SlideShare a Scribd company logo
1 of 167
Download to read offline
A. Asano, Kansai Univ. 
2014年度秋学期 統計学 
第12回 
分布の平均を推測する ― 区間推定 
浅野 晃 
関西大学総合情報学部
A. Asano, Kansai Univ.
A. Asano, Kansai Univ. 
ちょっと前回までの復習
「統計的推測」とは 
調べたい集団の,すべてのデータを調べ 
られるか? 
日本男性全員の身長を調べられるか? 
データの集まりの一部を調べて 
度数分布を推測する 
いや,せめて平均や分散を推測する 
2014 A. Asano, Kansai Univ. 
統計的推測
母平均の推定 
母集団 
(日本男性全体) 
母平均μ 
2014 A. Asano, Kansai Univ. 
標本としてデータを 
いくつか取り出して, 
それらの平均 
母平均が知りたい 
[標本平均] 
標本平均は母平均に 
近い値になるか? 
が,日本男性全員は調べられない
母平均の推定 
母集団 
母平均μ 
母分散σ2 
サイズnの標本1セット標本平均 
X1 X2 … Xn 
… 
2014 A. Asano, Kansai Univ. 
Xbar 
X1 X2 … Xn Xbar 
X1 X2 … Xn Xbar 
母集団と同じ 
期待値μ 
分散σ2 
…極端な値はあまりないので 
分散が小さくなる 
期待値μ 
分散 σ2/n
母平均の推定 
いま1回だけ計算した標本平均も, 
おそらく,ほぼ母平均に近い値だろう 
2014 A. Asano, Kansai Univ. 
どのくらい近い? 
どのくらいの確率で? 
はずれる確率は?
正規分布モデル 
世の中には,[正規分布モデル]で表せる 
ような母集団分布がたくさんある 
長さの測定値の分布 
センター試験の成績の分布 … 
[中心極限定理] 
母集団のばらつきの原因が 
無数の独立な原因の和のとき, 
母集団分布は概ね正規分布になる 
2014 A. Asano, Kansai Univ.
正規分布の性質1 
確率変数XがN(μ,σ2 )にしたがう とき 
(X-μ)/σ はN(0, 1 )にしたがう 
「標準得点」と同じ 
変換しても, 
やはり正規分布になる 
2014 A. Asano, Kansai Univ. 
N(0,1)を[標準正規分布]という
正規分布の性質2 
母集団 
母平均μ 
母分散σ2 
サイズnの標本1セット標本平均 
X1 X2 … Xn 
正規分布ならこちらも 
2014 A. Asano, Kansai Univ. 
Xbar 
X1 X2 … Xn Xbar 
X1 X2 … Xn Xbar 
母集… 
団と同じ 
期待値μ 
分散σ2 
正規分布になる 
… 
期待値μ 
分散 σ2/n 
N(μ,σ2/n) 
N(μ,σ2)
A. Asano, Kansai Univ.
A. Asano, Kansai Univ. 
区間推定
区間推定 
母平均を推測する。その答え方が, 
母平均は,50 から 60 の間にあると 
推測する。 
この推測が当たっている確率は 95% 
である。 
2014 A. Asano, Kansai Univ.
区間推定の考え方 
標本としてデータをひとつだけ抽出 
2014 A. Asano, Kansai Univ.
区間推定の考え方 
標本としてデータをひとつだけ抽出 
2014 A. Asano, Kansai Univ.
区間推定の考え方 
標本としてデータをひとつだけ抽出 
2014 A. Asano, Kansai Univ. 
←(数直線)
区間推定の考え方 
標本としてデータをひとつだけ抽出 
2014 A. Asano, Kansai Univ. 
★ ←(数直線)
区間推定の考え方 
標本としてデータをひとつだけ抽出 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
★ ←(数直線)
区間推定の考え方 
標本としてデータをひとつだけ抽出 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
★ ←(数直線)
区間推定の考え方 
標本としてデータをひとつだけ抽出 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
★ ←(数直線) 
★
区間推定の考え方 
標本としてデータをひとつだけ抽出 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
★ ←(数直線) 
★
区間推定の考え方 
標本としてデータをひとつだけ抽出 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
★ ←(数直線) 
★ 
★
区間推定の考え方 
標本としてデータをひとつだけ抽出 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
★ ←(数直線) 
★ 
★
区間推定の考え方 
標本としてデータをひとつだけ抽出 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
★ ←(数直線) 
★ 
★ 
★
区間推定の考え方 
標本としてデータをひとつだけ抽出 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
★ ←(数直線) 
ばらつい 
ている 
★ 
★ 
★
区間推定の考え方 
標本としてデータをひとつだけ抽出 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
★ ←(数直線) 
ばらつい 
ている 
★ 
★ 
★ 
母平均(実際にはわからない)
区間推定の考え方 
標本としてデータをひとつだけ抽出 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
★ ←(数直線) 
ばらつい 
ている 
★ 
★ 
★ 
母平均(実際にはわからない) 
のまわりにばらついている
区間推定の考え方 
標本としてデータをひとつだけ抽出 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
★ ←(数直線) 
ばらつい 
ている 
★ 
★ 
★ 
母平均(実際にはわからない) 
のまわりにばらついている 
標本の期待値 
=母平均
区間推定の考え方 
データをいくつか抽出して標本平均 
2014 A. Asano, Kansai Univ.
区間推定の考え方 
データをいくつか抽出して標本平均 
2014 A. Asano, Kansai Univ.
区間推定の考え方 
データをいくつか抽出して標本平均 
2014 A. Asano, Kansai Univ. 
X
区間推定の考え方 
データをいくつか抽出して標本平均 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
X
区間推定の考え方 
データをいくつか抽出して標本平均 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
X
区間推定の考え方 
データをいくつか抽出して標本平均 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
X 
X
区間推定の考え方 
データをいくつか抽出して標本平均 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
X 
X
区間推定の考え方 
データをいくつか抽出して標本平均 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
X 
X 
X
区間推定の考え方 
データをいくつか抽出して標本平均 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
X 
X 
X
区間推定の考え方 
データをいくつか抽出して標本平均 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
X 
X 
X 
X
区間推定の考え方 
データをいくつか抽出して標本平均 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
X 
X 
X 
X 
母平均(実際にはわからない)
区間推定の考え方 
データをいくつか抽出して標本平均 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
X 
X 
X 
X 
母平均(実際にはわからない) 
のまわりにばらついている
区間推定の考え方 
データをいくつか抽出して標本平均 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
母平均(実際にはわからない) 
のまわりにばらついている 
標本平均の 
期待値 
=母平均 
X 
X 
X 
X
区間推定の考え方 
データをいくつか抽出して標本平均 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
データ1個 
より 
ばらつきが 
小さくなる 
母平均(実際にはわからない) 
のまわりにばらついている 
標本平均の 
期待値 
=母平均 
X 
X 
X 
X
区間推定の考え方 
データをいくつか抽出して標本平均 
仮に,何度も抽出したとすると 
2014 A. Asano, Kansai Univ. 
データ1個 
より 
ばらつきが 
小さくなる 
母平均(実際にはわからない) 
のまわりにばらついている 
標本平均の 
期待値 
=母平均 
標本平均の 
分散 
=母分散÷ 
標本サイズ 
X 
X 
X 
X
区間推定の考え方 
標本平均の左右に区間をつける 
2014 A. Asano, Kansai Univ. 
X 
X 
X 
X
区間推定の考え方 
標本平均の左右に区間をつける 
2014 A. Asano, Kansai Univ. 
X 
X 
X 
X
区間推定の考え方 
標本平均の左右に区間をつける 
2014 A. Asano, Kansai Univ. 
X 
X 
X 
X
区間推定の考え方 
標本平均の左右に区間をつける 
2014 A. Asano, Kansai Univ. 
X 
X 
X 
X
区間推定の考え方 
標本平均の左右に区間をつける 
2014 A. Asano, Kansai Univ. 
X 
X 
X 
X
区間推定の考え方 
標本平均の左右に区間をつける 
2014 A. Asano, Kansai Univ. 
X 
X 
X 
X 
母平均
区間推定の考え方 
標本平均の左右に区間をつける 
2014 A. Asano, Kansai Univ. 
X 
X 
X 
X 
母平均 
(実際にはわからない)
区間推定の考え方 
標本平均の左右に区間をつける 
2014 A. Asano, Kansai Univ. 
区間は母平均を 
X 
X 
X 
X 
母平均 
(実際にはわからない)
区間推定の考え方 
標本平均の左右に区間をつける 
2014 A. Asano, Kansai Univ. 
区間は母平均を 
X 
X 
X 
X 
母平均 
含む 
(実際にはわからない)
区間推定の考え方 
標本平均の左右に区間をつける 
2014 A. Asano, Kansai Univ. 
区間は母平均を 
X 
X 
X 
X 
母平均 
含む 
含む 
(実際にはわからない)
区間推定の考え方 
標本平均の左右に区間をつける 
2014 A. Asano, Kansai Univ. 
区間は母平均を 
X 
X 
X 
X 
母平均 
含む 
含む 
含まない 
(実際にはわからない)
区間推定の考え方 
標本平均の左右に区間をつける 
2014 A. Asano, Kansai Univ. 
区間は母平均を 
X 
X 
X 
X 
母平均 
含む 
含む 
含まない 
含む 
(実際にはわからない)
区間推定の考え方 
標本平均の左右に区間をつける 
2014 A. Asano, Kansai Univ. 
区間は母平均を 
母平均 
どの回の区間が 
母平均を含むか・ 
含まないかは 
わからないが 
X 
X 
X 
X 
含む 
含む 
含まない 
含む 
(実際にはわからない)
区間推定の考え方 
標本平均の左右に区間をつける 
2014 A. Asano, Kansai Univ. 
区間は母平均を 
母平均 
どの回の区間が 
母平均を含むか・ 
含まないかは 
わからないが 
X 
X 
X 
X 
含む 
含む 
含まない 
含む 
(実際にはわからない)
区間推定の考え方 
標本平均の左右に区間をつける 
2014 A. Asano, Kansai Univ. 
区間は母平均を 
X 
X 
X 
X 
母平均 
どの回の区間が 
母平均を含むか・ 
含まないかは 
わからないが 
確率95%で 
母平均を含むように 
区間を設定できる 
含む 
含む 
含まない 
含む 
(実際にはわからない)
区間推定の考え方 
確率95%で母平均を含むように 
区間を設定できる 
区間は 
母平均を 
X 
X 
X 
X 
Univ. 
Kansai Asano, 母平均 
A. 2014 含む 
含む 
含まない 
含む 
(実際にはわからない)
区間推定の考え方 
確率95%で母平均を含むように 
区間を設定できる 
区間は 
母平均を 
X 
X 
X 
X 
Univ. 
Kansai Asano, 母平均 
A. 2014 含む 
含む 
含まない 
含む 
(実際にはわからない) 
標本平均のばらつきは 
小さくなっているので 
区間の幅は 
そこそこ狭くてよい
区間推定の考え方 
区間は母平均を 
X 含む 
X 
X 
X 
母平均 
含む 
含ま 
ない 
含む 
2014 A. Asano, Kansai Univ.
区間推定の考え方 
区間は母平均を 
X 含む 
X 
X 
X 
母平均 
含む 
含ま 
ない 
含む 
2014 A. Asano, Kansai Univ. 
実際には, 
標本平均と区間は 
1度しか計算しない
区間推定の考え方 
区間は母平均を 
X 含む 
母平均 
2014 A. Asano, Kansai Univ. 
実際には, 
標本平均と区間は 
1度しか計算しない
区間推定の考え方 
区間は母平均を 
X 含む 
母平均 
2014 A. Asano, Kansai Univ. 
実際には, 
標本平均と区間は 
1度しか計算しない 
その区間が,母平均を 
含むかどうかは 
実際にはわからない
区間推定の考え方 
区間は母平均を 
X 含む 
母平均 
(実際にはわからない) 
2014 A. Asano, Kansai Univ. 
実際には, 
標本平均と区間は 
1度しか計算しない 
その区間が,母平均を 
含むかどうかは 
実際にはわからない
区間推定の考え方 
区間は母平均を 
X 含む 
母平均 
(実際にはわからない) 
2014 A. Asano, Kansai Univ. 
実際には, 
標本平均と区間は 
1度しか計算しない 
その区間が,母平均を 
含むかどうかは 
実際にはわからない 
しかし,確率95%で 
母平均を含むように計 
算した区間だから,そ 
の1回も含むと信じる
信頼区間 
区間は母平均を 
X 
X 
X 
X 
母平均 
含む 
含む 
含ま 
ない 
含む 
(実際にはわからない) 
2014 A. Asano, Kansai Univ. 
確率95%で 
母平均を含むように計 
算した区間だから,そ 
の1回も含むと信じる
信頼区間 
区間は母平均を 
X 
X 
X 
X 
母平均 
含む 
含む 
含ま 
ない 
含む 
(実際にはわからない) 
2014 A. Asano, Kansai Univ. 
確率95%で 
母平均を含むように計 
算した区間だから,そ 
の1回も含むと信じる 
母平均の 
[信頼係数]95%の 
[信頼区間] という
信頼区間 
区間は母平均を 
X 
X 
X 
X 
母平均 
含む 
含む 
含ま 
ない 
含む 
(実際にはわからない) 
2014 A. Asano, Kansai Univ. 
確率95%で 
母平均を含むように計 
算した区間だから,そ 
の1回も含むと信じる 
母平均の 
[信頼係数]95%の 
[信頼区間] という 
([95%信頼区間])
「信頼」ということば 
2014 A. Asano, Kansai Univ.
「信頼」ということば 
私は,予言者です。 
2014 A. Asano, Kansai Univ.
「信頼」ということば 
私は,予言者です。 
私の予言は,確率95%で当たります。 
2014 A. Asano, Kansai Univ.
「信頼」ということば 
私は,予言者です。 
私の予言は,確率95%で当たります。 
いまから,来年おきることを 
予言します。「来年は、…」 
2014 A. Asano, Kansai Univ.
「信頼」ということば 
私は,予言者です。 
私の予言は,確率95%で当たります。 
いまから,来年おきることを 
予言します。「来年は、…」 
2014 A. Asano, Kansai Univ.
「信頼」ということば 
私は,予言者です。 
私の予言は,確率95%で当たります。 
いまから,来年おきることを 
予言します。「来年は、…」 
このひとつの予言が正しいかどうかは 
わからない 
2014 A. Asano, Kansai Univ.
「信頼」ということば 
私は,予言者です。 
私の予言は,確率95%で当たります。 
いまから,来年おきることを 
予言します。「来年は、…」 
このひとつの予言が正しいかどうかは 
わからない 
しかし,十分多くの予言をすれば95%は 
当たるのだから,この予言も 
信じる価値はある 
2014 A. Asano, Kansai Univ.
「信頼」ということば 
私は,予言者です。 
私の予言は,確率95%で当たります。 
いまから,来年おきることを 
予言します。「来年は、…」 
このひとつの予言が正しいかどうかは 
わからない 
しかし,十分多くの予言をすれば95%は 
当たるのだから,この予言も 
信じる価値はあるこれが「信頼」 
2014 A. Asano, Kansai Univ.
台風情報と信頼区間 
2014 A. Asano, Kansai Univ. 
× 
× 
1日9時 
1日21時 
台
台風情報と信頼区間 
2014 A. Asano, Kansai Univ. 
台風が到達する 
可能性がもっと 
も高いところ 
(点推定) 
× 
× 
1日9時 
1日21時 
台
台風情報と信頼区間 
2014 A. Asano, Kansai Univ. 
台風が到達する 
可能性がもっと 
も高いところ 
(点推定) 
× 
× 
1日9時 
1日21時 
台
台風情報と信頼区間 
2014 A. Asano, Kansai Univ. 
台風が到達する 
可能性がもっと 
も高いところ 
(点推定) 
× 
台風が到達する確率が 
70%であるような円 
=区間推定 
× 
1日9時 
1日21時 
台
A. Asano, Kansai Univ.
A. Asano, Kansai Univ. 
正規分布の場合の 
信頼区間の計算
正規分布の場合の区間推定 
例題 
母集団 
(受験者全体) 
母平均μ 
2014 A. Asano, Kansai Univ.
正規分布の場合の区間推定 
例題 
母集団 
(受験者全体) 
母平均μ 母平均μの95%信頼区間が 
知りたい 
2014 A. Asano, Kansai Univ.
正規分布の場合の区間推定 
例題標本X1, ... Xnをとりだす 
母集団 サイズn 
(受験者全体) 
母平均μ 母平均μの95%信頼区間が 
知りたい 
2014 A. Asano, Kansai Univ.
正規分布の場合の区間推定 
例題標本X1, ... Xnをとりだす 
母集団 サイズn 
(受験者全体) 
母平均μ 母平均μの95%信頼区間が 
知りたい 
2014 A. Asano, Kansai Univ. 
標本平均 X
正規分布の場合の区間推定 
例題標本X1, ... Xnをとりだす 
母集団 サイズn 
(受験者全体) 
母平均μ 母平均μの95%信頼区間が 
正規分布 知りたい 
と仮定する 
2014 A. Asano, Kansai Univ. 
標本平均 X
正規分布の場合の区間推定 
例題標本X1, ... Xnをとりだす 
母集団 サイズn 
(受験者全体) 
母平均μ 母平均μの95%信頼区間が 
正規分布 知りたい 
と仮定する 
母分散σ2がわかっているものとする 
2014 A. Asano, Kansai Univ. 
標本平均 X
正規分布の場合の区間推定 
例題標本X1, ... Xnをとりだす 
母集団 サイズn 
(受験者全体) 
母平均μ 母平均μの95%信頼区間が 
正規分布 知りたい 
と仮定する 
母分散σ2がわかっているものとする 
2014 A. Asano, Kansai Univ. 
標本平均 X 
(説明の都合です)
正規分布の場合の区間推定 
考え方 
2014 A. Asano, Kansai Univ.
正規分布の場合の区間推定 
考え方 
標本は,母集団分布と同じ確率分布に 
したがう 
2014 A. Asano, Kansai Univ.
正規分布の場合の区間推定 
考え方 
標本は,母集団分布と同じ確率分布に 
したがう 
2014 A. Asano, Kansai Univ.
正規分布の場合の区間推定 
考え方 
標本は,母集団分布と同じ確率分布に 
したがう正規分布N(μ, σ2) 
2014 A. Asano, Kansai Univ.
正規分布の場合の区間推定 
考え方 
標本は,母集団分布と同じ確率分布に 
したがう正規分布N(μ, σ2) 
標本平均は,やはり正規分布にしたが 
うが,分散が1/nになる 
2014 A. Asano, Kansai Univ.
正規分布の場合の区間推定 
考え方 
標本は,母集団分布と同じ確率分布に 
したがう正規分布N(μ, σ2) 
標本平均は,やはり正規分布にしたが 
うが,分散が1/nになる 
2014 A. Asano, Kansai Univ.
正規分布の場合の区間推定 
考え方 
標本は,母集団分布と同じ確率分布に 
したがう正規分布N(μ, σ2) 
標本平均は,やはり正規分布にしたが 
うが,分散が1/nになる 
2014 A. Asano, Kansai Univ.
正規分布の場合の区間推定 
考え方 
標本は,母集団分布と同じ確率分布に 
したがう正規分布N(μ, σ2) 
標本平均は,やはり正規分布にしたが 
うが,分散が1/nになる[性質2] 
2014 A. Asano, Kansai Univ.
正規分布の場合の区間推定 
考え方 
標本は,母集団分布と同じ確率分布に 
したがう正規分布N(μ, σ2) 
標本平均は,やはり正規分布にしたが 
うが,分散が1/nになる 
正規分布N(μ, σ2/n) 
2014 A. Asano, Kansai Univ. 
[性質2]
正規分布の場合の区間推定 
考え方 
標本は,母集団分布と同じ確率分布にしたがう 
正規分布N(μ, σ2) 
X 
標本平均は,やはり正規分布にしたがうが,分散 
が1/nになる正規分布N(μ, σ2/n)[性質2] 
2014 A. Asano, Kansai Univ.
正規分布の場合の区間推定 
考え方 
標本は,母集団分布と同じ確率分布にしたがう 
正規分布N(μ, σ2) 
X 
標本平均は,やはり正規分布にしたがうが,分散 
が1/nになる正規分布N(μ, σ2/n)[性質2] 
正規分布の[性質1]により 
2014 A. Asano, Kansai Univ.
正規分布の場合の区間推定 
考え方 
標本は,母集団分布と同じ確率分布にしたがう 
規分布N(μ, σ2) にしたがうならば,それらのう 
正規分布N(μ, σ2) 
質のX 
X1, ...,Xn にあてはまっていますから,す。 
標本平均は,やはり正規分布にしたがうが,分散 
が1/nになる正規分布N(μ, σ2/n)[性質2] 
正規分布の[性質1]により 
Z = 
はで述べた「正規分布の性質1」から,Z は標準¯X 
! − μ 
σ2/n 
標準正規分布にしたがう 
2014 A. Asano, Kansai Univ.
正規分布の場合の区間推定 
考え方 
標本は,母集団分布と同じ確率分布にしたがう 
規分布N(μ, σ2) にしたがうならば,それらのう 
正規分布N(μ, σ2) 
質のX 
X1, ...,Xn にあてはまっていますから,す。 
標本平均は,やはり正規分布にしたがうが,分散 
が1/nになる正規分布N(μ, σ2/n)[性質2] 
正規分布の[性質1]により 
Z = 
はで述べた「正規分布の性質1」から,Z は標準¯X 
! − μ 
σ2/n 
標準正規分布にしたがう 
2014 A. Asano, Kansai Univ.
正規分布の場合の区間推定 
考え方 
標本は,母集団分布と同じ確率分布にしたがう 
規分布N(μ, σ2) にしたがうならば,それらのう 
正規分布N(μ, σ2) 
質のX 
X1, ...,Xn にあてはまっていますから,す。 
標本平均は,やはり正規分布にしたがうが,分散 
が1/nになる正規分布N(μ, σ2/n)[性質2] 
正規分布の[性質1]により 
Z = 
はで述べた「正規分布の性質1」から,Z は標準¯X 
! − μ 
σ2/n 
標準正規分布にしたがう 
2014 A. Asano, Kansai Univ.
正規分布の場合の区間推定 
考え方 
標本は,母集団分布と同じ確率分布にしたがう 
規分布N(μ, σ2) にしたがうならば,それらのう 
正規分布N(μ, σ2) 
質のX 
X1, ...,Xn にあてはまっていますから,す。 
標本平均は,やはり正規分布にしたがうが,分散 
が1/nになる正規分布N(μ, σ2/n)[性質2] 
正規分布の[性質1]により 
Z = 
はで述べた「正規分布の性質1」から,Z は標準¯X 
! − μ 
σ2/n 
標準正規分布にしたがう 
2014 A. Asano, Kansai Univ.
正規分布の場合の区間推定 
考え方 
標本は,母集団分布と同じ確率分布にしたがう 
規分布N(μ, σ2) にしたがうならば,それらのう 
正規分布N(μ, σ2) 
質のX 
X1, ...,Xn にあてはまっていますから,す。 
標本平均は,やはり正規分布にしたがうが,分散 
が1/nになる正規分布N(μ, σ2/n)[性質2] 
正規分布の[性質1]により 
Z = 
はで述べた「正規分布の性質1」から,Z は標準¯X 
! − μ 
σ2/n 
標準正規分布にしたがう 
N(0, 1) 
2014 A. Asano, Kansai Univ.
ます。 
正規分布の場合の区間推定 
Z = 
¯X 
! − μ 
σ2/n 
は標準正規分布にしたがう 
2014 A. Asano, Kansai Univ. 
(1) 
義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 
である区間」はどういうものか考えてみましょう。第5回の講 
明したように,Z がある区間に入る確率は,標準正規分布の確率 
対応する部分の面積になります。この部分の面積が全体の95%に 
ることにし,図3(a) のように表します。このときのZ の区間の 
間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 
0.025 となります。P(Z " u) = 0.025 となるu は,正規分布の数 
よると,u = 1.96 のとき,P(Z " 1.96) = 0.024998 ≃ 0.025 であ 
1.96 ! Z ! 1.96) = 0.95 ということがわかります。 
Z ! 1.96) = 0.95 に用いると,
ます。 
正規分布の場合の区間推定 
Z = 
¯X 
! − μ 
σ2/n 
は標準正規分布にしたがう 
2014 A. Asano, Kansai Univ. 
(1) 
義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 
である区間」はどういうものか考えてみましょう。第5回の講 
明したように,Z がある区間に入る確率は,標準正規分布の確率 
対応する部分の面積になります。この部分の面積が全体の95%に 
ることにし,図3(a) のように表します。このときのZ の区間の 
間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 
0.025 となります。P(Z " u) = 0.025 となるu は,正規分布の数 
よると,u = 1.96 のとき,P(Z " 1.96) = 0.024998 ≃ 0.025 であ 
1.96 ! Z ! 1.96) = 0.95 ということがわかります。 
Z ! 1.96) = 0.95 に用いると, 
z 
f(z) 
–u 0 u
ます。 
正規分布の場合の区間推定 
Z = 
¯X 
! − μ 
σ2/n 
は標準正規分布にしたがう 
標準正規分布の確率密度関数 
2014 A. Asano, Kansai Univ. 
(1) 
義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 
である区間」はどういうものか考えてみましょう。第5回の講 
明したように,Z がある区間に入る確率は,標準正規分布の確率 
対応する部分の面積になります。この部分の面積が全体の95%に 
ることにし,図3(a) のように表します。このときのZ の区間の 
間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 
0.025 となります。P(Z " u) = 0.025 となるu は,正規分布の数 
よると,u = 1.96 のとき,P(Z " 1.96) = 0.024998 ≃ 0.025 であ 
1.96 ! Z ! 1.96) = 0.95 ということがわかります。 
Z ! 1.96) = 0.95 に用いると, 
z 
f(z) 
–u 0 u
ます。 
正規分布の場合の区間推定 
Z = 
¯X 
! − μ 
σ2/n 
は標準正規分布にしたがう 
標準正規分布の確率密度関数 
2014 A. Asano, Kansai Univ. 
(1) 
義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 
である区間」はどういうものか考えてみましょう。第5回の講 
明したように,Z がある区間に入る確率は,標準正規分布の確率 
対応する部分の面積になります。この部分の面積が全体の95%に 
ることにし,図3(a) のように表します。このときのZ の区間の 
間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 
0.025 となります。P(Z " u) = 0.025 となるu は,正規分布の数 
よると,u = 1.96 のとき,P(Z " 1.96) = 0.024998 ≃ 0.025 であ 
1.96 ! Z ! 1.96) = 0.95 ということがわかります。 
Z ! 1.96) = 0.95 に用いると, 
z 
f(z) 
–u 0 u
れていますから,標本は確率変数で,母集団分布と同じ確率分布にしたが 
なる標本正のそ規れぞ分れの布確の率分場布も合またのN(μ, 区σ2) 間です推。 
定 
,n 人からなる標本をX1, . . . ,Xn で表すと,(X1 + · · · + Xn)/n で表され 
述べた「正規分布の性質2(正規分布の再生性)」,すなわち 
いずれも正規分布N(μ, σ2) にしたがうならば,それらの平均(X1 + 
n) にしたがう 
本はこの性質のX1, ...,Xn にあてはまっていますから,「標本平均¯X 
は標準正規分布にしたがう 
標準正規分布の確率密度関数 
が 
2014 A. Asano, Kansai Univ. 
この区間に入っている確率=95%とすると 
ます。 
Z = 
¯X 
! − μ 
σ2/n 
(1) 
義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 
である区間」はどういうものか考えてみましょう。第5回の講 
明したように,Z がある区間に入る確率は,標準正規分布の確率 
対応する部分の面積になります。この部分の面積が全体の95%に 
ることにし,図3(a) のように表します。このときのZ の区間の 
間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 
0.025 となります。P(Z " u) = 0.025 となるu は,正規分布の数 
よると,u = 1.96 のとき,P(Z " 1.96) = 0.024998 ≃ 0.025 であ 
1.96 ! Z ! 1.96) = 0.95 ということがわかります。 
Z ! 1.96) = 0.95 に用いると, 
z 
f(z) 
–u 0 u 
は 
がわかります。 
Z = 
¯X 
! − μ 
σ2/n 
(1) 
11回の講義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 
。 
確率がである区間」はどういうものか考えてみましょう。第5回の講
れていますから,標本は確率変数で,母集団分布と同じ確率分布にしたが 
なる標本正のそ規れぞ分れの布確の率分場布も合またのN(μ, 区σ2) 間です推。 
定 
,n 人からなる標本をX1, . . . ,Xn で表すと,(X1 + · · · + Xn)/n で表され 
述べた「正規分布の性質2(正規分布の再生性)」,すなわち 
いずれも正規分布N(μ, σ2) にしたがうならば,それらの平均(X1 + 
n) にしたがう 
本はこの性質のX1, ...,Xn にあてはまっていますから,「標本平均¯X 
は標準正規分布にしたがう 
標準正規分布の確率密度関数 
が 
2014 A. Asano, Kansai Univ. 
面積=95% 
この区間に入っている確率=95%とすると 
ます。 
Z = 
¯X 
! − μ 
σ2/n 
(1) 
義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 
である区間」はどういうものか考えてみましょう。第5回の講 
明したように,Z がある区間に入る確率は,標準正規分布の確率 
対応する部分の面積になります。この部分の面積が全体の95%に 
ることにし,図3(a) のように表します。このときのZ の区間の 
間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 
0.025 となります。P(Z " u) = 0.025 となるu は,正規分布の数 
よると,u = 1.96 のとき,P(Z " 1.96) = 0.024998 ≃ 0.025 であ 
1.96 ! Z ! 1.96) = 0.95 ということがわかります。 
Z ! 1.96) = 0.95 に用いると, 
z 
f(z) 
–u 0 u 
は 
がわかります。 
Z = 
¯X 
! − μ 
σ2/n 
(1) 
11回の講義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 
。 
確率がである区間」はどういうものか考えてみましょう。第5回の講
れていますから,標本は確率変数で,母集団分布と同じ確率分布にしたが 
なる標本正のそ規れぞ分れの布確の率分場布も合またのN(μ, 区σ2) 間です推。 
定 
,n 人からなる標本をX1, . . . ,Xn で表すと,(X1 + · · · + Xn)/n で表され 
述べた「正規分布の性質2(正規分布の再生性)」,すなわち 
いずれも正規分布N(μ, σ2) にしたがうならば,それらの平均(X1 + 
n) にしたがう 
本はこの性質のX1, ...,Xn にあてはまっていますから,「標本平均¯X 
は標準正規分布にしたがう 
標準正規分布の確率密度関数 
が 
2014 A. Asano, Kansai Univ. 
面積=95% 
境界の値はいくら? 
この区間に入っている確率=95%とすると 
ます。 
Z = 
¯X 
! − μ 
σ2/n 
(1) 
義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 
である区間」はどういうものか考えてみましょう。第5回の講 
明したように,Z がある区間に入る確率は,標準正規分布の確率 
対応する部分の面積になります。この部分の面積が全体の95%に 
ることにし,図3(a) のように表します。このときのZ の区間の 
間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 
0.025 となります。P(Z " u) = 0.025 となるu は,正規分布の数 
よると,u = 1.96 のとき,P(Z " 1.96) = 0.024998 ≃ 0.025 であ 
1.96 ! Z ! 1.96) = 0.95 ということがわかります。 
Z ! 1.96) = 0.95 に用いると, 
z 
f(z) 
–u 0 u 
は 
がわかります。 
Z = 
¯X 
! − μ 
σ2/n 
(1) 
11回の講義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 
。 
確率がである区間」はどういうものか考えてみましょう。第5回の講
正規分布の場合の区間推定 
面積=95% 
z 
f(z) 
–u 0 u 
2014 A. Asano, Kansai Univ.
正規分布の場合の区間推定 
面積=95% 
z 
f(z) 
–u 0 u 
2014 A. Asano, Kansai Univ. 
z 
f(z) 
0
正規分布の場合の区間推定 
面積=95% 
z 
f(z) 
–u 0 u 
2014 A. Asano, Kansai Univ. 
z 
f(z) 
0
正規分布の場合の区間推定 
面積=95% 
z 
f(z) 
–u 0 u 
2014 A. Asano, Kansai Univ. 
z 
f(z) 
0
正規分布の場合の区間推定 
