Probabilistic Method 2007/11/02 岩間研究室M1 市場孝之.

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

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 )
Probabilistic Method 7.7
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
3.2.3~3.3 D3 川原 純.
数理統計学(第四回) 分散の性質と重要な法則
第6章 数え上げ理論と確率 B4 酒井 隆行.
確率と統計 平成23年12月8日 (徐々に統計へ戻ります).
電子情報工学科5年(前期) 7回目(21/5/2015) 担当:古山彰一
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
Generating Functions (前半) B4 堺谷光.
Extremal Combinatorics 14.1 ~ 14.2
Probabilistic Method.
Extremal Combinatrics Chapter 4
Approximation of k-Set Cover by Semi-Local Optimization
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)
第2章補足Ⅱ 2項分布と正規分布についての補足
 Combinations(2)        古川 勇輔.
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
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.
Probabilistic Method 6-3,4
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
Probabilistic method 輪講 第7回
5.5 The Linear Arboricity of Graphs (グラフの線形樹化数)
計算量理論輪講 岩間研究室 照山順一.
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
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
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.
情報理工学系研究科 数理情報学専攻 数理第四研究室 博士三年 指導教員: 駒木 文保 准教授 鈴木 大慈 2008年8月14日
独立成分分析 5 アルゴリズムの安定性と効率 2007/10/24   名雪 勲.
第5章 特徴の評価とベイズ誤り確率 5.5 ベイズ誤り確率の推定法 [1] 誤識別率の偏りと分散 [2] ベイズ誤り確率の上限および下限
Basic Tools B4  八田 直樹.
大規模なこと Large scale.
計算量理論 1. マトロイドと貪欲アルゴリズム 1. Matroids and the Greedy Algorithm
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)
Extractor D3 川原 純.
25. Randomized Algorithms
計測工学 -誤差、演習問題 計測工学(第6回) 2009年5月26日 Ⅱ限目.
Selfish Routing and the Price of Anarchy 4.3
計算量理論輪講 chap5-3 M1 高井唯史.
A First Course in Combinatorial Optimization Chapter
Additive Combinatrics 7
7 Calculating in Two Ways: Fubini’s Principle
First Course in Combinatorial Optimization
5 Recursions 朴大地.
14. The Basic Method M1 太田圭亮 14.3 Spaces of polynomials
生物情報ソフトウェア特論 (2)たたみ込みとハッシュに 基づくマッチング
形式言語とオートマトン 中間試験解答例 2016年11月15実施 中島毅.
論理回路 第4回
経営学研究科 M1年 学籍番号 speedster
Selfish Routing 4章前半 岡本 和也.
5.3, 5.4 D2 岡本 和也.
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
Max Cut and the Smallest Eigenvalue 論文紹介
物理フラクチュオマティクス論 応用確率過程論 (2006年4月11日)
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.
7.8 Kim-Vu Polynomial Concentration
Additive Combinatorics輪講 6章
4.プッシュダウンオートマトンと 文脈自由文法の等価性
Chapter5 Systems of Distinct Representatives
「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8月1日 3.2 競合学習
Jan 2015 Speaker: Kazuhiro Inaba
第3章 統計的推定 (その2) 統計学 2006年度 <修正・補足版>.
Speaker: Kazuhiro Inaba Paper Introduction from WSDM 2015
情報生命科学特別講義III (3)たたみ込みとハッシュに 基づくマッチング
Time Reversal E-Text: pp.80-83(PDF: pp.49-50) FM08002 太神 諭
Presentation transcript:

Probabilistic Method 2007/11/02 岩間研究室M1 市場孝之

「おおよそ独立な」事象の生起回数をXとすると、 8.3 BRUN's SIEVE 本節の内容 Brun’s Sieve の証明 Brun’s Sieve, Janson Inequality両方を用いた証明 ポアソンパラダイムの1つのアプローチ 「おおよそ独立な」事象の生起回数をXとすると、 Xはポアソン分布で近似できる。 μ=E[X]とすれば

Brun’s SieveとJanson Inequality 「おおよそ独立」の定義が異なる Janson Inequality Δ: 独立でないBi, Bjのペアの内、    同時生起する数の期待値 ε: Biの生起確率の上界 Brun’s Sieve   同時生起するk-tupleの数が,独立な場合の数と近似的に等しい

Definition B1, …, Bm 事象 X1, …, Xm 指示関数 X=∑Xi Biの生起数 n hidden parameter m, Xi, Xがnによって定まるとする ( m=m(n), Xi=Xi(n), X=Xi(n) ) 以下で考えるのはmではなくnについての極限

Theorem 8.3.1 (Brun's Sieve)

Inclusion-Exclusion Principle とおくと (s : odd) Bonferroni Inequialies (s : even) B A∧B B∧C A∧B∧C A C A∧C

Simplify the probability を示す.

proof of theorem 8.3.1 任意にε>0を決め,次式を満たす s を選ぶ. また,ε,s,0≦r≦2sに対し次式を満たすn0を選ぶ.

proof of theorem 8.3.1 したがってn≧n0において、 同様に 2s+1までの和を考えれば、 (証了)

Application Janson InequalityとBrun’s Sieve両方を使った証明 に対し であれば, に対し Brun’s Sieve であれば,

Random graph G~G(n,p) : 頂点数 n 任意の2頂点間に枝がある確率 p であるグラフ

Theorem 8.3.2 c >0 について p, μを次式を満たすよう定める このとき

Outline of proof 1-1. を証明. 1-2. を証明. 2. を証明. Bxyz : xyzが三角形であるという事象 Cx : xを含む三角形がないという事象 1-1. を証明. 1-2. を証明. 2. を証明. 1-2, 2よりBrun's Sieveの前提が満たされるので、 Yx : xを含む三角形の個数 X : 三角形に含まれない点の個数 (Janson 不等式より) (Janson 不等式より)

1-1. の証明 x∈V(G)を固定 Janson不等式を利用 Pr[Bxyz]=p3, よってε=o(1) であるとき, に対し より,

1-1. の証明 z=v y Bxyz~Bxuv であれば、x以外の1点でも重複 (Yx : xを含む三角形の個数) したがって u x

1-2. の証明 1-1.より

2. の証明 r を固定 (2行目の{x1, ..., xr}⊂V(G)は適当な頂点) (右辺は1≦i≦r, ∀y,zについての積) 2. の証明 r を固定 (2行目の{x1, ..., xr}⊂V(G)は適当な頂点) (右辺は1≦i≦r, ∀y,zについての積) ここで についてJanson不等式を利用

2. の証明 Janson不等式 Y : の生起数(1≦i≦r, ∀y,z) 1-1.と同様に , したがって であるとき, に対し

2. の証明 Bxiyz~Bxjy’z’ であれば、2つの点が重複 i=jの場合 i≠jの場合 ペアの数を数える(点の取り方×重ね方) 2. の証明 Bxiyz~Bxjy’z’ であれば、2つの点が重複 ペアの数を数える(点の取り方×重ね方) i=jの場合 i≠jの場合 したがって z=v y u xi=xj

2. の証明 Bxiyzの数は したがって xixjz : 重複して数えている (証了)