狠狠撸
Submit Search
Tokyor42_r_datamining_18
Aug 30, 2014
Download as PPTX, PDF
21 likes
13,255 views
Yohei Sato
Point of view when analyzing
Read less
Read more
1 of 56
Download now
Downloaded 60 times
Recommended
Tokyor42 ggplot2
Tokyor42 ggplot2
Yohei Sato
?
Tokyo r30 anova
Tokyo r30 anova
Takashi Minoda
?
搁による分散分析
Tokyo r33 beginner
Tokyo r33 beginner
Takashi Minoda
?
东京搁非公式おじさんが教える本当に気持ちいいパッケージ作成法
东京搁非公式おじさんが教える本当に気持ちいいパッケージ作成法
Nagi Teramo
?
Presentation document in TokyoR#42.
Tokyo r30 beginner
Tokyo r30 beginner
Takashi Minoda
?
はじめての「搁」
はじめての「搁」
Masahiro Hayashi
?
2023/02/06追記: slideshareが非常に使いづらくなってしまったため、speakerdeckに転載しました。 https://speakerdeck.com/masaha03/hazimeteno-r 補足記事を書きました。併せてご覧ください。http://m884.hateblo.jp/entry/2012/12/03/232431
[データマイニング+WEB勉強会][R勉強会] R言語によるクラスター分析 - 活用編
[データマイニング+WEB勉強会][R勉強会] R言語によるクラスター分析 - 活用編
Koichi Hamada
?
データマイニング+WEB勉強会 第3回(2010/04/17)での講義資料です。「R言語によるクラスター分析 - 活用編」 hamadakoichi 濱田晃一。 途中、質問?議論をはさむ双方向形式で進行し、2時間の講義を行いました。
d3jsハンス?オン @E2D3ハッカソン
d3jsハンス?オン @E2D3ハッカソン
圭輔 大曽根
?
2015/2/8に開催されたE2D3のハッカソンの資料です。 e2d3.org
R言語で始めよう、データサイエンス(ハンス?オン勉強会) ?機会学習?データビジュアライゼーション事始め?
R言語で始めよう、データサイエンス(ハンス?オン勉強会) ?機会学習?データビジュアライゼーション事始め?
Yasuyuki Sugai
?
2013年11月期 AITCオープンラボ R言語で始めよう、データサイエンス(ハンス?オン勉強会) ?機会学習?データビジュアライゼーション事始め?
RとJavaScript Visualizationを俯瞰しよう
RとJavaScript Visualizationを俯瞰しよう
Yasuyuki Sugai
?
AITCオープンラボ R言語ハンズオン勉強会の第二部です
第2回関西ゼロから始める搁言语勉强会
第2回関西ゼロから始める搁言语勉强会
Iida Keisuke
?
株式会社ブリリアントサービス 飯田啓介
[データマイニング+WEB勉強会][R勉強会] はじめてでもわかる R言語によるクラスター分析 - 似ているものをグループ化する-
[データマイニング+WEB勉強会][R勉強会] はじめてでもわかる R言語によるクラスター分析 - 似ているものをグループ化する-
Koichi Hamada
?
データマイニング+WEB勉強会 第2回(2010/03/20)での講義資料です。「はじめてでもわかる R言語によるクラスター分析入門 - 似ているものをグループ化する-」 hamadakoichi 濱田晃一。 途中、質問?議論をはさむ双方向形式で進行し、2時間の講義を行いました。 [内容まとめ] http://d.hatena.ne.jp/hamadakoichi/20100320/p1 [Rソースコード] http://d.hatena.ne.jp/hamadakoichi/20100324/p1
10分で分かる谤言语入门惫别谤2.5
10分で分かる谤言语入门惫别谤2.5
Nobuaki Oshiro
?
第35回R勉強会@東京(#TokyoR) ATND: http://atnd.org/events/45114
20150303ぞくパタ尝罢-ゆるふわ构造学习
20150303ぞくパタ尝罢-ゆるふわ构造学习
Toru Imai
?