面積=95% 
z 
f(z) 
–u 0 u 
2014 A. Asano, Kansai Univ. 
z 
f(z) 
0 
面積=2.5% 
(左右で5%)
正規分布の場合の区間推定 
面積=95% 
z 
f(z) 
–u 0 u 
2014 A. Asano, Kansai Univ. 
z 
f(z) 
0 
面積=2.5% 
(左右で5%) 
境界の値は?
正規分布の場合の区間推定 
2014 A. Asano, Kansai Univ. 
z 
f(z) 
0 
面積=2.5% 
境界の値は
正規分布の場合の区間推定 
2014 A. Asano, Kansai Univ. 
z 
f(z) 
0 
面積=2.5% 
境界の値は 
うまいぐあいに,正規分布表で
正規分布の場合の区間推定 
標準正規分布表(P(Z  z)) 
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 
0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414 
0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465 
0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591 
0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827 
0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207 
0.5 0.30854 0.30503 0.30153 0.29806 0.6 0.27425 0.27093 0.26763 0.26435 境0.29460 界の0.29116 値は 
0.28774 0.28434 0.28096 0.27760 
0.26109 0.25785 0.25463 0.25143 0.24825 0.24510 
0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476 
0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673 
0.9 0.18406 0.18141 0.17879 0.17619 0.17361 0.17106 0.16853 0.16602 0.16354 0.16109 
1.0 0.15866 0.15625 0.15386 標0.15151 準正規分0.14917 布表(P(0.14686 Z  z)) 
0.14457 0.14231 0.14007 0.13786 
1.1 0.13567 0.13350 0.13136 0.12924 0.12714 0.12507 0.12302 0.12100 0.11900 0.11702 
1.2 0.11507 0.11314 0.11123 0.10935 0.10749 0.10565 0.10383 0.10204 0.10027 0.098525 
1.3 0.096800 0.095098 0.093418 0.091759 0.090123 0.088508 0.086915 0.085343 0.083793 0.082264 
1.4 0.080757 0.079270 0.077804 0.076359 0.074934 0.073529 0.072145 0.070781 0.069437 0.068112 
1.5 0.066807 0.065522 0.064255 0.063008 0.061780 0.060571 0.059380 0.058208 0.057053 0.055917 
1.6 0.054799 0.053699 0.052616 0.051551 0.050503 0.049471 0.048457 0.047460 0.046479 0.045514 
1.7 0.044565 0.043633 0.042716 0.041815 0.040930 0.040059 0.039204 0.038364 0.037538 0.036727 
1.8 0.035930 0.035148 0.034380 0.033625 0.032884 0.032157 0.031443 0.030742 0.030054 0.029379 
1.9 0.028717 0.028067 0.027429 0.026803 0.026190 0.025588 0.024998 0.024419 0.023852 0.023295 
2.0 0.022750 0.022216 0.021692 0.021178 0.020675 0.020182 0.019699 0.019226 0.018763 0.018309 
2.1 0.017864 0.017429 0.017003 0.016586 0.016177 0.015778 0.015386 0.015003 0.014629 0.014262 
2.2 0.013903 0.013553 0.013209 0.012874 0.012545 0.012224 0.011911 0.011604 0.011304 0.011011 
2.3 0.010724 0.010444 0.010170 9.9031E-03 9.6419E-03 9.3867E-03 9.1375E-03 8.8940E-03 8.6563E-03 8.4242E-03 
2014 A. Asano, Kansai Univ. 
z 
f(z) 
0 
面積=2.5% 
うまいぐあいに,正規分布表で 
zの小数第2位 
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 
0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414 
0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465 
0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591 
0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827 
0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207 
0.5 0.30854 0.30503 0.30153 0.29806 0.29460 0.29116 0.28774 0.28434 0.28096 0.27760 
0.6 0.27425 0.27093 0.26763 0.26435 0.26109 0.25785 0.25463 0.25143 0.24825 0.24510 
0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476 
0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673 
zの 
小数第1位まで 
zの小数第2位 
…
正規分布の場合の区間推定 
標準正規分布表(P(Z  z)) 
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 
0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414 
0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465 
0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591 
0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827 
0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207 
0.5 0.30854 0.30503 0.30153 0.29806 0.29460 0.29116 0.28774 0.28434 0.28096 0.27760 
0.6 0.27425 0.27093 0.26763 0.26435 0.26109 0.25785 0.25463 0.25143 0.24825 0.24510 
0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476 
0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673 
0.9 0.18406 0.18141 0.17879 0.17619 0.17361 0.17106 0.16853 0.16602 0.16354 0.16109 
1.0 0.15866 0.15625 0.15386 標0.15151 準正規分0.14917 布表(P(0.14686 Z  z)) 
0.14457 0.14231 0.14007 0.13786 
1.1 0.13567 0.13350 0.13136 0.12924 0.12714 0.12507 0.12302 0.12100 0.11900 0.11702 
1.2 0.11507 0.11314 0.11123 0.10935 0.10749 0.10565 0.10383 0.10204 0.10027 0.098525 
1.3 0.096800 0.095098 0.093418 0.091759 0.090123 0.088508 0.086915 0.085343 0.083793 0.082264 
1.4 0.080757 0.079270 0.077804 0.076359 0.074934 0.073529 0.072145 0.070781 0.069437 0.068112 
1.5 0.066807 0.065522 0.064255 0.063008 0.061780 0.060571 0.059380 0.058208 0.057053 0.055917 
1.6 0.054799 0.053699 0.052616 0.051551 0.050503 0.049471 0.048457 0.047460 0.046479 0.045514 
1.7 0.044565 0.043633 0.042716 0.041815 0.040930 0.040059 0.039204 0.038364 0.037538 0.036727 
1.8 0.035930 0.035148 0.034380 0.033625 0.032884 0.032157 0.031443 0.030742 0.030054 0.029379 
1.9 0.028717 0.028067 0.027429 0.026803 0.026190 0.025588 0.024998 0.024419 0.023852 0.023295 
2.0 0.022750 0.022216 0.021692 0.021178 0.020675 0.020182 0.019699 0.019226 0.018763 0.018309 
2.1 0.017864 0.017429 0.017003 0.016586 0.016177 0.015778 0.015386 0.015003 0.014629 0.014262 
2.2 0.013903 0.013553 0.013209 0.012874 0.012545 0.012224 0.011911 0.011604 0.011304 0.011011 
2.3 0.010724 0.010444 0.010170 9.9031E-03 9.6419E-03 9.3867E-03 9.1375E-03 8.8940E-03 8.6563E-03 8.4242E-03 
2014 A. Asano, Kansai Univ. 
z 
f(z) 
0 
面積=2.5% 
うまいぐあいに,正規分布表で 
zの小数第2位 
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 
0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414 
0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465 
0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591 
0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827 
0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207 
0.5 0.30854 0.30503 0.30153 0.29806 0.29460 0.29116 0.28774 0.28434 0.28096 0.27760 
0.6 0.27425 0.27093 0.26763 0.26435 0.26109 0.25785 0.25463 0.25143 0.24825 0.24510 
0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476 
0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673 
zの 
小数第1位まで 
zの小数第2位 
… 
1.9 
境界の値は
正規分布の場合の区間推定 
標準正規分布表(P(Z  z)) 
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 
0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414 
0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465 
0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591 
0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827 
0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207 
0.5 0.30854 0.30503 0.30153 0.29806 0.6 0.27425 0.27093 0.26763 0.26435 境0.29460 界の0.29116 値は 
0.28774 0.28434 0.28096 0.27760 
0.26109 0.25785 0.25463 0.25143 0.24825 0.24510 
0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476 
0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673 
0.9 0.18406 0.18141 0.17879 0.17619 0.17361 0.17106 0.16853 0.16602 0.16354 0.16109 
1.0 0.15866 0.15625 0.15386 標0.15151 準正規分0.14917 布表(P(0.14686 Z  z)) 
0.14457 0.14231 0.14007 0.13786 
1.1 0.13567 0.13350 0.13136 0.12924 0.12714 0.12507 0.12302 0.12100 0.11900 0.11702 
1.2 0.11507 0.11314 0.11123 0.10935 0.10749 0.10565 0.10383 0.10204 0.10027 0.098525 
1.3 0.096800 0.095098 0.093418 0.091759 0.090123 0.088508 0.086915 0.085343 0.083793 0.082264 
1.4 0.080757 0.079270 0.077804 0.076359 0.074934 0.073529 0.072145 0.070781 0.069437 0.068112 
1.5 0.066807 0.065522 0.064255 0.063008 0.061780 0.060571 0.059380 0.058208 0.057053 0.055917 
1.6 0.054799 0.053699 0.052616 0.051551 0.050503 0.049471 0.048457 0.047460 0.046479 0.045514 
1.7 0.044565 0.043633 0.042716 0.041815 0.040930 0.040059 0.039204 0.038364 0.037538 0.036727 
1.8 0.035930 0.035148 0.034380 0.033625 0.032884 0.032157 0.031443 0.030742 0.030054 0.029379 
1.9 0.028717 0.028067 0.027429 0.026803 0.026190 0.025588 0.024998 0.024419 0.023852 0.023295 
2.0 0.022750 0.022216 0.021692 0.021178 0.020675 0.020182 0.019699 0.019226 0.018763 0.018309 
2.1 0.017864 0.017429 0.017003 0.016586 0.016177 0.015778 0.015386 0.015003 0.014629 0.014262 
2.2 0.013903 0.013553 0.013209 0.012874 0.012545 0.012224 0.011911 0.011604 0.011304 0.011011 
2.3 0.010724 0.010444 0.010170 9.9031E-03 9.6419E-03 9.3867E-03 9.1375E-03 8.8940E-03 8.6563E-03 8.4242E-03 
2014 A. Asano, Kansai Univ. 
z 
f(z) 
0 
面積=2.5% 
うまいぐあいに,正規分布表で 
zの小数第2位 
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 
0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414 
0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465 
0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591 
0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827 
0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207 
0.5 0.30854 0.30503 0.30153 0.29806 0.29460 0.29116 0.28774 0.28434 0.28096 0.27760 
0.6 0.27425 0.27093 0.26763 0.26435 0.26109 0.25785 0.25463 0.25143 0.24825 0.24510 
0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476 
0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673 
zの 
小数第1位まで 
zの小数第2位 
… 
1.9 
0.06
正規分布の場合の区間推定 
標準正規分布表(P(Z  z)) 
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 
0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414 
0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465 
0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591 
0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827 
0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207 
0.5 0.30854 0.30503 0.30153 0.29806 0.6 0.27425 0.27093 0.26763 0.26435 境0.29460 界の0.29116 値は 
0.28774 0.28434 0.28096 0.27760 
0.26109 0.25785 0.25463 0.25143 0.24825 0.24510 
0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476 
0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673 
0.9 0.18406 0.18141 0.17879 0.17619 0.17361 0.17106 0.16853 0.16602 0.16354 0.16109 
1.0 0.15866 0.15625 0.15386 標0.15151 準正規分0.14917 布表(P(0.14686 Z  z)) 
0.14457 0.14231 0.14007 0.13786 
1.1 0.13567 0.13350 0.13136 0.12924 0.12714 0.12507 0.12302 0.12100 0.11900 0.11702 
1.2 0.11507 0.11314 0.11123 0.10935 0.10749 0.10565 0.10383 0.10204 0.10027 0.098525 
1.3 0.096800 0.095098 0.093418 0.091759 0.090123 0.088508 0.086915 0.085343 0.083793 0.082264 
1.4 0.080757 0.079270 0.077804 0.076359 0.074934 0.073529 0.072145 0.070781 0.069437 0.068112 
1.5 0.066807 0.065522 0.064255 0.063008 0.061780 0.060571 0.059380 0.058208 0.057053 0.055917 
1.6 0.054799 0.053699 0.052616 0.051551 0.050503 0.049471 0.048457 0.047460 0.046479 0.045514 
1.7 0.044565 0.043633 0.042716 0.041815 0.040930 0.040059 0.039204 0.038364 0.037538 0.036727 
1.8 0.035930 0.035148 0.034380 0.033625 0.032884 0.032157 0.031443 0.030742 0.030054 0.029379 
1.9 0.028717 0.028067 0.027429 0.026803 0.026190 0.025588 0.024998 0.024419 0.023852 0.023295 
2.0 0.022750 0.022216 0.021692 0.021178 0.020675 0.020182 0.019699 0.019226 0.018763 0.018309 
2.1 0.017864 0.017429 0.017003 0.016586 0.016177 0.015778 0.015386 0.015003 0.014629 0.014262 
2.2 0.013903 0.013553 0.013209 0.012874 0.012545 0.012224 0.011911 0.011604 0.011304 0.011011 
2.3 0.010724 0.010444 0.010170 9.9031E-03 9.6419E-03 9.3867E-03 9.1375E-03 8.8940E-03 8.6563E-03 8.4242E-03 
2014 A. Asano, Kansai Univ. 
z 
f(z) 
0 
面積=2.5% 
うまいぐあいに,正規分布表で 
zの小数第2位 
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 
0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414 
0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465 
0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591 
0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827 
0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207 
0.5 0.30854 0.30503 0.30153 0.29806 0.29460 0.29116 0.28774 0.28434 0.28096 0.27760 
0.6 0.27425 0.27093 0.26763 0.26435 0.26109 0.25785 0.25463 0.25143 0.24825 0.24510 
0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476 
0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673 
zの 
小数第1位まで 
zの小数第2位 
… 
1.9 
0.06 
0.024998
正規分布の場合の区間推定 
標準正規分布表(P(Z  z)) 
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 
0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414 
0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465 
0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591 
0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827 
0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207 
0.5 0.30854 0.30503 0.30153 0.29806 0.6 0.27425 0.27093 0.26763 0.26435 境0.29460 界の0.29116 値は0.28774 「1.960.28434 0.28096 」 
0.27760 
0.26109 0.25785 0.25463 0.25143 0.24825 0.24510 
0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476 
0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673 
0.9 0.18406 0.18141 0.17879 0.17619 0.17361 0.17106 0.16853 0.16602 0.16354 0.16109 
1.0 0.15866 0.15625 0.15386 標0.15151 準正規分0.14917 布表(P(0.14686 Z  z)) 
0.14457 0.14231 0.14007 0.13786 
1.1 0.13567 0.13350 0.13136 0.12924 0.12714 0.12507 0.12302 0.12100 0.11900 0.11702 
1.2 0.11507 0.11314 0.11123 0.10935 0.10749 0.10565 0.10383 0.10204 0.10027 0.098525 
1.3 0.096800 0.095098 0.093418 0.091759 0.090123 0.088508 0.086915 0.085343 0.083793 0.082264 
1.4 0.080757 0.079270 0.077804 0.076359 0.074934 0.073529 0.072145 0.070781 0.069437 0.068112 
1.5 0.066807 0.065522 0.064255 0.063008 0.061780 0.060571 0.059380 0.058208 0.057053 0.055917 
1.6 0.054799 0.053699 0.052616 0.051551 0.050503 0.049471 0.048457 0.047460 0.046479 0.045514 
1.7 0.044565 0.043633 0.042716 0.041815 0.040930 0.040059 0.039204 0.038364 0.037538 0.036727 
1.8 0.035930 0.035148 0.034380 0.033625 0.032884 0.032157 0.031443 0.030742 0.030054 0.029379 
1.9 0.028717 0.028067 0.027429 0.026803 0.026190 0.025588 0.024998 0.024419 0.023852 0.023295 
2.0 0.022750 0.022216 0.021692 0.021178 0.020675 0.020182 0.019699 0.019226 0.018763 0.018309 
2.1 0.017864 0.017429 0.017003 0.016586 0.016177 0.015778 0.015386 0.015003 0.014629 0.014262 
2.2 0.013903 0.013553 0.013209 0.012874 0.012545 0.012224 0.011911 0.011604 0.011304 0.011011 
2.3 0.010724 0.010444 0.010170 9.9031E-03 9.6419E-03 9.3867E-03 9.1375E-03 8.8940E-03 8.6563E-03 8.4242E-03 
2014 A. Asano, Kansai Univ. 
z 
f(z) 
0 
面積=2.5% 
うまいぐあいに,正規分布表で 
zの小数第2位 
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 
0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414 
0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465 
0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591 
0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827 
0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207 
0.5 0.30854 0.30503 0.30153 0.29806 0.29460 0.29116 0.28774 0.28434 0.28096 0.27760 
0.6 0.27425 0.27093 0.26763 0.26435 0.26109 0.25785 0.25463 0.25143 0.24825 0.24510 
0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476 
0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673 
zの 
小数第1位まで 
zの小数第2位 
… 
1.9 
0.06 
0.024998
れていますから,標本は確率変数で,母集団分布と同じ確率分布にしたが 
なる標本正のそ規れぞ分れの布確の率分場布も合またのN(μ, 区σ2) 間です推。 
定 
,n 人からなる標本をX1, . . . ,Xn で表すと,(X1 + · · · + Xn)/n で表され 
述べた「正規分布の性質2(正規分布の再生性)」,すなわち 
いずれも正規分布N(μ, σ2) にしたがうならば,それらの平均(X1 + 
n) にしたがう 
本はこの性質のX1, ...,Xn にあてはまっていますから,「標本平均¯X 
は標準正規分布にしたがう 
標準正規分布の確率密度関数 
が 
2014 A. Asano, Kansai Univ. 
面積=95% 
境界の値は 
この区間に入っている確率=95%とすると 
ます。 
Z = 
¯X 
! − μ 
σ2/n 
(1) 
義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 
である区間」はどういうものか考えてみましょう。第5回の講 
明したように,Z がある区間に入る確率は,標準正規分布の確率 
対応する部分の面積になります。この部分の面積が全体の95%に 
ることにし,図3(a) のように表します。このときのZ の区間の 
間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 
0.025 となります。P(Z  u) = 0.025 となるu は,正規分布の数 
よると,u = 1.96 のとき,P(Z  1.96) = 0.024998 ≃ 0.025 であ 
1.96 ! Z ! 1.96) = 0.95 ということがわかります。 
Z ! 1.96) = 0.95 に用いると, 
z 
f(z) 
–u 0 u 
は 
がわかります。 
Z = 
¯X 
! − μ 
σ2/n 
(1) 
11回の講義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 
。 
確率がである区間」はどういうものか考えてみましょう。第5回の講
れていますから,標本は確率変数で,母集団分布と同じ確率分布にしたが 
なる標本正のそ規れぞ分れの布確の率分場布も合またのN(μ, 区σ2) 間です推。 
定 
,n 人からなる標本をX1, . . . ,Xn で表すと,(X1 + · · · + Xn)/n で表され 
述べた「正規分布の性質2(正規分布の再生性)」,すなわち 
いずれも正規分布N(μ, σ2) にしたがうならば,それらの平均(X1 + 
n) にしたがう 
本はこの性質のX1, ...,Xn にあてはまっていますから,「標本平均¯X 
は標準正規分布にしたがう 
標準正規分布の確率密度関数 
が 
2014 A. Asano, Kansai Univ. 
面積=95% 
境界の値は1.96 
この区間に入っている確率=95%とすると 
ます。 
Z = 
¯X 
! − μ 
σ2/n 
(1) 
義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 
である区間」はどういうものか考えてみましょう。第5回の講 
明したように,Z がある区間に入る確率は,標準正規分布の確率 
対応する部分の面積になります。この部分の面積が全体の95%に 
ることにし,図3(a) のように表します。このときのZ の区間の 
間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 
0.025 となります。P(Z  u) = 0.025 となるu は,正規分布の数 
よると,u = 1.96 のとき,P(Z  1.96) = 0.024998 ≃ 0.025 であ 
1.96 ! Z ! 1.96) = 0.95 ということがわかります。 
Z ! 1.96) = 0.95 に用いると, 
z 
f(z) 
–u 0 u 
は 
がわかります。 
Z = 
¯X 
! − μ 
σ2/n 
(1) 
11回の講義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 
。 
確率がである区間」はどういうものか考えてみましょう。第5回の講
れていますから,標本は確率変数で,母集団分布と同じ確率分布にしたが 
なる標本正のそ規れぞ分れの布確の率分場布も合またのN(μ, 区σ2) 間です推。 
定 
,n 人からなる標本をX1, . . . ,Xn で表すと,(X1 + · · · + Xn)/n で表され 
述べた「正規分布の性質2(正規分布の再生性)」,すなわち 
いずれも正規分布N(μ, σ2) にしたがうならば,それらの平均(X1 + 
n) にしたがう 
本はこの性質のX1, ...,Xn にあてはまっていますから,「標本平均¯X 
は標準正規分布にしたがう 
標準正規分布の確率密度関数 
-1.96 境界の値は1.96 
が 
2014 A. Asano, Kansai Univ. 
面積=95% 
この区間に入っている確率=95%とすると 
ます。 
Z = 
¯X 
! − μ 
σ2/n 
(1) 
義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 
である区間」はどういうものか考えてみましょう。第5回の講 
明したように,Z がある区間に入る確率は,標準正規分布の確率 
対応する部分の面積になります。この部分の面積が全体の95%に 
ることにし,図3(a) のように表します。このときのZ の区間の 
間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 
