確率・統計Ⅰ 第3回 確率変数の独立性 / 確率変数の平均 ここです! 確率論とは 確率変数、確率分布 確率変数の独立性 / 確率変数の平均

Slides:



Advertisements
Similar presentations
5 章 標本と統計量の分布 湯浅 直弘. 5-1 母集団と標本 ■ 母集合 今までは確率的なこと これからは,確率や割合がわかっていないとき に, 推定することが目標. 個体:実験や観測を行う 1 つの対象 母集団:個体全部の集合  ・有限な場合:有限母集合 → 1つの箱に入っているねじ.  ・無限な場合:無限母集合.
Advertisements

Lesson 9. 頻度と分布 §D. 正規分布. 正規分布 Normal Distribution 最もよく使われる連続確率分布 釣り鐘形の曲線 -∽から+ ∽までの値を取る 平均 mean =中央値 median =最頻値 mode 曲線より下の面積は1に等しい.
土木計画学 第3回:10月19日 調査データの統計処理と分析2 担当:榊原 弘之. 標本調査において,母集団の平均や分散などを直接知ることは できない. 母集団の平均値(母平均) 母集団の分散(母分散) 母集団中のある値の比率(母比率) p Sample 標本平均 標本分散(不偏分散) 標本中の比率.
統計学 第3回 西山. 第2回のまとめ 確率分布=決まっている分布の 形 期待値とは平均計算 平均=合計 ÷ 個数から卒業! 平均=割合 × 値の合計 同じ平均値でも 同じ分散や標準偏差でも.
放射線の計算や測定における統計誤 差 「平均の誤差」とその応用( 1H) 2 項分布、ポアソン分布、ガウス分布 ( 1H ) 最小二乗法( 1H )
●母集団と標本 母集団 標本 母数 母平均、母分散 無作為抽出 標本データの分析(記述統計学) 母集団における状態の推測(推測統計学)
数理統計学  第9回 西山.
数理統計学(第ニ回) 期待値と分散 浜田知久馬 数理統計学第2回.
第1回 確率変数、確率分布 確率・統計Ⅰ ここです! 確率変数と確率分布 確率変数の同時分布、独立性 確率変数の平均 確率変数の分散
看護学部 中澤 港 統計学第5回 看護学部 中澤 港
経済統計学 第2回 4/24 Business Statistics
数理統計学(第四回) 分散の性質と重要な法則
確率と統計 平成23年12月8日 (徐々に統計へ戻ります).
統計解析 第7回 第6章 離散確率分布.
確率・統計Ⅰ 第12回 統計学の基礎1 ここです! 確率論とは 確率変数、確率分布 確率変数の独立性 / 確率変数の平均
確率・統計Ⅰ 第11回 i.i.d.の和と大数の法則 ここです! 確率論とは 確率変数、確率分布 確率変数の独立性 / 確率変数の平均
統計学  第7回 西 山.
統計解析 第8回 第7章 2項分布.
統計学 11/13(月) 担当:鈴木智也.
統計解析 第9回 第9章 正規分布、第11章 理論分布.
寺尾 敦 青山学院大学社会情報学部 atsushi [at] si.aoyama.ac.jp
寺尾 敦 青山学院大学社会情報学部 atsushi [at] si.aoyama.ac.jp
大数の法則 平均 m の母集団から n 個のデータ xi をサンプリングする n 個のデータの平均 <x>
11.確率モデル 確率・・・不確実性の経済学や金融やファイナンス で重要 密度関数がある場合に期待値を取る計算を中心に、紹介.
放射線の計算や測定における統計誤差 「平均の誤差」とその応用(1H) 2項分布、ポアソン分布、ガウス分布(1H) 最小二乗法(1H)
確率・統計Ⅱ 第7回.
第2章補足Ⅱ 2項分布と正規分布についての補足
統計解析 第8回 第7章 2項分布.
統計学 11/19(月) 担当:鈴木智也.
第7回 二項分布(続き)、幾何分布 確率・統計Ⅰ ここです! 確率変数と確率分布 確率変数の同時分布、独立性 確率変数の平均 確率変数の分散
ホーエル『初等統計学』 第8章4節~6節 仮説の検定(2)
「データ学習アルゴリズム」 第2章 学習と統計的推測 報告者 佐々木 稔 2003年5月21日 2.1 データと学習
第2章 確率と確率分布 統計学 2006年度.
確率・統計輪講資料 6-5 適合度と独立性の検定 6-6 最小2乗法と相関係数の推定・検定 M1 西澤.
応用統計学の内容 推測統計学(inferential statistics)   連続型の確率分布   標本分布   統計推定   統計的検定.
統計解析 第10回 12章 標本抽出、13章 標本分布.
統計学 11/08(木) 鈴木智也.
統計数理 石川顕一 10/17 組み合わせと確率 10/24 確率変数と確率分布 10/31 代表的な確率分布
正規性の検定 ● χ2分布を用いる適合度検定 ●コルモゴロフ‐スミノルフ検定
対応のあるデータの時のt検定 重さの測定値(g) 例:
最尤推定によるロジスティック回帰 対数尤度関数の最大化.
第11回 中心極限定理 と 大数の法則 確率・統計Ⅰ ここです! 確率変数と確率分布 確率変数の同時分布、独立性 確率変数の平均
母集団と標本:基本概念 母集団パラメーターと標本統計量 標本比率の標本分布
相関分析.
第3回 確率変数の平均 確率・統計Ⅰ ここです! 確率変数と確率分布 確率変数の同時分布、独立性 確率変数の平均 確率変数の分散
1.標本平均の特性値 2.母分散既知の標本平均の分布 3.大数法則と中心極限定理
Mathematical Learning Theory
教師なしデータ 学習データ  X1, X2, …, Xn   真の情報源 テストデータ  X  .
応用統計学の内容 推測統計学(inferential statistics)   連続型の確率分布   標本分布   統計推定   統計的検定.
正規分布確率密度関数.
確率論の基礎 「ロジスティクス工学」 第3章 鞭効果 第4章 確率的在庫モデル 補助資料
7.4 Two General Settings D3 杉原堅也.
Basic Tools B4  八田 直樹.
第2日目第1時限の学習目標 順列、組み合わせ、確率の入門的知識を学ぶ。 (1)順列とは? (2)組み合わせとは? (3)確率とは?
1.標本平均の特性値 2.母分散既知の標本平均の分布 3.大数法則と中心極限定理
標本分散の標本分布 標本分散の統計量   の定義    の性質 分布表の使い方    分布の信頼区間 
超幾何分布とポアソン分布 超幾何分布 ポアソン分布.
東北大学 大学院情報科学研究科 応用情報科学専攻 田中 和之(Kazuyuki Tanaka)
市場調査の手順 問題の設定 調査方法の決定 データ収集方法の決定 データ収集の実行 データ分析と解釈 報告書の作成 標本デザイン、データ収集
早稲田大学大学院商学研究科 2014年12月10日 大塚忠義
「データ学習アルゴリズム」 第3章 複雑な学習モデル 報告者 佐々木 稔 2003年6月25日 3.1 関数近似モデル
「アルゴリズムとプログラム」 結果を統計的に正しく判断 三学期 第7回 袖高の生徒ってどうよ調査(3)
経営学研究科 M1年 学籍番号 speedster
最尤推定・最尤法 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
第5回 確率変数の共分散 確率・統計Ⅰ ここです! 確率変数と確率分布 確率変数の同時分布、独立性 確率変数の平均 確率変数の分散
確率と統計2007(最終回) 平成20年1月17日(木) 東京工科大学 亀田弘之.
1.基本概念 2.母集団比率の区間推定 3.小標本の区間推定 4.標本の大きさの決定
第8回 ポアソン分布 確率・統計Ⅰ ここです! 確率変数と確率分布 確率変数の同時分布、独立性 確率変数の平均 確率変数の分散
第3章 統計的推定 (その2) 統計学 2006年度 <修正・補足版>.
第6回 ベルヌイ試行、二項分布 確率・統計Ⅰ ここです! 確率変数と確率分布 確率変数の同時分布、独立性 確率変数の平均 確率変数の分散
Presentation transcript:

