- すべて
- 画像・動画
並べ替え:新着順
今日は講座『統計・機械学習のための線形代数と微分積分PART2』の第2回でした!ベクトルの内積から始め、双線形性に注目することで、二つの確率変数の関係性を図形的にイメージできること、応用例として分散の公式や平均二乗誤差のバイアス・バリアンス分解を解説しました o(^ ^)o #すうがくぶんか pic.x.com/Xg9rAew65K
2つの確率変数の共分散は、偏差の積を同時確率で重みづけして計算します。なお、2つの確率変数X,Yが互いに独立なとき、共分散は0となり、E[XY]=E[X]E[Y]となります。 pic.x.com/iQt0KJjzo4
母分散既知、未知でz検定、t検定と別れる。中心極限定理覚えとく。 2標本のt検定は3種類。対応ある場合はデータの差を確率変数として計算。自由度n-1のt分布。 対応のない場合は母分散が等しいと仮定した場合Studentのt検定として解く。プールした分散使うし自由度はn+n-2。母分散等しくないならWelch
返信先:@shin_rot1高校で統計をやった記憶が無いので軽くググったら 確率変数、分散、二項分布、正規分布など自分も知らない言葉ばかり 昔の数Cの内容が今は数Bになったようですね つまり、まだ数Cだった世代の時に履修しなかった多くの人は基礎的な統計処理が出来ないのだと思います
t分布のように,他の確率変数を合成して作る確率変数について,独立性を利用して平均や分散を計算する方法を説明した。過去の統計検定1級にもでた手法である。 独立した合成変数を用いたt分布の平均・分散の導出 #統計検定 - jiku log stern-bow.hatenablog.com/entry/2024/10/… #統計検定1級 #数理統計学
返信先:@kakira9618他1人#統計 大数の弱法則は、 確率変数Yの分散が小さいならば Yの実現値はその期待値に近い値になり易いだろう という直観の正当化に過ぎません。その正当化の仕方の方が基本的なので、大数の弱法則を暗記して使わずに、基本を理解して基本の側を使うようにした方が直観的な議論をし易くなります。
学部統計、先週まではいこれが平均…はいこれが分散…とか平和にやってたのに、今週突然ハイ!確率変数!二項分布!ポワソン分布!と一気にスピードアップして来週中間試験なので、明日のTAセッションどうしようかなの気持ち
筑波大がYouTubeに無料公開している、学部教養レベルの確率論の講義。数式展開の解説、直感的説明がいずれもわかりやすい。 youtube.com/playlist?list=… ・確率変数と分布関数 ・期待値と積率 ・積率母関数 ・確率変数の変数変換 ・同時確率、周辺確率、条件付確率 ・共分散と相関係数… pic.x.com/axwV4bxHo3
二項分布に従う確率変数を各独立のベルヌーイ試行の和として定義して期待値、分散だす、方ではない直接の計算で出す方もスラスラできたのと、ポアソン分布の定義(二項分布から極限とる)、期待値分散の導出、再生性の証明なども。幾何分布のしっぽ確率、無記憶性も!
返信先:@Vi_Breeds_Vi「標準正規分布に従う確率変数の母分散σ²(のルート)を,その推定値である不偏分散(のルート)に置き換えて得られる確率変数は,t分布にに従う」 と同様です! pic.x.com/m63qkev9l4
2019 Q3(6) 一様分布に従う確率変数の最大値Yが上限値θの完備十分統計量であることを確認し、Yを用いたθの推定量と平均値を用いた推定量の分散を比較しました。 statistics.blue/2019-q36/ pic.x.com/esruphbi8r