0.025 となります。P(Z  u) = 0.025 となるu は,正規分布の数 
よると,u = 1.96 のとき,P(Z  1.96) = 0.024998 ≃ 0.025 であ 
1.96 ! Z ! 1.96) = 0.95 ということがわかります。 
Z ! 1.96) = 0.95 に用いると, 
z 
f(z) 
–u 0 u 
は 
がわかります。 
Z = 
¯X 
! − μ 
σ2/n 
(1) 
11回の講義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 
。 
確率がである区間」はどういうものか考えてみましょう。第5回の講
ます。 
正規分布の場合の区間推定 
Z = 
¯X 
! − μ 
σ2/n 
が -1.96と1.96の間に入っ 
ている確率が95% 
2014 A. Asano, Kansai Univ. 
(1) 
義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 
である区間」はどういうものか考えてみましょう。第5回の講 
明したように,Z がある区間に入る確率は,標準正規分布の確率 
対応する部分の面積になります。この部分の面積が全体の95%に 
ることにし,図3(a) のように表します。このときのZ の区間の 
間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 
0.025 となります。P(Z  u) = 0.025 となるu は,正規分布の数 
よると,u = 1.96 のとき,P(Z  1.96) = 0.024998 ≃ 0.025 であ 
1.96 ! Z ! 1.96) = 0.95 ということがわかります。 
Z ! 1.96) = 0.95 に用いると,
Z がこの区間に入る確率すなわちます。 
正規分布の場合の区間推P(−定 
u ! Z ! u) Z  u) = 0.025 となります。P(Z  u) = 0.025 とす。数表によると,u = 1.96 のとき, Z = 
P(Z 1.96) わち,P(−1.96 ! Z ! 1.96) = 0.95 ということがわをP(−1.96 ! Z ! 1.96) = 0.95 に用いると, 
¯X 
! − μ 
σ2/n 
が -1.96と1.96の間に入っ 
ている確率が95% 
式で書くと 
P(−1.96 ! 
! 1.96) = 0.95 かります。ここで,今知りたいのは母集団の平均μ P( ¯X 
! − μ 
σ2/n 
2014 A. Asano, Kansai Univ. 
(1) 
義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 
である区間」はどういうものか考えてみましょう。第5回の講 
明したように,Z がある区間に入る確率は,標準正規分布の確率 
対応する部分の面積になります。この部分の面積が全体の95%に 
ることにし,図3(a) のように表します。このときのZ の区間の 
間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 
0.025 となります。P(Z  u) = 0.025 となるu は,正規分布の数 
よると,u = 1.96 のとき,P(Z  1.96) = 0.024998 ≃ 0.025 であ 
1.96 ! Z ! 1.96) = 0.95 ということがわかります。 
¯X 
− 1.96 
! 
σ2/n ! μ ! ¯X 
Z ! 1.96) = 0.95 に用いると, 
! 
σ2/n) = 0.95 + 1.96
Z がこの区間に入る確率すなわちます。 
正規分布の場合の区間推P(−定 
u ! Z ! u) Z  u) = 0.025 となります。P(Z  u) = 0.025 とす。数表によると,u = 1.96 のとき, Z = 
P(Z 1.96) わち,P(−1.96 ! Z ! 1.96) = 0.95 ということがわをP(−1.96 ! Z ! 1.96) = 0.95 に用いると, 
¯X 
! − μ 
σ2/n 
が -1.96と1.96の間に入っ 
ている確率が95% 
式で書くと 
P(−1.96 ! 
! 1.96) = 0.95 かります。ここで,今知りたいのは母集団の平均μ P( ¯X 
! − μ 
σ2/n 
! 
σ2/n) = 0.95 μ2014 A. Asano, Kansai Univ. 
(1) 
義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 
である区間」はどういうものか考えてみましょう。第5回の講 
明したように,Z がある区間に入る確率は,標準正規分布の確率 
対応する部分の面積になります。この部分の面積が全体の95%に 
ることにし,図3(a) のように表します。このときのZ の区間の 
間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 
0.025 となります。P(Z  u) = 0.025 となるu は,正規分布の数 
よると,u = 1.96 のとき,P(Z  1.96) = 0.024998 ≃ 0.025 であ 
1.96 ! Z ! 1.96) = 0.95 ということがわかります。 
¯X 
− 1.96 
! 
σ2/n ! μ ! ¯X 
Z ! 1.96) = 0.95 に用いると, 
+ 1.96 
の式に直すと
Z ま対が称にこZ のの区区間間にを入とるるこ確す。 
と率にすしな,図わ3(ちa) P(−のよu う! に表しま正Z ! u) す。すZ る とu) ,規Z = が分0.025 この布区のと間にな場入り合るま確のす率区。すなP(間わZ 推ち P(−定 
u) u = ! 0.025 Z ! u) と= よすう。に数,P(表Z に よu) る= と0.025 ,となりまのす。とP(きZ , u) =  0.025 とができZ ま= 
す。数表によるu = 1.96 わち,と,u = 1.96 のとき,P(Z 1.96) P(Z  1.96) す。すなP(−わち1.96 ,! ということがわP(−1.96 Z ! ! Z 1.96) ! 1.96) = 0.95 = 0.95 ということがわを式のP(−関係1.96 をP(−! 1.96 Z ! ! 1.96) Z ! 1.96) = 0.95 = 0.95 に用に用いいるるとと, 
, 
¯X 
! − μ 
σ2/n 
が -1.96と1.96の間に入っ 
ている確率が95% 
式で書くと 
P(−1.96 ! 
P(−1.96 ! 
! 1.96) = 0.95 かります。ここで,今知りたいのは母集団の平均μ P( ¯X 
! − μ 
σ2/n 
! 
σ2/n) = 0.95 μ2014 A. Asano, Kansai Univ. 
(1) 
義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 
である区間」はどういうものか考えてみましょう。第5回の講 
明したように,Z がある区間に入る確率は,標準正規分布の確率 
対応する部分の面積になります。この部分の面積が全体の95%に 
ることにし,図3(a) のように表します。このときのZ の区間の 
間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 
0.025 となります。P(Z  u) = 0.025 となるu は,正規分布の数 
よると,u = 1.96 のとき,P(Z  1.96) = 0.024998 ≃ 0.025 であ 
1.96 ! Z ! 1.96) = 0.95 ということがわかります。 
! 
σ2/n) = 0.95 れます。この範囲が,μ の95%信頼区間となります。この問題¯X 
− 1.96 
! 
σ2/n ! μ ! ¯X 
Z ! 1.96) = 0.95 に用いると, 
+ 1.96 
の式に直すと 
¯X 
! − μ 
σ2/n 
! 1.96) = 0.95 ことがわかります。ここで,今知りたいのは母集団の平均μ 換えると 
P( ¯X 
− 1.96 
! 
σ2/n ! μ ! ¯X 
+ 1.96
¯X 
! − μ 
σ2/n 
正規分布の場合の区間推定 
P(−1.96 ! 
! 1.96) = 0.95 とがわかります。ここで,今知りたいのは母集団の平均μ のえると 
! 
! 
P( − 1.96 
σ2/n ! μ ! + 1.96 
σ2/n) = 0.95 ます。この範囲が,μ の95%信頼区間となります。この問題で25 ですから,これらの数値を(3) 式に入れると,求める95%信す。「46.9 以上53.1 以下」という区間を,数学では[46.9, 53.1] 真Univ. 
の意味 
Kansai の区Asano, 間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下ませA. んでした。それは,この書き方は間違いだか¯X 
らで¯す。 
X 
2014
¯X 
! − μ 
σ2/n 
正規分布の場合の区間推定 
P(−1.96 ! 
! 1.96) = 0.95 とがわかります。ここで,今知りたいのは母集団の平均μ のえると 
! 
! 
P( − 1.96 
σ2/n ! μ ! + 1.96 
σ2/n) = 0.95 ます。このμ範の囲95% 
が,μ の95%信頼区間となります。この問題で25 ですから信,頼こ区れ間らのの 
数値を(3) 式に入れると,求める95%信す。「46.9 下以限 
上53.1 以下」という区間を,数学では[46.9, 53.1] 真Univ. 
の意味 
Kansai の区Asano, 間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下ませA. んでした。それは,この書き方は間違いだからです。 
2014 ¯X 
¯X
¯X 
! − μ 
σ2/n 
正規分布の場合の区間推定 
P(−1.96 ! 
! 1.96) = 0.95 とがわかります。ここで,今知りたいのは母集団の平均μ のえると 
! 
! 
P( − 1.96 
σ2/n ! μ ! + 1.96 
σ2/n) = 0.95 ます。このμ範の囲95% 
が,μ のμの95% 
信頼区間の 
95%信頼区間となります。この問題で25 ですから,これらの数値を(3) 式信に頼入区れ間るとの 
,求める95%信す。「46.9 下以限 
上53.1 以下」という上区間限 
を,数学では[46.9, 53.1] 真Univ. 
の意味 
Kansai の区Asano, 間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下ませA. んでした。それは,こ¯X 
¯の書き方は間違いだからです。 
2014 X
¯X 
! − μ 
σ2/n 
正規分布の場合の区間推定 
P(−1.96 ! 
! 1.96) = 0.95 とがわかります。ここで,今知りたいのは母集団の平均μ のえると 
! 
! 
P( − 1.96 
σ2/n ! μ ! + 1.96 
σ2/n) = 0.95 ます。このμ範の囲95% 
が,μ のμの95% 
信頼区間の 
95%信頼区間となります。この問題で25 ですから,これらの数値を(3) 式信に頼入区れ間るとの 
,求める95%信す。「46.9 下以限 
上53.1 以下」という上区間限 
を,数学では[46.9, 53.1] 真Univ. 
の意味 
Kansai の区Asano, 間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下ませA. んでした。それは,こ¯X 
¯の書き方は間違いだからです。 
2014 X 
例題では
¯X 
! − μ 
σ2/n 
正規分布の場合の区間推定 
P(−1.96 ! 
! 1.96) = 0.95 とがわかります。ここで,今知りたいのは母集団の平均μ のえると 
! 
! 
P( − 1.96 
σ2/n ! μ ! + 1.96 
σ2/n) = 0.95 ます。このμ範の囲95% 
が,μ のμの95% 
信頼区間の 
95%信頼区間となります。この問題で25 ですから,これらの数値を(3) 式信に頼入区れ間るとの 
,求める95%信す。「46.9 下以限 
上53.1 以下」という上区間限 
を,数学では[46.9, 53.1] 真Univ. 
の意味 
Kansai の区Asano, 間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下ませA. んでした。それは,こ¯X 
¯の書き方は間違いだからです。 
2014 X 
例題では 
標本平均=50
¯X 
! − μ 
σ2/n 
正規分布の場合の区間推定 
P(−1.96 ! 
! 1.96) = 0.95 とがわかります。ここで,今知りたいのは母集団の平均μ のえると 
! 
! 
P( − 1.96 
σ2/n ! μ ! + 1.96 
σ2/n) = 0.95 ます。このμ範の囲95% 
が,μ のμの95% 
信頼区間の 
95%信頼区間となります。この問題で25 ですから,これらの数値を(3) 式信に頼入区れ間るとの 
,求める95%信す。「46.9 下以限 
上53.1 以下」という上区間限 
を,数学では[46.9, 53.1] 真Univ. 
の意味 
Kansai の区Asano, 間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下ませA. んでした。それは,こ¯X 
¯の書き方は間違いだからです。 
2014 X 
例題では 
標本平均=50 母分散=25
¯X 
! − μ 
σ2/n 
正規分布の場合の区間推定 
P(−1.96 ! 
! 1.96) = 0.95 とがわかります。ここで,今知りたいのは母集団の平均μ のえると 
例題では 
標本平均=50 母分散=25 標本サイズ=10 
! 
! 
P( − 1.96 
σ2/n ! μ ! + 1.96 
σ2/n) = 0.95 ます。このμ範の囲95% 
が,μ のμの95% 
信頼区間の 
95%信頼区間となります。この問題で25 ですから,これらの数値を(3) 式信に頼入区れ間るとの 
,求める95%信す。「46.9 下以限 
上53.1 以下」という上区間限 
を,数学では[46.9, 53.1] 真Univ. 
の意味 
Kansai の区Asano, 間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下ませA. んでした。それは,こ¯X 
¯の書き方は間違いだからです。 
2014 X
¯X 
! − μ 
σ2/n 
正規分布の場合の区間推定 
P(−1.96 ! 
! 1.96) = 0.95 とがわかります。ここで,今知りたいのは母集団の平均μ のえると 
例題では 
標本平均=50 母分散=25 標本サイズ=10 
! 
! 
P( − 1.96 
σ2/n ! μ ! + 1.96 
σ2/n) = 0.95 ます。このμ範の囲95% 
が,μ のμの95% 
信頼区間の 
95%信頼区間となります。この問題で25 ですから,これらの数値を(3) 式信に頼入区れ間るとの 
,求める95%信す。「46.9 下以限 
上53.1 以下」という上区間限 
¯X 
を,数学では[46.9, 53.1] 真Univ. 
の意計味 
算すると,例題の答は 
Kansai の区Asano, 間推「定46.9の結果以を上「求53.1める95%以下信」 
頼区間は『46.9 以上53.1 以下ませA. んでした。それは,この書き方は間違いだからです¯X 
。 
2014
¯X 
! − μ 
σ2/n 
正規分布の場合の区間推定 
P(−1.96 ! 
! 1.96) = 0.95 とがわかります。ここで,今知りたいのは母集団の平均μ のえると 
例題では 
標本平均=50 母分散=25 標本サイズ=10 
! 
! 
P( − 1.96 
σ2/n ! μ ! + 1.96 
σ2/n) = 0.95 ます。このμ範の囲95% 
が,の信頼区μ間のとな95% 
μ 95%ります。この問題で25 ですから信,頼こ区れ間らのの 
数値を(3) 式信に頼入区れ間るとの 
,求める95%信す。「46.9 下以限 
上53.1 以下」という上区間限 
を,数学では[46.9, 53.1] 真Univ. 
の意計味 
算すると,例題の答は 
Kansai の区Asano, 間推「定46.9の結果以を上「求53.1める95%以下信」 
頼区 間[46.9, は『46.9 53.1] 
以上53.1 以下ませA. んでした。それは,この書き方は間違いだからです。 
¯X 
¯2014 X
とがわかります。ここで,今知りたいのは母集団の平均μ のえると 
信頼区間の答え方 
! 
! 
P( − 1.96 
σ2/n ! μ ! σ2/n) = 0.95 μの95%信頼区間の下限 
ます。この範囲が,計算すると,μ の95%信頼区間となります。この問題ではですから,これら例の題数の値答をは [46.9, 式に53.1] 
25 (3) 入れると,求める95%信す。「46.9 以上53.1 以下」という区間を,数学では[46.9, 53.1] 真の意味 
区間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下せんで¯X 
¯した。それは,この書き方は間違いだからですX 
。 
2014 A. Asano, Kansai Univ. 
+ 1.96 
μの95%信頼区間の上限 
度秋学期) 第12回(2013. 12. 12) http://racco.
とがわかります。ここで,今知りたいのは母集団の平均μ のえると 
信頼区間の答え方 
! 
! 
P( − 1.96 
σ2/n ! μ ! σ2/n) = 0.95 μの95%信頼区間の下限 
ます。この範囲が,計算すると,μ の95%信頼区間となります。この問題ではですから,これら例の題数の値答をは [46.9, 式に53.1] 
25 (3) 入れると,求める95%信す。「46.9 以上53.1 以下」という区間を,数学では[46.9, 53.1] 真の意味 
区間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下せんで¯X 
¯した。それは,この書き方は間違いだからですX 
。 
2014 A. Asano, Kansai Univ. 
+ 1.96 
μの95%信頼区間の上限 
これを 
度秋学期) 第12回(2013. 12. 12) http://racco.
とがわかります。ここで,今知りたいのは母集団の平均μ のえると 
信頼区間の答え方 
¯X 
確率」という意味ですから,( ) の中にはランダムにません。母平均! 
! 
P( − 1.96 
μ σ2/はn ,! 標μ 本! を調+ 1.96 
べていσ2/るn) 人= が0.95 知らないますμかの95%ら信頼区間の下限 
μの95%信頼区間の上限 
ます。この範,囲確が率,変数ではありまμ の95%信頼区間となせりんま。す。でこすのか問ら題で,P( は計25 はで,すラか算らンす,ダるこムとれ,なら例のの題数はの値答μ をは で[46.9, 53.1] 
(3) は式なに入くれるとで,あ求りめる,95%不等信すす。
「46.9 以上以下」という区間を,数学ではこれを 
53.1 [46.9, 53.1] し真ての意,味 
P(46.9 ! μ ! 53.1) = 0.95 という式にしてっ区て間,推定このの結式果をは「間求違めるい95%です信1頼。 
区間は『46.9 以上53.1 以下せUniv. 
んでした。それは,この書き方は間違いだからです。 
53.1] Kansai という信頼区間は,「いま無作為抽出されたて度,秋Asano, 学偶期)然 第そ12う回な(2013. った12. 値12) 」です。母平均μ http://は,[racco.A. 46.9, 2014 ちらかに決まっている」のであって,の確率¯X 
¯X
とがわかります。ここで,今知りたいのは母集団の平均μ のえると 
信頼区間の答え方 
¯確率X 
」という意味ですから,( ) の中にはランダムにません。母平均! 
! 
P( − 1.96 
μ σ2/はn ,! 標μ 本! を調+ 1.96 
べていσ2/るn) 人= が0.95 知らないますμの95%ます。こかのら,信確頼率区変間の下限 
μの95%信頼区間の上限 
範囲が,μ の数で95%信は頼あ区り間まとなせりんま。す。でこすのか問ら題で,P( ははで,すラ計か算らンす,ダるこムとれ,なら例のの題数はの値答μ をは で[46.9, 53.1] 
25 (3) は式なに入くれるとで,あ求りめる,95%不等信すす。
「46.9 以上以下」という区間を,数学ではこれを 
53.1 [46.9, 53.1] し真ての意,味 
P(46.9 ! μ ! 53.1) = 0.95 という式にしてっ区て間,と推定こ書のいの結て式果はを「い間求け違めるない95%いでのす信? 
1頼。 
区間は『46.9 以上53.1 以下せUniv. 
んでした。それは,この書き方は間違いだからです。 
53.1] Kansai という信頼区間は,「いま無作為抽出されたて度,秋Asano, 学偶期)然 第そ12う回な(2013. った12. 値12) 」です。母平均μ http://は,[racco.A. 46.9, 2014 ちらかに決まっている」のであって,の確率¯X 
¯X
とがわかります。ここで,今知りたいのは母集団の平均μ のえると 
信頼区間の答え方 
¯確率X 
」という意味ですから,( ) の中にはランダムにませんP( 。母! 
− 平1.96 
均μ σ2/は! 
n ,! 標μ 本! を調+ 1.96 
べていσ2/るn) 人= が0.95 知らないますμかの95%ます。このら信頼区間の下範,囲確が率,変の数で限 
はμの95%信頼区間の上限 
μ 95%信頼あ区り間まとなせりんま。す。でこすのか問ら題で,P( ははで,すラ計か算らンす,ダるこムとれ,なら例のの題数はの値答μ をは で[46.9, 25 (3) は式なに53.1] 
入くれるとで,あ求りめる,95%不等信すす。
「以上こ46.9 れを 
53.1 以下」という区間を,数学では[46.9, 53.1] し真ての意,味 
P(46.9 ! μ ! 53.1) = 0.95 という式にしてっ区て間,と推定こ書のいの結て式果はを「い間求け違めるない95%いでのす信? 
1頼。 
区間は『46.9 以上53.1 以下せUniv. 
んでした。それは,この書き方は間違いだからです。 
53.1] Kansai といだうめ信で頼す区。 
間は,「いま無作為抽出されたて度,秋Asano, 学偶期)然 第そ12う回な(2013. った12. 値12) 」です。母平均A. μ http://は,[racco.46.9, 2014 ちらかに決まっている」のであって,の確率¯X 
¯X
とがわかります。ここで,今知りたいのは母集団の平均μ のえると 
信頼区間の答え方 
¯X 
確率」という意味ですから,( ) の中にはランダムにませんP( 。母平均! 
− 1.96 
μ σ2/は! 
n ,! 標μ 本! を調+ 1.96 
べていσ2/るn) 人= が0.95 知らないますμかの95%ます。このら,信頼区間の下範囲確が率,変の数で限 
はあμの95%信頼区間の上限 
μ 95%信頼区り間まとなせりんま。す。でこすのか問ら題で,P( は25 はで,すラ計か算らンす,ダるこムとれ,なら例のの題数はの値答μ をは で[46.9, は式なに53.1] 
(3) 入くれるとで,あ求りめる,95%不等信すす。
「こ46.9 以上以下」という区間を,数学ではれを 
53.1 [46.9, 53.1] し真ての意,味 
P(46.9 ! μ ! 53.1) = 0.95 という式にしてっ区て間,と推定こ書のいの結て式果はを「い間求け違めるない95%いでのす信? 
1頼。 
区間は『46.9 以上53.1 以下せUniv. 
んでした。それは,この書き方は間違いだからです。 
53.1] Kansai といだうめ信で頼す区。間はな,ぜ「? 
いま無作為抽出されたて度,秋Asano, 学偶期)然 第そ12う回な(2013. った12. 値12) 」です。母平均http://は,[racco.A. μ 46.9, 2014 ちらかに決まっている」のであって,の確率¯X 
¯X
す。 
信頼区間の答え方 
して,P(46.9 ! μ ! 53.1) = 0.95 という式にしてって,ことの書式いはて間は違いいけでなすい1。 
の? 
53.1] という信頼区間は,「いま無作為抽出されたて,偶然そうなった値」です。母平均μ は,[46.9, ちらかに決まっている」のであって,95%の確率95%2014 A. Asano, Kansai Univ. 
であるような区間」とは,今日の冒頭の図1(b) 求める」という操作を何回も行うと,
す。 
信頼区間の答え方 
して,P(46.9 ! μ ! 53.1) = 0.95 という式にしてって,ことの書式いはて間は違いいけでなすい1。 
の? だめ。 
53.1] という信頼区間は,「いま無作為抽出されたて,偶然そうなった値」です。母平均μ は,[46.9, ちらかに決まっている」のであって,95%の確率95%2014 A. Asano, Kansai Univ. 
であるような区間」とは,今日の冒頭の図1(b) 求める」という操作を何回も行うと,
す。 
信頼区間の答え方 
して,P(46.9 ! μ ! 53.1) = 0.95 という式にしてって,ことの書式いはて間は違いいけでなすい1。 
の? 
だめ。 
確と率いのう式信なのに,()内にランダムなものが 
53.1] 頼区間て,偶入然っそてういななっいたか値ら 
は,「いま無作為抽出された」です。母平均μ は,[46.9, ちらかに決まっている」のであって,95%の確率95%2014 A. Asano, Kansai Univ. 
であるような区間」とは,今日の冒頭の図1(b) 求める」という操作を何回も行うと,
。すなわち,P(−1.96 ! Z ! 1.96) = 0.95 ということがわかり関係をP(−1.96 ! Z ! 1.96) = 0.95 に用いると, 
す。 
信頼区間の答え方 
して,P(46.9 ! μ ! 53.1) = 0.95 という式にしてって,この式は間違いです1。 
53.1] という信頼区間は,「いま無作為抽出されたて,偶然そうなった値」です。母平均μ は,[46.9, ちらかに決まっている」のであって,95%の確率95%¯X 
! − μ 
σ2/n 
と書いてはいけないの? 
だめ。 
P(−1.96 ! 
! 1.96) = 0.95 確率の式なのに,()内にランダムなものが 
とがわかります。ここで,今知りたいのは母集団の平均μ の範えると 
入っていないから 
! 
! 
P( − 1.96 
σ2/n ! μ ! + 1.96 
σ2/n) = 0.95 す。この範囲が,μ の95%信頼区間となります。この問題ではでUniv. 
ですあかるら,こKansai ようれならの区数間値」をと(3) は式,に今入日れのると冒,頭求のめ図る95%1(b) 信す求。「め46.9 る」以と上い53.1 う以操下作」をとい何う回区も間行を,う数Asano, と学, 
では[46.9, 53.1] A. 2014 真の¯X 
意味 
¯X
。すなわち,P(−1.96 ! Z ! 1.96) = 0.95 ということがわかり関係をP(−1.96 ! Z ! 1.96) = 0.95 に用いると, 
す。 
信頼区間の答え方 
して,P(46.9 ! μ ! 53.1) = 0.95 という式にしてって,この式は間違いです1。 
53.1] という信頼区間は,「いま無作為抽出されたて,偶然そうなった値」です。母平均μ は,[46.9, ちらかに決まっている」のであって,95%の確率95%¯X 
! − μ 
σ2/n 
と書いてはいけないの? 
だめ。 
P(−1.96 ! 
! 1.96) = 0.95 確率の式なのに,()内にランダムなものが 
とがわかります。ここで,今知りたいのは母集団の平均μ の範えると 
入っていないから 
! 
! 
P( − 1.96 
σ2/n ! μ ! + 1.96 
σ2/n) = 0.95 す。ここのう範書囲いが,たμ とのき95%, 
信頼区間となります。この問題ではでUniv. 
Kansai ですあかるら,よこうれならの区数間値」をと(3) は式,に今入日れのると冒,頭求のめ図る95%1(b) 信す求。「め46.9 る」以と上い53.1 う以操下作」をとい何う回区も間行を,う数と学Asano, , 
では[46.9, 53.1] A. 2014 ¯X 
¯X 
真の意味
。すなわち,P(−1.96 ! Z ! 1.96) = 0.95 ということがわかり関係をP(−1.96 ! Z ! 1.96) = 0.95 に用いると, 
す。 
信頼区間の答え方 
して,P(46.9 ! μ ! 53.1) = 0.95 という式にしてって,この式は間違いです1。 
53.1] という信頼区間は,「いま無作為抽出されたて,偶然そうなった値」です。母平均μ は,[46.9, ちらかに決まっている」のであって,95%の確率95%¯X 
! − μ 
σ2/n 
と書いてはいけないの? 
だめ。 
P(−1.96 ! 
! 1.96) = 0.95 確率の式なのに,()内にランダムなものが 
とがわかります。ここで,今知りたいのは母集団の平均μ の範えると 
入っていないから 
! 
! 
P( − 1.96 
σ2/n ! μ ! + 1.96 
σ2/n) = 0.95 す。ここのう範書囲いが,たμ とのき95%, 
信頼区間となります。この問題ではでUniv. 
ですあかるらμ(,よこう母れな平らの区均数間)値」はをとラ(3) はン式,ダに今ム入日でれのるはと冒な,頭い 
求める95%信す。Kansai の図1(b) 求「Asano, め46.9 る」以と上い53.1 う以操下作」をとい何う回区も間行を,う数と学, 
では[46.9, 53.1] A. ¯X 
¯2014 真の意味 
X
。すなわち,P(−1.96 ! Z ! 1.96) = 0.95 ということがわかり関係をP(−1.96 ! Z ! 1.96) = 0.95 に用いると, 
す。 
信頼区間の答え方 
して,P(46.9 ! μ ! 53.1) = 0.95 という式にしてって,この式は間違いです1。 
53.1] という信頼区間は,「いま無作為抽出されたて,偶然そうなった値」です。母平均μ は,[46.9, ちらかに決まっている」のであって,95%の確率95%¯X 
! − μ 
σ2/n 
と書いてはいけないの? 
だめ。 
P(−1.96 ! 
! 1.96) = 0.95 確率の式なのに,()内にランダムなものが 
とがわかります。ここで,今知りたいのは母集団の平均μ の範えると 
入っていないから 
! 
! 
P( ¯X 
− 1.96 
σ2/n ! μ ! + 1.96 
σ2/n) = 0.95 す。ここのう範書囲いが,たμ とのき95%, 
信頼区間となります。この問題ではでUniv. 
ですあかるらμ(,よこう母れな平らの区均数間)値はをラ(3) ン式ダにム入でれるはとな,い 
求める95%信す。Kansai 」とは,今日の冒頭の図1(b) 求「Asano, め46.9 るラ」以ンと上ダい53.1 ムうな以操下の作」はをとX(い何う回標区も間本行を平,う均数と) 
学, 
では[46.9, 53.1] A. 2014 真の意¯味 
X
これを思いだしてください 
区間は母平均を 
X 
X 
X 
X 
母平均 
含む 
含む 
含ま 
ない 
含む 
2014 A. Asano, Kansai Univ.
これを思いだしてください 
区間は母平均を 
X 
X 
X 
X 
母平均 
含む 
含む 
含ま 
ない 
含む 
2014 A. Asano, Kansai Univ. 
実際には, 
標本平均と区間は 
1度しか計算しない
これを思いだしてください 
区間は母平均を 
X 
X 
X 
X 
母平均 
含む 
含む 
含ま 
ない 
含む 
2014 A. Asano, Kansai Univ. 
実際には, 
標本平均と区間は 
1度しか計算しない 
[46.9, 53.1]
これを思いだしてください 
区間は母平均を 
X 
X 
X 
X 
母平均 
含む 
含む 
含ま 
ない 
含む 
2014 A. Asano, Kansai Univ. 
実際には, 
標本平均と区間は 
1度しか計算しない 
[46.9, 53.1]
これを思いだしてください 
区間は母平均を 
X 
X 
X 
X 
母平均 
含む 
含む 
含ま 
ない 
含む 
2014 A. Asano, Kansai Univ. 
実際には, 
標本平均と区間は 
1度しか計算しない 
その区間が,母平均を 
含むかどうかは 
実際にはわからない 
[46.9, 53.1]
これを思いだしてください 
区間は母平均を 
X 
X 
X 
X 
母平均 
含む 
含む 
含ま 
ない 
含む 
(実際にはわからない) 
2014 A. Asano, Kansai Univ. 
実際には, 
標本平均と区間は 
1度しか計算しない 
その区間が,母平均を 
含むかどうかは 
実際にはわからない 
[46.9, 53.1]
これを思いだしてください 
区間は母平均を 
X 
X 
X 
X 
母平均 
含む 
含む 
含ま 
ない 
含む 
(実際にはわからない) 
2014 A. Asano, Kansai Univ. 
実際には, 
標本平均と区間は 
1度しか計算しない 
その区間が,母平均を 
含むかどうかは 
実際にはわからない 
しかし,確率95%で 
母平均を含むように計 
算した区間だから,そ 
の1回も含むと信じる 
[46.9, 53.1]
とがわかります。ここで,今知りたいのは母集団の平均μ のえると 
区間推定についての注意 
! 
! 
P( ¯− 1.96 
σ2/n ! μ ! X 
σ2/n) = 0.95 ます。この範囲が,μ の95%信頼区間となります。この問題では25 ですから,これらの数値を(3) 式に入れると,求める95%信す。「46.9 以上53.1 以下」という区間を,数学では[46.9, 53.1] 真の意味 
区間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下せんでした。それは,この書き方は間違いだか¯らですX 
。 
2014 A. Asano, Kansai Univ. 
+ 1.96 
度秋学期) 第12回(2013. 12. 12) http://racco.
とがわかります。ここで,今知りたいのは母集団の平均μ のえると 
区間推定についての注意 
! 
! 
P( ¯− 1.96 
σ2/n ! μ ! X 
σ2/n) = 0.95 ます。この範囲が,μ の95%信頼区間となります。この問題では25 ですから,これらの数値を(3) 式に入れると,求める95%信す。「46.9 以上53.1 以下」という区間を,数学では[46.9, 53.1] 真の意味 
区間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下せんでした。それは,この書き方は間違いだか¯らですX 
。 
2014 A. Asano, Kansai Univ. 
+ 1.96 
1.母集団の大きさは関係ない 
度秋学期) 第12回(2013. 12. 12) http://racco.
とがわかります。ここで,今知りたいのは母集団の平均μ のえると 
区間推定についての注意 
! 
! 
P( ¯− 1.96 
σ2/n ! μ ! X 
σ2/n) = 0.95 ます。この範囲が,μ の95%信頼区間となります。この問題では25 ですから,これらの数値を(3) 式に入れると,求める95%信す。「46.9 以上53.1 以下」という区間を,数学では[46.9, 53.1] 真の意味 
区間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下せんでした。それは,この書き方は間違いだか¯らですX 
。 
2014 A. Asano, Kansai Univ. 
+ 1.96 
1.母集団の大きさは関係ない 
復元抽出なら,母集団分布は 
標本抽出によって変化しない 
度秋学期) 第12回(2013. 12. 12) http://racco.
とがわかります。ここで,今知りたいのは母集団の平均μ のえると 
区間推定についての注意 
! 
! 
P( ¯− 1.96 
σ2/n ! μ ! X 
σ2/n) = 0.95 ます。この範囲が,μ の95%信頼区間となります。この問題では25 ですから,これらの数値を(3) 式に入れると,求める95%信す。「46.9 以上53.1 以下」という区間を,数学では[46.9, 53.1] 真の意味 
区間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下せんでした。それは,この書き方は間違いだか¯らですX 
。 
2014 A. Asano, Kansai Univ. 
+ 1.96 
1.母集団の大きさは関係ない 
復元抽出なら,母集団分布は 
標本抽出によって変化しない 
2.「95%」を選ぶ根拠はない 
度秋学期) 第12回(2013. 12. 12) http://racco.
とがわかります。ここで,今知りたいのは母集団の平均μ のえると 
区間推定についての注意 
! 
! 
P( ¯− 1.96 
σ2/n ! μ ! X 
σ2/n) = 0.95 ます。この範囲が,μ の95%信頼区間となります。この問題では25 ですから,これらの数値を(3) 式に入れると,求める95%信す。「46.9 以上53.1 以下」という区間を,数学では[46.9, 53.1] 真の意味 
区間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下せんでした。それは,この書き方は間違いだか¯らですX 
。 
2014 A. Asano, Kansai Univ. 
+ 1.96 
度秋学期) 第12回(2013. 12. 12) http://racco.1.母集団の大きさは関係ない 
復元抽出なら,母集団分布は 
標本抽出によって変化しない 
2.「95%」を選ぶ根拠はない 
確率5%なら,推測がはずれて 
失敗しても,まあいいか,と思っ 
ているだけ

