=1
(x(p)
− µ)2
σ2
=
1
N − 1
N
!
p=1
(x(p)
− µ)2
平均と分散
5⼈人の⾝身⻑⾧長の値:
A ave dev dev2
(1) 118
(2) 119
(3) 121
(4) 122
(5) 170
sum 650
ave 130
平均
平均と分散
5⼈人の⾝身⻑⾧長の値:
A ave dev dev2
(1) 118 130
(2) 119 130
(3) 121 130
(4) 122 130
(5) 170 130
sum 650 650
ave 130 130
平均
平均と分散
5⼈人の⾝身⻑⾧長の値:
A ave dev dev2
(1) 118 130 -12
(2) 119 130 -11
(3) 121 130 -9
(4) 122 130 -8
(5) 170 130 40
sum 650 650 0
ave 130 130 0
平均
偏差を計算
平均と分散
5⼈人の⾝身⻑⾧長の値:
平均
偏差を計算
不偏分散
5 - 1 = 4 で割る
A ave dev dev2
(1) 118 130 -12 144
(2) 119 130 -11 121
(3) 121 130 -9 81
(4) 122 130 -8 64
(5) 170 130 40 1600
sum 650 650 0 2010
ave 130 130 0 502.5
平均と分散
5⼈人の⾝身⻑⾧長の値:
B ave dev dev2
(1) 128
(2) 129
(3) 130
(4) 131
(5) 132
sum 650
ave 130
平均
平均と分散
5⼈人の⾝身⻑⾧長の値:
B ave dev dev2
(1) 128 130
(2) 129 130
(3) 130 130
(4) 131 130
(5) 132 130
sum 650 650
ave 130 130
平均
平均と分散
5⼈人の⾝身⻑⾧長の値:
B ave dev dev2
(1) 128 130 -2
(2) 129 130 -1
(3) 130 130 0
(4) 131 130 1
(5) 132 130 2
sum 650 650 0
ave 130 130 0
平均
偏差を計算
平均と分散
5⼈人の⾝身⻑⾧長の値:
平均
偏差を計算
不偏分散
5 - 1 = 4 で割る
B ave dev dev2
(1) 128 130 -2 4
(2) 129 130 -1 1
(3) 130 130 0 0
(4) 131 130 1 1
(5) 132 130 2 4
sum 650 650 0 10
ave 130 130 0 2.5
  Rによる計算
Rによる計算
  1+2
[1]    3
  x1  -­    c(  118,  119,  121,  122,  170  )  
  x2  -­    c(128,129,130,131,132)
    mean(  x1  )
    var(  x1  )
R
Rによる計算
  1+2
[1]    3
  x1  -­    c(  118,  119,  121,  122,  170  )  
  x2  -­    c(128,129,130,131,132)
    mean(  x1  )
    var(  x1  )
R
プロンプト
Rによる計算
  1+2
[1]    3
  x1  -­    c(  118,  119,  121,  122,  170  )  
  x2  -­    c(128,129,130,131,132)
    mean(  x1  )
    var(  x1  )
R
Rにおける四則演算
С‫޶ޟ‬ জ෢ ແʇίළ
+ ਣɶ‫ޟ‬ a+b
- ϔɬ‫ޟ‬ a-b
* ӑɰ‫ޟ‬ a*b
/ Әʩ‫ޟ‬ a/b
% ฾ʩƏ a%b (a ʱ b ʆӘʂɾʇɬʍ฾ʩ)
^ ˫ʿࣦ a^b (ab
)
Rによる計算
  x1  -­    c(  118,  119,  121,  122,  170  )  
  x2  -­    c(128,129,130,131,132)
    mean(  x1  )
    var(  x1  )
R
  1+2
[1]    3
Rによる計算
  x1  -­    c(  118,  119,  121,  122,  170  )  
  x2  -­    c(128,129,130,131,132)
    mean(  x1  )
    var(  x1  )
R
  1+2
[1]    3 2⽂文字で1つ
 1+2
[1]    3
Rによる計算
  x1  -­    c(  118,  119,  121,  122,  170  )  
  x2  -­    c(128,129,130,131,132)
    mean(  x1  )
    var(  x1  )
R
オブジェクト
Rによる計算
  x1  -­    c(  118,  119,  121,  122,  170  )  
  x2  -­    c(128,129,130,131,132)
    mean(  x1  )
    var(  x1  )
  1+2
[1]    3
R
Rにおける関数の例
Ԫॐ෠ জ෢ ແʇίළ
abs ঞ੆ડ abs(a)
cos ‫ޔ‬ӅԪॐ cos(a) ແ cos(0) = 1
sin ‫ޔ‬ӅԪॐ sin(a) ແ sin(pi/2) = 1
tan ‫ޔ‬ӅԪॐ tan(a) ແ tan(pi/4) = 1
round ‫ڨࠐޱ‬௬ round(a,n) n ʎࢬॐ୐Τђʍّॐ
log ߭ো੆ॐ log(a) ࣭๑੆ॐʎ log10()
sqrt ഥൣܲ sqrt (a) ʆ
√
a ʱ֑ʠʪ
Rにおける関数の例
஍‫ك‬ສ জ෢
sum ܏‫ك‬ƒແƏ sum(a,b,c)
mean ഥ‫ן‬ડƒ઺гડʎ median
max ‫ݍ‬੝ડƒ‫ࢬݍ‬ડʎ min
var ഒ‫ޚ‬ƒ‫ۼ‬໑ʱ฿ɧʪʇഒ‫ִޚ‬ഒ‫ۼޚ‬໑ʱ‫ޟك‬ɸʪ
sd ೀࢀശܿƒɼʫɽʫʍ໑ʍೀࢀശܿʱ֑ʠʪ
cor ਂԪƒ‫ۼ‬໑ʱ฿ɧʪʇਂԪ‫ۼ‬໑ʱ֑ʠʪ
Rによる計算
  x1  -­    c(  118,  119,  121,  122,  170  )  
  x2  -­    c(128,129,130,131,132)
    mean(  x1  )
    var(  x1  )
  1+2
[1]    3
R
     2 進法
ߢԨ ഒ ೋ










