回帰分析とは

回帰分析とは 関係のある2つの変数があるとき、一方の数値が与えられたときに他方の数値を予測する分析方法

相関係数 は単純に2つの変数の関連性を数値的に示すものだが、回帰分析では 2つの変数の関係性を方程式 で表すので予測値が簡単に計算できるメリットがある。

方程式
Y = Xa + b

Y は目的変数 と呼ばれ、いわゆる予測したい変数のこと。 いっぽう X は Y を説明する変数ということで説明変数 と呼ばれる。

回帰分析では a と b について知ることができる。

ナンバーズの予想に使うには

関係のありそうな変数を定義して回帰分析を行うことで、次回の抽せん数字を予想することができる。

回帰分析の例

まずは関係のありそうな2つの変数を定義(想定)してみる。

  • 予測したい変数(目的変数): 月曜日の抽せん数字 100の位
  • 関係のありそうな変数(説明変数): 金曜日の抽せん数字 100の位

「100の位の数字について、金曜日の抽せん数字と月曜日の抽せん数字に関係がある」と仮説を立てて、月曜日の抽せん数字について回帰分析を行う。

抽せん回号第3001回から第4185回の抽せん数字から、金曜日の抽せん数字と月曜日の抽せん数字を抽出して分析する。

pandas で回帰分析。

p100 = df.loc[3001:4185, ['dayofweek','place100']]
p100mon = p100[p100['dayofweek'] == '月'].reset_index()
p100fri = p100[p100['dayofweek'] == '金'].reset_index()
# ここから回帰分析
# y: 目的変数、x: 説明変数
model = pd.ols(y=p100mon.place100, x=p100fri.place100)
model.beta
# model.beta の内容
# x           -0.030112
# intercept    4.520649
# dtype: float64

model.beta の内容で x は a に対応し、 intercept は b に対応する。

  • a = -0.030112
  • b = 4.520649
Y = Xa + b
[月曜日の数字] = [金曜日の数字] x a + b

金曜日の数字が「8」だとしたら:

Y = 8 * -0.030112 + 4.520649
Y = 4.2797529999999995

月曜日の予想数字は「4」となる。


最終更新日: 2016年08月20日(土)


Back to top