More Related Content

Viewers also liked

鏡はなぜ左右だけ逆になるのか?
鏡はなぜ左右だけ逆になるのか?鏡はなぜ左右だけ逆になるのか?
鏡はなぜ左右だけ逆になるのか?Akira Asano
 
2014年度秋学期 統計学 第5回 分布をまとめるー平均・分散 (2014. 10. 22)
2014年度秋学期 統計学 第5回 分布をまとめるー平均・分散 (2014. 10. 22)2014年度秋学期 統計学 第5回 分布をまとめるー平均・分散 (2014. 10. 22)
2014年度秋学期 統計学 第5回 分布をまとめるー平均・分散 (2014. 10. 22)Akira Asano
 
2015年度春学期 統計学 第3回 クロス集計とデータの可視化 (2015. 4. 23)
2015年度春学期 統計学 第3回 クロス集計とデータの可視化 (2015. 4. 23)2015年度春学期 統計学 第3回 クロス集計とデータの可視化 (2015. 4. 23)
2015年度春学期 統計学 第3回 クロス集計とデータの可視化 (2015. 4. 23)Akira Asano
 
2013年度秋学期 統計学 第1回「イントロダクション」
2013年度秋学期 統計学 第1回「イントロダクション」2013年度秋学期 統計学 第1回「イントロダクション」
2013年度秋学期 統計学 第1回「イントロダクション」Akira Asano
 
