はるあい工房データ分析の逆引き事典 > ツール一覧

分析ツール79本の一覧

池田データメーション研究所のExcel統計解析プログラム 全79本(番号順)

統計家・池田守夫さんが開発し、長くWebで公開されてきたExcel用の統計解析プログラム全79本を、 「何をするか・つかいどころ・AIへの頼み方」つきで番号順に一覧にしました。
プログラム本体は古いExcel向けですが、各項目の「AIへの頼み方」をコピーしてAIに貼れば、手元のデータで同じ分析がいまのやり方でできます
「やりたいこと」から探すなら → 困りごとから引く 逆引き事典

キーワードで絞り込み:

早見一覧(クリックで各ツールへ)

基本ツール101 行列合算102 行列乗算103 正則固有値104 正則逆行列105 相関係数計算106 III類固有値分析107 IV類固有値分析108 線形同次方程式110 行列式の値計算209 標準化215 順列組合せ703 偏差値計算

便利ツール201 相関クモの巣203 汎用行列乗算204 汎用逆行列206 カラーラベル付きバブルチャート作成207 カラーラベル付き散布図207C 散布図一括作成208 ベクトル回転表示210 バブルチャート合成211 散布図合成213 移動平均216 SP折れ線作成514 一般固有値の計算

予測ツール301 相似法予測302 グレイ法予測303 最近隣法予測304 最適回帰予測305 マハラノ距離予測307 最適手法予測

ニューラルネット利用ツール401 単一パーセプト予測402 ニューラル回帰予測403 ニューラルパターン照合404 ニューラル為替予測405 【デモ】ニューラルクイーン配置

多変量解析ツール501 拡張回帰分析502 主成分分析503 正準相関分析504 因子分析505 クラスター分析作図506 双対尺度法507 コレスポンデンス分析508 最適クロス法509 傾向分析50A 超らく解析510 影響度分析511 類似選好分析512 判別分析513 クラスター判別分析516 一対比較法517 非階層クラスター分析

マーケティング分析ツール605 各種距離データ生成606 多次元尺度分析I607 多段層別分析608 決定木分析612 複数拡張回帰分析632 潜在クラス分析

その他分析202 外れ値検出205 特異値分解520 最適配置609 パーティ分析701 度数分布704 多項式回帰706 汎用双対尺度720 ARモデル予測N762 てこ比計算771 ISM法772 関係図作成773 ベクトルサポートマシン(VSM)820 RCIVR関数951 ABC分析

タグチメソッド向け801 直交表作成802 バグ発見器

検定・推定ほか901A 正規性検査901B 正規分布検定902 母集団推定903 無相関検定904 相関係数検定941 有意点計算

基本ツール(カテゴリ1)

