#Julia言語 Plots.jlで棒グラフを作ってみました。
全体の様子が添付画像①のようなときに、各月の合計を素直にプロットすれば添付画像②のグラフが得られます。
受注数の増加を印象付けるために、棒グラフの上側を切り取って添付画像③のようにするのはまずいです。
gist.github.com/genkuroki/cc0b…
全体の様子が添付画像①のようなときに、各月の合計を素直にプロットすれば添付画像②のグラフが得られます。
受注数の増加を印象付けるために、棒グラフの上側を切り取って添付画像③のようにするのはまずいです。
gist.github.com/genkuroki/cc0b…
https://twitter.com/genkuroki/status/1368027200230887424
#統計 9月と同じ調子で10月も受注を取っていただけという想定のもとで、総受注数がデータ以上に増える確率(所謂P値)を計算してみました。
モデルの仮定：各人が9月の受注数通りのポアソン分布で10月も受注する。
計算法：モンテカルロ法。
結果：データ以上に総受注数が増える確率は18%弱。
モデルの仮定：各人が9月の受注数通りのポアソン分布で10月も受注する。
計算法：モンテカルロ法。
結果：データ以上に総受注数が増える確率は18%弱。
#統計 これは9月と10月で各人の受注の調子が全く同じであっても、たんなる偶然でデータ通り以上に受注数が増えてしまう確率が18%程度もあるということです。
これはデータの数値だけからは特別なことを何も言えそうもないことを意味しています。
これはデータの数値だけからは特別なことを何も言えそうもないことを意味しています。
#統計 P値の定義は「モデル内でデータ以上の偏りが生じる確率またはその近似値」です。(さらなる一般化が必要な場合もある。)
P値を計算するには、少なくともモデルとデータと「偏り」の定義が必要です。近似計算するなら近似法も与える必要がある。
場合ごとにさくっと計算できると便利です。
P値を計算するには、少なくともモデルとデータと「偏り」の定義が必要です。近似計算するなら近似法も与える必要がある。
場合ごとにさくっと計算できると便利です。
#統計 P値が高い場合には、モデルの想定内でデータ以上の偏りが生じる確率が高いことになり、データの偏りがモデルの想定内では珍しくないことが分かります。
P値はこのようにモデルのデータによる評価のいち指標だとみなされます。
モデルを明瞭に認識できない人はP値の使用を控えるべき。
P値はこのようにモデルのデータによる評価のいち指標だとみなされます。
モデルを明瞭に認識できない人はP値の使用を控えるべき。
#統計 上のポアソン分布モデルの設定で、10月の受注頻度が各人ごとに9月と全く同じならば、10月の総受注数の分布は添付画像のようになります。
縦に赤線の右側の確率が片側検定でのP値。18%弱になる。
両側検定なら(こちらが普通)、P値はその2倍の値になる。
縦に赤線の右側の確率が片側検定でのP値。18%弱になる。
両側検定なら(こちらが普通)、P値はその2倍の値になる。
• • •
Missing some Tweet in this thread? You can try to
force a refresh