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第6回 変数分離形の変形 (2014. 10. 30)
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第6回 変数分離形の変形 (2014. 10. 30)2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第6回 変数分離形の変形 (2014. 10. 30)
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第6回 変数分離形の変形 (2014. 10. 30)Akira Asano
 
2014年度春学期 統計学 第2回 統計資料の収集と読み方 (2014. 4.17)
2014年度春学期 統計学 第2回 統計資料の収集と読み方 (2014. 4.17)2014年度春学期 統計学 第2回 統計資料の収集と読み方 (2014. 4.17)
2014年度春学期 統計学 第2回 統計資料の収集と読み方 (2014. 4.17)Akira Asano
 
2013年度秋学期 統計学 第4回「データを「分布」で見る」
2013年度秋学期 統計学 第4回「データを「分布」で見る」2013年度秋学期 統計学 第4回「データを「分布」で見る」
2013年度秋学期 統計学 第4回「データを「分布」で見る」Akira Asano
 
2014年度秋学期 統計学 第13回 不確かな測定の不確かさを測る ― 不偏分散とt分布 (2015. 1. 7)
2014年度秋学期 統計学 第13回 不確かな測定の不確かさを測る ― 不偏分散とt分布 (2015. 1. 7)2014年度秋学期 統計学 第13回 不確かな測定の不確かさを測る ― 不偏分散とt分布 (2015. 1. 7)
2014年度秋学期 統計学 第13回 不確かな測定の不確かさを測る ― 不偏分散とt分布 (2015. 1. 7)Akira Asano
 
2014年度秋学期 統計学 第2回 統計資料の収集と読み方 (2014. 10. 1)
2014年度秋学期 統計学 第2回 統計資料の収集と読み方 (2014. 10. 1)2014年度秋学期 統計学 第2回 統計資料の収集と読み方 (2014. 10. 1)
2014年度秋学期 統計学 第2回 統計資料の収集と読み方 (2014. 10. 1)Akira Asano
 
2013年度秋学期 統計学 第6回「データの関係を知る(1)−相関関係と因果関係」
2013年度秋学期 統計学 第6回「データの関係を知る(1)−相関関係と因果関係」2013年度秋学期 統計学 第6回「データの関係を知る(1)−相関関係と因果関係」
2013年度秋学期 統計学 第6回「データの関係を知る(1)−相関関係と因果関係」Akira Asano
 
2014年度秋学期 統計学 第7回 分布をまとめるー回帰分析 (2014. 11. 12)
2014年度秋学期 統計学 第7回 分布をまとめるー回帰分析 (2014. 11. 12)2014年度秋学期 統計学 第7回 分布をまとめるー回帰分析 (2014. 11. 12)
2014年度秋学期 統計学 第7回 分布をまとめるー回帰分析 (2014. 11. 12)Akira Asano
 
2014年度秋学期 応用数学(解析) 第4部・複素関数論ダイジェスト / 第13回 孤立特異点と留数 (2015. 1. 8)
2014年度秋学期 応用数学(解析) 第4部・複素関数論ダイジェスト / 第13回 孤立特異点と留数 (2015. 1. 8)2014年度秋学期 応用数学(解析) 第4部・複素関数論ダイジェスト / 第13回 孤立特異点と留数 (2015. 1. 8)
2014年度秋学期 応用数学(解析) 第4部・複素関数論ダイジェスト / 第13回 孤立特異点と留数 (2015. 1. 8)Akira Asano
 
2014年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 / 第11回 振動と微分方程式 (2014. 12. 11)
2014年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 / 第11回 振動と微分方程式 (2014. 12. 11)2014年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 / 第11回 振動と微分方程式 (2014. 12. 11)
2014年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 / 第11回 振動と微分方程式 (2014. 12. 11)Akira Asano
 
2013年度秋学期 統計学 第3回「クロス集計とデータの可視化」
2013年度秋学期 統計学 第3回「クロス集計とデータの可視化」2013年度秋学期 統計学 第3回「クロス集計とデータの可視化」
2013年度秋学期 統計学 第3回「クロス集計とデータの可視化」Akira Asano
 
2014年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 / 第10回 生存時間分布と半減期 (2014. 12. 4)
2014年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 / 第10回 生存時間分布と半減期 (2014. 12. 4)2014年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 / 第10回 生存時間分布と半減期 (2014. 12. 4)
2014年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 / 第10回 生存時間分布と半減期 (2014. 12. 4)Akira Asano
 
2013年度春学期 画像情報処理 第6回「準備・行列に慣れていない人のために」
2013年度春学期 画像情報処理 第6回「準備・行列に慣れていない人のために」2013年度春学期 画像情報処理 第6回「準備・行列に慣れていない人のために」
2013年度春学期 画像情報処理 第6回「準備・行列に慣れていない人のために」Akira Asano
 
2014年度秋学期 統計学 第4回 データを「分布」で見る (2014. 10. 15)
2014年度秋学期 統計学 第4回 データを「分布」で見る (2014. 10. 15)2014年度秋学期 統計学 第4回 データを「分布」で見る (2014. 10. 15)
2014年度秋学期 統計学 第4回 データを「分布」で見る (2014. 10. 15)Akira Asano
 
2015年度春学期 統計学 第9回 確からしさを記述する ― 確率 (2015. 6. 11.)
2015年度春学期 統計学 第9回 確からしさを記述する ― 確率 (2015. 6. 11.)2015年度春学期 統計学 第9回 確からしさを記述する ― 確率 (2015. 6. 11.)
2015年度春学期 統計学 第9回 確からしさを記述する ― 確率 (2015. 6. 11.)Akira Asano
 
2015年度春学期 画像情報処理 第1回 イントロダクション (2015. 4.8)
2015年度春学期 画像情報処理 第1回 イントロダクション (2015. 4.8)2015年度春学期 画像情報処理 第1回 イントロダクション (2015. 4.8)
2015年度春学期 画像情報処理 第1回 イントロダクション (2015. 4.8)Akira Asano
 
2014年度秋学期 応用数学(解析) 第5部・測度論ダイジェスト / 第14回 ルベーグ測度と完全加法性 (2015. 1. 15)
2014年度秋学期 応用数学(解析) 第5部・測度論ダイジェスト / 第14回 ルベーグ測度と完全加法性 (2015. 1. 15)2014年度秋学期 応用数学(解析) 第5部・測度論ダイジェスト / 第14回 ルベーグ測度と完全加法性 (2015. 1. 15)
2014年度秋学期 応用数学(解析) 第5部・測度論ダイジェスト / 第14回 ルベーグ測度と完全加法性 (2015. 1. 15)Akira Asano
 

Viewers also liked (20)

鏡はなぜ左右だけ逆になるのか?
鏡はなぜ左右だけ逆になるのか?鏡はなぜ左右だけ逆になるのか?
鏡はなぜ左右だけ逆になるのか?
 
2014年度秋学期 統計学 第5回 分布をまとめるー平均・分散 (2014. 10. 22)
2014年度秋学期 統計学 第5回 分布をまとめるー平均・分散 (2014. 10. 22)2014年度秋学期 統計学 第5回 分布をまとめるー平均・分散 (2014. 10. 22)
2014年度秋学期 統計学 第5回 分布をまとめるー平均・分散 (2014. 10. 22)
 
2015年度春学期 統計学 第3回 クロス集計とデータの可視化 (2015. 4. 23)
2015年度春学期 統計学 第3回 クロス集計とデータの可視化 (2015. 4. 23)2015年度春学期 統計学 第3回 クロス集計とデータの可視化 (2015. 4. 23)
2015年度春学期 統計学 第3回 クロス集計とデータの可視化 (2015. 4. 23)
 
2013年度秋学期 統計学 第1回「イントロダクション」
2013年度秋学期 統計学 第1回「イントロダクション」2013年度秋学期 統計学 第1回「イントロダクション」
2013年度秋学期 統計学 第1回「イントロダクション」
 
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第6回 変数分離形の変形 (2014. 10. 30)
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第6回 変数分離形の変形 (2014. 10. 30)2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第6回 変数分離形の変形 (2014. 10. 30)
2014年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 / 第6回 変数分離形の変形 (2014. 10. 30)
 
2014年度春学期 統計学 第2回 統計資料の収集と読み方 (2014. 4.17)
2014年度春学期 統計学 第2回 統計資料の収集と読み方 (2014. 4.17)2014年度春学期 統計学 第2回 統計資料の収集と読み方 (2014. 4.17)
2014年度春学期 統計学 第2回 統計資料の収集と読み方 (2014. 4.17)
 
2013年度秋学期 統計学 第4回「データを「分布」で見る」
2013年度秋学期 統計学 第4回「データを「分布」で見る」2013年度秋学期 統計学 第4回「データを「分布」で見る」
2013年度秋学期 統計学 第4回「データを「分布」で見る」
 
2014年度秋学期 統計学 第13回 不確かな測定の不確かさを測る ― 不偏分散とt分布 (2015. 1. 7)
2014年度秋学期 統計学 第13回 不確かな測定の不確かさを測る ― 不偏分散とt分布 (2015. 1. 7)2014年度秋学期 統計学 第13回 不確かな測定の不確かさを測る ― 不偏分散とt分布 (2015. 1. 7)
2014年度秋学期 統計学 第13回 不確かな測定の不確かさを測る ― 不偏分散とt分布 (2015. 1. 7)
 
2014年度秋学期 統計学 第2回 統計資料の収集と読み方 (2014. 10. 1)
2014年度秋学期 統計学 第2回 統計資料の収集と読み方 (2014. 10. 1)2014年度秋学期 統計学 第2回 統計資料の収集と読み方 (2014. 10. 1)
2014年度秋学期 統計学 第2回 統計資料の収集と読み方 (2014. 10. 1)
 
2013年度秋学期 統計学 第6回「データの関係を知る(1)−相関関係と因果関係」
2013年度秋学期 統計学 第6回「データの関係を知る(1)−相関関係と因果関係」2013年度秋学期 統計学 第6回「データの関係を知る(1)−相関関係と因果関係」
2013年度秋学期 統計学 第6回「データの関係を知る(1)−相関関係と因果関係」
 
2014年度秋学期 統計学 第7回 分布をまとめるー回帰分析 (2014. 11. 12)
2014年度秋学期 統計学 第7回 分布をまとめるー回帰分析 (2014. 11. 12)2014年度秋学期 統計学 第7回 分布をまとめるー回帰分析 (2014. 11. 12)
2014年度秋学期 統計学 第7回 分布をまとめるー回帰分析 (2014. 11. 12)
 
2014年度秋学期 応用数学(解析) 第4部・複素関数論ダイジェスト / 第13回 孤立特異点と留数 (2015. 1. 8)
2014年度秋学期 応用数学(解析) 第4部・複素関数論ダイジェスト / 第13回 孤立特異点と留数 (2015. 1. 8)2014年度秋学期 応用数学(解析) 第4部・複素関数論ダイジェスト / 第13回 孤立特異点と留数 (2015. 1. 8)
2014年度秋学期 応用数学(解析) 第4部・複素関数論ダイジェスト / 第13回 孤立特異点と留数 (2015. 1. 8)
 
2014年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 / 第11回 振動と微分方程式 (2014. 12. 11)
2014年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 / 第11回 振動と微分方程式 (2014. 12. 11)2014年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 / 第11回 振動と微分方程式 (2014. 12. 11)
2014年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 / 第11回 振動と微分方程式 (2014. 12. 11)
 
2013年度秋学期 統計学 第3回「クロス集計とデータの可視化」
2013年度秋学期 統計学 第3回「クロス集計とデータの可視化」2013年度秋学期 統計学 第3回「クロス集計とデータの可視化」
2013年度秋学期 統計学 第3回「クロス集計とデータの可視化」
 
2014年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 / 第10回 生存時間分布と半減期 (2014. 12. 4)
2014年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 / 第10回 生存時間分布と半減期 (2014. 12. 4)2014年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 / 第10回 生存時間分布と半減期 (2014. 12. 4)
2014年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 / 第10回 生存時間分布と半減期 (2014. 12. 4)
 
2013年度春学期 画像情報処理 第6回「準備・行列に慣れていない人のために」
2013年度春学期 画像情報処理 第6回「準備・行列に慣れていない人のために」2013年度春学期 画像情報処理 第6回「準備・行列に慣れていない人のために」
2013年度春学期 画像情報処理 第6回「準備・行列に慣れていない人のために」
 
2014年度秋学期 統計学 第4回 データを「分布」で見る (2014. 10. 15)
2014年度秋学期 統計学 第4回 データを「分布」で見る (2014. 10. 15)2014年度秋学期 統計学 第4回 データを「分布」で見る (2014. 10. 15)
2014年度秋学期 統計学 第4回 データを「分布」で見る (2014. 10. 15)
 
2015年度春学期 統計学 第9回 確からしさを記述する ― 確率 (2015. 6. 11.)
2015年度春学期 統計学 第9回 確からしさを記述する ― 確率 (2015. 6. 11.)2015年度春学期 統計学 第9回 確からしさを記述する ― 確率 (2015. 6. 11.)
2015年度春学期 統計学 第9回 確からしさを記述する ― 確率 (2015. 6. 11.)
 
2015年度春学期 画像情報処理 第1回 イントロダクション (2015. 4.8)
2015年度春学期 画像情報処理 第1回 イントロダクション (2015. 4.8)2015年度春学期 画像情報処理 第1回 イントロダクション (2015. 4.8)
2015年度春学期 画像情報処理 第1回 イントロダクション (2015. 4.8)
 
2014年度秋学期 応用数学(解析) 第5部・測度論ダイジェスト / 第14回 ルベーグ測度と完全加法性 (2015. 1. 15)
2014年度秋学期 応用数学(解析) 第5部・測度論ダイジェスト / 第14回 ルベーグ測度と完全加法性 (2015. 1. 15)2014年度秋学期 応用数学(解析) 第5部・測度論ダイジェスト / 第14回 ルベーグ測度と完全加法性 (2015. 1. 15)
2014年度秋学期 応用数学(解析) 第5部・測度論ダイジェスト / 第14回 ルベーグ測度と完全加法性 (2015. 1. 15)
 

Similar to 2014年度秋学期 統計学 第12回 分布の平均を推測する - 区間推定 (2014. 12. 17)

2014年度秋学期 統計学 第10回 分布の推測とは - 標本調査,度数分布と確率分布 (2014. 12. 3)
2014年度秋学期 統計学 第10回 分布の推測とは - 標本調査,度数分布と確率分布 (2014. 12. 3)2014年度秋学期 統計学 第10回 分布の推測とは - 標本調査,度数分布と確率分布 (2014. 12. 3)
2014年度秋学期 統計学 第10回 分布の推測とは - 標本調査,度数分布と確率分布 (2014. 12. 3)Akira Asano
 
2014年度秋学期 統計学 第1回 イントロダクション (2014. 9. 24)
2014年度秋学期 統計学 第1回 イントロダクション (2014. 9. 24)2014年度秋学期 統計学 第1回 イントロダクション (2014. 9. 24)
2014年度秋学期 統計学 第1回 イントロダクション (2014. 9. 24)Akira Asano
 
2013年度秋学期 統計学 第12回「分布の平均を推測する ― 区間推定」
2013年度秋学期 統計学 第12回「分布の平均を推測する ― 区間推定」2013年度秋学期 統計学 第12回「分布の平均を推測する ― 区間推定」
2013年度秋学期 統計学 第12回「分布の平均を推測する ― 区間推定」Akira Asano
 
2014年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2014. 12. 10)
2014年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2014. 12. 10)2014年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2014. 12. 10)
2014年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2014. 12. 10)Akira Asano
 
2014年度春学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2014. 6. 19)
2014年度春学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2014. 6. 19)2014年度春学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2014. 6. 19)
2014年度春学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2014. 6. 19)Akira Asano
 
2014年度春学期 統計学 第12回 分布の平均を推測する ― 区間推定 (2014. 7. 3)
2014年度春学期 統計学 第12回 分布の平均を推測する ― 区間推定 (2014. 7. 3)2014年度春学期 統計学 第12回 分布の平均を推測する ― 区間推定 (2014. 7. 3)
2014年度春学期 統計学 第12回 分布の平均を推測する ― 区間推定 (2014. 7. 3)Akira Asano
 
2013年度秋学期 統計学 第10回「分布の推測とは - 標本調査,度数分布と確率分布」
2013年度秋学期 統計学 第10回「分布の推測とは - 標本調査,度数分布と確率分布」2013年度秋学期 統計学 第10回「分布の推測とは - 標本調査,度数分布と確率分布」
2013年度秋学期 統計学 第10回「分布の推測とは - 標本調査,度数分布と確率分布」Akira Asano
 
2014年度春学期 統計学 第13回 不確かな測定の不確かさを測る ― 不偏分散とt分布 (2014. 7. 10)
2014年度春学期 統計学 第13回 不確かな測定の不確かさを測る ― 不偏分散とt分布 (2014. 7. 10)2014年度春学期 統計学 第13回 不確かな測定の不確かさを測る ― 不偏分散とt分布 (2014. 7. 10)
2014年度春学期 統計学 第13回 不確かな測定の不確かさを測る ― 不偏分散とt分布 (2014. 7. 10)Akira Asano
 
2016年度秋学期 統計学 第13回 不確かな測定の不確かさを測る-不偏分散とt分布 (2016. 12. 19)
2016年度秋学期 統計学 第13回 不確かな測定の不確かさを測る-不偏分散とt分布 (2016. 12. 19)2016年度秋学期 統計学 第13回 不確かな測定の不確かさを測る-不偏分散とt分布 (2016. 12. 19)
2016年度秋学期 統計学 第13回 不確かな測定の不確かさを測る-不偏分散とt分布 (2016. 12. 19)Akira Asano
 
2019年度春学期 統計学 第13回 不確かな測定の不確かさを測るー不偏分散とt分布 (2019. 7. 11)
2019年度春学期 統計学 第13回 不確かな測定の不確かさを測るー不偏分散とt分布 (2019. 7. 11)2019年度春学期 統計学 第13回 不確かな測定の不確かさを測るー不偏分散とt分布 (2019. 7. 11)
2019年度春学期 統計学 第13回 不確かな測定の不確かさを測るー不偏分散とt分布 (2019. 7. 11)Akira Asano
 
2013年度秋学期 統計学 第14回「分布についての仮説を検証する ― 仮説検定」
2013年度秋学期 統計学 第14回「分布についての仮説を検証する ― 仮説検定」2013年度秋学期 統計学 第14回「分布についての仮説を検証する ― 仮説検定」
2013年度秋学期 統計学 第14回「分布についての仮説を検証する ― 仮説検定」Akira Asano
 
2018年度春学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 7. 5))
2018年度春学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 7. 5))2018年度春学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 7. 5))
2018年度春学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 7. 5))Akira Asano
 
2018年度秋学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 12. 18)
2018年度秋学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 12. 18)2018年度秋学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 12. 18)
2018年度秋学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 12. 18)Akira Asano
 

Similar to 2014年度秋学期 統計学 第12回 分布の平均を推測する - 区間推定 (2014. 12. 17) (13)

2014年度秋学期 統計学 第10回 分布の推測とは - 標本調査,度数分布と確率分布 (2014. 12. 3)
2014年度秋学期 統計学 第10回 分布の推測とは - 標本調査,度数分布と確率分布 (2014. 12. 3)2014年度秋学期 統計学 第10回 分布の推測とは - 標本調査,度数分布と確率分布 (2014. 12. 3)
2014年度秋学期 統計学 第10回 分布の推測とは - 標本調査,度数分布と確率分布 (2014. 12. 3)
 
2014年度秋学期 統計学 第1回 イントロダクション (2014. 9. 24)
2014年度秋学期 統計学 第1回 イントロダクション (2014. 9. 24)2014年度秋学期 統計学 第1回 イントロダクション (2014. 9. 24)
2014年度秋学期 統計学 第1回 イントロダクション (2014. 9. 24)
 
2013年度秋学期 統計学 第12回「分布の平均を推測する ― 区間推定」
2013年度秋学期 統計学 第12回「分布の平均を推測する ― 区間推定」2013年度秋学期 統計学 第12回「分布の平均を推測する ― 区間推定」
2013年度秋学期 統計学 第12回「分布の平均を推測する ― 区間推定」
 
2014年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2014. 12. 10)
2014年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2014. 12. 10)2014年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2014. 12. 10)
2014年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2014. 12. 10)
 
2014年度春学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2014. 6. 19)
2014年度春学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2014. 6. 19)2014年度春学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2014. 6. 19)
2014年度春学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2014. 6. 19)
 
2014年度春学期 統計学 第12回 分布の平均を推測する ― 区間推定 (2014. 7. 3)
2014年度春学期 統計学 第12回 分布の平均を推測する ― 区間推定 (2014. 7. 3)2014年度春学期 統計学 第12回 分布の平均を推測する ― 区間推定 (2014. 7. 3)
2014年度春学期 統計学 第12回 分布の平均を推測する ― 区間推定 (2014. 7. 3)
 
2013年度秋学期 統計学 第10回「分布の推測とは - 標本調査,度数分布と確率分布」
2013年度秋学期 統計学 第10回「分布の推測とは - 標本調査,度数分布と確率分布」2013年度秋学期 統計学 第10回「分布の推測とは - 標本調査,度数分布と確率分布」
2013年度秋学期 統計学 第10回「分布の推測とは - 標本調査,度数分布と確率分布」
 
2014年度春学期 統計学 第13回 不確かな測定の不確かさを測る ― 不偏分散とt分布 (2014. 7. 10)
2014年度春学期 統計学 第13回 不確かな測定の不確かさを測る ― 不偏分散とt分布 (2014. 7. 10)2014年度春学期 統計学 第13回 不確かな測定の不確かさを測る ― 不偏分散とt分布 (2014. 7. 10)
2014年度春学期 統計学 第13回 不確かな測定の不確かさを測る ― 不偏分散とt分布 (2014. 7. 10)
 
2016年度秋学期 統計学 第13回 不確かな測定の不確かさを測る-不偏分散とt分布 (2016. 12. 19)
2016年度秋学期 統計学 第13回 不確かな測定の不確かさを測る-不偏分散とt分布 (2016. 12. 19)2016年度秋学期 統計学 第13回 不確かな測定の不確かさを測る-不偏分散とt分布 (2016. 12. 19)
2016年度秋学期 統計学 第13回 不確かな測定の不確かさを測る-不偏分散とt分布 (2016. 12. 19)
 