101 行列合算プログラム 基本

表の中の指定した行どうし・列どうしを足し合わせた行列を作る。

集計表の項目をまとめ直したい時(例:支店別を地域別に束ねる)。

AIへの頼み方:この表の指定した列と行を合算して、まとめ直した表を作って。

102 行列乗算プログラム 基本

2つの行列(A×B)の掛け算をする。

多変量解析の途中計算や、係数×データの一括計算。

AIへの頼み方:この2つの行列の積を計算して。

103 正則固有値プログラム 基本

対称行列の固有値・固有ベクトルを求める(ヤコビ法)。

主成分分析などの土台になる計算を単体でやりたい時。

AIへの頼み方:この対称行列の固有値と固有ベクトルを求めて、検算も見せて。

104 正則逆行列プログラム 基本

正則行列(行列式が0でない正方行列)の逆行列を求める(掃き出し法)。

連立方程式を解く・回帰係数を手計算で確かめる時。正則でない行列は204へ。

AIへの頼み方:この行列の逆行列を求めて。元の行列との積が単位行列になるかの検証も付けて。

105 相関係数計算プログラム 基本

全項目ペアの相関係数行列を「全マス」出力(Excel分析ツールは下半分だけ)。

どの項目とどの項目が連動しているかを最初にざっと見る時。

AIへの頼み方:このデータの全項目間の相関係数行列を作って、強い相関の組み合わせを言葉で説明して。

106 III類固有値分析プログラム 基本

0/1のカテゴリデータの並びから、項目とサンプルの関係を固有値分析で配置図にする(数量化III類系)。

アンケートの選択パターンから「似た回答者・似た項目」を見つけたい時。

AIへの頼み方:この0/1データを数量化III類(コレスポンデンス分析)で分析して、項目とサンプルの配置図を作って。

107 IV類固有値分析プログラム 基本

項目どうしの「親近性(似ている度合い)」の行列を固有値分析し、近い項目が近くに来る図を作る(数量化IV類系)。

「どれとどれが近い仲間か」を距離データから図で見たい時。

AIへの頼み方:この類似度(親近性)行列を分析して、似ている項目が近くに配置される2次元の図を作って。

108 線形同次方程式プログラム 基本

変数の数と式の数が同じ連立一次方程式を解く(ガウス・ジョルダン法)。

配合・配分など「合計がこうなる組み合わせ」を厳密に解きたい時。

AIへの頼み方:この連立方程式を解いて。途中の考え方も1行ずつ見せて。

110 行列式の値計算プログラム 基本

行列式の値を掃き出し法で計算する(ExcelのMDETERM関数より0の判定が正確)。

行列が「使える行列か(正則か)」を確かめる時。

AIへの頼み方:この行列の行列式を計算して、正則かどうか判定して。

209 標準化プログラム 基本

データを平均0・標準偏差1にそろえる(標準化・基準化)。

単位の違う項目(円と人数など)を同じ土俵で比べる前処理。

AIへの頼み方:このデータの各列を標準化して(不偏標準偏差で)。元の平均と標準偏差も添えて。

215 順列組合せプログラム 基本

mPr(順列)・mCr(組み合わせ)の全パターンを書き出す。

当番表・組み合わせ表・総当たり戦の全パターンが欲しい時。

AIへの頼み方:8個の中から3個選ぶ組み合わせを全部書き出して。順番違いを区別する場合としない場合の両方で。

703 偏差値計算プログラム 基本

列ごとの偏差値(50+(得点−平均)×10÷標準偏差)を計算する。

点数のばらつきが違う複数科目・複数指標を公平に比べたい時。

AIへの頼み方:この点数表の各列について偏差値を計算して、偏差値付きの表にして。

便利ツール(カテゴリ2)

