分布的な適合: 単一変数と複数の変数

109

図5.12 – 分散チャートへの貢献

竜巻分析は、シミュレーションの実行前に遂行され、感度チャートはシミュレ ーションの実行後に遂行されます。竜巻分析でのスパイダーチャートは非線形 を考慮する事ができ、感度チャートのランク相関は非線形と分布的に自由な条 件が考慮できます。

 分布シートを開き、適合させたいデーターを呼び出してください。

 適合させたいデーターを選択してください（データーは 1 つの縦列 に複数のセルに記入されてなければいけません。）

 リスクシミュレーター |ツール | 分布的な適合(単一変数)を選択して ください。

 適合させたい、ある特定の分布を選択するか、全ての分布が選択さ れているデフォルトを維持し、OK (図 5.13)をクリックしてくださ い。

 適合の結果を確認し、希望する重要な分布を選択し、OK (図 5.14) をクリックして下さい。

図5.13 – 単一変数の分布的な適合

無帰仮説は、適合対象の分布が、適合対象のサンプルデーターが引き出される 母集団と同じ分布を持っているかどうかを検定されます。したがって、計算さ

れた p-値がクリティカルなアルファレベル(一般的に0.10か 0.05)よりも低い場

合は、分布は間違っている事を示しています。一方、p-値が高ければ最も良く 分布はデーターに適合します。たいてい、p-値を説明された百分位数として考 手順:

結果の解釈:

111

偏差を持つ正規分布が、データーの変動の 97.27％を説明した事になり、特別 に良い適合を示します。どちらの結果(図 5.14)も、レポート (図 5.15)も検定統 計、p-値、論理的な統計 (選択された分布に基づき)、経験的な統計 (未加工デ ーターに基づき)、初期のデーター(使用されたデーターの記録の維持)と完成さ れた仮定と重要な分布のパラメーター(例、自動的な仮定の生成の選択とシミ ュレーションプロファイルが既に存在する場合)を表示しています。また、結 果は選択された全ての分布とどれほどデーターに適切に適合しているかを順位 表に示します。

図5.14: 分布的な適合の結果

適合した仮定 100.61 適合分布 正規分布

平均値 100.67 標準偏差 10.40

Kolmogorov-Smirnov 検定 0.02 検定統計量の P-値 0.9996

実際の値 理論値

平均 100.61 100.67 標準偏差 10.31 10.40 歪度 0.01 0.00 過剰尖度 -0.13 0.00

元の適合デ ー タ

73.53 78.21 78.52 79.50 79.72 79.74 81.56 82.08 82.68 82.75 83.34 83.64 84.09 84.66 85.00 85.35 85.51 86.04 86.79 86.82 86.91 87.02 87.03 87.45 87.53 87.66 88.05 88.45 88.51 89.95 90.19 90.54 90.68 90.96 91.25 91.49 91.56 91.94 92.06 92.36 92.41 92.45 92.70 92.80 92.84 93.21 93.26 93.48 93.73 93.75 93.77 93.82 94.00 94.15 94.51 94.57 94.64 94.69 94.95 95.57 95.62 95.71 95.78 95.83 95.97 96.20 96.24 96.40 96.43 96.47 96.81 96.88 97.00 97.07 97.21 97.23 97.48 97.70 97.77 97.85 98.15 98.17 98.24 98.28 98.32 98.33 98.35 98.65 99.03 99.27 99.46 99.47 99.55 99.73 99.96 100.08 100.24 100.36 100.42 100.44 100.48 100.49 100.83 101.17 101.28 101.34 101.45 101.46 101.55 101.73 101.74 101.81 102.29 102.55 102.58 102.60 102.70 103.17 103.21 103.22 103.32 103.34 103.45 103.65 103.66 103.72 103.81 103.90 103.99 104.46 104.57 104.76 105.20 105.44 105.50 105.52 105.58 105.66 105.87 105.90 105.90 106.29 106.35 106.59 107.01 107.68 107.70 107.93 108.17 108.20 108.34 108.42 108.43 108.49 108.70 109.15 109.22 109.35 109.52 109.75 110.04 110.16 110.25 110.54 111.05 111.06 111.44 111.76 111.90 111.95 112.07 112.19 112.29 112.32 112.42 112.48 112.85 112.92 113.50 113.59 113.63 113.70 114.13 114.14 114.21 114.91 114.95 115.40 115.58 115.66 116.58 116.98 117.60 118.67 119.24 119.52 124.14 124.16 124.39 132.30

単一変数の分布適合 統計的概要

図5.15: 分布的な適合のレポート

複数の変数の適合過程は、単一変数の適合の時のようにかなり似ています。い ずれにしろ、データーは列に編集されていなければいけません（例：各変数は 1つの列とする）すると、他の変数は一度に全て適合されます。

 分散シートを開き、適合したいデーターを呼び出してください。

 適合したいデーターを選択してください（データーは複数の縦列と 横列に入っていなければいけません。）

 リスク・シミュレーター | ツール | 分布的な適合（複数の変数）を 選択してください。

 データーを見直し、関連のある分布タイプを選択し、OK をクリッ クしてください。

手順:

113

分布的な適合ルーチンに用いられている統計順位方法はカイ 2 乗検定と

Kolmogorov-Smirnov検定を使います。前者は離散系分布を後者は連続分布を検

定する為に使います。簡潔にいうと、内部最適化ルーチンと合わせた仮説検定 は検定された各分布の最適なパラメーターを見つけ出す為に使用します。そし て、結果は順位表に記されます。