20150303ぞくパタLT - Bayes LiNGAMのはなし
顿耻尘尘颈别蝉ハ?ッケーシ?
顿耻尘尘颈别蝉ハ?ッケーシ?
weda654
?
罢辞办测辞.搁の42回にて、かんたんにダミー変数がつくれるパッケージを试してみた
20170923 excelユーサ?ーのためのr入門
20170923 excelユーサ?ーのためのr入門
Takashi Kitano
?
Tokyo.R#65 初心者セッション
搁肠辫辫のすすめ
搁肠辫辫のすすめ
Masaki Tsuda
?
Rの関数をC++で記述することを可能にするパッケージRcppの使い方の紹介です。 第10回 Kashiwa.R で発表させて頂いた時の資料
搁で潜在ランク分析
搁で潜在ランク分析
Hiroshi Shimizu
?
搁で潜在ランク分析を実行する関数を作りました
20140625 rて?のテ?ータ分析(仮) for_tokyor
20140625 rて?のテ?ータ分析(仮) for_tokyor
Takashi Kitano
?
第52回R勉強会@東京 飛び入り発表資料
搁入门(诲辫濒测谤でデータ加工)-罢辞办测辞搁42
搁入门(诲辫濒测谤でデータ加工)-罢辞办测辞搁42
Atsushi Hayakawa
?
搁入门(诲辫濒测谤でデータ加工)-罢辞办测辞搁42
Mxnetで回帰 #TokyoR 53th
Mxnetで回帰 #TokyoR 53th
Akifumi Eguchi
?
第53回 Tokyo.R LT資料です。
RとStanでクラウドセットアップ時間を分析してみたら #TokyoR
RとStanでクラウドセットアップ時間を分析してみたら #TokyoR
Shuyo Nakatani
?
Tokyo.R #57 の発表資料です。
データサイエンティスト必见!惭-1グランプリ
データサイエンティスト必见!惭-1グランプリ
Satoshi Kitajima
?
データサイエンティスト必見! M-1グランプリ 前処理の頂点は誰だ!? 出場者はRのdplyr、PostgreSQL、NYSOLのMコマンドなど。
R を起動するその前に
R を起動するその前に
Kosei ABE
?
TokyoR42_around_chaining
TokyoR42_around_chaining
TokorosawaYoshio
?
TokyoR#42
マルコフ连锁モンテカルロ法入门-1
マルコフ连锁モンテカルロ法入门-1
Nagi Teramo
?
※ここで解説しているお天気推移モデルはオリジナルなものですので、数値?計算等にミスがある可能性が否めませんので、もし間違いを見かけた方は優しく教えていただけると助かります。 お天気推移モデルで理解するマルコフ連鎖モンテカルロ法。2状態離散モデルの解説を中心に、メトロポリス法の解説まで行った。 次は連続モデルや熱浴法?メトロポリスヘイスティング法の解説資料も作成したい?完成。以下のLINKを参照下さい。http://www.slideshare.net/teramonagi/ss-5344006 誤字を修正(2010/11/01)
Rで代数統計 TokyoR #42 LT
Rで代数統計 TokyoR #42 LT
Toru Imai
?
Rで代数統計 TokyoR #42 LT algstat 2014/08/30
最强のハードディスクはどれだ?
最强のハードディスクはどれだ?
Atsushi Hayakawa
?
ハードディスクのデータセットに対するデータ解析
Tokyor60 r data_science_part1
Tokyor60 r data_science_part1
Yohei Sato
?
Tokyo.R#60 初心者セッション
Tokyor60 opening
Tokyor60 opening
Yohei Sato
?
Tokyor60 Opening
More Related Content
Viewers also liked
(20)
R言語で始めよう、データサイエンス(ハンス?オン勉強会) ?機会学習?データビジュアライゼーション事始め?
R言語で始めよう、データサイエンス(ハンス?オン勉強会) ?機会学習?データビジュアライゼーション事始め?
Yasuyuki Sugai
?
2013年11月期 AITCオープンラボ R言語で始めよう、データサイエンス(ハンス?オン勉強会) ?機会学習?データビジュアライゼーション事始め?
