1. 記述統計と推測統計

記述統計 (Descriptive Statistics)

記述統計はデータの特性を数値やグラフでまとめる手法で、以下のような方法が含まれます。

平均値 (Mean): データの中心的な傾向を表す指標で、すべてのデータを合計し、データ数で割った値。
中央値 (Median): データを小さい順または大きい順に並べたときの中央の値。
分散 (Variance): データの散らばり具合を表す指標で、平均値から各データ点がどれだけ離れているかの二乗平均。
標準偏差 (Standard Deviation): 分散の平方根で、データの散らばり具合を元のデータの単位で表す。

これらの手法を用いることで、データの基本的な性質（中心傾向やばらつき）を理解しやすくなります。

推測統計 (Inferential Statistics)

推測統計は、サンプルデータを用いて母集団の特性を推定し、仮説を検証するための手法です。以下のようなアプローチがあります。

区間推定 (Confidence Interval): サンプルから母平均や母分散などの母集団の特性を推定し、その推定値がある区間に収まる確率を計算する。

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt

# Creating a sample dataset
data = {'X': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
        'Y': [2, 4, 5, 4, 5, 7, 8, 9, 10, 12]}
df = pd.DataFrame(data)

# 1. Descriptive Statistics Calculation
mean_X = df['X'].mean()         # Mean
median_X = df['X'].median()     # Median
variance_X = df['X'].var()      # Variance
std_dev_X = df['X'].std()       # Standard Deviation

mean_Y = df['Y'].mean()
median_Y = df['Y'].median()
variance_Y = df['Y'].var()
std_dev_Y = df['Y'].std()

# Display descriptive statistics
print("Descriptive Statistics for X:")
print(f"Mean: {mean_X}")
print(f"Median: {median_X}")
print(f"Variance: {variance_X}")
print(f"Standard Deviation: {std_dev_X}")

print("\nDescriptive Statistics for Y:")
print(f"Mean: {mean_Y}")
print(f"Median: {median_Y}")
print(f"Variance: {variance_Y}")
print(f"Standard Deviation: {std_dev_Y}")

# 2. Linear Regression Model Creation
X = df[['X']]  # Explanatory variable
Y = df['Y']    # Target variable

# Creating and training the model
model = LinearRegression()
model.fit(X, Y)

# Getting the slope and intercept
slope = model.coef_[0]
intercept = model.intercept_
print("\nLinear Regression Model:")
print(f"Coefficient (Slope): {slope}")
print(f"Intercept: {intercept}")

# 3. Calculating the Coefficient of Determination (R²)
r_squared = model.score(X, Y)
print(f"R² (Coefficient of Determination): {r_squared}")

# 4. Plotting the Results
plt.figure(figsize=(8, 6))
plt.scatter(X, Y, color='blue', label='Data Points')
plt.plot(X, model.predict(X), color='red', label='Regression Line')
plt.xlabel('X')
plt.ylabel('Y')
plt.title('Linear Regression Model')
plt.legend()
plt.grid(True)
plt.show()

仮説検定 (Hypothesis Testing): 帰無仮説（H₀）と対立仮説（H₁）を設定し、サンプルデータがどちらの仮説を支持するかを検証する。
- 例: t検定、カイ二乗検定、ANOVA（分散分析）。

import numpy as np
import pandas as pd
from scipy import stats
import matplotlib.pyplot as plt
import seaborn as sns

# Setting style for seaborn
sns.set(style='whitegrid')

# 1. Creating sample datasets for each hypothesis test
# For t-test: two independent samples
group1 = [20, 22, 19, 24, 21, 23, 22, 21]
group2 = [30, 31, 29, 32, 35, 33, 30, 34]

# For chi-squared test: observed and expected frequencies
observed = np.array([50, 30, 20])  # Observed frequencies in categories
expected = np.array([40, 40, 20])  # Expected frequencies

# For ANOVA: multiple groups with different means
group_A = [23, 24, 22, 25, 26, 23, 24]
group_B = [30, 32, 29, 28, 31, 30, 29]
group_C = [40, 42, 41, 39, 40, 41, 43]

# 2. Performing Hypothesis Tests

# 2.1 t-test (Independent two-sample t-test)
t_stat, p_value_ttest = stats.ttest_ind(group1, group2)
print("t-test Results:")
print(f"t-statistic: {t_stat:.4f}, p-value: {p_value_ttest:.4f}")
print("Reject H₀" if p_value_ttest < 0.05 else "Fail to Reject H₀")