201 相関クモの巣プログラム 便利

最大8項目の相関を正多角形の上に線で描く。正の相関は赤・負は青・線の太さは信頼率。

項目どうしのつながりを1枚の図でパッと見せたい時。

AIへの頼み方:このデータの項目間相関を、正の相関は赤・負は青の線で結んだネットワーク図(クモの巣図)にして。

203 汎用行列乗算プログラム 便利

A×B・転置A×B・A×転置B・転置A×転置Bの4種の行列乗算を選んで実行。

多変量解析の途中式を自分で組み立てる時。

AIへの頼み方:行列Aの転置とBの積を計算して。

204 汎用逆行列プログラム 便利

正方形でない行列でも逆行列(ムーア・ペンローズ逆行列)を求める。104の拡張版。

式の数と変数の数が合わない連立方程式から「誤差の少ない解」を出したい時。

AIへの頼み方:この行列のムーア・ペンローズ逆行列を求めて、それを使ってこの連立方程式の最小二乗解を出して。

206 カラーラベル付きバブルチャート作成プログラム 便利

範囲選択だけでラベル・色付きのバブルチャートを作る。

売上×利益×規模のような3つの数字を1枚で見せたい時。

AIへの頼み方:このデータで、横軸○・縦軸○・円の大きさ○のバブルチャートを作って。各点に名前ラベルを付けて。

207 カラーラベル付き散布図プログラム 便利

範囲選択だけでラベル・色付きの散布図を作る(Excel標準では面倒な名前付け&色分けを自動化)。

「どの点が誰か」が分かる散布図が欲しい時。

AIへの頼み方:このデータの散布図を作って。各点に名前のラベルを付けて、グループごとに色分けして。

207C 散布図一括作成プログラム 便利

全変数の組み合わせの散布図を一気に全部作る。

データを最初に受け取って「どこに関係があるか」を総当たりで眺める時。

AIへの頼み方:このデータの全変数ペアの散布図を一括で作って(散布図行列)。気になる関係があれば指摘して。

208 ベクトル回転表示プログラム 便利

散布図上のベクトル(矢印)を回転させて表示する。

因子分析の回転など、軸を回して見え方を探る時。

AIへの頼み方:この因子負荷量をバリマックス回転して、回転前後の配置図を並べて見せて。

210 バブルチャート合成プログラム 便利

既にあるバブルチャートに新しいデータを追加して同じ図に重ねる。

今年と昨年、自社と他社を同じバブル図で比べたい時。

AIへの頼み方:この2組のデータを1枚のバブルチャートに色分けして重ねて描いて。

211 散布図合成プログラム 便利

複数のデータを1枚の散布図に重ねてまとめる。

グループ別のデータを重ねて位置関係を比べたい時。

AIへの頼み方:この複数グループのデータを1枚の散布図に色分けして重ねて。凡例も付けて。

213 移動平均プログラム 便利

移動平均でデータの推移の傾向をなめらかにして見る。

月別売上のギザギザをならして、上向きか下向きかを見る時。

AIへの頼み方:この時系列データの3か月移動平均と12か月移動平均を計算して、元データと重ねたグラフにして。

216 SP折れ線作成プログラム 便利

横軸を「項目」にした折れ線グラフ(プロフィール図)を作る。

複数の商品や人の「項目別の点数の形」を折れ線で見比べる時。

AIへの頼み方:この評価表を、横軸=評価項目・線=対象ごとの折れ線グラフ(プロフィール図)にして。

514 一般固有値の計算プログラム 便利

対称行列に限らず、非対称行列も含めて固有値を計算する。

103で扱えない非対称の行列の固有値が要る時。

AIへの頼み方:この非対称行列の固有値(複素数になる場合も含む)を求めて。

予測ツール(カテゴリ3)

301 相似法予測プログラム 予測

過去の商品データの中から、予測したい商品に「似ているもの」を探し、その実績から予測する。

新商品の売上を、過去の似た商品の実績から見積もる時。

AIへの頼み方:過去商品のデータからこの新商品に一番似ているものを探して、その実績をもとに売上を予測して。似ている根拠も説明して。

302 グレイ法予測プログラム 予測

少ないデータでも使える「グレイ理論(灰色理論)」で時系列の次の値を予測する。

データが数点しかないのに先を見積もらないといけない時。

AIへの頼み方:この時系列データをグレイ理論のGM(1,1)モデルで予測して、次の3期分の予測値を出して。

303 最近隣法予測プログラム 予測

過去の中から「今と似た状況」を探して、その後どうなったかで次を予測する(最近隣法)。

周期やクセのあるデータ(来客数など)の次を読む時。

AIへの頼み方:この時系列データを最近隣法(k近傍)で予測して。今と似た過去の局面がいつだったかも示して。

304 最適回帰予測プログラム 予測

時系列データに回帰(直線・曲線)を当てはめて予測する。

伸びの傾向がはっきりしているデータの延長線を引く時。

AIへの頼み方:この時系列に直線・2次曲線・対数など複数の回帰を当てはめて、一番当てはまりの良い式で来期を予測して。

305 マハラノ距離予測プログラム 予測

基準データのマハラノビス距離をもとに、新しいデータが「仲間はずれ(外れ値)」かどうかを予測する。

正常時のデータを基準に、異常の兆候を数値で判定したい時。

AIへの頼み方:この基準データからマハラノビス距離を計算して、新しいデータのどれが外れ値になりそうか判定して。

307 最適手法予測プログラム 予測

直線予測・グレイ法・最近隣法の3種類で予測し、過去の当たり具合から最適な手法を自動で選ぶ。

どの予測手法が合うか分からないデータに、まとめて当てはめて選ばせる時。

AIへの頼み方:この時系列を複数の手法(直線回帰・グレイ法・最近隣法など)で予測して、過去データでの精度比較つきで一番良い手法の予測値を出して。

ニューラルネット利用ツール(カテゴリ4)