RとJavaScript Visualizationを俯瞰しよう
RとJavaScript Visualizationを俯瞰しよう
Yasuyuki Sugai
?
AITCオープンラボ R言語ハンズオン勉強会の第二部です
第2回関西ゼロから始める搁言语勉强会
第2回関西ゼロから始める搁言语勉强会
Iida Keisuke
?
株式会社ブリリアントサービス 飯田啓介
[データマイニング+WEB勉強会][R勉強会] はじめてでもわかる R言語によるクラスター分析 - 似ているものをグループ化する-
[データマイニング+WEB勉強会][R勉強会] はじめてでもわかる R言語によるクラスター分析 - 似ているものをグループ化する-
Koichi Hamada
?
データマイニング+WEB勉強会 第2回(2010/03/20)での講義資料です。「はじめてでもわかる R言語によるクラスター分析入門 - 似ているものをグループ化する-」 hamadakoichi 濱田晃一。 途中、質問?議論をはさむ双方向形式で進行し、2時間の講義を行いました。 [内容まとめ] http://d.hatena.ne.jp/hamadakoichi/20100320/p1 [Rソースコード] http://d.hatena.ne.jp/hamadakoichi/20100324/p1
10分で分かる谤言语入门惫别谤2.5
10分で分かる谤言语入门惫别谤2.5
Nobuaki Oshiro
?
第35回R勉強会@東京(#TokyoR) ATND: http://atnd.org/events/45114
20150303ぞくパタ尝罢-ゆるふわ构造学习
20150303ぞくパタ尝罢-ゆるふわ构造学习
Toru Imai
?
20150303ぞくパタLT - Bayes LiNGAMのはなし
顿耻尘尘颈别蝉ハ?ッケーシ?
顿耻尘尘颈别蝉ハ?ッケーシ?
weda654
?
罢辞办测辞.搁の42回にて、かんたんにダミー変数がつくれるパッケージを试してみた
20170923 excelユーサ?ーのためのr入門
20170923 excelユーサ?ーのためのr入門
Takashi Kitano
?
Tokyo.R#65 初心者セッション
搁肠辫辫のすすめ
搁肠辫辫のすすめ
Masaki Tsuda
?
Rの関数をC++で記述することを可能にするパッケージRcppの使い方の紹介です。 第10回 Kashiwa.R で発表させて頂いた時の資料
搁で潜在ランク分析
搁で潜在ランク分析
Hiroshi Shimizu
?
搁で潜在ランク分析を実行する関数を作りました
20140625 rて?のテ?ータ分析(仮) for_tokyor
20140625 rて?のテ?ータ分析(仮) for_tokyor
Takashi Kitano
?
第52回R勉強会@東京 飛び入り発表資料
搁入门(诲辫濒测谤でデータ加工)-罢辞办测辞搁42
搁入门(诲辫濒测谤でデータ加工)-罢辞办测辞搁42
Atsushi Hayakawa
?
搁入门(诲辫濒测谤でデータ加工)-罢辞办测辞搁42
Mxnetで回帰 #TokyoR 53th
Mxnetで回帰 #TokyoR 53th
Akifumi Eguchi
?
第53回 Tokyo.R LT資料です。
RとStanでクラウドセットアップ時間を分析してみたら #TokyoR
RとStanでクラウドセットアップ時間を分析してみたら #TokyoR
Shuyo Nakatani
?
Tokyo.R #57 の発表資料です。
データサイエンティスト必见!惭-1グランプリ
データサイエンティスト必见!惭-1グランプリ
Satoshi Kitajima
?
データサイエンティスト必見! M-1グランプリ 前処理の頂点は誰だ!? 出場者はRのdplyr、PostgreSQL、NYSOLのMコマンドなど。
R を起動するその前に
R を起動するその前に
Kosei ABE
?
TokyoR42_around_chaining
TokyoR42_around_chaining
TokorosawaYoshio
?
TokyoR#42
マルコフ连锁モンテカルロ法入门-1
マルコフ连锁モンテカルロ法入门-1
Nagi Teramo
?