  









 










 
ೋ
n  進法
24  進法 60  進法 60  進法
ߢԨ ഒ ೋ










  









 










 
ೋ
0 0 0
0
n  進法
24  進法 60  進法 60  進法
ߢԨ ഒ ೋ










  









 










 
ೋ
2 20 40
n  進法
24  進法 60  進法 60  進法
ߢԨ ഒ ೋ










  









 










 
ೋ
2 20 40
2 × 60 × 60 0
+ 2 × 60 + 40 = 8440
n  進法
24  進法 60  進法 60  進法
1
3
5
7
9
2
4
6
8
1
3
5
7
9
2
4
6
8
1
3
5
7
9
2
4
6
8
10 進法と  2  進法
100 10 1
1
3
5
7
9
2
4
6
8
1
3
5
7
9
2
4
6
8
1
3
5
7
9
2
4
6
8
2 3 4
10 進法と  2  進法
100 10 1
1
3
5
7
9
2
4
6
8
1
3
5
7
9
2
4
6
8
1
3
5
7
9
2
4
6
8
2 3 4
2 × 10 × 10 + 3 × 10 + 4 = 234
10 進法と  2  進法
100 10 1
1
1 1
1 0 1
1 × 2 × 2 + 1 × 2 + 1 = 7
10 進法と  2  進法
4 2 1
2  進法
1 1 1
1 × 2 × 2 + 1 × 2 + 1 = 7
4 2 1
2  進法
1
1
2
4
8
2
3
4
1
5
2
4
8
6
7
8
2  進法
128 64 16 4 1
32 8 2
2  進法
128 64 16 4 1
32 8 2
1
67 = × 1 + 3
64
2  進法
128 64 16 4 1
32 8 2
1
67 = × 1
64 + 2 × 1 + 1
0 0 0 0 1 1
2  進法
128 64 16 4 1
32 8 2
1
67 = × 1
64 + 2 × 1 + 1
0 0 0 0 1 1
2  進法
1 × ×
×
128 1 + 2
+ 1 + 1
64
128 64 16 4 1
32 8 2
2  進法
1 0 0 0 0 1 1
1
1
128 × × 1 + 2
+ × 1 + 1 = 195
64
128 64 16 4 1
32 8 2
2  進法
1
32
1
16
1
1
1
2
4
8
⼩小数
2  進法
1
32
2
32
32
4
32
8
32
16
32
32
1
32
1
16
1
1
1
2
4
8
⼩小数
2  進法
3
32
1
32
6
32
2
32
32
32
12
32
4
32
8
32
48
24
32
16
32
32
⼩小数
2  倍すると左に移動
4 回で 1 を超える
4 番⽬目の値が 1
1 を引いて残りの
    ⼩小数部分を計算
0.3 0.6 0.2 0.4 0.8 0.6 0.2 0.4 0.8 0.6
1.2 1.6 1.2 1.6
0 0 1 0 0 1 1 0 0 1
‫ؗ‬ʩ഼ɶ
2進数
⼩小数の計算 :  2  倍して,1  を超えたら  1  を引く
೬܎೼
޼ॐ೼ єॐ೼
数の表現
浮動⼩小数点⽅方式
64  個もしくは  32  個などの有限な桁で表現
まとめ
まとめ
  Rによる計算
平均と分散,関数
数値計算,数値誤差
  コンピュータにおける数の表現と数値計算
2進法

