幹葉表示

この記事は検証可能な参考文献や出典が全く示されていないか、不十分です。出典を追加して記事の信頼性向上にご協力ください。（このテンプレートの使い方） 出典検索?: "幹葉表示" – ニュース · 書籍 · スカラー · CiNii · J-STAGE · NDL · dlib.jp · ジャパンサーチ · TWL（2023年8月）

この項目「幹葉表示」は途中まで翻訳されたものです。（原文：en:Stem-and-leaf display） 翻訳作業に協力して下さる方を求めています。ノートページや履歴、翻訳のガイドラインも参照してください。要約欄への翻訳情報の記入をお忘れなく。（2014年1月）

幹葉表示（みきはひょうじ、かんようひょうじ、英: stem-and-leaf display）は確率分布を可視化するヒストグラムに似た、定量データのインフォグラフィックの一種である。 ヒストグラムとは異なり、最低2桁の数値が昇順に並び、順序ベース推論とノンパラメトリック手法を使用している。 基本的には2列が縦線で区切られ、左列に幹が、右列に葉が記載される。

方法[編集]

観測データを昇順に並べ替えた、以下の数値があるとする。

44 46 47 49 63 64 66 68 68 72 72 75 76 81 84 88 106 

次に、幹葉が示すものを決める。 一般的に、葉には最小の1桁が、幹には他の桁数が含まれる。 桁数が多い場合は、四捨五入した最小桁数（例えば、百の位）を葉に、 残りの桁数が幹に使用される。 この例では、葉は一の位を表し、幹は（十の位以上）の残りを表す。

縦線で隔てた2列で描画され、幹は左側に葉は右側に一覧表示される。 幹の右側に葉が無い、または同じ値が複数（この例では72）ある場合は、省略することなく記載すべきである。

 4 | 4 6 7 9  5 |  6 | 3 4 6 8 8  7 | 2 2 5 6  8 | 1 4 8  9 |  10 | 6 key: 6|3=63 leaf unit: 1.0 stem unit: 10.0 

次の例では四捨五入及び負数を使用するが、負数は正数の前に並び、少数は丸められる。

-23.678758, -12.45, -3.4, 4.43, 5.5, 5.678, 16.87, 24.7, 56.8  -2 | 4 -1 | 2 -0 | 3  0 | 4 6 6   1 | 7  2 | 5  3 |   4 |   5 | 7 key: -2|4=-24 

使用法[編集]

閲覧者に分布数の概要を示し、データの相対密度と形状を表示する場合に有用である。 外れ値の強調や最頻値の検索に役立つ他、多くの場合に完璧な整合性と生の数値データ（の大半）を保持する。 しかし、適度な桁数（15〜150前後のデータ点）の場合のみ有効であり、 非常に小さなデータを決定的な分布特性の確立に使用した際には、殆ど役に立たないのでドットプロットの使用が望ましい。 逆に大数の、表示結果は非常に雑然としたものになり、箱ひげ図又はヒストグラムは、データが大きいほど適している。

表 話 編 歴 統計学
標本調査	標本 母集団 無作為抽出 層化抽出法
要約統計量	連続確率分布 位置 平均 算術 幾何 調和 中央値 分位数 順序統計量 最頻値 階級値 分散 範囲 偏差 偏差値 標準偏差 標準誤差 変動係数 決定係数 相関係数 自己相関 共分散 自己共分散 分散共分散行列 百分率 統計的ばらつき モーメント 分散 歪度 尖度 カテゴリデータ 頻度 分割表
推計統計学	仮説検定 パラメトリック t検定 ウェルチのt検定 F検定 Z検定 二項検定 ジャック-ベラ検定 シャピロ–ウィルク検定 分散分析 共分散分析 ノンパラメトリック ウィルコクソンの符号順位検定 マン・ホイットニーのU検定 カイ二乗検定 イェイツのカイ二乗検定 累積カイ二乗検定 フィッシャーの正確確率検定 尤度比検定 G検定 アンダーソン–ダーリング検定 コルモゴロフ–スミルノフ検定 カイパー検定 マンテル検定 コクラン・マンテル・ヘンツェルの統計量 その他 帰無仮説 対立仮説 有意 棄却 区間推定 信頼区間 予測区間 モデル選択基準 AIC BIC WAIC MDL その他 偏り 偏りと分散 過剰適合 推定量 点推定 最尤推定 尤度関数 尤度方程式 最小距離推定 メタアナリシス ブートストラップ法
ベイズ統計学	確率 主観確率 ベイズ確率 事前確率 事後確率 最大事後確率 その他 ベイズ推定 ベイズ因子
相関	交絡 ピアソンの積率相関係数 順位相関（スピアマンの順位相関係数 ・ケンドールの順位相関係数 ）
モデル	一般線形モデル 一般化線形モデル 混合モデル 一般化線形混合モデル
回帰	線形 リッジ回帰 ラッソ回帰 エラスティックネット 非線形 k近傍法 決定木 ランダムフォレスト ニューラルネットワーク サポートベクターマシン 射影追跡回帰 時系列 自己回帰モデル 自己回帰移動平均モデル ARCHモデル 対移動平均比率法 トレンド定常 傾向推定 共和分 構造変化
分類	線形 線形判別分析 ロジスティック回帰 <! -- 名前に回帰とついていますが確率を回帰する分類手法です --> 単純ベイズ分類器 単純パーセプトロン 線形サポートベクターマシン 二次 二次判別分析 非線形 k近傍法 決定木 ランダムフォレスト ニューラルネットワーク サポートベクターマシン ベイジアンネットワーク 隠れマルコフモデル その他 二項分類 多クラス分類 第一種過誤と第二種過誤
教師なし学習	クラスタリング k平均法 （k-means++法 ） DBSCAN 密度推定（英語版） カーネル密度推定 （ カーネル ） その他 主成分分析 独立成分分析 自己組織化写像
統計図表	棒グラフ バイプロット（英語版） 箱ひげ図 管理図 フォレストプロット ヒストグラム 円グラフ Q-Qプロット ランチャート 散布図 幹葉表示 バイオリン図 ドットプロット ヒートマップ 階級区分図
生存分析	生存関数 カプラン＝マイヤー推定量 ログランク検定 故障率 比例ハザードモデル
歴史	統計学の創始者 確率論と統計学の歩み
応用	社会統計学 疫学 生物統計学 系統学 統計力学 計量経済学 機械学習 実験計画法
出版物	統計学に関する学術誌一覧 重要な出版物
全般	統計 頻度主義統計学 統計学および機械学習の評価指標
その他	方向統計学 S言語 R言語 統計検定 社会調査士 JDLA Deep Learning For GENERAL JDLA Deep Learning for ENGINEER 実用数学技能検定 品質管理検定
カテゴリ

この項目は、数学に関連した書きかけの項目です。この項目を加筆・訂正などしてくださる協力者を求めています（プロジェクト:数学／Portal:数学）。

• 表示
• 編集