R勉強会 第2回

あきやま🍠 @akiyama924

@softest 当たり前というか、誤差として片づけるのに心理的抵抗があるのですよ。

あきやま🍠 @akiyama924

@softest あ。「当たり値」って書いていたのですね。誤読してしまいました。「当たり値」（欲している値）ではないのですが、見なかったことにしておこうとすることの危険性（またはもったいなさ）のすりこみがされてしまったのですー。

野中　誠 @MakotoNonaka

@akiyama924 @softest 品質データ分析で外れ値を除外して重回帰分析すると、当然ながら、モデルで説明できる集団しか語れませんよね。でも、QAがより関心を持つのは、そうじゃない個体がどのくらい外れている／これから外れる可能性がある、だったりするので一工夫が必要ですね

あきやま🍠 @akiyama924

@MakotoNonakaJP @softest そう。まさに、そういう統計処理技術が必要ですよねー。それってすでにあるのかな？（マハラノビスの距離は近いかもしれませんね）

野中　誠 @MakotoNonaka

@akiyama924 @softest 最近の私の関心事は、経験知に基づいてモデル化したベイジアンネットワークモデルと、断片的な2変数間の因果関係を組み合わせて、事後の情報が得られるたびに事前分布を再計算してリスク評価できないかと。まだ語れるほどの成果がないのですけどね…。

あきやま🍠 @akiyama924

@MakotoNonakaJP @softest 人がやっている「兆候をつかむ」といったことの統計処理のようなものでしょうか。期待しています！！

野中　誠 @MakotoNonaka

@akiyama924 @softest さすが秋山さん、要するにそういうことです。専門バカは説明が下手でダメですね（苦笑） さらに言うと、システム思考っぽい要素も入るかなと。現実にはデータ集めに苦労しているわけなのですが、じわじわとチャレンジ中です。

小池利和 @koike0125

Ｎ先生は寝たかなーというところでカミングアウトします。実は私は箱ひげ図をあまり使いません。 @MasaoApril: excelのrand()を25個生成して、Rで箱ひげ図としてプロット。箱ひげ図から色々考えてみるとオモロイ。

小池利和 @koike0125

理由は色々有りますが、（１）先ほども少し議論が有ったように今一まだ釈然としない部分が有る。（２）記法が統一されていない感が有る。そして、これが一番の理由なのですが（３）あまりにも要約され過ぎる

小池利和 @koike0125

まあ、私が品質保証部にいて、ベースが古典的な統計手法に寄っているという部分も有るとは思いますが。

小池利和 @koike0125

箱ひげ図だと、例えば二山になった分布は把握出来ないし、慣れの問題かもしれないけど、のっぺりしちゃってデータの姿がイメージしづらいのですよ。

小池利和 @koike0125

まあ、でも好みの問題に過ぎないので、箱ひげ図が使えないとか、ダメと言っている訳では有りませんので、誤解の無いようお願いしますね。