大分類 | 小分類 | 型 | 数 | 例 |
---|---|---|---|---|
質的データ | 1⃣名義尺度 | 整数 | 整数 | 名前、性別 |
2⃣順序尺度 (官能値、位相) | 整数 | 整数 | 📆 日付、 帯電序列、イオン化傾向、 極性、 ランキング、満足度 | |
量的データ | 3⃣間隔尺度 (離散型、計数値) | 整数 | 自然数、整数 | 年齢、金額、時刻 |
4⃣比例尺度 (連続型、物理量、計量値、距離) | 浮動小数点 | 実数、複素数 | 温度、 身長、体重、組成、インピーダンス |
量を数値表現するために定めた規則、あるいはその規則で作られる目盛りを尺度と言います 1 ) 。
気温のような連続的なアナログ量は、数学では実数として取り扱います。 そのような実数を、数値データとして記録しようとすれば、 たとえ、人手で記録しようとしても有限桁の数字で表現するしかありません。 機械的にコンピュータに取り込もうとしても AD変換のビット深度で 確度が決まります。
データの集合を、データセット、データセットの関係がデータベースです。 集合の要素がおよそ30件を超えると、人の手に負えなくなり、コンピュータの助けが必要です。 ビッグデータは、 とくに大きなデータの集まりです。
量的なデータは、 平均値 や標準偏差を求めることができます。 しかし、あまりにデータが多いと、コンピュータといえども計算に時間がかかります。 無作為抽出 などを行い、抽出データから、 平均値 や標準偏差をを推定します。
* トリム平均(調整平均)米沢高等工業学校本館の 電気・通信科展示室(教室)に 電位差計があります。
長さを測る道具や装置には、どんなものがあるか?
寸法がずれて困る工業製には、どんなものがあるか?
USBコネクタのサイズが違ったら? タクシーメーターの表示がでたらめだったら?住宅を建てるとき土地の面積がでたらめだったらどうなるか?
ペットボトルに入っている清涼飲料の体積がでたらめだったら?
名称 | 概略 | 装置 |
---|---|---|
クロノポテンショメトリー | 電圧電気量曲線 電池 の 充放電曲線 過渡応答 など | 🚂 ガルバノスタット、データロガー |
クロノアンペロメトリー | 電流絞り込み曲線など | 🚂 ポテンショスタット 4 ) 、データロガー |
リニアスイープボルタンメトリー (LSV) | 分解電圧の測定など | 🚂 ファンクションジェネレータ、 🚂 ポテンショスタット、データロガー |
サイクリックボルタンメトリー (CV) 5 ) | 反応種の特定など | |
コンダクトメトリー | 導電率 誘電率 の測定など | 🚂 ファンクションジェネレータ 6 ) 、 🚂 ポテンショスタット、データロガー |
交流インピーダンス法 | 導電率 の測定など | ファンクションジェネレータ、ポテンショスタット、データロガー、 オシロスコープ、LCRメータ * * |
世界 | 感覚 | 物理量 | 方式 | 用途 |
---|---|---|---|---|
認知世界 | 視覚(目) | 光 | フォトダイオード | 長さ、角度、形状、寸法、面積、体積、色 |
聴覚(耳) | 音 | マイク | ||
触覚(皮膚) | 温度 | サーミスタ、熱電対 | ||
圧力 | 圧力センサー | |||
嗅覚(鼻) | ガス | ガスセンサー | ||
味覚(舌) | 化学物質 濃度 | pHセンサー | ||
固有受容覚(筋肉) 7 ) | 重さ | 電子天秤 8 ) 9 ) | 重量、質量 | |
前庭覚(三半規管) | 加速度センサー | |||
非認知世界 | 超音波 | チタン酸バリウム振動子 | ||
電気 | 電流センサー | |||
磁気 | ホール素子 | |||
赤外線 | 焦電型赤外線センサ |
センサーは、 エネルギーを情報に変換する。
種類 | 分布 | 例 | ||
---|---|---|---|---|
連続分布 | 🖱 正規分布 | |||
t-分布 | 標本平均x~ | |||
|
標本標準偏差s | |||
|
分散の比 | |||
一様分布 | 一様乱数 | |||
対称三角分布 | ||||
ワイブル分布 | ||||
離散分布 | 超幾何分布 | |||
2項分布 | ||||
ポアソン分布 | ||||
力学 | ボルツマン分布 | マクスウェルボルツマン統計 | ||
フェルミ分布 | フェルミディラック統計 | |||
ボーズ分布 | ボーズアインシュタイン統計 |
偶然に現れる変数を確率変数と言います。 確率変数がどのような確率で現れるかを表現したものを確率分布といいます。
TRPG クトゥルフWEBダイス項目 | 説明 | 事例 |
---|---|---|
捏造 (fabrication) | 実験していない データ を、でっちあげて、あたかも実験した データ のように表現してはいけません | ディオパン事件 11 ) 12 ) |
改ざん (falsification) | データ や情報を都合のいいように書き換えてはいけません | |
盗用・剽窃 (plagiarism) | 他人の 論文 やアイディアなどを無断でコピペしてはいけません。 デジタル技術の発達で、コピペが簡単になった分、盗用も簡単になりました。 たとえ、自分の既発表 論文でも、 引用 13 ) ではなくそのまま流用すると「自己剽窃」です。 図表 は、引用ではなく、転載なので原則として、転載許諾が必要です。 | |
二重投稿 | 一度、公表した内容を使いまわしてはいけません。 | |
不適切な オーサシップ | 貢献していないのに、 著者として名を連ねてはいけません。 名義貸しです。名義借りはだめです。 他人の 論文や報告書を、代筆していけません。 * | |
不正行為の証拠隠滅 | 不正行為があったことの証拠を隠滅したり、立証を妨害してはいけません。 |
データを改ざんしたり、捏造したりしてはいけません!
手法 | 目的・特徴 | 例 | ||
---|---|---|---|---|
データとグラフ | 層別 14 ) | |||
パレート図 | ||||
ヒストグラム | ||||
チェックシート * | 5S活動の清掃チェックシート | |||
要因・相関分析 | 特性要因図 | |||
散布図 * 15 ) | 「特性」と「要因」との関係を調べたいときに使用します。 回帰分析 | |||
ばらつきの管理 | 管理図 |
新QC七つ道具では、言語情報を取りか使います。 テキストマイニングなどのWebアプリもあります。
統計的品質管理は、ある意味、製品 データから 情報を抽出する データサイエンスです。
16 ) 17 )