# 2.2 Chi-squared test
chi2_stat, p_value_chi2 = stats.chisquare(observed, f_exp=expected)
print("\nChi-squared Test Results:")
print(f"Chi-squared statistic: {chi2_stat:.4f}, p-value: {p_value_chi2:.4f}")
print("Reject H₀" if p_value_chi2 < 0.05 else "Fail to Reject H₀")

# 2.3 ANOVA (One-way ANOVA test)
f_stat, p_value_anova = stats.f_oneway(group_A, group_B, group_C)
print("\nANOVA Results:")
print(f"F-statistic: {f_stat:.4f}, p-value: {p_value_anova:.4f}")
print("Reject H₀" if p_value_anova < 0.05 else "Fail to Reject H₀")

# 3. Visualization

# 3.1 Visualization of t-test results using boxplots
plt.figure(figsize=(10, 5))
plt.subplot(1, 3, 1)
sns.boxplot(data=[group1, group2], palette="Set3")
plt.title(f"t-test\np-value: {p_value_ttest:.4f}")
plt.xticks([0, 1], ['Group 1', 'Group 2'])
plt.ylabel('Values')
plt.grid(True)

# 3.2 Visualization of Chi-squared test results using bar plot
plt.subplot(1, 3, 2)
categories = ['Category 1', 'Category 2', 'Category 3']
x = np.arange(len(categories))  # Label locations
width = 0.35  # Width of bars

# Bar plot of observed and expected values
plt.bar(x - width/2, observed, width, label='Observed', color='skyblue')
plt.bar(x + width/2, expected, width, label='Expected', color='orange')
plt.title(f"Chi-squared Test\np-value: {p_value_chi2:.4f}")
plt.xticks(x, categories)
plt.ylabel('Frequency')
plt.legend()
plt.grid(True)

# 3.3 Visualization of ANOVA results using boxplot
plt.subplot(1, 3, 3)
sns.boxplot(data=[group_A, group_B, group_C], palette="Set2")
plt.title(f"ANOVA\np-value: {p_value_anova:.4f}")
plt.xticks([0, 1, 2], ['Group A', 'Group B', 'Group C'])
plt.ylabel('Values')
plt.grid(True)

# Show all plots
plt.tight_layout()
plt.show()

p値 (p-Value): 仮説検定において、帰無仮説が正しいと仮定した場合に、観測されたデータ以上に極端な結果が得られる確率。p値が小さいほど、帰無仮説を棄却する（対立仮説を支持する）根拠が強い。

import numpy as np
import pandas as pd
from scipy import stats
import matplotlib.pyplot as plt
import seaborn as sns

# Set seaborn style
sns.set(style='whitegrid')

# 1. Create sample datasets for each hypothesis test
# For t-test: two independent samples
group1 = [20, 22, 19, 24, 21, 23, 22, 21]
group2 = [30, 31, 29, 32, 35, 33, 30, 34]

# For chi-squared test: observed and expected frequencies
observed = np.array([50, 30, 20])  # Observed frequencies in categories
expected = np.array([40, 40, 20])  # Expected frequencies

# For ANOVA: multiple groups with different means
group_A = [23, 24, 22, 25, 26, 23, 24]
group_B = [30, 32, 29, 28, 31, 30, 29]
group_C = [40, 42, 41, 39, 40, 41, 43]

# 2. Perform Hypothesis Tests

# 2.1 t-test (Independent two-sample t-test)
t_stat, p_value_ttest = stats.ttest_ind(group1, group2)
print("t-test Results:")
print(f"t-statistic: {t_stat:.4f}, p-value: {p_value_ttest:.4f}")
if p_value_ttest < 0.05:
    print("Reject H₀ (Significant difference between group means)\n")
else:
    print("Fail to Reject H₀ (No significant difference between group means)\n")

# 2.2 Chi-squared test
chi2_stat, p_value_chi2 = stats.chisquare(observed, f_exp=expected)
print("Chi-squared Test Results:")
print(f"Chi-squared statistic: {chi2_stat:.4f}, p-value: {p_value_chi2:.4f}")
if p_value_chi2 < 0.05:
    print("Reject H₀ (Observed frequencies significantly differ from expected)\n")
else:
    print("Fail to Reject H₀ (Observed frequencies do not significantly differ from expected)\n")

