正規分布は、ガウス積分が√π/aになることと、全確率=1なのと、標準化のこと考えたら比較的覚えやすいと思うけど

#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…

確率変数、正規分布、標準化、完全につかんだ。

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

ばやしメモ ・二項分布は、試行回数を十分大きくすれば、正規分布に近似的に従う ・「二項分布に従う確率変数Xがある範囲におさまる確率」を求めるには、Xを標準化する

てか統計って問題出すのキツくね 標準化させたら正規分布表みて確率だすけど正規分布表なんて出せんのかな もしかしてやんなくていい？？ それにワンパターンだから問題作るのに適してなくないか

疲れすぎて標準化した変数で検定しちゃったんだが、有意確率が1.000になって地味に感動した