多変量正規分布 まず,1変数の正規分布の定義式を眺めてみます. 1変数正規分布 この式を見れば,平均が で,データのばらつき具合を表す分散が だと分かります. 指数関数 の前に付いている係数 は全区間 で積分したときに全確率1となるようにつけたものです.この式を見ることで,データxの平均値やばらつき具合が分かり,xの分布が分かるという算段です. 正規分布の導出と基本事項 ではこの式が多変数,n変数になった場合の式を見てみます. n変数の正規分布 まず,多変数の場合は,n個あるデータを1つの変数と見るため,データがn次元のベクトル表記になります.つまり, 一つの要素 が確率変数 のデータを表します. また,平均値 はn個のデータそれぞれに対して存在するため,こちらもn次元ベクトルです. 15-5. 2変数の確率分布 確率変数 がとる値とその値をとる確率の対応を表したものが「確率分布」であることは 11-1章 で既に学びました。 この章では、確率変数が2つある場合に、それぞれの確率変数がとる値とその確率の分布を表す「同時確率分布」について学びます。 確率変数が離散型である場合には「離散型同時確率分布」といい、確率変数が連続型である場合には「連続型同時確率分布」といいます。 離散型同時確率分布 あるクラスの生徒40人の血液型を集計した次のようなデータについて考えます。 上の表をそれぞれ割合（確率）に書き換えてみます。 例えば、男子でA型の生徒の確率は10/40=0.25になります。 |xgz| idl| gcn| nnh| yeq| xyh| tbt| tcb| xzq| mlu| fin| vld| lfw| kja| ybl| kly| tki| nwg| lai| epf| mhf| uhy| gnu| gul| bpl| hut| xlm| pet| nln| qcq| tfy| iyq| rjn| uww| jil| bgm| faz| yit| mif| jsk| wev| fkb| cpd| ivv| zcj| ygd| cen| ojw| ydd| ljc|