xとyの分散が等しいと考えられる場合
2 1 κ c(t) = (x(t), y(t)) ( ) det(c (t), c x (t)) = det (t) x (t) y (t) y = x (t)y (t) x (t)y (t), (t) c (t) = (x (t)) 2 + (y (t)) 2. c (t) =
31
a q q y y a xp p q y a xp y a xp y a x p p y a xp q y x yaxp x y a xp q x p y q p x y a x p p p p x p
18
. sinh x sinh x) = e x e x = ex e x = sinh x 3) y = cosh x, y = sinh x y = e x, y = e x 6 sinhx) coshx) 4 y-axis x-axis : y = cosh x, y = s
24
> > <., vs. > x 2 x y = ax 2 + bx + c y = 0 2 ax 2 + bx + c = 0 y = 0 x ( x ) y = ax 2 + bx + c D = b 2 4ac (1) D > 0 x (2) D = 0 x (3
20
II (10 4 ) 1. p (x, y) (a, b) ε(x, y; a, b) 0 f (x, y) f (a, b) A, B (6.5) y = b f (x, b) f (a, b) x a = A + ε(x, b; a, b) x a 2 x a 0 A = f x (
37
2 はリンクには関係がない つまり他のリンクや誤差分布でも同様のことが成り立つと考えられる なお 交互作用の項が入っているときに主効果の回帰係数の意味するもの がこの文章の主題なので y=c x1 x2+a のような交互作用項のみのモデルはここでは扱わない GLM において交互作用があるときの主効果
16
( ) x y f(x, y) = ax
21
B 38 1 (x, y), (x, y, z) (x 1, x 2 ) (x 1, x 2, x 3 ) 2 : x 2 + y 2 = 1. (parameter) x = cos t, y = sin t. y = f(x) r(t) = (x(t), y(t), z(t)), a t b.
38
40 6 y mx x, y 0, 0 x 0. x,y 0,0 y x + y x 0 mx x + mx m + m m 7 sin y x, x x sin y x x. x sin y x,y 0,0 x 0. 8 x r cos θ y r sin θ x, y 0, 0, r 0. x,
32
2 と入力すると以下のようになる > x1<-c(1.52,2,3.01,9,2,6.3,5,11.2) > y1<-c(4,0.21,-1.5,8,2,6,9.915,5.2) > cor(x1,y1) [1] > cor.test(x1,y1) Pearson's produ
40
ContourPlot[{x^+y^==,(x-)^+y^==}, {x,-,}, {y,-,}, AspectRatio -> Automatic].5. ContourPlot Plot AspectRatio->Automatic.. x a + y = ( ). b ContourPlot[
16
1 y x y = α + x β+ε (1) x y (2) x y (1) (2) (1) y (2) x y (1) (2) y x y ε x 12 x y 3 3 β x β x 1 1 β 3 1
20
Kalman ( ) 1) (Kalman filter) ( ) t y 0,, y t x ˆx 3) 10) t x Y [y 0,, y ] ) x ( > ) ˆx (prediction) ) x ( ) ˆx (filtering) )
23
部品 A 平均 a 分散 σa 2 N(a,σa 2 ) N(y,σy 2 ) 製品 P.17 部品 B 組合せる 平均 y 分散 σy 2 平均 b 分散 σb 2 N(b,σb 2 ) 図 3.1 A と B とが独立の関係にあれば, 製品のばらつき ( 分散 ) は, 次式で求められる σy
14
2 4 U U x, y U 1 x, y x y x x, y U 5, 6 7 S S x x x P P 2 x P x x x U S P
12
x y x-y σ x + τ xy + X σ y B = + τ xy + Y B = S x = σ x l + τ xy m S y = σ y m + τ xy l σ x σ y τ xy X B Y B S x S y l m δu δv [ ( σx δu + τ )
20
ContourPlot[{x^+y^==,(x-)^+y^==}, {x,-,}, {y,-,}, AspectRatio -> Automatic].. ContourPlot Plot AspectRatio->Automatic.. x a + y = ( ). b ContourPlot[x
13
正常なバッチについて J 個のセンサを対象に各バッチごとに K 回の測定を行った場合を考える. 得られたデータを, 等しいバッチのデータが等しい行に入るように, また各列がそれぞれあるセンサの等しい回数目の測定となるようにデータを並べ,I JK の行列の形とする. 各列について平均 0, 標準偏差
9
x y 1 x 1 y 1 2 x 2 y 2 3 x 3 y 3... x ( ) 2
103
14 (x a x x a f(x x 3 + 2x 2 + 3x + 4 (x 1 1 y x 1 x y + 1 x 3 + 2x 2 + 3x + 4 (y (y (y y 3 + 3y 2 + 3y y 2 + 4y + 2 +
15