401 単一パーセプト予測プログラム ニューラル

入力層と出力層だけの一番簡単なニューラルネット(パーセプトロン)で予測する。

機械学習の入門的な予測。今ならAIに直接頼む方が早い。

AIへの頼み方:このデータで単純パーセプトロン相当のモデルを学習して予測して。精度も報告して。

402 ニューラル回帰予測プログラム ニューラル

入力層・中間層・出力層の3層ニューラルネットで回帰予測する。

直線では表せない複雑な関係の予測。

AIへの頼み方:このデータをニューラルネット回帰で学習して予測して。普通の重回帰との精度比較も付けて。

403 ニューラルパターン照合プログラム ニューラル

ニューラルネットでパターンの照合(どの型に近いか)を行う。

新しいデータが過去のどのパターンに当たるかを判定する時。

AIへの頼み方:この学習用パターンをもとに、新しいデータがどのパターンに一番近いか照合して。

404 ニューラル為替予測プログラム ニューラル

日別の為替レートからニューラルネットで翌日レートを予測する。

為替・相場データで機械学習予測を試す時(当たる保証はない、が原本の思想)。

AIへの頼み方:この日別レートで翌日を予測するモデルを作って、過去データでの的中率を正直に報告して。

405 【デモ】ニューラルクイーン配置プログラム ニューラル

ニューラルネット法でクイーン配置問題(Nクイーン)を解くデモ。

最適化問題をニューラルで解く様子を見るお楽しみデモ。

AIへの頼み方:8クイーン問題を解いて、盤面の図で答えを見せて。

多変量解析ツール(カテゴリ5)

