- すべて
- 画像・動画
並べ替え:新着順
社会統計学入門 第04回勉強中 標準化した値と統計数値表でどうして確率が求まるのかを、置換積分を使って説明してくれる身近な統計はとてもありがたい 身近な統計と社会統計学入門は併用することで理解がさらに深まる気がする
#統計 数学的には確率変数列について異なる収束の概念を多数定義できますが、統計学入門の段階で重要なのは、 確率変数Zₙが従う__分布__がn→∞でどのように振る舞うか です。例えば、大数の法則は分布が1点に集中して行くことで、中心極限定理は分布の標準化が標準正規分布に近付くことです。 x.com/genkuroki/stat…
#統計 指数分布のサイズn=1000の標本を10万個生成してその標本平均の分布のヒストグラムを描いてみた。 上段のグラフは大数の法則のデモになっている。 大数の法則の誤差の分布の様子を見るために横に√n倍拡大すると下段のグラフになり、中心極限定理のデモが得られる。 #Julia言語 pic.twitter.com/g1HWoVs0iP
返信先:@Canbe_BBLXがN(μ,σ)に従う = 確率変数Xの期待値がμ → E[X] = μ E[Z]は変数変換したあとの確率変数Zの期待値 V[X]は確率変数Xの分散 (平均と期待値はほぼ同義的に用いられるが、分布には平均、確率変数には期待値が用いられやすい) なので、標準化云々の話もそう
返信先:@Canbe_BBLZの意味は標準化であり、標準正規分布N(0,1)の方が都合良いから変換している 厳密にはz = (x - μ)/σで変数変換したものが標準正規分布に従う確率密度関数であることを示すのが良いが… 期待値の線形性というのは E[aX+b]=aE[X]+bのように定数や定数係数は外に出せる性質のこと
ロジスティック関数や指数関数を経由させる2値分類やポアソン回帰で・・・ 説明変数を標準化させて線形予測子の回帰係数を求めると解釈が難しい・・・というか、説明し難いので・・・ 標準化偏回帰係数 → 偏回帰係数化 → 確率化 → 可視化 を、Berunoulli、Poisson、Binomialに追加しました😎✌️ pic.twitter.com/gW4O73Kilc