300 likes | 384 Vues
くゐず 漆之捌. 行動計量学 学部參回生 かねきよみちを. くゐず 漆之捌. 浮び上る疑問. 二項分布って何? 確率関数って何? 尤度とか最尤推定量って何? 同時確率関数って何?. ?. 二項分布とは. こんなんです。ね。. 二項分布の前に. ある事柄が起こる( S )確率が p ある事柄が起こらない( F )確率が 1-p = q 1回の実験で S か F のどちらかが起こる 何度繰り返しても確率が不変 実験同士は互いに独立 ベルヌーイ試行という. 続・二項分布とは. ベルヌーイ試行を n 回繰り返し、 i 番目の試行において確率変数
E N D
くゐず 漆之捌 行動計量学 学部參回生 かねきよみちを
くゐず 漆之捌 演習1の7の8
浮び上る疑問 • 二項分布って何? • 確率関数って何? • 尤度とか最尤推定量って何? • 同時確率関数って何? ? 演習1の7の8
二項分布とは こんなんです。ね。 演習1の7の8
二項分布の前に • ある事柄が起こる(S)確率がp • ある事柄が起こらない(F)確率が 1-p = q • 1回の実験でSかFのどちらかが起こる • 何度繰り返しても確率が不変 • 実験同士は互いに独立 • ベルヌーイ試行という 演習1の7の8
続・二項分布とは • ベルヌーイ試行をn回繰り返し、i番目の試行において確率変数 を定義すると、其の和 はn回のベルヌーイ試行における成功回数を表す • このときXが従う確率分布は • これが二項分布である 演習1の7の8
結・二項分布とは • 簡単に言えば • 成功する確率がpである試行をn回繰り返したときk回成功する確率の分布 • 「k回」のところが確率変数Xとなり、取りうる値をxと考える 演習1の7の8
確率関数とは ←という関係で表現されるXのことを確率変数と定義する。 • 確率分布 をxの関数と考えるときには確率関数と表現する 演習1の7の8
続・確率関数とは • 二項分布の確率関数は、とりもなおさず、 • 嘘のような本当の話 • 確率関数って分布を表す関数のことやってんやなあ、と感じたわけで・・・(確率密度関数でも同じ) 演習1の7の8
例・確率関数とは • n=3,p=1/6の二項分布の確率分布は • を と考えれば確率関数の出来上がり 注)これはサイコロを3回振ってx回だけ1の目が出る確率を表している 演習1の7の8
転・確率密度関数 • を満たす適当な関数 があって、 となるとき • をXの確率密度関数という • probability density function:pdf • 単に密度関数ともいう 演習1の7の8
例・確率密度関数 • 正規分布の確率密度関数 • これをグラフにすると ね。 演習1の7の8
確率関数・確率密度関数 • 確率関数および密度関数を とする • は x の出現し易さの程度を表現 • 一方、分布には母数θがある • 母平均μとか生起確率 p とか • とおくとこの関数はパラメータθに対してデータ x の出現し易さの程度を表現 演習1の7の8
続 • あ をなんとか分布 からの無作為標本とする • の密度関数を とおく • パラメータθに対してデータ の出現し易さの程度を表現 演習1の7の8
転・しかし、現実は • が手元にあり、θが未知 • θ:前提→ → →データ というよりは • 手元にあるデータ( )を最も出易くさせるθを最も尤もらしいと考える • を固定し(定数と考え)、θを動かして考えよう • そのような考えにのっとった推定方法、それが最尤法である 演習1の7の8
最尤法 • ああああああああああああああああああ を最大にする を推定量として採用する方法 • maximum likelihood method • あ を の関数と見たとき尤度関数(likelihood function)と呼び、最大にする を の最尤推定量(maximm likelihood estimator)という 演習1の7の8
尤度と尤度関数の違い • 気にするな • ある値を代入した時の尤度関数の値が尤度 • ある値をθとしたならば尤度=尤度関数 • じゃあ、尤度≒尤度関数?? 尤度=尤度関数として気にせず進めることにします 演習1の7の8
続・最尤法 • を最大にする を求める • となる がそれ • 大抵、計算上楽にするため にして解く • よって の解 が 最尤推定量 となる 演習1の7の8
無作為標本版最尤法 • が無作為標本である場合 • 尤度関数は • よって対数尤度関数の微分方程式は となる 演習1の7の8
ちなみに • 最尤推定量は不偏推定量ではありません 注意 演習1の7の8
同時確率関数とは • X、Y 離散型確率変数とする • 2重数列 • あ • となるとき • あ を の同時確率関数という • joint probability function 演習1の7の8
周辺確率関数とは • さ がそれぞれXとYの周辺確率関数(marginal probability function)となる 演習1の7の8
例 xの周辺確率関数 同時確率関数 • X~B(3,1/6), Y~B(3,1/6)(さらにX,Y独立) 演習1の7の8
同時密度関数とは • X、Y 連続型確率変数とする • 2変数関数 • あ • あ となるとき • を の同時確率関数という • joint density function 演習1の7の8
周辺密度関数とは • a がそれぞれXとYの周辺密度関数(marginal density function)となる 演習1の7の8
独立 • XとYが独立ならば 演習1の7の8
(壹)(貮)(參)(肆) • ということで、解答は数式ばかりが予想されます • こちらは一旦、終わりです • の出番です 演習1の7の8
参考文献 其之壹 • 確率統計の数理 • 石井 博昭 塩出 省吾 新森 修一共著 1995 裳華房 • 統計解析入門 • 白旗 慎吾著 1992 共立出版 • 数学概論 • 田代 嘉宏著 1993 裳華房 演習1の7の8
参考文献 其之貮 • 現代人の統計 1 統計解析法の原理 • 鈴木 義一郎著 1977 朝倉書店 • 統計学入門 • 稲垣 宣生 山根 芳和 吉田 光雄共著 1992 裳華房 • 統計解析ハンドブック • 武藤 眞介著 1995 朝倉書店 演習1の7の8