Mais conteúdo relacionado

Mais procurados

公開鍵暗号7: 楕円曲線の数理
公開鍵暗号7: 楕円曲線の数理公開鍵暗号7: 楕円曲線の数理
公開鍵暗号7: 楕円曲線の数理Joe Suzuki
 
スペクトラル・クラスタリング
スペクトラル・クラスタリングスペクトラル・クラスタリング
スペクトラル・クラスタリングAkira Miyazawa
 
070 統計的推測 母集団と推定
070 統計的推測 母集団と推定070 統計的推測 母集団と推定
070 統計的推測 母集団と推定t2tarumi
 
2016年度秋学期 応用数学(解析) 第5回 微分方程式とは,変数分離形 (2016. 10. 27)
2016年度秋学期 応用数学(解析) 第5回 微分方程式とは,変数分離形 (2016. 10. 27)2016年度秋学期 応用数学(解析) 第5回 微分方程式とは,変数分離形 (2016. 10. 27)
2016年度秋学期 応用数学(解析) 第5回 微分方程式とは,変数分離形 (2016. 10. 27)Akira Asano
 
K070k80 点推定 区間推定
K070k80 点推定 区間推定K070k80 点推定 区間推定
K070k80 点推定 区間推定t2tarumi
 
080 統計的推測 検定
080 統計的推測 検定080 統計的推測 検定
080 統計的推測 検定t2tarumi
 
20170327_レムニスケートにまつわる色々な計算
20170327_レムニスケートにまつわる色々な計算20170327_レムニスケートにまつわる色々な計算
20170327_レムニスケートにまつわる色々な計算matsumoring
 
K shapes zemiyomi
K shapes zemiyomiK shapes zemiyomi
K shapes zemiyomikenyanonaka
 
凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜
凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜
凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜Tomoki Yoshida
 
これならわかる最適化数学8章_動的計画法
これならわかる最適化数学8章_動的計画法これならわかる最適化数学8章_動的計画法
これならわかる最適化数学8章_動的計画法kenyanonaka
 
20150922_楕円関数とおもしろい応用
20150922_楕円関数とおもしろい応用20150922_楕円関数とおもしろい応用
20150922_楕円関数とおもしろい応用matsumoring
 
Indeedなう B日程 解説
Indeedなう B日程 解説Indeedなう B日程 解説
Indeedなう B日程 解説AtCoder Inc.
 