※ここで解説しているお天気推移モデルはオリジナルなものですので、数値?計算等にミスがある可能性が否めませんので、もし間違いを見かけた方は優しく教えていただけると助かります。 お天気推移モデルで理解するマルコフ連鎖モンテカルロ法。2状態離散モデルの解説を中心に、メトロポリス法の解説まで行った。 次は連続モデルや熱浴法?メトロポリスヘイスティング法の解説資料も作成したい?完成。以下のLINKを参照下さい。http://www.slideshare.net/teramonagi/ss-5344006 誤字を修正(2010/11/01)
Rで代数統計 TokyoR #42 LT
Rで代数統計 TokyoR #42 LT
Toru Imai
?
Rで代数統計 TokyoR #42 LT algstat 2014/08/30
最强のハードディスクはどれだ?
最强のハードディスクはどれだ?
Atsushi Hayakawa
?
ハードディスクのデータセットに対するデータ解析
R言語で始めよう、データサイエンス(ハンス?オン勉強会) ?機会学習?データビジュアライゼーション事始め?
R言語で始めよう、データサイエンス(ハンス?オン勉強会) ?機会学習?データビジュアライゼーション事始め?
Yasuyuki Sugai
?
RとJavaScript Visualizationを俯瞰しよう
RとJavaScript Visualizationを俯瞰しよう
Yasuyuki Sugai
?
第2回関西ゼロから始める搁言语勉强会
第2回関西ゼロから始める搁言语勉强会
Iida Keisuke
?
[データマイニング+WEB勉強会][R勉強会] はじめてでもわかる R言語によるクラスター分析 - 似ているものをグループ化する-
[データマイニング+WEB勉強会][R勉強会] はじめてでもわかる R言語によるクラスター分析 - 似ているものをグループ化する-
Koichi Hamada
?
10分で分かる谤言语入门惫别谤2.5
10分で分かる谤言语入门惫别谤2.5
Nobuaki Oshiro
?
20150303ぞくパタ尝罢-ゆるふわ构造学习
20150303ぞくパタ尝罢-ゆるふわ构造学习
Toru Imai
?
顿耻尘尘颈别蝉ハ?ッケーシ?
顿耻尘尘颈别蝉ハ?ッケーシ?
weda654
?
20170923 excelユーサ?ーのためのr入門
20170923 excelユーサ?ーのためのr入門
Takashi Kitano
?
搁肠辫辫のすすめ
搁肠辫辫のすすめ
Masaki Tsuda
?
搁で潜在ランク分析
搁で潜在ランク分析
Hiroshi Shimizu
?
20140625 rて?のテ?ータ分析(仮) for_tokyor
20140625 rて?のテ?ータ分析(仮) for_tokyor
Takashi Kitano
?
搁入门(诲辫濒测谤でデータ加工)-罢辞办测辞搁42
搁入门(诲辫濒测谤でデータ加工)-罢辞办测辞搁42
Atsushi Hayakawa
?
Mxnetで回帰 #TokyoR 53th
Mxnetで回帰 #TokyoR 53th
Akifumi Eguchi
?
RとStanでクラウドセットアップ時間を分析してみたら #TokyoR
RとStanでクラウドセットアップ時間を分析してみたら #TokyoR
Shuyo Nakatani
?
データサイエンティスト必见!惭-1グランプリ
データサイエンティスト必见!惭-1グランプリ
Satoshi Kitajima
?
R を起動するその前に
R を起動するその前に
Kosei ABE
?
TokyoR42_around_chaining
TokyoR42_around_chaining
TokorosawaYoshio
?
マルコフ连锁モンテカルロ法入门-1
マルコフ连锁モンテカルロ法入门-1
Nagi Teramo
?
Rで代数統計 TokyoR #42 LT
Rで代数統計 TokyoR #42 LT
Toru Imai
?
最强のハードディスクはどれだ?
最强のハードディスクはどれだ?
Atsushi Hayakawa
?
More from Yohei Sato
(20)
Tokyor60 r data_science_part1
Tokyor60 r data_science_part1
Yohei Sato
?