# 2.3 ANOVA (One-way ANOVA test)
f_stat, p_value_anova = stats.f_oneway(group_A, group_B, group_C)
print("ANOVA Results:")
print(f"F-statistic: {f_stat:.4f}, p-value: {p_value_anova:.4f}")
if p_value_anova < 0.05:
    print("Reject H₀ (At least one group mean is significantly different)\n")
else:
    print("Fail to Reject H₀ (No significant difference between group means)\n")

# 3. Visualization

# 3.1 Visualization of t-test results using boxplots
plt.figure(figsize=(12, 4))
plt.subplot(1, 3, 1)
sns.boxplot(data=[group1, group2], palette="Set3")
plt.title(f"t-test\np-value: {p_value_ttest:.4f}")
plt.xticks([0, 1], ['Group 1', 'Group 2'])
plt.ylabel('Values')
plt.grid(True)

# 3.2 Visualization of Chi-squared test results using bar plot
plt.subplot(1, 3, 2)
categories = ['Category 1', 'Category 2', 'Category 3']
x = np.arange(len(categories))  # Label locations
width = 0.35  # Width of bars

# Bar plot of observed and expected values
plt.bar(x - width/2, observed, width, label='Observed', color='skyblue')
plt.bar(x + width/2, expected, width, label='Expected', color='orange')
plt.title(f"Chi-squared Test\np-value: {p_value_chi2:.4f}")
plt.xticks(x, categories)
plt.ylabel('Frequency')
plt.legend()
plt.grid(True)

# 3.3 Visualization of ANOVA results using boxplot
plt.subplot(1, 3, 3)
sns.boxplot(data=[group_A, group_B, group_C], palette="Set2")
plt.title(f"ANOVA\np-value: {p_value_anova:.4f}")
plt.xticks([0, 1, 2], ['Group A', 'Group B', 'Group C'])
plt.ylabel('Values')
plt.grid(True)

# Show all plots
plt.tight_layout()
plt.show()

2. 回帰分析 (Regression Analysis)

回帰分析は、変数間の関係性をモデル化し、データを元に予測や因果関係の分析を行う手法です。以下の方法が一般的です。

線形回帰 (Linear Regression)

単回帰分析: 1つの独立変数が1つの従属変数に与える影響をモデル化する。
- 例: ( y = \beta_0 + \beta_1 x + \epsilon )
  - ( y ): 従属変数、( x ): 独立変数、( \beta_0 ): 切片、( \beta_1 ): 回帰係数、( \epsilon ): 誤差項。
重回帰分析: 複数の独立変数が1つの従属変数に与える影響をモデル化する。
- 例: ( y = \beta_0 + \beta_1 x_1 + \beta_2 x_2 + \cdots + \beta_n x_n + \epsilon )
  - ( x_1, x_2, \ldots, x_n ) が複数の独立変数。

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
import seaborn as sns

# 1. Create sample data for multiple linear regression
# Independent variables (features)
np.random.seed(0)  # For reproducibility
X1 = np.random.rand(100) * 10  # Feature 1
X2 = np.random.rand(100) * 50  # Feature 2
X3 = np.random.rand(100) * 30  # Feature 3

# Dependent variable (target)
# Generating a target variable based on a known linear relationship with some noise
y = 3 + 2 * X1 + 0.5 * X2 - 1.5 * X3 + np.random.randn(100) * 5

# Create a DataFrame for better visualization
data = pd.DataFrame({'X1': X1, 'X2': X2, 'X3': X3, 'y': y})

# 2. Build the multiple linear regression model
# Independent variables matrix
X = data[['X1', 'X2', 'X3']]
# Dependent variable
y = data['y']

# Create and train the model
model = LinearRegression()
model.fit(X, y)

# Get the model parameters
intercept = model.intercept_
coefficients = model.coef_

# Display the model parameters
print("Multiple Linear Regression Model:")
print(f"Intercept: {intercept:.4f}")
print("Coefficients:")
for idx, col in enumerate(X.columns):
    print(f"  {col}: {coefficients[idx]:.4f}")

# Calculate the R-squared value to evaluate model performance
r_squared = model.score(X, y)
print(f"\nR² (Coefficient of Determination): {r_squared:.4f}")

# 3. Visualization of the regression results

# Pairplot to visualize the relationships between variables
sns.pairplot(data)
plt.suptitle("Pairplot of Features and Target Variable", y=1.02)
plt.show()