はじめてのパターン認識 第6章 後半
はじめてのパターン認識 第6章 後半はじめてのパターン認識 第6章 後半
はじめてのパターン認識 第6章 後半Prunus 1350
 
【数学】2次方程式テスト 難易度★☆☆☆☆(1)
【数学】2次方程式テスト 難易度★☆☆☆☆(1)【数学】2次方程式テスト 難易度★☆☆☆☆(1)
【数学】2次方程式テスト 難易度★☆☆☆☆(1)Courslide
 
Stochastic complexities of reduced rank regression証明概略
 Stochastic complexities of reduced rank regression証明概略 Stochastic complexities of reduced rank regression証明概略
Stochastic complexities of reduced rank regression証明概略Xiangze
 

Mais procurados (20)

公開鍵暗号7: 楕円曲線の数理
公開鍵暗号7: 楕円曲線の数理公開鍵暗号7: 楕円曲線の数理
公開鍵暗号7: 楕円曲線の数理
 
C07
C07C07
C07
 
スペクトラル・クラスタリング
スペクトラル・クラスタリングスペクトラル・クラスタリング
スペクトラル・クラスタリング
 
Nn bp formula
Nn bp formulaNn bp formula
Nn bp formula
 
070 統計的推測 母集団と推定
070 統計的推測 母集団と推定070 統計的推測 母集団と推定
070 統計的推測 母集団と推定
 
2016年度秋学期 応用数学(解析) 第5回 微分方程式とは,変数分離形 (2016. 10. 27)
2016年度秋学期 応用数学(解析) 第5回 微分方程式とは,変数分離形 (2016. 10. 27)2016年度秋学期 応用数学(解析) 第5回 微分方程式とは,変数分離形 (2016. 10. 27)
2016年度秋学期 応用数学(解析) 第5回 微分方程式とは,変数分離形 (2016. 10. 27)
 
K070k80 点推定 区間推定
K070k80 点推定 区間推定K070k80 点推定 区間推定
K070k80 点推定 区間推定
 
080 統計的推測 検定
080 統計的推測 検定080 統計的推測 検定
080 統計的推測 検定
 
20170327_レムニスケートにまつわる色々な計算
20170327_レムニスケートにまつわる色々な計算20170327_レムニスケートにまつわる色々な計算
20170327_レムニスケートにまつわる色々な計算
 
仮説検定
仮説検定仮説検定
仮説検定
 
K shapes zemiyomi
K shapes zemiyomiK shapes zemiyomi
K shapes zemiyomi
 
凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜
凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜
凸最適化 〜 双対定理とソルバーCVXPYの紹介 〜
 
これならわかる最適化数学8章_動的計画法
これならわかる最適化数学8章_動的計画法これならわかる最適化数学8章_動的計画法
これならわかる最適化数学8章_動的計画法
 
20150922_楕円関数とおもしろい応用
20150922_楕円関数とおもしろい応用20150922_楕円関数とおもしろい応用
20150922_楕円関数とおもしろい応用
 
Prml9
Prml9Prml9
Prml9
 
Indeedなう B日程 解説
Indeedなう B日程 解説Indeedなう B日程 解説
Indeedなう B日程 解説
 
最急降下法
最急降下法最急降下法
最急降下法
 
はじめてのパターン認識 第6章 後半
はじめてのパターン認識 第6章 後半はじめてのパターン認識 第6章 後半
はじめてのパターン認識 第6章 後半
 
【数学】2次方程式テスト 難易度★☆☆☆☆(1)
【数学】2次方程式テスト 難易度★☆☆☆☆(1)【数学】2次方程式テスト 難易度★☆☆☆☆(1)
【数学】2次方程式テスト 難易度★☆☆☆☆(1)
 
Stochastic complexities of reduced rank regression証明概略
 Stochastic complexities of reduced rank regression証明概略 Stochastic complexities of reduced rank regression証明概略
Stochastic complexities of reduced rank regression証明概略
 

Semelhante a C02

【Unity道場】ゲーム制作に使う数学を学習しよう
【Unity道場】ゲーム制作に使う数学を学習しよう【Unity道場】ゲーム制作に使う数学を学習しよう
【Unity道場】ゲーム制作に使う数学を学習しようUnity Technologies Japan K.K.
 