2019年度春学期 統計学 第13回 不確かな測定の不確かさを測るー不偏分散とt分布 (2019. 7. 11)
2019年度春学期 統計学 第13回 不確かな測定の不確かさを測るー不偏分散とt分布 (2019. 7. 11)2019年度春学期 統計学 第13回 不確かな測定の不確かさを測るー不偏分散とt分布 (2019. 7. 11)
2019年度春学期 統計学 第13回 不確かな測定の不確かさを測るー不偏分散とt分布 (2019. 7. 11)
 
2013年度秋学期 統計学 第14回「分布についての仮説を検証する ― 仮説検定」
2013年度秋学期 統計学 第14回「分布についての仮説を検証する ― 仮説検定」2013年度秋学期 統計学 第14回「分布についての仮説を検証する ― 仮説検定」
2013年度秋学期 統計学 第14回「分布についての仮説を検証する ― 仮説検定」
 
2018年度春学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 7. 5))
2018年度春学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 7. 5))2018年度春学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 7. 5))
2018年度春学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 7. 5))
 
2018年度秋学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 12. 18)
2018年度秋学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 12. 18)2018年度秋学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 12. 18)
2018年度秋学期 統計学 第13回 不確かな推定の不確かさを測るー不偏分散とt分布 (2018. 12. 18)
 

More from Akira Asano

2022年度秋学期 統計学 第15回 分布についての仮説を検証するー仮説検定(2) (2023. 1. 17)
2022年度秋学期 統計学 第15回 分布についての仮説を検証するー仮説検定(2) (2023. 1. 17) 2022年度秋学期 統計学 第15回 分布についての仮説を検証するー仮説検定(2) (2023. 1. 17)
2022年度秋学期 統計学 第15回 分布についての仮説を検証するー仮説検定(2) (2023. 1. 17) Akira Asano
 
2022年度秋学期 応用数学(解析) 第15回 測度論ダイジェスト(2) ルベーグ積分 (2023. 1. 19)
2022年度秋学期 応用数学(解析) 第15回 測度論ダイジェスト(2) ルベーグ積分 (2023. 1. 19) 2022年度秋学期 応用数学(解析) 第15回 測度論ダイジェスト(2) ルベーグ積分 (2023. 1. 19)
2022年度秋学期 応用数学(解析) 第15回 測度論ダイジェスト(2) ルベーグ積分 (2023. 1. 19) Akira Asano
 
2022年度秋学期 応用数学(解析) 第14回 測度論ダイジェスト(1) ルベーグ測度と完全加法性 (2023. 1. 12)
2022年度秋学期 応用数学(解析) 第14回 測度論ダイジェスト(1) ルベーグ測度と完全加法性 (2023. 1. 12) 2022年度秋学期 応用数学(解析) 第14回 測度論ダイジェスト(1) ルベーグ測度と完全加法性 (2023. 1. 12)
2022年度秋学期 応用数学(解析) 第14回 測度論ダイジェスト(1) ルベーグ測度と完全加法性 (2023. 1. 12) Akira Asano
 
2022年度秋学期 統計学 第14回 分布についての仮説を検証するー仮説検定(1) (2023. 1. 10)
2022年度秋学期 統計学 第14回 分布についての仮説を検証するー仮説検定(1) (2023. 1. 10) 2022年度秋学期 統計学 第14回 分布についての仮説を検証するー仮説検定(1) (2023. 1. 10)
2022年度秋学期 統計学 第14回 分布についての仮説を検証するー仮説検定(1) (2023. 1. 10) Akira Asano
 
2022年度秋学期 応用数学(解析) 第13回 複素関数論ダイジェスト(2) 孤立特異点と留数 (2022. 12. 22)
2022年度秋学期 応用数学(解析) 第13回 複素関数論ダイジェスト(2) 孤立特異点と留数 (2022. 12. 22) 2022年度秋学期 応用数学(解析) 第13回 複素関数論ダイジェスト(2) 孤立特異点と留数 (2022. 12. 22)
2022年度秋学期 応用数学(解析) 第13回 複素関数論ダイジェスト(2) 孤立特異点と留数 (2022. 12. 22) Akira Asano
 
2022年度秋学期 統計学 第13回 不確かな測定の不確かさを測る - 不偏分散とt分布 (2022. 12. 20)
2022年度秋学期 統計学 第13回 不確かな測定の不確かさを測る - 不偏分散とt分布 (2022. 12. 20) 2022年度秋学期 統計学 第13回 不確かな測定の不確かさを測る - 不偏分散とt分布 (2022. 12. 20)
2022年度秋学期 統計学 第13回 不確かな測定の不確かさを測る - 不偏分散とt分布 (2022. 12. 20) Akira Asano
 
2022年度秋学期 応用数学(解析) 第12回 複素関数論ダイジェスト(1) 複素関数・正則関数 (2022. 12. 15)
2022年度秋学期 応用数学(解析) 第12回 複素関数論ダイジェスト(1) 複素関数・正則関数 (2022. 12. 15) 2022年度秋学期 応用数学(解析) 第12回 複素関数論ダイジェスト(1) 複素関数・正則関数 (2022. 12. 15)
2022年度秋学期 応用数学(解析) 第12回 複素関数論ダイジェスト(1) 複素関数・正則関数 (2022. 12. 15) Akira Asano
 
2022年度秋学期 統計学 第12回 分布の平均を推測する - 区間推定 (2022. 12. 13)
2022年度秋学期 統計学 第12回 分布の平均を推測する - 区間推定 (2022. 12. 13) 2022年度秋学期 統計学 第12回 分布の平均を推測する - 区間推定 (2022. 12. 13)
2022年度秋学期 統計学 第12回 分布の平均を推測する - 区間推定 (2022. 12. 13) Akira Asano
 
2022年度秋学期 画像情報処理 第11回 逆投影法による再構成 (2022. 12. 9)
2022年度秋学期 画像情報処理 第11回 逆投影法による再構成 (2022. 12. 9) 2022年度秋学期 画像情報処理 第11回 逆投影法による再構成 (2022. 12. 9)
2022年度秋学期 画像情報処理 第11回 逆投影法による再構成 (2022. 12. 9) Akira Asano
 
2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8)
2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8) 2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8)
2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8) Akira Asano
 
2022年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2022. 12. 6)
2022年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2022. 12. 6) 2022年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2022. 12. 6)
2022年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2022. 12. 6) Akira Asano
 
2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2)
2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2) 2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2)
2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2) Akira Asano
 
2022年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2022. 12. 1)
2022年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2022. 12. 1) 2022年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2022. 12. 1)
2022年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2022. 12. 1) Akira Asano
 
2022年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2022. 11. 29)
2022年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2022. 11. 29) 2022年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2022. 11. 29)
2022年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2022. 11. 29) Akira Asano
 
2022年度秋学期 統計学 第8回 問題に対する答案の書き方 (2022. 11. 15)
2022年度秋学期 統計学 第8回 問題に対する答案の書き方 (2022. 11. 15) 2022年度秋学期 統計学 第8回 問題に対する答案の書き方 (2022. 11. 15)
2022年度秋学期 統計学 第8回 問題に対する答案の書き方 (2022. 11. 15) Akira Asano
 
2022年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2022. 11. 25)
2022年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2022. 11. 25) 2022年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2022. 11. 25)
2022年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2022. 11. 25) Akira Asano
 
2022年度秋学期 統計学 第9回 確からしさを記述するー確率 (2022. 11. 22)
2022年度秋学期 統計学 第9回 確からしさを記述するー確率 (2022. 11. 22) 2022年度秋学期 統計学 第9回 確からしさを記述するー確率 (2022. 11. 22)
2022年度秋学期 統計学 第9回 確からしさを記述するー確率 (2022. 11. 22) Akira Asano
 
2022年度秋学期 画像情報処理 第8回 行列の直交変換と基底画像 (2022. 11. 18)
2022年度秋学期 画像情報処理 第8回 行列の直交変換と基底画像 (2022. 11. 18) 2022年度秋学期 画像情報処理 第8回 行列の直交変換と基底画像 (2022. 11. 18)
2022年度秋学期 画像情報処理 第8回 行列の直交変換と基底画像 (2022. 11. 18) Akira Asano
 
2022年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2022. 11. 17)
2022年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2022. 11. 17) 2022年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2022. 11. 17)
2022年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2022. 11. 17) Akira Asano
 
2022年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2022. 11. 11)
2022年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2022. 11. 11) 2022年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2022. 11. 11)
2022年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2022. 11. 11) Akira Asano
 

More from Akira Asano (20)

2022年度秋学期 統計学 第15回 分布についての仮説を検証するー仮説検定(2) (2023. 1. 17)
2022年度秋学期 統計学 第15回 分布についての仮説を検証するー仮説検定(2) (2023. 1. 17) 2022年度秋学期 統計学 第15回 分布についての仮説を検証するー仮説検定(2) (2023. 1. 17)
2022年度秋学期 統計学 第15回 分布についての仮説を検証するー仮説検定(2) (2023. 1. 17)
 
2022年度秋学期 応用数学(解析) 第15回 測度論ダイジェスト(2) ルベーグ積分 (2023. 1. 19)
2022年度秋学期 応用数学(解析) 第15回 測度論ダイジェスト(2) ルベーグ積分 (2023. 1. 19) 2022年度秋学期 応用数学(解析) 第15回 測度論ダイジェスト(2) ルベーグ積分 (2023. 1. 19)
2022年度秋学期 応用数学(解析) 第15回 測度論ダイジェスト(2) ルベーグ積分 (2023. 1. 19)
 
2022年度秋学期 応用数学(解析) 第14回 測度論ダイジェスト(1) ルベーグ測度と完全加法性 (2023. 1. 12)
2022年度秋学期 応用数学(解析) 第14回 測度論ダイジェスト(1) ルベーグ測度と完全加法性 (2023. 1. 12) 2022年度秋学期 応用数学(解析) 第14回 測度論ダイジェスト(1) ルベーグ測度と完全加法性 (2023. 1. 12)
2022年度秋学期 応用数学(解析) 第14回 測度論ダイジェスト(1) ルベーグ測度と完全加法性 (2023. 1. 12)
 
2022年度秋学期 統計学 第14回 分布についての仮説を検証するー仮説検定(1) (2023. 1. 10)
2022年度秋学期 統計学 第14回 分布についての仮説を検証するー仮説検定(1) (2023. 1. 10) 2022年度秋学期 統計学 第14回 分布についての仮説を検証するー仮説検定(1) (2023. 1. 10)
2022年度秋学期 統計学 第14回 分布についての仮説を検証するー仮説検定(1) (2023. 1. 10)
 
2022年度秋学期 応用数学(解析) 第13回 複素関数論ダイジェスト(2) 孤立特異点と留数 (2022. 12. 22)
2022年度秋学期 応用数学(解析) 第13回 複素関数論ダイジェスト(2) 孤立特異点と留数 (2022. 12. 22) 2022年度秋学期 応用数学(解析) 第13回 複素関数論ダイジェスト(2) 孤立特異点と留数 (2022. 12. 22)
2022年度秋学期 応用数学(解析) 第13回 複素関数論ダイジェスト(2) 孤立特異点と留数 (2022. 12. 22)
 
2022年度秋学期 統計学 第13回 不確かな測定の不確かさを測る - 不偏分散とt分布 (2022. 12. 20)
2022年度秋学期 統計学 第13回 不確かな測定の不確かさを測る - 不偏分散とt分布 (2022. 12. 20) 2022年度秋学期 統計学 第13回 不確かな測定の不確かさを測る - 不偏分散とt分布 (2022. 12. 20)
2022年度秋学期 統計学 第13回 不確かな測定の不確かさを測る - 不偏分散とt分布 (2022. 12. 20)
 
2022年度秋学期 応用数学(解析) 第12回 複素関数論ダイジェスト(1) 複素関数・正則関数 (2022. 12. 15)
2022年度秋学期 応用数学(解析) 第12回 複素関数論ダイジェスト(1) 複素関数・正則関数 (2022. 12. 15) 2022年度秋学期 応用数学(解析) 第12回 複素関数論ダイジェスト(1) 複素関数・正則関数 (2022. 12. 15)
2022年度秋学期 応用数学(解析) 第12回 複素関数論ダイジェスト(1) 複素関数・正則関数 (2022. 12. 15)
 
2022年度秋学期 統計学 第12回 分布の平均を推測する - 区間推定 (2022. 12. 13)
2022年度秋学期 統計学 第12回 分布の平均を推測する - 区間推定 (2022. 12. 13) 2022年度秋学期 統計学 第12回 分布の平均を推測する - 区間推定 (2022. 12. 13)
2022年度秋学期 統計学 第12回 分布の平均を推測する - 区間推定 (2022. 12. 13)
 
2022年度秋学期 画像情報処理 第11回 逆投影法による再構成 (2022. 12. 9)
2022年度秋学期 画像情報処理 第11回 逆投影法による再構成 (2022. 12. 9) 2022年度秋学期 画像情報処理 第11回 逆投影法による再構成 (2022. 12. 9)
2022年度秋学期 画像情報処理 第11回 逆投影法による再構成 (2022. 12. 9)
 
2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8)
2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8) 2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8)
2022年度秋学期 応用数学(解析) 第11回 振動と微分方程式 (2022. 12. 8)
 
2022年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2022. 12. 6)
2022年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2022. 12. 6) 2022年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2022. 12. 6)
2022年度秋学期 統計学 第11回 分布の「型」を考える - 確率分布モデルと正規分布 (2022. 12. 6)
 
2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2)
2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2) 2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2)
2022年度秋学期 画像情報処理 第10回 Radon変換と投影切断面定理 (2022. 12. 2)
 
2022年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2022. 12. 1)
2022年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2022. 12. 1) 2022年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2022. 12. 1)
2022年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2022. 12. 1)
 
2022年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2022. 11. 29)
2022年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2022. 11. 29) 2022年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2022. 11. 29)
2022年度秋学期 統計学 第10回 分布の推測とはー標本調査,度数分布と確率分布 (2022. 11. 29)
 
2022年度秋学期 統計学 第8回 問題に対する答案の書き方 (2022. 11. 15)
2022年度秋学期 統計学 第8回 問題に対する答案の書き方 (2022. 11. 15) 2022年度秋学期 統計学 第8回 問題に対する答案の書き方 (2022. 11. 15)
2022年度秋学期 統計学 第8回 問題に対する答案の書き方 (2022. 11. 15)
 
2022年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2022. 11. 25)
2022年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2022. 11. 25) 2022年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2022. 11. 25)
2022年度秋学期 画像情報処理 第9回 離散フーリエ変換と離散コサイン変換 (2022. 11. 25)
 
2022年度秋学期 統計学 第9回 確からしさを記述するー確率 (2022. 11. 22)
2022年度秋学期 統計学 第9回 確からしさを記述するー確率 (2022. 11. 22) 2022年度秋学期 統計学 第9回 確からしさを記述するー確率 (2022. 11. 22)
2022年度秋学期 統計学 第9回 確からしさを記述するー確率 (2022. 11. 22)
 
2022年度秋学期 画像情報処理 第8回 行列の直交変換と基底画像 (2022. 11. 18)
2022年度秋学期 画像情報処理 第8回 行列の直交変換と基底画像 (2022. 11. 18) 2022年度秋学期 画像情報処理 第8回 行列の直交変換と基底画像 (2022. 11. 18)
2022年度秋学期 画像情報処理 第8回 行列の直交変換と基底画像 (2022. 11. 18)
 
2022年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2022. 11. 17)
2022年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2022. 11. 17) 2022年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2022. 11. 17)
2022年度秋学期 応用数学(解析) 第8回 2階線形微分方程式(2) (2022. 11. 17)
 
2022年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2022. 11. 11)
2022年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2022. 11. 11) 2022年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2022. 11. 11)
2022年度秋学期 画像情報処理 第7回 主成分分析とKarhunen-Loève変換 (2022. 11. 11)
 

Recently uploaded

リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライドリアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライドKen Fukui
 
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学ssusere0a682
 
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライドリアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライドKen Fukui
 
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライドリアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライドKen Fukui
 
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライドリアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライドKen Fukui
 
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScriptUniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScriptyuitoakatsukijp
 
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライドリアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライドKen Fukui
 
TEAMIN Service overview for customer_20240422.pdf
TEAMIN Service overview for customer_20240422.pdfTEAMIN Service overview for customer_20240422.pdf
TEAMIN Service overview for customer_20240422.pdfyukisuga3
 

Recently uploaded (8)

リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライドリアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
 
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
 
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライドリアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
 
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライドリアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
 
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライドリアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
 
UniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScriptUniProject Workshop Make a Discord Bot with JavaScript
UniProject Workshop Make a Discord Bot with JavaScript
 
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライドリアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
 
TEAMIN Service overview for customer_20240422.pdf
TEAMIN Service overview for customer_20240422.pdfTEAMIN Service overview for customer_20240422.pdf
TEAMIN Service overview for customer_20240422.pdf
 

2014年度秋学期 統計学 第12回 分布の平均を推測する - 区間推定 (2014. 12. 17)