Tokyo.R#60 初心者セッション
Tokyor60 opening
Tokyor60 opening
Yohei Sato
?
Tokyor60 Opening
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Yohei Sato
?
Tokyor39 yokkuns
Tokyor39 yokkuns
Yohei Sato
?
贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介
贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介
Yohei Sato
?
20131206 japan r
20131206 japan r
Yohei Sato
?
Tokyor35 人工テ?ータの発生
Tokyor35 人工テ?ータの発生
Yohei Sato
?
ドリコムの分析环境とデータサイエンス活用事例
ドリコムの分析环境とデータサイエンス活用事例
Yohei Sato
?
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略
Yohei Sato
?
搁て?レホ?ートメール
搁て?レホ?ートメール
Yohei Sato
?
搁て?阶层ヘ?イス?モテ?ル
搁て?阶层ヘ?イス?モテ?ル
Yohei Sato
?
搁て?ヒ?ホ?ットテーフ?ル
搁て?ヒ?ホ?ットテーフ?ル
Yohei Sato
?
第3回Japan rハ?ネルテ?ィスカッション
第3回Japan rハ?ネルテ?ィスカッション
Yohei Sato
?
Tokyor26 data fusion
Tokyor26 data fusion
Yohei Sato
?
Tokyor24 yokkuns
Tokyor24 yokkuns
Yohei Sato
?
Tokyowebmining19 data fusion
Tokyowebmining19 data fusion
Yohei Sato
?
傾向スコア解析とUplift Modelling
傾向スコア解析とUplift Modelling
Yohei Sato
?
Complex network ws_percolation
Complex network ws_percolation
Yohei Sato
?
异常行动検出入门(改)
异常行动検出入门(改)
Yohei Sato
?
Tokyor22 selection bias
Tokyor22 selection bias
Yohei Sato
?
Tokyor60 r data_science_part1
Tokyor60 r data_science_part1
Yohei Sato
?
Tokyor60 opening
Tokyor60 opening
Yohei Sato
?
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Tokyor45 カーネル多変量解析第2章 カーネル多変量解析の仕組み
Yohei Sato
?
Tokyor39 yokkuns
Tokyor39 yokkuns
Yohei Sato
?
贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介
贰补蝉测贬迟尘濒搁别辫辞谤迟の绍介
Yohei Sato
?
20131206 japan r
20131206 japan r
Yohei Sato
?
Tokyor35 人工テ?ータの発生
Tokyor35 人工テ?ータの発生
Yohei Sato
?
ドリコムの分析环境とデータサイエンス活用事例
ドリコムの分析环境とデータサイエンス活用事例
Yohei Sato
?
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略
Yohei Sato
?
搁て?レホ?ートメール
搁て?レホ?ートメール
Yohei Sato
?
搁て?阶层ヘ?イス?モテ?ル
搁て?阶层ヘ?イス?モテ?ル
Yohei Sato
?
搁て?ヒ?ホ?ットテーフ?ル
搁て?ヒ?ホ?ットテーフ?ル
Yohei Sato
?
第3回Japan rハ?ネルテ?ィスカッション
第3回Japan rハ?ネルテ?ィスカッション
Yohei Sato
?
Tokyor26 data fusion
Tokyor26 data fusion
Yohei Sato
?
Tokyor24 yokkuns
Tokyor24 yokkuns
Yohei Sato
?
Tokyowebmining19 data fusion
Tokyowebmining19 data fusion
Yohei Sato
?
傾向スコア解析とUplift Modelling
傾向スコア解析とUplift Modelling
Yohei Sato
?
Complex network ws_percolation
Complex network ws_percolation
Yohei Sato
?
异常行动検出入门(改)
异常行动検出入门(改)
Yohei Sato
?
Tokyor22 selection bias
Tokyor22 selection bias
Yohei Sato
?
Tokyor42_r_datamining_18
1.
データを分析する時の 4つの視点 ?Rで学ぶデータマイニング1
第18章? 里洋平(@yokkuns) 第42回Tokyo.R 初心者セッション 2014.08.30
2.
