多変量解析 セミナー

サイトマップサイトマップ よくあるお問合わせよくあるお問合せ リクエストリクエスト セミナー会場セミナー会場へのアクセス リンクリンク
セミナーのメニュー
  ヘルスケア系
11月
12月
2020年1月
2月〜

化学・電気系 その他各分野
11月
12月
2020年1月
2月〜
出版物出版物
新刊図書新刊図書 月刊 化学物質管理Gmpeople
通信教育講座通信教育講座
LMS(e-learning)LMS(e-learning)
セミナー収録DVDDVD
電子書籍・学習ソフトDVD
セミナー講師のコラムです。講師コラム
  ↑2019/11/7更新!!
お申し込み・振込み要領お申込み・振込要領
案内登録案内登録
↑ ↑ ↑
新着セミナー、新刊図書情報をお届けします。

※リクエスト・お問合せ等
はこちら→ req@johokiko.co.jp



SSL GMOグローバルサインのサイトシール  


多変量解析 セミナー

複雑な数式展開を平易な数値例に置き換えて、初心者の方にも多変量解析手法の解法プロセスを見える化します!
多変量解析の各手法について考え方と適切に使い分けるポイント!

解析プロセスが見える『多変量解析』入門

〜初めての方でも多変量解析各手法の違いと使い方がわかる〜

講師

流通科学大学 名誉教授 工学博士 野口 博司 先生

* 希望者は講師との名刺交換が可能です

講師紹介

1972年東洋紡に入社,研究所,本社マーケティング部,TQC本部,技術部等を歴任.
2000年4月東洋紡技術部長から流通科学大学へ転職,大学では,社会科学系の学生に改善活動には統計的データ解析が有用であることを教育する.

【ご専門】
品質保証全般,統計的データ解析(基礎統計,実験計画法,多変量解析).近年は経産省関係などで,企業不祥事予防に関する講演多し.

→このセミナーを知人に紹介する

日時・会場・受講料

●日時 2019年12月5日(木) 10:00-17:00
●会場 [東京・大井町]きゅりあん6階中会議室 →「セミナー会場へのアクセス」
●受講料 1名47,300円(税込(消費税10%)、資料・昼食付)
 *1社2名以上同時申込の場合、1名につき36,300円
      *学校法人割引;学生、教員のご参加は受講料50%割引。→「セミナー申込要領・手順」を確認下さい。

 ●録音・撮影行為は固くお断り致します。
 ●講義中の携帯電話の使用はご遠慮下さい。
 ●講義中のパソコン使用は、講義の支障や他の方の迷惑となる場合がありますので、極力お控え下さい。
  場合により、使用をお断りすることがございますので、予めご了承下さい。
  *PC実習講座を除きます。


■ セミナーお申込手順からセミナー当日の主な流れ →

セミナーポイント

多変量解析とは,多数の特性を個々に詳細に眺めるのではなく,それらを総合的に要約し,理解できる形にまでまとめていくための手法の総称です.
多変量解析には様々な手法があり,外的基準(目的変数)のある重回帰分析や判別分析などは,その違いや活用の仕方は比較的解り易いのですが.外的基準のない手法の主成分分析や因子分析などについては,その違いや使い分け方などが今一理解しずらいのではと考えます.多変量解析の各手法には,各々異なった分野からの生い立ちがあり,その概念や用途も多様です.これらのことをしっかりと学ぶことが,適切に手法を使い分けることのポイントとなります.
そこで,今回のセミナーは,特に外的基準のない多変量解析手法を取り上げて,各手法の背景を紹介し,各手法の数式展開の違いは平易な数値例にして,その解析プロセスを見える化します.計算機代わりExcelを用いますが,セミナー終了後は,いつでも受講生の方が各手法の数式展開の確認ができるようにします.また,図解を併用して,各手法の考え方の概念がよく解るようにします.歴史的エピソードを交えて多変量解析の各手法を解説しますので楽しく学べるものと思います.講師が,初めて多変量解析を学習した際に理解に苦しんだ箇所については丁寧に解説します.そして,講師が実務の改善活動などで多変量解析を活用した体験談にも触れて,各手法の活用のポイントを解説します.
とにもかくにも,本セミナーは,複雑な数式展開を平易な数値例に置き換えて解法プロセスを見えるようにし,初心者の方でも多変量解析の醍醐味が味わえるようにいたします.(時間の関係上,講義の内容は,主成分分析,因子分析,コレスポンデンスアナリシス,数量化V類についての数式解法の違いを解説し,共分散構造分析の展開にまで触れます.時間があれば,クラスター分析の概要を講義して終える予定です.)

【受講者特典】
今年の4月上旬に,オムニ7・セブンネットショッピングの確率・統計分野で売れ筋No.1になった講師の著書「図解と数値例で学ぶ多変量解析入門−ビッグデータ時代のデータ解析−」(2018.09発刊)を,出版社からの発注の関係上,本セミナー開催の1週間前までに申し込まれた方には,当日講師から各受講生に各一冊が謹呈されます.

○受講対象
・多変量解析を使っているが,各手法の理論(数値展開)についてはやや不安がある方
・一度,しっかりと多変量解析手法の基本(歴史・概念・理論)を学んでおきたい方
・多変量解析を少し学習したが、各手法の特徴や使い分け方が理解しづらかった方
・これからのビジネスツールの一つとして多変量解析を学び,正しく活用をしたい方(ビッグデータ時代なので,近年におけるデータ解析の仕方を知っておきたい方)
・全社に多変量解析の活用を推進することを検討しておられる方 など

○受講後習得できること
・外的基準のない各多変量解析手法の考え方,数値展開が理解でき,違いがわかる
・外的基準のない多変量解析手法の生い立ちの理解から,最適な使う場面が確認できる
・魔法のこづちに見えていた多変量解析が正しく理解でき,全社導入の判断ができる
・多変量解析の理論をより深めたい方には、今後の学習への助けになる
・近年のデータ解析の現状が理解できる

セミナー内容

1. 多量解析を学ぶための準備
1.1多変量解析の全容
 多変量解析とは何か,多変量データとは,多変量解析の諸手法の全容と分類などを解説します.