  • 1. A. Asano, Kansai Univ. 2014年度秋学期 統計学 第12回 分布の平均を推測する ― 区間推定 浅野 晃 関西大学総合情報学部
  • 3. A. Asano, Kansai Univ. ちょっと前回までの復習
  • 4. 「統計的推測」とは 調べたい集団の,すべてのデータを調べ られるか? 日本男性全員の身長を調べられるか? データの集まりの一部を調べて 度数分布を推測する いや,せめて平均や分散を推測する 2014 A. Asano, Kansai Univ. 統計的推測
  • 5. 母平均の推定 母集団 (日本男性全体) 母平均μ 2014 A. Asano, Kansai Univ. 標本としてデータを いくつか取り出して, それらの平均 母平均が知りたい [標本平均] 標本平均は母平均に 近い値になるか? が,日本男性全員は調べられない
  • 6. 母平均の推定 母集団 母平均μ 母分散σ2 サイズnの標本1セット標本平均 X1 X2 … Xn … 2014 A. Asano, Kansai Univ. Xbar X1 X2 … Xn Xbar X1 X2 … Xn Xbar 母集団と同じ 期待値μ 分散σ2 …極端な値はあまりないので 分散が小さくなる 期待値μ 分散 σ2/n
  • 7. 母平均の推定 いま1回だけ計算した標本平均も, おそらく,ほぼ母平均に近い値だろう 2014 A. Asano, Kansai Univ. どのくらい近い? どのくらいの確率で? はずれる確率は?
  • 8. 正規分布モデル 世の中には,[正規分布モデル]で表せる ような母集団分布がたくさんある 長さの測定値の分布 センター試験の成績の分布 … [中心極限定理] 母集団のばらつきの原因が 無数の独立な原因の和のとき, 母集団分布は概ね正規分布になる 2014 A. Asano, Kansai Univ.
  • 9. 正規分布の性質1 確率変数XがN(μ,σ2 )にしたがう とき (X-μ)/σ はN(0, 1 )にしたがう 「標準得点」と同じ 変換しても, やはり正規分布になる 2014 A. Asano, Kansai Univ. N(0,1)を[標準正規分布]という
  • 10. 正規分布の性質2 母集団 母平均μ 母分散σ2 サイズnの標本1セット標本平均 X1 X2 … Xn 正規分布ならこちらも 2014 A. Asano, Kansai Univ. Xbar X1 X2 … Xn Xbar X1 X2 … Xn Xbar 母集… 団と同じ 期待値μ 分散σ2 正規分布になる … 期待値μ 分散 σ2/n N(μ,σ2/n) N(μ,σ2)
  • 12. A. Asano, Kansai Univ. 区間推定
  • 13. 区間推定 母平均を推測する。その答え方が, 母平均は,50 から 60 の間にあると 推測する。 この推測が当たっている確率は 95% である。 2014 A. Asano, Kansai Univ.
  • 25. 区間推定の考え方 標本としてデータをひとつだけ抽出 仮に,何度も抽出したとすると 2014 A. Asano, Kansai Univ. ★ ←(数直線) ばらつい ている ★ ★ ★
  • 26. 区間推定の考え方 標本としてデータをひとつだけ抽出 仮に,何度も抽出したとすると 2014 A. Asano, Kansai Univ. ★ ←(数直線) ばらつい ている ★ ★ ★ 母平均(実際にはわからない)
  • 27. 区間推定の考え方 標本としてデータをひとつだけ抽出 仮に,何度も抽出したとすると 2014 A. Asano, Kansai Univ. ★ ←(数直線) ばらつい ている ★ ★ ★ 母平均(実際にはわからない) のまわりにばらついている
  • 28. 区間推定の考え方 標本としてデータをひとつだけ抽出 仮に,何度も抽出したとすると 2014 A. Asano, Kansai Univ. ★ ←(数直線) ばらつい ている ★ ★ ★ 母平均(実際にはわからない) のまわりにばらついている 標本の期待値 =母平均
  • 39. 区間推定の考え方 データをいくつか抽出して標本平均 仮に,何度も抽出したとすると 2014 A. Asano, Kansai Univ. X X X X 母平均(実際にはわからない)
  • 40. 区間推定の考え方 データをいくつか抽出して標本平均 仮に,何度も抽出したとすると 2014 A. Asano, Kansai Univ. X X X X 母平均(実際にはわからない) のまわりにばらついている
  • 41. 区間推定の考え方 データをいくつか抽出して標本平均 仮に,何度も抽出したとすると 2014 A. Asano, Kansai Univ. 母平均(実際にはわからない) のまわりにばらついている 標本平均の 期待値 =母平均 X X X X
  • 42. 区間推定の考え方 データをいくつか抽出して標本平均 仮に,何度も抽出したとすると 2014 A. Asano, Kansai Univ. データ1個 より ばらつきが 小さくなる 母平均(実際にはわからない) のまわりにばらついている 標本平均の 期待値 =母平均 X X X X
  • 43. 区間推定の考え方 データをいくつか抽出して標本平均 仮に,何度も抽出したとすると 2014 A. Asano, Kansai Univ. データ1個 より ばらつきが 小さくなる 母平均(実際にはわからない) のまわりにばらついている 標本平均の 期待値 =母平均 標本平均の 分散 =母分散÷ 標本サイズ X X X X
  • 50. 区間推定の考え方 標本平均の左右に区間をつける 2014 A. Asano, Kansai Univ. X X X X 母平均 (実際にはわからない)
  • 51. 区間推定の考え方 標本平均の左右に区間をつける 2014 A. Asano, Kansai Univ. 区間は母平均を X X X X 母平均 (実際にはわからない)
  • 52. 区間推定の考え方 標本平均の左右に区間をつける 2014 A. Asano, Kansai Univ. 区間は母平均を X X X X 母平均 含む (実際にはわからない)
  • 53. 区間推定の考え方 標本平均の左右に区間をつける 2014 A. Asano, Kansai Univ. 区間は母平均を X X X X 母平均 含む 含む (実際にはわからない)
  • 54. 区間推定の考え方 標本平均の左右に区間をつける 2014 A. Asano, Kansai Univ. 区間は母平均を X X X X 母平均 含む 含む 含まない (実際にはわからない)
  • 55. 区間推定の考え方 標本平均の左右に区間をつける 2014 A. Asano, Kansai Univ. 区間は母平均を X X X X 母平均 含む 含む 含まない 含む (実際にはわからない)
  • 56. 区間推定の考え方 標本平均の左右に区間をつける 2014 A. Asano, Kansai Univ. 区間は母平均を 母平均 どの回の区間が 母平均を含むか・ 含まないかは わからないが X X X X 含む 含む 含まない 含む (実際にはわからない)
  • 57. 区間推定の考え方 標本平均の左右に区間をつける 2014 A. Asano, Kansai Univ. 区間は母平均を 母平均 どの回の区間が 母平均を含むか・ 含まないかは わからないが X X X X 含む 含む 含まない 含む (実際にはわからない)
  • 58. 区間推定の考え方 標本平均の左右に区間をつける 2014 A. Asano, Kansai Univ. 区間は母平均を X X X X 母平均 どの回の区間が 母平均を含むか・ 含まないかは わからないが 確率95%で 母平均を含むように 区間を設定できる 含む 含む 含まない 含む (実際にはわからない)
  • 59. 区間推定の考え方 確率95%で母平均を含むように 区間を設定できる 区間は 母平均を X X X X Univ. Kansai Asano, 母平均 A. 2014 含む 含む 含まない 含む (実際にはわからない)
  • 60. 区間推定の考え方 確率95%で母平均を含むように 区間を設定できる 区間は 母平均を X X X X Univ. Kansai Asano, 母平均 A. 2014 含む 含む 含まない 含む (実際にはわからない) 標本平均のばらつきは 小さくなっているので 区間の幅は そこそこ狭くてよい
  • 61. 区間推定の考え方 区間は母平均を X 含む X X X 母平均 含む 含ま ない 含む 2014 A. Asano, Kansai Univ.
  • 62. 区間推定の考え方 区間は母平均を X 含む X X X 母平均 含む 含ま ない 含む 2014 A. Asano, Kansai Univ. 実際には, 標本平均と区間は 1度しか計算しない
  • 63. 区間推定の考え方 区間は母平均を X 含む 母平均 2014 A. Asano, Kansai Univ. 実際には, 標本平均と区間は 1度しか計算しない
  • 64. 区間推定の考え方 区間は母平均を X 含む 母平均 2014 A. Asano, Kansai Univ. 実際には, 標本平均と区間は 1度しか計算しない その区間が,母平均を 含むかどうかは 実際にはわからない
  • 65. 区間推定の考え方 区間は母平均を X 含む 母平均 (実際にはわからない) 2014 A. Asano, Kansai Univ. 実際には, 標本平均と区間は 1度しか計算しない その区間が,母平均を 含むかどうかは 実際にはわからない
  • 66. 区間推定の考え方 区間は母平均を X 含む 母平均 (実際にはわからない) 2014 A. Asano, Kansai Univ. 実際には, 標本平均と区間は 1度しか計算しない その区間が,母平均を 含むかどうかは 実際にはわからない しかし,確率95%で 母平均を含むように計 算した区間だから,そ の1回も含むと信じる
  • 67. 信頼区間 区間は母平均を X X X X 母平均 含む 含む 含ま ない 含む (実際にはわからない) 2014 A. Asano, Kansai Univ. 確率95%で 母平均を含むように計 算した区間だから,そ の1回も含むと信じる
  • 68. 信頼区間 区間は母平均を X X X X 母平均 含む 含む 含ま ない 含む (実際にはわからない) 2014 A. Asano, Kansai Univ. 確率95%で 母平均を含むように計 算した区間だから,そ の1回も含むと信じる 母平均の [信頼係数]95%の [信頼区間] という
  • 69. 信頼区間 区間は母平均を X X X X 母平均 含む 含む 含ま ない 含む (実際にはわからない) 2014 A. Asano, Kansai Univ. 確率95%で 母平均を含むように計 算した区間だから,そ の1回も含むと信じる 母平均の [信頼係数]95%の [信頼区間] という ([95%信頼区間])
  • 73. 「信頼」ということば 私は,予言者です。 私の予言は,確率95%で当たります。 いまから,来年おきることを 予言します。「来年は、…」 2014 A. Asano, Kansai Univ.
  • 74. 「信頼」ということば 私は,予言者です。 私の予言は,確率95%で当たります。 いまから,来年おきることを 予言します。「来年は、…」 2014 A. Asano, Kansai Univ.
  • 75. 「信頼」ということば 私は,予言者です。 私の予言は,確率95%で当たります。 いまから,来年おきることを 予言します。「来年は、…」 このひとつの予言が正しいかどうかは わからない 2014 A. Asano, Kansai Univ.
  • 76. 「信頼」ということば 私は,予言者です。 私の予言は,確率95%で当たります。 いまから,来年おきることを 予言します。「来年は、…」 このひとつの予言が正しいかどうかは わからない しかし,十分多くの予言をすれば95%は 当たるのだから,この予言も 信じる価値はある 2014 A. Asano, Kansai Univ.
  • 77. 「信頼」ということば 私は,予言者です。 私の予言は,確率95%で当たります。 いまから,来年おきることを 予言します。「来年は、…」 このひとつの予言が正しいかどうかは わからない しかし,十分多くの予言をすれば95%は 当たるのだから,この予言も 信じる価値はあるこれが「信頼」 2014 A. Asano, Kansai Univ.
  • 78. 台風情報と信頼区間 2014 A. Asano, Kansai Univ. × × 1日9時 1日21時 台
  • 79. 台風情報と信頼区間 2014 A. Asano, Kansai Univ. 台風が到達する 可能性がもっと も高いところ (点推定) × × 1日9時 1日21時 台
  • 80. 台風情報と信頼区間 2014 A. Asano, Kansai Univ. 台風が到達する 可能性がもっと も高いところ (点推定) × × 1日9時 1日21時 台
  • 81. 台風情報と信頼区間 2014 A. Asano, Kansai Univ. 台風が到達する 可能性がもっと も高いところ (点推定) × 台風が到達する確率が 70%であるような円 =区間推定 × 1日9時 1日21時 台
  • 83. A. Asano, Kansai Univ. 正規分布の場合の 信頼区間の計算
  • 84. 正規分布の場合の区間推定 例題 母集団 (受験者全体) 母平均μ 2014 A. Asano, Kansai Univ.
  • 85. 正規分布の場合の区間推定 例題 母集団 (受験者全体) 母平均μ 母平均μの95%信頼区間が 知りたい 2014 A. Asano, Kansai Univ.
  • 86. 正規分布の場合の区間推定 例題標本X1, ... Xnをとりだす 母集団 サイズn (受験者全体) 母平均μ 母平均μの95%信頼区間が 知りたい 2014 A. Asano, Kansai Univ.
  • 87. 正規分布の場合の区間推定 例題標本X1, ... Xnをとりだす 母集団 サイズn (受験者全体) 母平均μ 母平均μの95%信頼区間が 知りたい 2014 A. Asano, Kansai Univ. 標本平均 X
  • 88. 正規分布の場合の区間推定 例題標本X1, ... Xnをとりだす 母集団 サイズn (受験者全体) 母平均μ 母平均μの95%信頼区間が 正規分布 知りたい と仮定する 2014 A. Asano, Kansai Univ. 標本平均 X
  • 89. 正規分布の場合の区間推定 例題標本X1, ... Xnをとりだす 母集団 サイズn (受験者全体) 母平均μ 母平均μの95%信頼区間が 正規分布 知りたい と仮定する 母分散σ2がわかっているものとする 2014 A. Asano, Kansai Univ. 標本平均 X
  • 90. 正規分布の場合の区間推定 例題標本X1, ... Xnをとりだす 母集団 サイズn (受験者全体) 母平均μ 母平均μの95%信頼区間が 正規分布 知りたい と仮定する 母分散σ2がわかっているものとする 2014 A. Asano, Kansai Univ. 標本平均 X (説明の都合です)
  • 94. 正規分布の場合の区間推定 考え方 標本は,母集団分布と同じ確率分布に したがう正規分布N(μ, σ2) 2014 A. Asano, Kansai Univ.
  • 95. 正規分布の場合の区間推定 考え方 標本は,母集団分布と同じ確率分布に したがう正規分布N(μ, σ2) 標本平均は,やはり正規分布にしたが うが,分散が1/nになる 2014 A. Asano, Kansai Univ.
  • 96. 正規分布の場合の区間推定 考え方 標本は,母集団分布と同じ確率分布に したがう正規分布N(μ, σ2) 標本平均は,やはり正規分布にしたが うが,分散が1/nになる 2014 A. Asano, Kansai Univ.
  • 97. 正規分布の場合の区間推定 考え方 標本は,母集団分布と同じ確率分布に したがう正規分布N(μ, σ2) 標本平均は,やはり正規分布にしたが うが,分散が1/nになる 2014 A. Asano, Kansai Univ.
  • 98. 正規分布の場合の区間推定 考え方 標本は,母集団分布と同じ確率分布に したがう正規分布N(μ, σ2) 標本平均は,やはり正規分布にしたが うが,分散が1/nになる[性質2] 2014 A. Asano, Kansai Univ.
  • 99. 正規分布の場合の区間推定 考え方 標本は,母集団分布と同じ確率分布に したがう正規分布N(μ, σ2) 標本平均は,やはり正規分布にしたが うが,分散が1/nになる 正規分布N(μ, σ2/n) 2014 A. Asano, Kansai Univ. [性質2]
  • 100. 正規分布の場合の区間推定 考え方 標本は,母集団分布と同じ確率分布にしたがう 正規分布N(μ, σ2) X 標本平均は,やはり正規分布にしたがうが,分散 が1/nになる正規分布N(μ, σ2/n)[性質2] 2014 A. Asano, Kansai Univ.
  • 101. 正規分布の場合の区間推定 考え方 標本は,母集団分布と同じ確率分布にしたがう 正規分布N(μ, σ2) X 標本平均は,やはり正規分布にしたがうが,分散 が1/nになる正規分布N(μ, σ2/n)[性質2] 正規分布の[性質1]により 2014 A. Asano, Kansai Univ.
  • 102. 正規分布の場合の区間推定 考え方 標本は,母集団分布と同じ確率分布にしたがう 規分布N(μ, σ2) にしたがうならば,それらのう 正規分布N(μ, σ2) 質のX X1, ...,Xn にあてはまっていますから,す。 標本平均は,やはり正規分布にしたがうが,分散 が1/nになる正規分布N(μ, σ2/n)[性質2] 正規分布の[性質1]により Z = はで述べた「正規分布の性質1」から,Z は標準¯X ! − μ σ2/n 標準正規分布にしたがう 2014 A. Asano, Kansai Univ.
  • 103. 正規分布の場合の区間推定 考え方 標本は,母集団分布と同じ確率分布にしたがう 規分布N(μ, σ2) にしたがうならば,それらのう 正規分布N(μ, σ2) 質のX X1, ...,Xn にあてはまっていますから,す。 標本平均は,やはり正規分布にしたがうが,分散 が1/nになる正規分布N(μ, σ2/n)[性質2] 正規分布の[性質1]により Z = はで述べた「正規分布の性質1」から,Z は標準¯X ! − μ σ2/n 標準正規分布にしたがう 2014 A. Asano, Kansai Univ.
  • 104. 正規分布の場合の区間推定 考え方 標本は,母集団分布と同じ確率分布にしたがう 規分布N(μ, σ2) にしたがうならば,それらのう 正規分布N(μ, σ2) 質のX X1, ...,Xn にあてはまっていますから,す。 標本平均は,やはり正規分布にしたがうが,分散 が1/nになる正規分布N(μ, σ2/n)[性質2] 正規分布の[性質1]により Z = はで述べた「正規分布の性質1」から,Z は標準¯X ! − μ σ2/n 標準正規分布にしたがう 2014 A. Asano, Kansai Univ.
  • 105. 正規分布の場合の区間推定 考え方 標本は,母集団分布と同じ確率分布にしたがう 規分布N(μ, σ2) にしたがうならば,それらのう 正規分布N(μ, σ2) 質のX X1, ...,Xn にあてはまっていますから,す。 標本平均は,やはり正規分布にしたがうが,分散 が1/nになる正規分布N(μ, σ2/n)[性質2] 正規分布の[性質1]により Z = はで述べた「正規分布の性質1」から,Z は標準¯X ! − μ σ2/n 標準正規分布にしたがう 2014 A. Asano, Kansai Univ.
  • 106. 正規分布の場合の区間推定 考え方 標本は,母集団分布と同じ確率分布にしたがう 規分布N(μ, σ2) にしたがうならば,それらのう 正規分布N(μ, σ2) 質のX X1, ...,Xn にあてはまっていますから,す。 標本平均は,やはり正規分布にしたがうが,分散 が1/nになる正規分布N(μ, σ2/n)[性質2] 正規分布の[性質1]により Z = はで述べた「正規分布の性質1」から,Z は標準¯X ! − μ σ2/n 標準正規分布にしたがう N(0, 1) 2014 A. Asano, Kansai Univ.
  • 107. ます。 正規分布の場合の区間推定 Z = ¯X ! − μ σ2/n は標準正規分布にしたがう 2014 A. Asano, Kansai Univ. (1) 義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) である区間」はどういうものか考えてみましょう。第5回の講 明したように,Z がある区間に入る確率は,標準正規分布の確率 対応する部分の面積になります。この部分の面積が全体の95%に ることにし,図3(a) のように表します。このときのZ の区間の 間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 0.025 となります。P(Z " u) = 0.025 となるu は,正規分布の数 よると,u = 1.96 のとき,P(Z " 1.96) = 0.024998 ≃ 0.025 であ 1.96 ! Z ! 1.96) = 0.95 ということがわかります。 Z ! 1.96) = 0.95 に用いると,
  • 108. ます。 正規分布の場合の区間推定 Z = ¯X ! − μ σ2/n は標準正規分布にしたがう 2014 A. Asano, Kansai Univ. (1) 義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) である区間」はどういうものか考えてみましょう。第5回の講 明したように,Z がある区間に入る確率は,標準正規分布の確率 対応する部分の面積になります。この部分の面積が全体の95%に ることにし,図3(a) のように表します。このときのZ の区間の 間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 0.025 となります。P(Z " u) = 0.025 となるu は,正規分布の数 よると,u = 1.96 のとき,P(Z " 1.96) = 0.024998 ≃ 0.025 であ 1.96 ! Z ! 1.96) = 0.95 ということがわかります。 Z ! 1.96) = 0.95 に用いると, z f(z) –u 0 u
  • 109. ます。 正規分布の場合の区間推定 Z = ¯X ! − μ σ2/n は標準正規分布にしたがう 標準正規分布の確率密度関数 2014 A. Asano, Kansai Univ. (1) 義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) である区間」はどういうものか考えてみましょう。第5回の講 明したように,Z がある区間に入る確率は,標準正規分布の確率 対応する部分の面積になります。この部分の面積が全体の95%に ることにし,図3(a) のように表します。このときのZ の区間の 間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 0.025 となります。P(Z " u) = 0.025 となるu は,正規分布の数 よると,u = 1.96 のとき,P(Z " 1.96) = 0.024998 ≃ 0.025 であ 1.96 ! Z ! 1.96) = 0.95 ということがわかります。 Z ! 1.96) = 0.95 に用いると, z f(z) –u 0 u
  • 110. ます。 正規分布の場合の区間推定 Z = ¯X ! − μ σ2/n は標準正規分布にしたがう 標準正規分布の確率密度関数 2014 A. Asano, Kansai Univ. (1) 義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) である区間」はどういうものか考えてみましょう。第5回の講 明したように,Z がある区間に入る確率は,標準正規分布の確率 対応する部分の面積になります。この部分の面積が全体の95%に ることにし,図3(a) のように表します。このときのZ の区間の 間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 0.025 となります。P(Z " u) = 0.025 となるu は,正規分布の数 よると,u = 1.96 のとき,P(Z " 1.96) = 0.024998 ≃ 0.025 であ 1.96 ! Z ! 1.96) = 0.95 ということがわかります。 Z ! 1.96) = 0.95 に用いると, z f(z) –u 0 u
  • 111. れていますから,標本は確率変数で,母集団分布と同じ確率分布にしたが なる標本正のそ規れぞ分れの布確の率分場布も合またのN(μ, 区σ2) 間です推。 定 ,n 人からなる標本をX1, . . . ,Xn で表すと,(X1 + · · · + Xn)/n で表され 述べた「正規分布の性質2(正規分布の再生性)」,すなわち いずれも正規分布N(μ, σ2) にしたがうならば,それらの平均(X1 + n) にしたがう 本はこの性質のX1, ...,Xn にあてはまっていますから,「標本平均¯X は標準正規分布にしたがう 標準正規分布の確率密度関数 が 2014 A. Asano, Kansai Univ. この区間に入っている確率=95%とすると ます。 Z = ¯X ! − μ σ2/n (1) 義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) である区間」はどういうものか考えてみましょう。第5回の講 明したように,Z がある区間に入る確率は,標準正規分布の確率 対応する部分の面積になります。この部分の面積が全体の95%に ることにし,図3(a) のように表します。このときのZ の区間の 間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 0.025 となります。P(Z " u) = 0.025 となるu は,正規分布の数 よると,u = 1.96 のとき,P(Z " 1.96) = 0.024998 ≃ 0.025 であ 1.96 ! Z ! 1.96) = 0.95 ということがわかります。 Z ! 1.96) = 0.95 に用いると, z f(z) –u 0 u は がわかります。 Z = ¯X ! − μ σ2/n (1) 11回の講義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 。 確率がである区間」はどういうものか考えてみましょう。第5回の講
  • 112. れていますから,標本は確率変数で,母集団分布と同じ確率分布にしたが なる標本正のそ規れぞ分れの布確の率分場布も合またのN(μ, 区σ2) 間です推。 定 ,n 人からなる標本をX1, . . . ,Xn で表すと,(X1 + · · · + Xn)/n で表され 述べた「正規分布の性質2(正規分布の再生性)」,すなわち いずれも正規分布N(μ, σ2) にしたがうならば,それらの平均(X1 + n) にしたがう 本はこの性質のX1, ...,Xn にあてはまっていますから,「標本平均¯X は標準正規分布にしたがう 標準正規分布の確率密度関数 が 2014 A. Asano, Kansai Univ. 面積=95% この区間に入っている確率=95%とすると ます。 Z = ¯X ! − μ σ2/n (1) 義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) である区間」はどういうものか考えてみましょう。第5回の講 明したように,Z がある区間に入る確率は,標準正規分布の確率 対応する部分の面積になります。この部分の面積が全体の95%に ることにし,図3(a) のように表します。このときのZ の区間の 間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 0.025 となります。P(Z " u) = 0.025 となるu は,正規分布の数 よると,u = 1.96 のとき,P(Z " 1.96) = 0.024998 ≃ 0.025 であ 1.96 ! Z ! 1.96) = 0.95 ということがわかります。 Z ! 1.96) = 0.95 に用いると, z f(z) –u 0 u は がわかります。 Z = ¯X ! − μ σ2/n (1) 11回の講義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 。 確率がである区間」はどういうものか考えてみましょう。第5回の講
  • 113. れていますから,標本は確率変数で,母集団分布と同じ確率分布にしたが なる標本正のそ規れぞ分れの布確の率分場布も合またのN(μ, 区σ2) 間です推。 定 ,n 人からなる標本をX1, . . . ,Xn で表すと,(X1 + · · · + Xn)/n で表され 述べた「正規分布の性質2(正規分布の再生性)」,すなわち いずれも正規分布N(μ, σ2) にしたがうならば,それらの平均(X1 + n) にしたがう 本はこの性質のX1, ...,Xn にあてはまっていますから,「標本平均¯X は標準正規分布にしたがう 標準正規分布の確率密度関数 が 2014 A. Asano, Kansai Univ. 面積=95% 境界の値はいくら? この区間に入っている確率=95%とすると ます。 Z = ¯X ! − μ σ2/n (1) 義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) である区間」はどういうものか考えてみましょう。第5回の講 明したように,Z がある区間に入る確率は,標準正規分布の確率 対応する部分の面積になります。この部分の面積が全体の95%に ることにし,図3(a) のように表します。このときのZ の区間の 間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 0.025 となります。P(Z " u) = 0.025 となるu は,正規分布の数 よると,u = 1.96 のとき,P(Z " 1.96) = 0.024998 ≃ 0.025 であ 1.96 ! Z ! 1.96) = 0.95 ということがわかります。 Z ! 1.96) = 0.95 に用いると, z f(z) –u 0 u は がわかります。 Z = ¯X ! − μ σ2/n (1) 11回の講義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 。 確率がである区間」はどういうものか考えてみましょう。第5回の講
  • 114. 正規分布の場合の区間推定 面積=95% z f(z) –u 0 u 2014 A. Asano, Kansai Univ.
  • 115. 正規分布の場合の区間推定 面積=95% z f(z) –u 0 u 2014 A. Asano, Kansai Univ. z f(z) 0
  • 116. 正規分布の場合の区間推定 面積=95% z f(z) –u 0 u 2014 A. Asano, Kansai Univ. z f(z) 0
  • 117. 正規分布の場合の区間推定 面積=95% z f(z) –u 0 u 2014 A. Asano, Kansai Univ. z f(z) 0
  • 118. 正規分布の場合の区間推定 面積=95% z f(z) –u 0 u 2014 A. Asano, Kansai Univ. z f(z) 0 面積=2.5% (左右で5%)
  • 119. 正規分布の場合の区間推定 面積=95% z f(z) –u 0 u 2014 A. Asano, Kansai Univ. z f(z) 0 面積=2.5% (左右で5%) 境界の値は?
  • 120. 正規分布の場合の区間推定 2014 A. Asano, Kansai Univ. z f(z) 0 面積=2.5% 境界の値は
  • 121. 正規分布の場合の区間推定 2014 A. Asano, Kansai Univ. z f(z) 0 面積=2.5% 境界の値は うまいぐあいに,正規分布表で
  • 122. 正規分布の場合の区間推定 標準正規分布表(P(Z z)) 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414 0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465 0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591 0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827 0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207 0.5 0.30854 0.30503 0.30153 0.29806 0.6 0.27425 0.27093 0.26763 0.26435 境0.29460 界の0.29116 値は 0.28774 0.28434 0.28096 0.27760 0.26109 0.25785 0.25463 0.25143 0.24825 0.24510 0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476 0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673 0.9 0.18406 0.18141 0.17879 0.17619 0.17361 0.17106 0.16853 0.16602 0.16354 0.16109 1.0 0.15866 0.15625 0.15386 標0.15151 準正規分0.14917 布表(P(0.14686 Z z)) 0.14457 0.14231 0.14007 0.13786 1.1 0.13567 0.13350 0.13136 0.12924 0.12714 0.12507 0.12302 0.12100 0.11900 0.11702 1.2 0.11507 0.11314 0.11123 0.10935 0.10749 0.10565 0.10383 0.10204 0.10027 0.098525 1.3 0.096800 0.095098 0.093418 0.091759 0.090123 0.088508 0.086915 0.085343 0.083793 0.082264 1.4 0.080757 0.079270 0.077804 0.076359 0.074934 0.073529 0.072145 0.070781 0.069437 0.068112 1.5 0.066807 0.065522 0.064255 0.063008 0.061780 0.060571 0.059380 0.058208 0.057053 0.055917 1.6 0.054799 0.053699 0.052616 0.051551 0.050503 0.049471 0.048457 0.047460 0.046479 0.045514 1.7 0.044565 0.043633 0.042716 0.041815 0.040930 0.040059 0.039204 0.038364 0.037538 0.036727 1.8 0.035930 0.035148 0.034380 0.033625 0.032884 0.032157 0.031443 0.030742 0.030054 0.029379 1.9 0.028717 0.028067 0.027429 0.026803 0.026190 0.025588 0.024998 0.024419 0.023852 0.023295 2.0 0.022750 0.022216 0.021692 0.021178 0.020675 0.020182 0.019699 0.019226 0.018763 0.018309 2.1 0.017864 0.017429 0.017003 0.016586 0.016177 0.015778 0.015386 0.015003 0.014629 0.014262 2.2 0.013903 0.013553 0.013209 0.012874 0.012545 0.012224 0.011911 0.011604 0.011304 0.011011 2.3 0.010724 0.010444 0.010170 9.9031E-03 9.6419E-03 9.3867E-03 9.1375E-03 8.8940E-03 8.6563E-03 8.4242E-03 2014 A. Asano, Kansai Univ. z f(z) 0 面積=2.5% うまいぐあいに,正規分布表で zの小数第2位 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414 0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465 0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591 0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827 0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207 0.5 0.30854 0.30503 0.30153 0.29806 0.29460 0.29116 0.28774 0.28434 0.28096 0.27760 0.6 0.27425 0.27093 0.26763 0.26435 0.26109 0.25785 0.25463 0.25143 0.24825 0.24510 0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476 0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673 zの 小数第1位まで zの小数第2位 …