確率・統計Ⅰ 第3回 確率変数の独立性 / 確率変数の平均 ここです! 確率論とは 確率変数、確率分布 確率変数の独立性 / 確率変数の平均 確率変数の平均(続き)、確率変数の分散 確率変数の共分散、チェビシェフの不等式 ベルヌイ試行と二項分布 二項分布(続き)、幾何分布など 二項分布の近似、ポアソン分布、正規分布 正規分布とその性質 i.i.d.の和と大数の法則 中心極限定理 統計学の基礎1(母集団と標本、確率論との関係) 統計学の基礎2(正規分布を用いた推定・検定) ここです!

確率変数の独立性 / 確率変数の平均 2つの確率変数の同時分布 確率変数の独立性 確率変数の平均の定義 確率変数の平均の性質(1)(2)(3)

2つの確率変数の同時分布(離散型) P( X = xi , Y = yk ) = rik 同時分布 X Y ΣΣ r ik = 1

2つの確率変数の同時分布(離散型) P( X = xi ) = ai (Xだけの分布) P( Y = yi ) = bi (Yだけの分布) 周辺分布 P( Y = yi ) = bi (Yだけの分布) X Y Σ[i] r ik = a i , Σ[k] r ik = b k 1

連続確率変数の場合 同時分布密度 r(x, y) X の分布密度 f (x) (周辺分布) Y の分布密度 g (y) (周辺分布)

確率変数の独立性 / 確率変数の平均 2つの確率変数の同時分布 確率変数の独立性 確率変数の平均の定義 確率変数の平均の性質(1)(2)(3)

2つの確率変数の独立(離散型) 確率変数 X, Y が独立 とは P( X = xi , Y = yk ) = P( X = xi ) P( Y = yk ) rik = ai・ bk