アルゴリズムイントロダクション15章 動的計画法
アルゴリズムイントロダクション15章 動的計画法アルゴリズムイントロダクション15章 動的計画法
アルゴリズムイントロダクション15章 動的計画法nitoyon
 
JOIss2020 発表資料
JOIss2020 発表資料JOIss2020 発表資料
JOIss2020 発表資料mdkcpp 1015
 
Fiekppteste 130709205838-phpapp02
Fiekppteste 130709205838-phpapp02Fiekppteste 130709205838-phpapp02
Fiekppteste 130709205838-phpapp02Arbenng
 
FIEK provime pranuese teste.
FIEK provime pranuese teste.FIEK provime pranuese teste.
FIEK provime pranuese teste.Arton Feta
 
東京都市大学 データ解析入門 7 回帰分析とモデル選択 2
東京都市大学 データ解析入門 7 回帰分析とモデル選択 2東京都市大学 データ解析入門 7 回帰分析とモデル選択 2
東京都市大学 データ解析入門 7 回帰分析とモデル選択 2hirokazutanaka
 
確率微分方程式の基礎
確率微分方程式の基礎 確率微分方程式の基礎
確率微分方程式の基礎 HanpenRobot
 
Rパッケージ“KFAS”を使った時系列データの解析方法
Rパッケージ“KFAS”を使った時系列データの解析方法Rパッケージ“KFAS”を使った時系列データの解析方法
Rパッケージ“KFAS”を使った時系列データの解析方法Hiroki Itô
 
プログラマのための線形代数再入門2 〜 要件定義から学ぶ行列式と逆行列
プログラマのための線形代数再入門2 〜 要件定義から学ぶ行列式と逆行列プログラマのための線形代数再入門2 〜 要件定義から学ぶ行列式と逆行列
プログラマのための線形代数再入門2 〜 要件定義から学ぶ行列式と逆行列Taketo Sano
 
算数で体感する高度数学
算数で体感する高度数学算数で体感する高度数学
算数で体感する高度数学Arithmer Inc.
 
ゼータへ続く素数の階段物語 第13回 数学カフェ「素数!!」
ゼータへ続く素数の階段物語 第13回 数学カフェ「素数!!」ゼータへ続く素数の階段物語 第13回 数学カフェ「素数!!」
ゼータへ続く素数の階段物語 第13回 数学カフェ「素数!!」Junpei Tsuji
 
Rによるlm関数を使わない回帰と梃子比・cookの距離
Rによるlm関数を使わない回帰と梃子比・cookの距離 Rによるlm関数を使わない回帰と梃子比・cookの距離
Rによるlm関数を使わない回帰と梃子比・cookの距離 wada, kazumi
 
行列計算アルゴリズム
行列計算アルゴリズム行列計算アルゴリズム
行列計算アルゴリズムTakuo Tachibana
 
【展開用】日曜数学会 Sinc関数の積分について
【展開用】日曜数学会 Sinc関数の積分について【展開用】日曜数学会 Sinc関数の積分について
【展開用】日曜数学会 Sinc関数の積分について和人 桐ケ谷
 
パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化Miyoshi Yuya
 
RTミドルウェアによるロボットプログラミング技術 4.ロボットの運動学と制御の基礎(解答)
RTミドルウェアによるロボットプログラミング技術 4.ロボットの運動学と制御の基礎(解答)RTミドルウェアによるロボットプログラミング技術 4.ロボットの運動学と制御の基礎(解答)
RTミドルウェアによるロボットプログラミング技術 4.ロボットの運動学と制御の基礎(解答)Noriaki Ando
 

Semelhante a C02 (20)

【Unity道場】ゲーム制作に使う数学を学習しよう
【Unity道場】ゲーム制作に使う数学を学習しよう【Unity道場】ゲーム制作に使う数学を学習しよう
【Unity道場】ゲーム制作に使う数学を学習しよう
 
アルゴリズムイントロダクション15章 動的計画法
アルゴリズムイントロダクション15章 動的計画法アルゴリズムイントロダクション15章 動的計画法
アルゴリズムイントロダクション15章 動的計画法
 
