最適水準の区間推定をする際に重要な『有効反復数』の本質を解説します！ 

合格おめでとうございます(^o^)

わかります！一番難しいところですよね。 私も2級の勉強をしていた時に、2元配置実験の最適水準の区間推定のところでチンプンカンプンになってました（>

実験計画法では、各要因成分は計算で打ち消すことができるように設計されていますが（例えば、この動画の例ではA1平均を計算すると要因B成分は消えるように）、誤差成分はどう頑張っても打ち消すことはできません。 そのため、各水準の推定量を計算する際には、その誤差成分のばらつきのみが必ず残ります。 推定量の計算に使うデータ数が多ければ、残る誤差成分の影響によるばらつきは小さくなります（n個とった平均の分散は、元の分布の母分散÷nになるため）。 有効反復数とは、推定量が実質何個のデータで計算されるのかを示しています。有効反復数が大きいことは、推定量が従う分布の分散（＝残る誤差成分の影響によるばらつき）が小さいことを示します。

@@DataScienceLab. ご丁寧な回答ありがとうございます。

交互作用を無視しない場合は、例えばA1B2条件の母平均の推定値は、A1かつB2のデータの平均で計算します。 よって、推定量が従う分布の母分散は『 誤差の平均平方 ÷(A1かつB2のデータの数)』となります。 有効反復数の式に当てはめて計算しても、ne=(A1かつB2のデータの数)となり、一致するはずです。 過去問は持っていないのですが、二元配置実験の場合は、交互作用を無視するか無視しないかで最適水準の母平均の推定量の計算方法が異なります。 もし答えが合わないのであれば、交互作用を無視するケースで出題されているのではないかな？と思います。 二元配置実験において、交互作用を無視するかしないかで、母平均の推定の計算が異なる理由がわかる！ ▼ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-h3pD-dDZYkk.html

@@DataScienceLab. 教えていただき、ありがとうございます(˶‾᷄ ⁻̫ ‾᷅˵)どうやら、おっしゃる通り交互作用を無視するケースだったようです。

グレーの部分を計算すると0になるということです。 ((xB1バー－xダブルバー)＋(xB2バー－xダブルバー)＋(xB3バー－xダブルバー)＋(xB1バー－xダブルバー)＋(xB2バー－xダブルバー)＋(xB3バー－xダブルバー))÷6＝0 ※『(xB1バー＋xB2バー＋xB3バー)/3＝xダブルバー』の両辺を3倍すると『xB1バー＋xB2バー＋xB3バー＝3(xダブルバー)』となり、右辺を左辺に移動すると『(xB1バー－xダブルバー)＋(xB2バー－xダブルバー)＋(xB3バー－xダブルバー)＝0』となります。

理解出来ました。ありがとうございます。@@DataScienceLab.