AGENDA ? 自己紹介
? メディアにあふれるデータ ? 交通事故死亡データ ? まとめ
3.
AGENDA ? 自己紹介
? メディアにあふれるデータ ? 交通事故死亡データ ? まとめ
4.
自己紹介 里洋平(@yokkuns) ?
やってきたこと ? Webアプリ開発 ? 統計解析/データマイニング ? マーケティング ? 今やってること ? 全社横断の分析 ? 分析環境の整備
5.
活动例1:やってきたこと
6.
活動例2:TokyoR Tokyo.Rの主催やってます
7.
活动例3:执笔
8.
AGENDA ? 自己紹介
? メディアにあふれるデータ ? 交通事故死亡データ ? まとめ
9.
本日のテーマ:メディア等に溢れるデータ ■テキスト ?Rで学ぶデータマイニング〈1〉データ解析編
- http://amzn.to/1prDlLU 第1部基本知識篇(Rのインストール Rの起動 Rの終了 簡単な計算方法 R用エディタと本文の記載方法についてほか) 第2部グラフとデータマイニング(グラフとデータマイニング グラフの保存 メディア等に溢れるデータ 合計特殊出生率と少子化) ■Rコードと実行結果 ?TokyoR#42 テキスト - http://rpubs.com/yokkuns/27223
10.
テキストの内容は メディアにあふれているデ ータについていろいろ
言及するという内容
11.
そのままでは面白くないので 少しアレンジしてデータを分析 する時の視点を考えてみる構成
に変更しました
12.
なので、表現とか内容が テキストと異なるところが あります
13.
ってか、全然违います
14.
AGENDA ? 自己紹介
? メディアにあふれるデータ ? 交通事故死亡データ ? まとめ
15.
交通事故死亡者数 飲酒運転の罰金が最大30万となったことにより 交通事故死亡者数が減少!
道路交通法改正
16.
交通事故死亡者数(搁コード)
17.
グラフに対して
18.
交通事故死亡者数 飲酒運転の罰金が最大30万となったことにより 交通事故死亡者数が減少!
道路交通法改正
19.
交通事故死亡者数 飲酒運転の罰金が最大30万となったことにより 交通事故死亡者数が減少!
0じゃない 道路交通法改正
20.
交通事故死亡者数 飲酒運転の罰金が最大30万となったことにより 交通事故死亡者数が減少!
13年より前の傾向は?道路交通法改正 0じゃない
21.
交通事故死亡者数(0から始まる棒グラフ) 0から始めると??? 道路交通法改正
22.
交通事故死亡者数(0から始まる棒グラフ) 0から始めると??? 道路交通法改正
23.
交通事故死亡者数(棒グラフで長期間) 平成13年よりも前から見てみると 改正前から緩やかな減少トレンドになっている
道路交通法改正
24.
交通事故死亡者数(棒グラフで長期間) 平成13年よりも前から見てみると 改正前から緩やかな減少トレンドになっている
道路交通法改正
25.
【おまけ】交通事故死亡者数(折れ線グラフで長期間) 平成13年よりも前から見てみると 改正前から減少トレンドになっている
道路交通法改正
26.
【おまけ】交通事故死亡者数(折れ線グラフで長期間) 平成13年よりも前から見てみると 改正前から減少トレンドになっている
道路交通法改正
27.
【おまけ】交通事故死亡者数(棒グラフを横長にした図) 平成13年よりも前から見てみると 改正前から緩やかな減少トレンドになっている
道路交通法改正
28.
【おまけ】交通事故死亡者数(棒グラフを横長にした図) 平成13年よりも前から見てみると 改正前から緩やかな減少トレンドになっている
道路交通法改正
29.
结论に対して
30.
交通事故死亡者数 飲酒運転の罰金が最大30万となったことにより 交通事故死亡者数が減少!
道路交通法改正
31.
交通事故死亡者数 飲酒運転の罰金が最大30万となったことにより 交通事故死亡者数が減少!
道路交通法改正
32.
