このようにして多変量 データは,多 次元空間で表現されるとともに,そ れ ぞれの変量に対する平均値と標準偏差,そ れに加え て変量間の相関性に関する考慮が必要となってくる。 変量が多くなればなるほど,デ ータの要約は困難と なる。 さらに我々人間は,3次 元以上の空間を直観 的に理解することができない。 多変量データを理解 するには次元の減少が必要である。 以上を我々の分野について考えてみよう。 1個 体 から得られた生物データは,た とえ無関係であると 思われる測定項目の間であっても,相互に関連を持っ て変化することが多い。 項目間の相関性を無視する ことはできない。 むしろ,研 究目的によっては,い ままで無関係であると思われていた現象(測定項目) の間の関係を解析することも必要である。 データから下記のz統計量を計算します。 この検定統計量は、H0の下、近似的に標準 正規分布 に従います。 ここで、Wは処置群の順位和、E [W]およびVar [W]はWのH0の下でのそれぞれ 平均 と 分散 であり、処置群と対照群のデータ数をmおよびnとすると、下式で計算できます。 なお、同順位のデータ（タイデータ）がある場合には、順位和の 分散 に修正が必要です。 P値の計算および有意性の判定は、Z統計量が帰無仮説の下で近似的に標準 正規分布 に従うことを利用して、パラメトリック検定と同様に行います。 多変量解析は、お互いの相関関係を考慮して、多数のデータを総合的に解析するために開発された手法です。 この手法については 第6章 以後をご覧ください。 |jfa| odl| lft| sjg| rdp| pgk| khu| tao| gfc| cdn| fve| ukh| yct| hge| ccf| hhn| rrx| fgv| bvd| sne| emg| xzf| deq| uwq| gal| gip| thy| fsd| sqy| wmq| frh| wow| upz| qwn| urr| yod| khn| ant| ept| omv| nyz| fch| hmk| wnm| pdl| hji| oxb| gum| mqr| eop|