1.2 統計学の基礎知識
・確率とデータの確率分布
・特に正規分布について
・統計量の確率分布について
・検定と推定の考え方
・多変量正規分布とウイシャート分布
 多変量解析は,多変量データが持っている情報を,データ行列の分散と共分散という情報から解析し,データの持っている知見を引き出します.多変量解析には多変量正規分布があり,それに従う標本データから導かれた分散共分散行列はウィシャート分布となります.

1.3 線形代数の基礎知識
・行列とベクトル
・行列式と逆行列
・行列の階数と直交行列
・固有値と固有ベクトル
多変量解析の解法を線形代数の行列とベクトルで表記すると,記述がスムーズになり,理論の数式展開も理解しやすくなります.そして,多変量解析には固有値問題が頻繁にでてきます.解となる固有値と固有ベクトルの意味が理解できるようにします.また,・エクセル・ソルバーによる固有値・固有ベクトルの求め方を解説します.

2. 外的基準のない多変量解析
2.1 主成分分析
 2.1.1 図解による主成分分析の考え方の把握
 2.1.2 主成分分析の解法
 2.1.3 主成分分析の数値例
 2.1.4 主成分分析の生い立ち
  主成分分析は,当初,社会心理学分野では酷評でした.しかし,いまや研究開発,品質管理,マーケテイング分野で重宝されています.そのいきさつについて解説します.
 2.1.5 主成分分析の活用のポイント

2.2 因子分析
 2.2.1 図解による因子分析の考え方の把握
  主成分分析と因子分析の根本的な違い
 2.2.2 因子分析の解法
 2.2.3 因子分析の数値例(最小2乗法・主因子法)
  数値展開の具体的計算はエクセルにて解説,因子分析では回転は当たり前,その中でバリマックス回転とプロマックス回転を解説します.
 2.2.4 因子分析の生い立ち
  心理学分野から生まれた統計解析法,社会科学研究者にとっては便利な手法だが落とし穴も多い.因子分析から共分散構造分析へと発展していきます.
 2.2.5 因子分析の活用のポイント
  因子分析の活用には,分析者が払うべき注意点が多く,分析者自身の固有の事前研究が大切です.現場の状況を把握する工程解析や品質管理ではあまり使いません.

2.3 コレスポンデンスアナリシス(数量化V類)
 2.3.1 図解によるコレスポンデンスアナリシスと数量化V類の考え方の把握
  コレスポンデンスアナリシスと数量化V類の違い
 2.3.2 コレスポンデンスアナリシスと数量化V類の解法
 2.3.3 コレスポンデンスアナリシスと数量化V類の数値例
  主成分分析とは異なり,コレスポンデンスアナリシスと数量化V類とは同じ,ピアソンの独立性の検定と一致することを解説します.ここは手計算でもフォローできます.
 2.3.4 コレスポンデンスアナリシスと数量化V類の生い立ち
  ガットマンスケールの定式化の研究から開発された両手法,20世紀のマーケティング分野のデータ解析の発展に多大な貢献をしました.
 2.3.5 コレスポンデンスアナリシスの活用のポイント.
  21世紀のビッグデータ解析においても重宝されています.が,結果の見方に注意がいります.

2.4 共分散構造分析
 2.4.1 図解による共分散構造分析の考え方の把握
 2.4.2共分散構造分析の解法
  分散共分散行列の導出,検証のための代表的な適合度指標について
 2.4.3共分散構造分析の数値例
  エクセルを用いて演算手順を解説します.
 2.4.4共分散構造分析の生い立ち
 2.4.5共分散構造分析の活用のポイント
  共分散構造分析は,これまで解説してきた多変量解析の手法とは哲学的に大きな違いがあります.共分散構造分析は,検証的なアプローチであり,事前の仮説や実質科学的理論を出発点として実証検討して,問題を演繹的に解決する手法です.

3.多変量解析を取り巻く環境
・データマイニングについて
・データマイニングの手法を一部紹介(マーケットバスケットアナリシス 決定木分析など) 
・機械学習(予測と分けるということをしている.ニューラルネットワーク デーブラーニング バギング ランダムフォレスト ブースティングなどの概要を説明し,クラスター分析が頻繁に活用されている理由も解説します)
・多変量解析の解析ソフトの紹介(市販ソフト,エクセルソフト,Rなど) 
・時間があれば,外的基準のある多変量解析手法(重回帰分析,コンジョイント分析,判別分析の概要を図解にて解説します)
 
<質疑応答>

セミナー番号:AC191278

top

注目の新刊

雑誌 月刊化学物質管理

動画配信 統計学入門

異常検知技術と応用提案

各社の化学物質管理

分散技術

中分子医薬品

5G

洗浄バリ 2019

日本語メディカルライティング

DI対応CSV 2019

プラスチック環境対応技術

分野別のメニュー

化学・電気系他分野別一覧

  植物工場他

  機械学習他

ヘルスケア系分野別一覧

  海外関連

  医療機器

各業界共通
マーケティング・人材教育等

「化学物質情報局」

特許・パテント一覧 INDEX
(日本弁理士会 継続研修)

印刷用申込フォーム    

セミナー用

書籍用

会社概要 プライバシーポリシー 通信販売法の定めによる表示 商標について リクルート
Copyright ©2011 情報機構 All Rights Reserved.