交通事故死亡者数の分解 なぜ飲酒運転の罰金増加で 交通事故死亡者が減るのか?
33.
交通事故死亡者数の分解 なぜ飲酒運転の罰金増加で 交通事故死亡者が減るのか?
交通事故死亡者 飲酒なしの 交通事故死亡者 + 飲酒ありの 交通事故死亡者
34.
交通事故死亡者数の分解 飲酒運転の罰金増加で減少するのは、 飲酒ありの交通事故による死亡者数
交通事故死亡者 飲酒運転の罰金では 減少しない 飲酒なしの 交通事故死亡者 + 飲酒運転の罰金で減少 することが期待出来る 飲酒ありの 交通事故死亡者
35.
改正によるインパクト 飲酒ありによる交通事故死亡者が 交通事故死亡者に占める割合はどれくらいか
交通事故死亡者交通事故死亡者 飲酒あり 飲酒 あり
36.
調べてみた http://www.npa.go.jp/koutsuu/kikaku190906/ 3_insyu/insyu.pdf
37.
飲酒有無別交通事故死亡者数推移 飲酒なしの交通事故死亡者数の方が 飲酒ありの交通事故死亡者数と比べて多い
交通事故死亡者数全体 飲酒なし(第1当事者) 飲酒あり(第1当事者)
38.
饮酒有无别交通事故死亡者数推移(搁コード)
39.
飲酒有無別交通事故死亡者数推移 飲酒ありの交通事故死亡者数は最大で1,500前後 交通事故死亡者数全体
飲酒なし(第1当事者) 飲酒あり(第1当事者) 1,500
40.
交通事故死亡者数 飲酒ありの交通事故死亡者数は最大で1,500前後(※) ?
減少すべてを改正によるものとするのは無理がある 道路交通法改正 約1,900 ※正確には第1当事者なのでもう少し増える
41.
飲酒有無別交通事故死亡者比率 「飲酒あり」が占める割合は、12?15%
42.
飲酒有無別交通事故死亡者比率 「飲酒あり」が占める割合は 改正によって減少している(15%→12%)
改正後に 15%→12%に減少
43.
饮酒有无别交通事故死亡者比率(搁コード)
44.
飲酒ありの交通事故死亡者数推移 飲酒ありだけの推移を見てみると 改正から顕著に減少している
道路交通法改正 改正効果?
45.
飲酒有無別交通事故死亡者数推移 改正とは無関係の飲酒なしの交通事故死亡者数も減少している ?
改正とは別の効果が混ざっている 交通事故死亡者数全体 飲酒なし(第1当事者) 飲酒あり(第1当事者)
46.
飲酒有無での比較 見たい効果以外の条件が同じもので比較する ?
飲酒ありと飲酒なしの差分が改正効果 飲酒あり飲酒なし 改正効果 時間効果- 時間効果= 改正効果 その他効果その他効果
47.
改正による交通事故死亡者数减少効果 飲酒なしの推移から改正なし想定を算出 ×β
48.
改正による交通事故死亡者数减少効果 改正なし想定のトレンドとの差分が 改正による減少効果
道路交通法改正
49.
改正による交通事故死亡者数减少効果
50.
AGENDA ? 自己紹介
? メディアにあふれるデータ ? 交通事故死亡データ ? まとめ
51.
視点1:分解 具体的に何に効くのかを分解して考える 交通事故死亡者
飲酒運転の罰金では 減少しない 飲酒なしの 交通事故死亡者 + 飲酒運転の罰金で減少 することが期待出来る 飲酒ありの 交通事故死亡者
52.
視点2:インパクト 全体に対するインパクトを確認する 交通事故死亡者交通事故死亡者
飲酒あり 飲酒 あり
53.
視点3:時系列トレンド 長期的なトレンドを確認する
54.
視点4:比較 見たい効果以外の条件が同じもので比較する 飲酒あり飲酒なし
改正効果 時間効果- 時間効果= 改正効果 その他効果その他効果
55.
AGENDA ? 自己紹介
? メディアにあふれるデータ ? 交通事故死亡データ ? まとめ
56.
Enjoy!
Download