2つの確率変数の独立(離散型) X と Y が独立 の場合の分布表 X Y たとえば、「表が出る確率が p の硬貨を2回投げたとき、表表の確率はp2」などとやっていたのは、このことを無意識に使っていたというか、この定義で「独立」になるようにモデルを作っていたのである。

(n個の確率変数の独立) 確率変数 X1, X2, …, Xn が独立 とは P( Xi = xi , Xj = xj , …, Xk = xk ) = P( Xi = xi ) P( Xj = xj ) … P( Xk = xk ) が 任意の m 個 (≦n) に対して成り立つこと

連続確率変数の場合 XとYが独立 ⇔同時分布密度 r(x, y) = f (x) g(y) (周辺分布)

× 独立試行と数学定義 数学 定理・結論 確率空間 P(A∩B)=P(A)P(B) 偶然現象 (硬貨投げなど) A(1回目が表)と 本質の抽出 偶然現象 (硬貨投げなど) A(1回目が表)と B(2回目が表)は無関係 (直観的事実) 表の出る確率は1/2 直観 × (偶然の中の法則性) 実験と比較 × 数学 定理・結論 確率空間 P(A∩B)=P(A)P(B) 証明 (数学モデル) (数学モデルにおける 「独立」の定義) (数学的結論)

確率変数の独立性 / 確率変数の平均 2つの確率変数の同時分布 確率変数の独立性 確率変数の平均の定義 確率変数の平均の性質(1)(2)(3)

離散型確率変数の平均 X の確率分布を P( X = xi ) = pi としよう。 X の平均 E(X) = 期待値の略 確率変数の「平均」は、重みつき平均の一種である。(高校まででは「期待値」と呼ぶ。) 「期待値」などというと期待に胸を躍らせているようだが、くじの販売業者(胴元)の立場から見れば、(くじを一本幾らで売るべきかという)単なる損益分岐点にすぎない。その意味でも、「平均」の呼び名にふさわしい。 期待値の略

離散型確率変数の平均 連続型確率変数の平均 X の平均 E(X) = E(X) = 確率密度 「平均」とは「期待値」のことで、「取る値×その確率」をすべての可能性について足し合わせたものである。 そしてΣを∫に、P( X=k ) を P( X∈dx ) に対応させて見れば、連続の場合も離散の場合と考え方は同じであることがわかるだろう。 E(X) = 確率密度

確率変数の独立性 / 確率変数の平均 2つの確率変数の同時分布 確率変数の独立性 確率変数の平均の定義 確率変数の平均の性質(1)(2)(3)

平均の性質(1) 特に、 X の一次式で与えられる確率変数の平均については、次の式が成り立つ: 証明してみよ。(離散でも連続でもほとんど同じ)

平均の性質(1)の証明 X の確率分布を P( X = xi ) = pi としよう。 E(aX+b) = Σ(axi+b) pi 連続型の場合も同様にして証明してみよ。(課題1) = aΣxi pi + bΣpi = aE(X) + b

平均の性質(1) 例: サイコロを1回投げ、(出た目の数×2)-3 を Y とする。 Y の平均 E(Y) を求めよ。 Y -1 1 3 5 7 9 確率 1/6 を使わなくても、出た目X の平均 E(X)=3.5 を用いて

平均の性質(2) 2つの確率変数 X と Y の和 X+Y の平均について、次の式が成り立つ: これは、性質(1)よりずっと難しい話である。Xの確率密度をf(x), Yの確率密度をg(x)とするとき、X+Yの確率密度は f(x)+g(x)ではない(積分しても1にならず2になってしまうことからもわかるだろう)。2つの異なる確率変数を同時に考えるためには、2変数関数を扱う必要があり、平均などの計算も二重積分を用いなければならない。

平均の性質(2) したがって、n個の確率変数 X1,…Xn の和 の平均については、

平均の性質(2) 例: サイコロを10回投げ、出た目の数の和 を Y とする。Y の平均 E(Y) を求めよ。 i 回目に出る目の値を Xi とすると、 E( Xi )=3.5 だから、

平均の性質(2)の証明 2つの確率変数を同時に考える場合でも、 E(X) は X の分布 ai からΣxi ai のように 計算してよい。 Y E(X) = ΣΣxi rik = Σxi Σrik = Σxi ai a1x1 a2x2

平均の性質(2)の証明 E(X+Y) = ΣΣ(xi+yk) rik = ΣΣxi rik + ΣΣyk rik 連続型の場合も同様にして証明してみよ。(課題2) = Σxi ai +Σyk bk = E(X) + E(Y)

平均の性質(3) E(XY) = E(X) E(Y) E(XY) = ΣΣ(xi yk) rik = ΣΣ xi yk ai bk 証明 E(XY) = ΣΣ(xi yk) rik 連続型の場合も同様にして証明してみよ。(課題3) = ΣΣ xi yk ai bk = Σxi ai Σyk bk = E(X) E(Y)

メニューに戻る メニューへ