Fourier transform
Fourier transformFourier transform
Fourier transform
 
R language definition3.1_3.2
R language definition3.1_3.2R language definition3.1_3.2
R language definition3.1_3.2
 
JOIss2020 発表資料
JOIss2020 発表資料JOIss2020 発表資料
JOIss2020 発表資料
 
Fiekppteste 130709205838-phpapp02
Fiekppteste 130709205838-phpapp02Fiekppteste 130709205838-phpapp02
Fiekppteste 130709205838-phpapp02
 
FIEK provime pranuese teste.
FIEK provime pranuese teste.FIEK provime pranuese teste.
FIEK provime pranuese teste.
 
東京都市大学 データ解析入門 7 回帰分析とモデル選択 2
東京都市大学 データ解析入門 7 回帰分析とモデル選択 2東京都市大学 データ解析入門 7 回帰分析とモデル選択 2
東京都市大学 データ解析入門 7 回帰分析とモデル選択 2
 
確率微分方程式の基礎
確率微分方程式の基礎 確率微分方程式の基礎
確率微分方程式の基礎
 
Rで学ぶロバスト推定
Rで学ぶロバスト推定Rで学ぶロバスト推定
Rで学ぶロバスト推定
 
Rパッケージ“KFAS”を使った時系列データの解析方法
Rパッケージ“KFAS”を使った時系列データの解析方法Rパッケージ“KFAS”を使った時系列データの解析方法
Rパッケージ“KFAS”を使った時系列データの解析方法
 
プログラマのための線形代数再入門2 〜 要件定義から学ぶ行列式と逆行列
プログラマのための線形代数再入門2 〜 要件定義から学ぶ行列式と逆行列プログラマのための線形代数再入門2 〜 要件定義から学ぶ行列式と逆行列
プログラマのための線形代数再入門2 〜 要件定義から学ぶ行列式と逆行列
 
算数で体感する高度数学
算数で体感する高度数学算数で体感する高度数学
算数で体感する高度数学
 
ゼータへ続く素数の階段物語 第13回 数学カフェ「素数!!」
ゼータへ続く素数の階段物語 第13回 数学カフェ「素数!!」ゼータへ続く素数の階段物語 第13回 数学カフェ「素数!!」
ゼータへ続く素数の階段物語 第13回 数学カフェ「素数!!」
 
Rによるlm関数を使わない回帰と梃子比・cookの距離
Rによるlm関数を使わない回帰と梃子比・cookの距離 Rによるlm関数を使わない回帰と梃子比・cookの距離
Rによるlm関数を使わない回帰と梃子比・cookの距離
 
行列計算アルゴリズム
行列計算アルゴリズム行列計算アルゴリズム
行列計算アルゴリズム
 
【展開用】日曜数学会 Sinc関数の積分について
【展開用】日曜数学会 Sinc関数の積分について【展開用】日曜数学会 Sinc関数の積分について
【展開用】日曜数学会 Sinc関数の積分について
 
パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化パターン認識第9章 学習ベクトル量子化
パターン認識第9章 学習ベクトル量子化
 
RTミドルウェアによるロボットプログラミング技術 4.ロボットの運動学と制御の基礎(解答)
RTミドルウェアによるロボットプログラミング技術 4.ロボットの運動学と制御の基礎(解答)RTミドルウェアによるロボットプログラミング技術 4.ロボットの運動学と制御の基礎(解答)
RTミドルウェアによるロボットプログラミング技術 4.ロボットの運動学と制御の基礎(解答)
 
確率解析計算
確率解析計算確率解析計算
確率解析計算
 

Mais de anonymousouj (9)

C12
C12C12
C12
 
C11
C11C11
C11
 
C15
C15C15
C15
 
C14
C14C14
C14
 
C13
C13C13
C13
 
C10
C10C10
C10
 
C09
C09C09
C09
 
T08
T08T08
T08
 
1554522_C01
1554522_C011554522_C01
1554522_C01
 

C02