# Heatmap to show correlation matrix
plt.figure(figsize=(6, 4))
sns.heatmap(data.corr(), annot=True, cmap='coolwarm', linewidths=0.5)
plt.title("Correlation Matrix")
plt.show()

# 4. Predictions
# Making predictions using the model
y_pred = model.predict(X)

# Plotting actual vs predicted values
plt.figure(figsize=(8, 6))
plt.scatter(y, y_pred, alpha=0.7, color='blue')
plt.xlabel("Actual y values")
plt.ylabel("Predicted y values")
plt.title("Actual vs Predicted y values")
plt.grid(True)
plt.plot([y.min(), y.max()], [y.min(), y.max()], 'r--')  # Diagonal line for reference
plt.show()

非線形回帰 (Nonlinear Regression)

非線形の関係をモデル化する手法で、指数関数、対数関数、ポリノミアル関数などを用いる。


import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt

# 1. Creating sample data
# Generate random data points for independent variable X
np.random.seed(42)  # For reproducibility
X = np.random.rand(100) * 10  # Random values between 0 and 10
# Generate dependent variable y using a nonlinear function with noise
y = 2 * np.sin(1.5 * X) + np.random.normal(size=X.shape) * 0.5  # Sine function with noise

# Convert X to a 2D array for sklearn
X = X.reshape(-1, 1)

# 2. Polynomial Regression (Degree 3)
# Create polynomial features (x, x^2, x^3)
poly = PolynomialFeatures(degree=3)
X_poly = poly.fit_transform(X)

# Fit the polynomial regression model
poly_model = LinearRegression()
poly_model.fit(X_poly, y)

# Predict using the polynomial model
y_poly_pred = poly_model.predict(X_poly)

# 3. Exponential Regression
# Define the exponential function
def exp_func(x, a, b, c):
    return a * np.exp(b * x) + c

# Use curve_fit to find the best fit parameters for the exponential function
popt, _ = curve_fit(exp_func, X.ravel(), y, p0=(1, 0.1, 1))  # Initial guesses for a, b, c
y_exp_pred = exp_func(X.ravel(), *popt)

# 4. Visualization of Nonlinear Regression Results
plt.figure(figsize=(12, 6))

# Scatter plot of the original data
plt.scatter(X, y, color='blue', label='Original Data', alpha=0.6)

# Plot for Polynomial Regression
plt.plot(X, y_poly_pred, color='red', label='Polynomial Regression (Degree 3)', linewidth=2)

# Plot for Exponential Regression
plt.plot(X, y_exp_pred, color='green', linestyle='--', label='Exponential Regression', linewidth=2)

# Plot settings
plt.title("Nonlinear Regression: Polynomial and Exponential Models")
plt.xlabel("X")
plt.ylabel("y")
plt.legend()
plt.grid(True)
plt.show()

# 5. Display model coefficients and evaluation

# Polynomial Regression Coefficients
print("Polynomial Regression (Degree 3) Coefficients:")
print(f"Intercept: {poly_model.intercept_}")
print(f"Coefficients: {poly_model.coef_}")

# Exponential Regression Parameters
print("\nExponential Regression Parameters:")
print(f"a: {popt[0]:.4f}, b: {popt[1]:.4f}, c: {popt[2]:.4f}")

# 6. Predictions for specific values (example)
x_new = np.array([[2], [4], [6]])  # Example values for prediction

# Predict using polynomial model
x_poly_new = poly.transform(x_new)
y_poly_new = poly_model.predict(x_poly_new)
print("\nPolynomial Regression Predictions for x = 2, 4, 6:")
print(y_poly_new)

# Predict using exponential model
y_exp_new = exp_func(x_new.ravel(), *popt)
print("\nExponential Regression Predictions for x = 2, 4, 6:")
print(y_exp_new)

ロジスティック回帰 (Logistic Regression)

2値の結果（成功/失敗、合格/不合格など）を説明するための回帰モデル。確率をロジスティック曲線で表し、出力される値が確率として解釈される。

import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.datasets import make_classification
from sklearn.metrics import accuracy_score, confusion_matrix, classification_report

# サンプルデータの生成
X, y = make_classification(n_samples=100, n_features=2, n_informative=2, n_redundant=0, random_state=42)

# トレーニングデータとテストデータに分割
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# ロジスティック回帰モデルの定義と学習
model = LogisticRegression()
model.fit(X_train, y_train)