501 拡張回帰分析プログラム 多変量

Excelの制限(説明変数16列)を超えて、最大200列×2,000行の重回帰分析ができる。

「結果(売上など)に何がどれだけ効いているか」を数式で出す、要因分析の本命。

AIへの頼み方:このデータで目的変数○○の重回帰分析をして。各変数の係数・p値・寄与の大きさと、結果の読み方を平易に説明して。

502 主成分分析プログラム 多変量

たくさんの項目を少数の「総合指標」にまとめ、データの構造と寄与率を見る。

項目が多すぎて全体像が見えない時に、2〜3本の軸に要約する。

AIへの頼み方:このデータを主成分分析して。第1・第2主成分の意味づけ・寄与率・サンプルの配置図を出して。

503 正準相関分析プログラム 多変量

複数の説明変数のグループと複数の目的変数のグループの間の相関関係を求める。

「体力測定の項目群」と「競技成績の項目群」のような、群と群の関係を見る時。

AIへの頼み方:この2つの変数グループの間で正準相関分析をして、どの組み合わせが強く関係しているか説明して。

504 因子分析プログラム 多変量

多くの項目の背後に潜む「共通の要因」を取り出す。

アンケート項目の裏にある「本当は何を測っているか」を知る時。

AIへの頼み方:このアンケートデータを因子分析して。因子数の根拠・各因子の名前案・因子負荷量の表を出して。

505 クラスター分析作図プログラム 多変量

項目間の距離を計算し、ウォード法・最近隣法で樹形図(デンドログラム)を作る。

顧客や商品を「似たものどうしの仲間」に段階的にまとめたい時。

AIへの頼み方:このデータをウォード法で階層クラスター分析して、樹形図と「何グループに分けるのが良いか」の提案を出して。

506 双対尺度法プログラム 多変量

クロス集計表の行項目と列項目を同じ散布図に配置し、似ている項目をまとめて見せる。

「支店×商品分類」のような集計表から、どの支店とどの商品が結びつくかを地図で見る時。

AIへの頼み方:このクロス集計表を双対尺度法(コレスポンデンス分析)で分析して、行と列の項目を同じ配置図に載せて解釈して。

507 コレスポンデンス分析プログラム 多変量

カテゴリデータ(多肢選択も可)の類似関係を視覚的な配置図にする。多変量解析の代表格。

ブランドイメージ調査など「どの銘柄にどのイメージが付いているか」を1枚の地図にする時。

AIへの頼み方:このアンケート集計をコレスポンデンス分析して、ブランドとイメージ語の対応地図を作って読み解いて。

508 最適クロス法プログラム 多変量

クロス表の行・列を「関係の近い順」に並べ替え、判定値に基づいて併合し、特徴を浮かび上がらせる。

大きなクロス集計表がゴチャゴチャで読めない時の整理。

AIへの頼み方:このクロス集計表の行と列を、関係が近い順に並べ替えて、まとめられる項目は併合した見やすい表に作り直して。

509 傾向分析プログラム 多変量

時系列データの傾向と周期(波動)の様子を視覚的に明らかにする。

売上に「何か月周期の波」があるかを見つけたい時。

AIへの頼み方:この時系列データのトレンドと季節性(周期)を分解して、それぞれグラフで見せて。

50A 超らく解析プログラム 多変量

カテゴリデータだけの重回帰分析(数量化I類)を簡単に行う。510の元になった看板プログラム。

「天気・曜日・イベント有無」のような選択肢データから売上への影響を出す時(16列以内)。

AIへの頼み方:このカテゴリデータをダミー変数化して数量化I類(カテゴリ重回帰)で分析して。各カテゴリの影響度を表にして。

510 影響度分析プログラム 多変量

数量化I類(林知己夫博士考案)による、カテゴリデータのみの重回帰分析。最大200列・独自計算でLINESTのバグ回避。

50Aの本格版。項目が多いカテゴリデータの影響度を出す時。

AIへの頼み方:このカテゴリデータで数量化I類の分析をして、どの項目のどのカテゴリが結果に一番効いているかランキングにして。

511 類似選好分析プログラム 多変量

売上データをクロス集計して同時購買(一緒に買われる組み合わせ)を抽出・分析する。

「これを買う人はあれも買う」を見つけて、棚づくりやセット販売に活かす時。

AIへの頼み方:このレシートデータからバスケット分析(同時購買分析)をして、一緒に買われやすい組み合わせの上位を出して。

512 判別分析プログラム 多変量

既に分かっているグループ分けから「分け方のルール(判別式)」を作り、新しいデータがどちらに入るか判定する。

優良顧客/それ以外、合格/不合格の境目を数式にして予測に使う時。

AIへの頼み方:このデータで判別分析をして、グループを分ける判別式と的中率を出して。新しいデータの判定もして。

513 クラスター判別分析プログラム 多変量

クラスター分析でグループを作り、続けてそのグループで判別分析まで一気に行う。

「まず仲間分け→その分け方の根拠と判定式まで」を一度にやりたい時。

AIへの頼み方:このデータをクラスター分析でグループ分けして、その分け方を判別分析で検証・数式化して。

516 一対比較法プログラム 多変量

AHP法・サーストン法。2つずつ比べたデータから、商品や案の総合順位・重みを求める。

候補が多くて一度に順位を付けられない時。「AとBならどっち」の積み重ねで決める。

AIへの頼み方:この一対比較の回答データをAHP法で分析して、評価基準の重みと候補の総合順位を出して。整合度もチェックして。

517 非階層クラスター分析プログラム 多変量

K-means法で、サンプルを指定した数のグループに分類する。

「とにかく3つのグループに分けて」のように、グループ数を決めて分ける時。

AIへの頼み方:このデータをK-means法で3グループに分けて。各グループの特徴も言葉でまとめて。

マーケティング分析ツール(カテゴリ6)

