以下は、同じ位置パラメータと分散共分散行列を持つ3つの二変量分布から、それぞれ1000個のサンプルを抽出した散布図です。
上記の分布をサンプル1から3に正しく対応させると、どの組み合わせになるでしょうか？
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
多変量データの入門として、データの読み込みと要約の方法を学びます。平均ベクトル、分散共分散行列、相関行列などの記述統計を使って多変量データを要約する方法を学びます。その後、多変量データを視覚的に把握するためのプロット手法についても探っていきましょう。
この章では、最も重要かつ広く使われている多変量確率分布である多変量正規分布を紹介します。多変量正規分布からの乱数生成、密度と確率の計算とプロットの方法を学びます。また、データセットが多変量正規性に従うかどうかを検定する方法も学びます。
この章では、正規分布に従わないデータをモデル化するためのさまざまな確率分布を紹介します。特に、裾の重いデータをモデル化できる多変量t分布を取り上げます。これは一変量スチューデントのt分布を一般化したものです。また、右歪みや左歪みのデータを専門的にモデル化するための歪み分布についても学びます。
現在の演習
最終章では、主成分分析（PCA）や多次元尺度構成法（MDS）など、高次元データを分析するための手法を紹介します。実際のデータを用いてこれらの手法を実装する方法も学びましょう。