# テストデータに対する予測
y_pred = model.predict(X_test)

# 結果の評価
accuracy = accuracy_score(y_test, y_pred)
conf_matrix = confusion_matrix(y_test, y_pred)
class_report = classification_report(y_test, y_pred)

print(f"Accuracy: {accuracy:.2f}")
print("Confusion Matrix:")
print(conf_matrix)
print("Classification Report:")
print(class_report)

# データポイントと決定境界の可視化
def plot_decision_boundary(X, y, model):
    h = .02  # Mesh step size
    x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
    y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
    xx, yy = np.meshgrid(np.arange(x_min, x_max, h),
                         np.arange(y_min, y_max, h))
    Z = model.predict(np.c_[xx.ravel(), yy.ravel()])
    Z = Z.reshape(xx.shape)
    plt.figure(figsize=(10, 6))
    plt.contourf(xx, yy, Z, cmap=plt.cm.Paired, alpha=0.8)
    plt.scatter(X[:, 0], X[:, 1], c=y, edgecolors='k', marker='o', s=100)
    plt.xlabel('Feature 1')
    plt.ylabel('Feature 2')
    plt.title('Logistic Regression Decision Boundary')
    plt.show()

plot_decision_boundary(X_test, y_test, model)

3. 実験計画法 (Design of Experiments, DOE)

DOEは、工学実験やプロセス最適化のために効率的にデータを収集し、要因と結果の関係を調査するための手法です。以下の方法が含まれます。

要因実験 (Factorial Design)

複数の独立変数（要因）が従属変数に与える影響を同時に評価する手法。各要因の組み合わせを全て試行し、相互作用効果を調べる。

直交表 (Orthogonal Array)

直交表を用いて、実験の組み合わせを計画し、すべての要因の影響を効率的に調査する。田口法（Taguchi Method）としても知られる。

応答曲面法 (Response Surface Methodology)

2次または3次の多項式モデルを用いて、実験結果の最適化を図る手法。プロセスの最適条件を見つけるのに役立つ。

4. 品質管理手法 (Quality Control Techniques)

工学の現場では、製品やプロセスの品質を管理するために統計的手法が用いられます。以下の方法が一般的です。

管理図 (Control Chart)

時系列データに対して、平均値や範囲（R）を監視し、プロセスの安定性を評価する。
- X̄-R 管理図、X̄-S 管理図、p 管理図（不良率の監視）など。

プロセス能力指数 (Process Capability Index)

Cp、Cpk などの指標を用いて、プロセスが仕様に対してどの程度適合しているかを評価する。Cp 値が高いほど、プロセスが良好であることを示す。

5. 信頼性工学 (Reliability Engineering)

信頼性工学は、製品やシステムの故障や寿命に関する統計的解析を行い、信頼性を向上させるための手法です。

故障率と寿命分布

故障率（Failure Rate）を時間の経過とともにモデル化し、製品寿命を予測する。
ワイブル分布 (Weibull Distribution): 寿命データに適した分布で、形状パラメータを調整することで、様々な故障メカニズムに対応できる。

バスタブ曲線 (Bathtub Curve)

故障率が時間とともに変化することを表す曲線で、初期故障期、偶発故障期、摩耗故障期の3段階に分かれる。
- 初期故障期：製品の初期不良や設計ミスにより、故障率が高い。
- 偶発故障期：安定した故障率。
- 摩耗故障期：部品の劣化により、故障率が上昇。

6. 多変量解析 (Multivariate Analysis)

複数の変数間の関係を解析し、データの構造を理解するための手法です。工学分野では、プロセスの複雑な因果関係を理解する際に役立ちます。

主成分分析 (Principal Component Analysis, PCA)

多次元データを低次元に変換し、データの構造を簡略化する手法。データの分散が最も大きい方向を主成分として抽出する。

因子分析 (Factor Analysis)

複数の観測変数をいくつかの潜在因子にまとめ、データの内在する構造を解析する。

クラスター分析 (Cluster Analysis)

データを類似性に基づいてグループ化する手法。K-means 法や階層的クラスタリングなどが用いられる。

7. 統計的プロセス制御 (Statistical Process Control, SPC)

SPCは、生産プロセスの変動を監視し、異常を検出するための手法です。

制御図 (Control Chart): 上限管理線（UCL）と下限管理線（LCL）を設定し、データが管理線の範囲内に収まっているかを確認する。
**ヒストグラム

**: データの分布を視覚的に表示し、異常値の有無を確認する。