605 各種距離データ生成プログラム マーケ

多変量データを6種類の距離(ユークリッド・マハラノビス・ミンコフスキーなど)の行列に変換する。

クラスター分析や多次元尺度分析の前段として距離行列を作る時。

AIへの頼み方:このデータからサンプル間のユークリッド距離行列を作って。マハラノビス距離版も並べて。

606 多次元尺度分析Iプログラム マーケ

類似・非類似データを、関係を保ったまま2次元の地図に落とす(トーガソン法)。

「都市間の距離表」から地図を復元するように、似ている度合いから配置図を作る時。

AIへの頼み方:この類似度データを多次元尺度法(MDS)で2次元に配置して、near/farの解釈を付けて。

607 多段層別分析プログラム マーケ

数値の目的変数を最も大きく分ける「2分割」を繰り返し、効く条件の組み合わせを見つける。

「どんな条件の組み合わせの時に売上が高いか」を枝分かれ図で知る時。

AIへの頼み方:このデータで、目的変数を一番よく分ける条件の枝分かれ(回帰木)を作って、条件の組み合わせごとの平均値を出して。

608 決定木分析プログラム マーケ

カテゴリの目的変数を、情報量の指標で最も的確に分類する説明変数を選びながら木を作る。

「買う人/買わない人を分ける一番の条件は何か」を枝分かれ図で示す時。

AIへの頼み方:このデータで決定木分析をして。分岐の図と「どの条件が一番効くか」を平易な言葉で説明して。

612 複数拡張回帰分析プログラム マーケ

複数の目的変数の重回帰分析を一度に全部実行する(501の複数目的変数版・16列制限なし)。

売上も利益も客数も、まとめて要因分析したい時。

AIへの頼み方:この説明変数群で、複数の目的変数それぞれに重回帰分析を一括実行して、結果を1枚の比較表にまとめて。

632 潜在クラス分析プログラム マーケ

カテゴリの組み合わせデータの背後に潜む「見えないグループ(潜在クラス)」を推定する。

回答パターンから「実は3タイプの顧客がいる」を見つける時。

AIへの頼み方:このカテゴリデータを潜在クラス分析して、何タイプに分かれるか・各タイプの特徴・所属確率を出して。

その他分析(カテゴリ7)

