【実験計画法×化学を解説】フォローして実験を効率的に進めるヒントを！技術士一次試験（化学部門）＆QC検定の解説中。質問ポストに回答します｜大手化学メーカー勤務（技術開発職）｜社内で統計学講師（５年間で約３００人に指導）｜QC検定 １級｜オーケストラ歴20年｜
ブログでも解説しています→
Joined January 2025
- Tweets1.3K
- Following101
- Followers1K
- Likes2.4K
Pinned Tweet
【じっけんけいかく講座をオープン】
noteで実験計画法の解説を公開しました！初回は「直交表の使い方」
✅実験計画法を使ってみたい
✅実験を効率的に進めたい
そんな理系の学生・研究者・技術者の方に役立つ情報をお届けしています。
※この投稿のリポストでお得に！
note.com/cotanukii/n/nacec15…
【分散分析の用語】QC検定2級
分散分析にはいろいろな用語がでてきますよね
登場人物をまとめてみました！
１．修正項 𝐶𝑇
２．平方和 𝑆
３．自由度 𝑓
４．分散（平均平方）𝑉
５．分散比 𝐹₀
６．F値
７．寄与率 ρ
【分散分析とは】QC検定2級
計画的に取得したデータを統計的に分析する手法です
複数の因子の効果の有無についてF検定で客観的に判定することができますよ
＜分散分析の流れ＞
データ取得→分散分析表作成→検定・推定
【エクセルで確率分布】
代表的な確率分布の値をエクセルで出力する関数をまとめました！
ルールとして、分布名＋…
DIST-TRUE：面積
DIST-FALSE：縦軸
INV：横軸
RT：右側確率
と整理すると覚えやすいですね！
【主成分分析の用語】QC検定1級レベル
計算にでてくる主要な用語を８つ並べてみました！
すべて説明できますか？？
１．データ行列
２．共分散行列
３．ローディング行列
４．主成分得点行列
５．固有値
６．固有ベクトル
７．寄与率
８．因子負荷量
【主成分分析の可視化】QC検定1級
確認したい対象が各データなのか因子なのかで使い分けましょう！
◆主成分得点のプロット
目的：データと主成分の関係性
中身：主成分に対して𝑛個のデータをプロット
◆因子負荷量のプロット
目的：因子と主成分の関係性
中身：主成分に対して𝑘個の因子をプロット
【主成分分析のイメージ】QC検定1級
元データ行列X（𝑘個の因子）
↓ローディング行列𝑃で変換
主成分得点行列𝑇（𝑘個の主成分）
元データの因子を新たな軸である「主成分」に変換する方法です
𝑘個の主成分から寄与率の低いものを除外していくことで変数の削減が可能なわけですね！
【分散拡大係数（VIF）とは】
多重共線性の有無を判断することができる指標です
重回帰分析を実施する前に確認しておくと安心ですね！
VIFを算出したい説明変数をそれ以外の説明変数で重回帰分析して算出できますよ！
【多重共線性とは】
回帰分析を行ったけど、なにかがおかしい…
説明変数同士に相関がある状況は多重共線性と呼ばれ、分析結果がおかしなことに…
例：家賃の予測
説明変数⇒総面積、部屋数、平均部屋面積
結論⇒部屋数が少ない方が家賃が安い！？
※総面積と平均部屋面積に相関相関がある！
【相関係数と決定係数】
「𝑅²≒1なので強い相関がありそうです！」
なんて言ってませんか？
２つの係数の違いをしっかり区別しましょう！
相関係数：関係のつよさ（ー１～１）
決定係数：モデルのあてはまり（０～１）
【最小二乗法とは】
なんかいい感じの直線を引いてくれる手法
…ではなく理論的に「最も確からしい関係式」を算出できる方法です
ポイントは「誤差の二乗和」を最小にすること
図解でその仕組みをまとめてみました！
【回帰分析と直交表】
直交表は回帰分析とも相性が良いのです！
要因効果図や分散分析で効果の有無を特定したら、次は回帰分析で傾向を予測したくなりますよね
直交表から得られたデータは回帰分析における回帰係数の予測精度が高くなるメリットがあります！
こたぬき@じっけんけいかくやーもっと理系に実験計画法をー retweeted
実験計画法の教科書的なPDFがネットに転がってた。
ちゃんと読んでないけど、統計1級の理工学で出てたような内容が計算式と考え方と一緒に解説されてるっぽい。
jstage.jst.go.jp/article/gom…
【エクセルでつくろう！要因効果図】
実験結果における差の有無を視覚的に判断するための図示方法です。以下の手順でエクセルで作れます！
直線の傾きが大きい因子は効果が大きい可能性が高い。
以下の例では、A、C、AxCの傾きが大きいので、より詳細に調査する価値がありますね！
【エクセルでつくろう！正規確率プロット】
実験結果における差の有無を視覚的に判断するための図示方法です。以下の手順でエクセルで作れます！
直線から外れている因子は効果が大きい可能性が高い。
以下の例では、A、C、AxCが直線から外れているので、より詳細に調査する価値がありますね！
