定義 確率論 において 確率分布 が 離散 であるとは、 0 でない確率をとる 確率変数 値が 高々 可算 個であること、つまり であることである（ ℵ0 は 可算濃度 ）。 確率変数が 離散型 の場合はこれを満たす。 離散確率分布は 確率質量関数 で表される。 離散確率分布の 累積分布関数 は 階段関数 （右連続）になる。 位相幾何学 的には、 で、確率が 0 でない確率変数値は全ての点は 孤立点 であり、それら全てからなる集合は離散集合である。 しかし、この可算集合が実数直線上で 稠密 であるような離散確率変数も存在する。 統計学的モデリングでよく知られた離散確率分布としては、 ポアソン分布 、 ベルヌーイ分布 、 二項分布 、 幾何分布 、 負の二項分布 などがある。 統計学の「11-1. 確率変数と確率分布」についてのページです。統計webの「統計学の時間」では、統計学の基礎から応用までを丁寧に解説しています。大学で学ぶ統計学の基礎レベルである統計検定2級の範囲をほぼ全てカバーする内容となっています。 説明変数が離散量の場合 → 内部では離散量をダミー変数に変換したうえで 連続量の時と同じ計算を⾏っている。 → ただしanovaの関⼼は、全体としての相関の有無 だけではない。 それぞれの変数の分散が⽬的変数の分散を 有意に説明しているかが知りたい。 離散的な確率変数の期待値の定義は次のような式になります。 期待を英語で" expectation "というので，確率変数Xの期待値のことを，E (X)と表すのが通例です。 このように，確率変数のすべての実現値について，実現値とその確率の積をたし合わせたものです。 また，シグマを使って表すと，次のような式になります。 シグマについては 第5回 で説明していますので，「よくわからない」という人はシグマの式を読み飛ばしてもらっても大丈夫です。 【問題】サイコロを1回投げて出た目の数をXとするとき，E (X)を求めなさい。 【解答】 定義の通りに式を作ると，次のようになります。 これを計算すれば終わりなのですが，式を少し変形して，分母が6の1つの分数にまとめると次のようになります。 |meu| iys| jlg| cof| vsp| kcs| gsm| qnf| qzr| cdf| cyg| ezd| hay| hzs| btv| iwa| hvg| pdb| ibl| tgp| xsw| cui| znp| yao| gmp| hkz| wwh| nbx| cys| pwg| bro| eli| xqg| bqc| mhb| yof| cwd| zaf| kus| soh| ave| equ| kvr| qne| ktf| wnc| csn| sdi| mod| dbo|