202 外れ値検出プログラム その他

時系列データ(月別売上など)から外れ値を検出する。

「この月だけ変」を機械的に洗い出して原因究明の入口にする時。

AIへの頼み方:この月別データから統計的な外れ値を検出して、どの月がどれくらい外れているか一覧にして。

205 特異値分解プログラム その他

行列を固有値の大きさに応じた成分に分解する(SVD)。分解した行列を足すと元に戻る。

データの主要な成分と細かいノイズを分けて見る時。

AIへの頼み方:この行列を特異値分解して、上位成分でどこまで元データを再現できるか見せて。

520 最適配置プログラム その他

矩形の部品をできるだけ多く・無駄なく組み合わせて配置する検討をする(板取り問題)。

板材・紙面・倉庫スペースに、部品や箱をどう詰めるか決める時。

AIへの頼み方:この寸法リストの部品を、この大きさの板にできるだけ無駄なく配置する案を作って、配置図で見せて。

609 パーティ分析プログラム その他

目的変数が数量でもカテゴリでも、分割制限の設定に応じて的確に分類し展開図を作る。

607(数量向け)と608(カテゴリ向け)の中間的な、柔軟な分類展開。

AIへの頼み方:このデータを、目的変数に合わせた決定木で分類して、枝分かれの展開図と各グループの件数を出して。

701 度数分布プログラム その他

データの度数(何がいくつあるか)を整理して分布表にする。

データの散らばり方をまず見る、分析の第一歩。

AIへの頼み方:このデータの度数分布表とヒストグラムを作って。区切り幅の根拠も一言添えて。

704 多項式回帰プログラム その他

Y=aX²+bX+c の係数を回帰当てはめで求める。

山なり・谷なりのカーブを描くデータに式を当てる時(例:価格と売上の最適点)。

AIへの頼み方:このデータに2次式を当てはめて係数を求めて。頂点(最大・最小になる点)がどこかも教えて。

706 汎用双対尺度プログラム その他

複数のクロス集計表に対して双対尺度法を実行する。506の拡張版。

年度別・地域別など複数のクロス表をまとめて同じ土俵で分析する時。

AIへの頼み方:この複数のクロス集計表をまとめて双対尺度法で分析して、共通の配置図で比較して。

720 ARモデル予測Nプログラム その他

時系列の自己回帰(AR)モデルで次の値を予測する。

過去の自分の値の並びから次を読む、時系列予測の定番。

AIへの頼み方:この時系列データにARモデルを当てはめて、次の値を予測して。次数の選び方と当てはまりの良さも報告して。

762 てこ比計算プログラム その他

てこ比=データがそのグループからどれだけ離れているかを示す指標を計算する。

回帰分析の結果を一人で引っ張っている「影響力の強すぎるデータ」を見つける時。

AIへの頼み方:この回帰分析で各データのてこ比(レバレッジ)を計算して、結果に影響しすぎている点がないか診断して。

771 ISM法プログラム その他

要素間の関係(因果・上下・前後)を0/1で表した行列から、階層構造図を作る(グラフ理論応用)。

「問題どうしがどうつながっているか」を根っこから枝まで階層図にする時。

AIへの頼み方:この要素間の因果関係(0/1の表)をISM法で分析して、根本原因から結果までの階層構造図を作って。

772 関係図作成プログラム その他

相関係数やパス係数の分析時に、関係図(矢印つきの図)を作る。

「AがBに効き、BがCに効く」の連鎖を1枚の図で示す時。

AIへの頼み方:この変数間の相関・パス係数をもとに、矢印と数値付きの関係図(パス図)を描いて。

773 ベクトルサポートマシン(VSM)プログラム その他

Excelのソルバーでデータを学習し、得たウェイトで予測する(サポートベクターマシン系)。

2グループをきれいに分ける境界線を機械学習で引く時。

AIへの頼み方:このデータでSVM(サポートベクターマシン)による分類モデルを作って、精度と境界の様子を見せて。

820 RCIVR関数プログラム その他

株価と出来高のデータから、RCI・RSI・VRの株価テクニカル指標を計算する。

手持ちの株価データでテクニカル指標を自分で計算したい時。

AIへの頼み方:この株価・出来高データからRCI・RSI・VRを計算して、チャートに重ねて表示して。

951 ABC分析プログラム その他

数量の大きい順に累積し、上位70%をA・90%までをB・残りをCに区分する。重点管理の定番。

商品・顧客が多すぎて、どれを大事にすべきか決めたい時。

AIへの頼み方:この売上データでABC分析をして。A/B/C区分の一覧表と、累積構成比のパレート図も作って。

タグチメソッド向け(カテゴリ8)

801 直交表作成プログラム タグチ

実験計画法で使う直交表のフォーマットをワークシートに出力する。

少ない実験回数で多くの条件の影響を調べる計画を立てる時。

AIへの頼み方:要因が4つ・各2水準の実験をしたい。適切な直交表を選んで、実験の割り付け表を作って。

802 バグ発見器プログラム タグチ

直交表を使ってプログラムのバグを効率よく見つける(田口玄一博士の理論)。

設定の組み合わせが多すぎて全部テストできない時に、少ない回数で網羅する。

AIへの頼み方:この機能の設定項目一覧から、直交表を使った効率的なテストケース表を作って(ペアワイズ法でも可)。

検定・推定ほか(カテゴリ9)

901A 正規性検査プログラム 検定

観測データの分布が正規分布かどうかを検査する(901Bとセット)。

検定や管理図を使う前の「前提チェック」。

AIへの頼み方:このデータが正規分布とみなせるか検査して。ヒストグラムと正規確率プロットも見せて。

901B 正規分布検定プログラム 検定

観測データの分布が正規分布であるかを統計的に検定する(901Aとセット)。

「正規分布と言ってよいか」に統計的な白黒を付ける時。

AIへの頼み方:このデータに正規性の検定(シャピロ・ウィルクなど)をかけて、結果を平易に説明して。

902 母集団推定プログラム 検定

標本データから母平均・母分散を推定する(区間推定)。

一部のサンプルから「全体はだいたいこの範囲」と言いたい時。

AIへの頼み方:この標本データから母平均と母分散を95%信頼区間つきで推定して。

903 無相関検定プログラム 検定

サンプルサイズと相関係数を設定して「相関なし」と言えるかを検定する。

出てきた相関係数が「偶然の範囲」かどうか確かめる時。

AIへの頼み方:サンプル数○件で相関係数○○だった。この相関が統計的に意味があるか無相関検定をして。

904 相関係数検定プログラム 検定

観測データから得た相関係数を、母相関係数=0として検定する。

903と同様、相関の有意性を生データから直接検定する時。

AIへの頼み方:この2列のデータの相関係数を求めて、有意かどうか検定して。散布図も付けて。

941 有意点計算プログラム 検定

ウィルコクソンのt検定・マン・ホイットニーのU検定の有意点表を作成する。

正規分布を仮定できないデータで2グループを比べる(ノンパラメトリック検定)時。

AIへの頼み方:この2グループのデータをマン・ホイットニーのU検定で比較して、差があると言えるか判定して。
上へ