  • 123. 正規分布の場合の区間推定 標準正規分布表(P(Z z)) 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414 0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465 0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591 0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827 0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207 0.5 0.30854 0.30503 0.30153 0.29806 0.29460 0.29116 0.28774 0.28434 0.28096 0.27760 0.6 0.27425 0.27093 0.26763 0.26435 0.26109 0.25785 0.25463 0.25143 0.24825 0.24510 0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476 0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673 0.9 0.18406 0.18141 0.17879 0.17619 0.17361 0.17106 0.16853 0.16602 0.16354 0.16109 1.0 0.15866 0.15625 0.15386 標0.15151 準正規分0.14917 布表(P(0.14686 Z z)) 0.14457 0.14231 0.14007 0.13786 1.1 0.13567 0.13350 0.13136 0.12924 0.12714 0.12507 0.12302 0.12100 0.11900 0.11702 1.2 0.11507 0.11314 0.11123 0.10935 0.10749 0.10565 0.10383 0.10204 0.10027 0.098525 1.3 0.096800 0.095098 0.093418 0.091759 0.090123 0.088508 0.086915 0.085343 0.083793 0.082264 1.4 0.080757 0.079270 0.077804 0.076359 0.074934 0.073529 0.072145 0.070781 0.069437 0.068112 1.5 0.066807 0.065522 0.064255 0.063008 0.061780 0.060571 0.059380 0.058208 0.057053 0.055917 1.6 0.054799 0.053699 0.052616 0.051551 0.050503 0.049471 0.048457 0.047460 0.046479 0.045514 1.7 0.044565 0.043633 0.042716 0.041815 0.040930 0.040059 0.039204 0.038364 0.037538 0.036727 1.8 0.035930 0.035148 0.034380 0.033625 0.032884 0.032157 0.031443 0.030742 0.030054 0.029379 1.9 0.028717 0.028067 0.027429 0.026803 0.026190 0.025588 0.024998 0.024419 0.023852 0.023295 2.0 0.022750 0.022216 0.021692 0.021178 0.020675 0.020182 0.019699 0.019226 0.018763 0.018309 2.1 0.017864 0.017429 0.017003 0.016586 0.016177 0.015778 0.015386 0.015003 0.014629 0.014262 2.2 0.013903 0.013553 0.013209 0.012874 0.012545 0.012224 0.011911 0.011604 0.011304 0.011011 2.3 0.010724 0.010444 0.010170 9.9031E-03 9.6419E-03 9.3867E-03 9.1375E-03 8.8940E-03 8.6563E-03 8.4242E-03 2014 A. Asano, Kansai Univ. z f(z) 0 面積=2.5% うまいぐあいに,正規分布表で zの小数第2位 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414 0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465 0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591 0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827 0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207 0.5 0.30854 0.30503 0.30153 0.29806 0.29460 0.29116 0.28774 0.28434 0.28096 0.27760 0.6 0.27425 0.27093 0.26763 0.26435 0.26109 0.25785 0.25463 0.25143 0.24825 0.24510 0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476 0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673 zの 小数第1位まで zの小数第2位 … 1.9 境界の値は
  • 124. 正規分布の場合の区間推定 標準正規分布表(P(Z z)) 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414 0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465 0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591 0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827 0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207 0.5 0.30854 0.30503 0.30153 0.29806 0.6 0.27425 0.27093 0.26763 0.26435 境0.29460 界の0.29116 値は 0.28774 0.28434 0.28096 0.27760 0.26109 0.25785 0.25463 0.25143 0.24825 0.24510 0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476 0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673 0.9 0.18406 0.18141 0.17879 0.17619 0.17361 0.17106 0.16853 0.16602 0.16354 0.16109 1.0 0.15866 0.15625 0.15386 標0.15151 準正規分0.14917 布表(P(0.14686 Z z)) 0.14457 0.14231 0.14007 0.13786 1.1 0.13567 0.13350 0.13136 0.12924 0.12714 0.12507 0.12302 0.12100 0.11900 0.11702 1.2 0.11507 0.11314 0.11123 0.10935 0.10749 0.10565 0.10383 0.10204 0.10027 0.098525 1.3 0.096800 0.095098 0.093418 0.091759 0.090123 0.088508 0.086915 0.085343 0.083793 0.082264 1.4 0.080757 0.079270 0.077804 0.076359 0.074934 0.073529 0.072145 0.070781 0.069437 0.068112 1.5 0.066807 0.065522 0.064255 0.063008 0.061780 0.060571 0.059380 0.058208 0.057053 0.055917 1.6 0.054799 0.053699 0.052616 0.051551 0.050503 0.049471 0.048457 0.047460 0.046479 0.045514 1.7 0.044565 0.043633 0.042716 0.041815 0.040930 0.040059 0.039204 0.038364 0.037538 0.036727 1.8 0.035930 0.035148 0.034380 0.033625 0.032884 0.032157 0.031443 0.030742 0.030054 0.029379 1.9 0.028717 0.028067 0.027429 0.026803 0.026190 0.025588 0.024998 0.024419 0.023852 0.023295 2.0 0.022750 0.022216 0.021692 0.021178 0.020675 0.020182 0.019699 0.019226 0.018763 0.018309 2.1 0.017864 0.017429 0.017003 0.016586 0.016177 0.015778 0.015386 0.015003 0.014629 0.014262 2.2 0.013903 0.013553 0.013209 0.012874 0.012545 0.012224 0.011911 0.011604 0.011304 0.011011 2.3 0.010724 0.010444 0.010170 9.9031E-03 9.6419E-03 9.3867E-03 9.1375E-03 8.8940E-03 8.6563E-03 8.4242E-03 2014 A. Asano, Kansai Univ. z f(z) 0 面積=2.5% うまいぐあいに,正規分布表で zの小数第2位 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414 0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465 0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591 0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827 0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207 0.5 0.30854 0.30503 0.30153 0.29806 0.29460 0.29116 0.28774 0.28434 0.28096 0.27760 0.6 0.27425 0.27093 0.26763 0.26435 0.26109 0.25785 0.25463 0.25143 0.24825 0.24510 0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476 0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673 zの 小数第1位まで zの小数第2位 … 1.9 0.06
  • 125. 正規分布の場合の区間推定 標準正規分布表(P(Z z)) 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414 0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465 0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591 0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827 0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207 0.5 0.30854 0.30503 0.30153 0.29806 0.6 0.27425 0.27093 0.26763 0.26435 境0.29460 界の0.29116 値は 0.28774 0.28434 0.28096 0.27760 0.26109 0.25785 0.25463 0.25143 0.24825 0.24510 0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476 0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673 0.9 0.18406 0.18141 0.17879 0.17619 0.17361 0.17106 0.16853 0.16602 0.16354 0.16109 1.0 0.15866 0.15625 0.15386 標0.15151 準正規分0.14917 布表(P(0.14686 Z z)) 0.14457 0.14231 0.14007 0.13786 1.1 0.13567 0.13350 0.13136 0.12924 0.12714 0.12507 0.12302 0.12100 0.11900 0.11702 1.2 0.11507 0.11314 0.11123 0.10935 0.10749 0.10565 0.10383 0.10204 0.10027 0.098525 1.3 0.096800 0.095098 0.093418 0.091759 0.090123 0.088508 0.086915 0.085343 0.083793 0.082264 1.4 0.080757 0.079270 0.077804 0.076359 0.074934 0.073529 0.072145 0.070781 0.069437 0.068112 1.5 0.066807 0.065522 0.064255 0.063008 0.061780 0.060571 0.059380 0.058208 0.057053 0.055917 1.6 0.054799 0.053699 0.052616 0.051551 0.050503 0.049471 0.048457 0.047460 0.046479 0.045514 1.7 0.044565 0.043633 0.042716 0.041815 0.040930 0.040059 0.039204 0.038364 0.037538 0.036727 1.8 0.035930 0.035148 0.034380 0.033625 0.032884 0.032157 0.031443 0.030742 0.030054 0.029379 1.9 0.028717 0.028067 0.027429 0.026803 0.026190 0.025588 0.024998 0.024419 0.023852 0.023295 2.0 0.022750 0.022216 0.021692 0.021178 0.020675 0.020182 0.019699 0.019226 0.018763 0.018309 2.1 0.017864 0.017429 0.017003 0.016586 0.016177 0.015778 0.015386 0.015003 0.014629 0.014262 2.2 0.013903 0.013553 0.013209 0.012874 0.012545 0.012224 0.011911 0.011604 0.011304 0.011011 2.3 0.010724 0.010444 0.010170 9.9031E-03 9.6419E-03 9.3867E-03 9.1375E-03 8.8940E-03 8.6563E-03 8.4242E-03 2014 A. Asano, Kansai Univ. z f(z) 0 面積=2.5% うまいぐあいに,正規分布表で zの小数第2位 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414 0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465 0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591 0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827 0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207 0.5 0.30854 0.30503 0.30153 0.29806 0.29460 0.29116 0.28774 0.28434 0.28096 0.27760 0.6 0.27425 0.27093 0.26763 0.26435 0.26109 0.25785 0.25463 0.25143 0.24825 0.24510 0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476 0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673 zの 小数第1位まで zの小数第2位 … 1.9 0.06 0.024998
  • 126. 正規分布の場合の区間推定 標準正規分布表(P(Z z)) 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414 0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465 0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591 0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827 0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207 0.5 0.30854 0.30503 0.30153 0.29806 0.6 0.27425 0.27093 0.26763 0.26435 境0.29460 界の0.29116 値は0.28774 「1.960.28434 0.28096 」 0.27760 0.26109 0.25785 0.25463 0.25143 0.24825 0.24510 0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476 0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673 0.9 0.18406 0.18141 0.17879 0.17619 0.17361 0.17106 0.16853 0.16602 0.16354 0.16109 1.0 0.15866 0.15625 0.15386 標0.15151 準正規分0.14917 布表(P(0.14686 Z z)) 0.14457 0.14231 0.14007 0.13786 1.1 0.13567 0.13350 0.13136 0.12924 0.12714 0.12507 0.12302 0.12100 0.11900 0.11702 1.2 0.11507 0.11314 0.11123 0.10935 0.10749 0.10565 0.10383 0.10204 0.10027 0.098525 1.3 0.096800 0.095098 0.093418 0.091759 0.090123 0.088508 0.086915 0.085343 0.083793 0.082264 1.4 0.080757 0.079270 0.077804 0.076359 0.074934 0.073529 0.072145 0.070781 0.069437 0.068112 1.5 0.066807 0.065522 0.064255 0.063008 0.061780 0.060571 0.059380 0.058208 0.057053 0.055917 1.6 0.054799 0.053699 0.052616 0.051551 0.050503 0.049471 0.048457 0.047460 0.046479 0.045514 1.7 0.044565 0.043633 0.042716 0.041815 0.040930 0.040059 0.039204 0.038364 0.037538 0.036727 1.8 0.035930 0.035148 0.034380 0.033625 0.032884 0.032157 0.031443 0.030742 0.030054 0.029379 1.9 0.028717 0.028067 0.027429 0.026803 0.026190 0.025588 0.024998 0.024419 0.023852 0.023295 2.0 0.022750 0.022216 0.021692 0.021178 0.020675 0.020182 0.019699 0.019226 0.018763 0.018309 2.1 0.017864 0.017429 0.017003 0.016586 0.016177 0.015778 0.015386 0.015003 0.014629 0.014262 2.2 0.013903 0.013553 0.013209 0.012874 0.012545 0.012224 0.011911 0.011604 0.011304 0.011011 2.3 0.010724 0.010444 0.010170 9.9031E-03 9.6419E-03 9.3867E-03 9.1375E-03 8.8940E-03 8.6563E-03 8.4242E-03 2014 A. Asano, Kansai Univ. z f(z) 0 面積=2.5% うまいぐあいに,正規分布表で zの小数第2位 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.47210 0.46812 0.46414 0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465 0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591 0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827 0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207 0.5 0.30854 0.30503 0.30153 0.29806 0.29460 0.29116 0.28774 0.28434 0.28096 0.27760 0.6 0.27425 0.27093 0.26763 0.26435 0.26109 0.25785 0.25463 0.25143 0.24825 0.24510 0.7 0.24196 0.23885 0.23576 0.23270 0.22965 0.22663 0.22363 0.22065 0.21770 0.21476 0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673 zの 小数第1位まで zの小数第2位 … 1.9 0.06 0.024998
  • 127. れていますから,標本は確率変数で,母集団分布と同じ確率分布にしたが なる標本正のそ規れぞ分れの布確の率分場布も合またのN(μ, 区σ2) 間です推。 定 ,n 人からなる標本をX1, . . . ,Xn で表すと,(X1 + · · · + Xn)/n で表され 述べた「正規分布の性質2(正規分布の再生性)」,すなわち いずれも正規分布N(μ, σ2) にしたがうならば,それらの平均(X1 + n) にしたがう 本はこの性質のX1, ...,Xn にあてはまっていますから,「標本平均¯X は標準正規分布にしたがう 標準正規分布の確率密度関数 が 2014 A. Asano, Kansai Univ. 面積=95% 境界の値は この区間に入っている確率=95%とすると ます。 Z = ¯X ! − μ σ2/n (1) 義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) である区間」はどういうものか考えてみましょう。第5回の講 明したように,Z がある区間に入る確率は,標準正規分布の確率 対応する部分の面積になります。この部分の面積が全体の95%に ることにし,図3(a) のように表します。このときのZ の区間の 間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 0.025 となります。P(Z u) = 0.025 となるu は,正規分布の数 よると,u = 1.96 のとき,P(Z 1.96) = 0.024998 ≃ 0.025 であ 1.96 ! Z ! 1.96) = 0.95 ということがわかります。 Z ! 1.96) = 0.95 に用いると, z f(z) –u 0 u は がわかります。 Z = ¯X ! − μ σ2/n (1) 11回の講義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 。 確率がである区間」はどういうものか考えてみましょう。第5回の講
  • 128. れていますから,標本は確率変数で,母集団分布と同じ確率分布にしたが なる標本正のそ規れぞ分れの布確の率分場布も合またのN(μ, 区σ2) 間です推。 定 ,n 人からなる標本をX1, . . . ,Xn で表すと,(X1 + · · · + Xn)/n で表され 述べた「正規分布の性質2(正規分布の再生性)」,すなわち いずれも正規分布N(μ, σ2) にしたがうならば,それらの平均(X1 + n) にしたがう 本はこの性質のX1, ...,Xn にあてはまっていますから,「標本平均¯X は標準正規分布にしたがう 標準正規分布の確率密度関数 が 2014 A. Asano, Kansai Univ. 面積=95% 境界の値は1.96 この区間に入っている確率=95%とすると ます。 Z = ¯X ! − μ σ2/n (1) 義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) である区間」はどういうものか考えてみましょう。第5回の講 明したように,Z がある区間に入る確率は,標準正規分布の確率 対応する部分の面積になります。この部分の面積が全体の95%に ることにし,図3(a) のように表します。このときのZ の区間の 間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 0.025 となります。P(Z u) = 0.025 となるu は,正規分布の数 よると,u = 1.96 のとき,P(Z 1.96) = 0.024998 ≃ 0.025 であ 1.96 ! Z ! 1.96) = 0.95 ということがわかります。 Z ! 1.96) = 0.95 に用いると, z f(z) –u 0 u は がわかります。 Z = ¯X ! − μ σ2/n (1) 11回の講義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 。 確率がである区間」はどういうものか考えてみましょう。第5回の講
  • 129. れていますから,標本は確率変数で,母集団分布と同じ確率分布にしたが なる標本正のそ規れぞ分れの布確の率分場布も合またのN(μ, 区σ2) 間です推。 定 ,n 人からなる標本をX1, . . . ,Xn で表すと,(X1 + · · · + Xn)/n で表され 述べた「正規分布の性質2(正規分布の再生性)」,すなわち いずれも正規分布N(μ, σ2) にしたがうならば,それらの平均(X1 + n) にしたがう 本はこの性質のX1, ...,Xn にあてはまっていますから,「標本平均¯X は標準正規分布にしたがう 標準正規分布の確率密度関数 -1.96 境界の値は1.96 が 2014 A. Asano, Kansai Univ. 面積=95% この区間に入っている確率=95%とすると ます。 Z = ¯X ! − μ σ2/n (1) 義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) である区間」はどういうものか考えてみましょう。第5回の講 明したように,Z がある区間に入る確率は,標準正規分布の確率 対応する部分の面積になります。この部分の面積が全体の95%に ることにし,図3(a) のように表します。このときのZ の区間の 間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 0.025 となります。P(Z u) = 0.025 となるu は,正規分布の数 よると,u = 1.96 のとき,P(Z 1.96) = 0.024998 ≃ 0.025 であ 1.96 ! Z ! 1.96) = 0.95 ということがわかります。 Z ! 1.96) = 0.95 に用いると, z f(z) –u 0 u は がわかります。 Z = ¯X ! − μ σ2/n (1) 11回の講義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) 。 確率がである区間」はどういうものか考えてみましょう。第5回の講
  • 130. ます。 正規分布の場合の区間推定 Z = ¯X ! − μ σ2/n が -1.96と1.96の間に入っ ている確率が95% 2014 A. Asano, Kansai Univ. (1) 義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) である区間」はどういうものか考えてみましょう。第5回の講 明したように,Z がある区間に入る確率は,標準正規分布の確率 対応する部分の面積になります。この部分の面積が全体の95%に ることにし,図3(a) のように表します。このときのZ の区間の 間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 0.025 となります。P(Z u) = 0.025 となるu は,正規分布の数 よると,u = 1.96 のとき,P(Z 1.96) = 0.024998 ≃ 0.025 であ 1.96 ! Z ! 1.96) = 0.95 ということがわかります。 Z ! 1.96) = 0.95 に用いると,
  • 131. Z がこの区間に入る確率すなわちます。 正規分布の場合の区間推P(−定 u ! Z ! u) Z u) = 0.025 となります。P(Z u) = 0.025 とす。数表によると,u = 1.96 のとき, Z = P(Z 1.96) わち,P(−1.96 ! Z ! 1.96) = 0.95 ということがわをP(−1.96 ! Z ! 1.96) = 0.95 に用いると, ¯X ! − μ σ2/n が -1.96と1.96の間に入っ ている確率が95% 式で書くと P(−1.96 ! ! 1.96) = 0.95 かります。ここで,今知りたいのは母集団の平均μ P( ¯X ! − μ σ2/n 2014 A. Asano, Kansai Univ. (1) 義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) である区間」はどういうものか考えてみましょう。第5回の講 明したように,Z がある区間に入る確率は,標準正規分布の確率 対応する部分の面積になります。この部分の面積が全体の95%に ることにし,図3(a) のように表します。このときのZ の区間の 間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 0.025 となります。P(Z u) = 0.025 となるu は,正規分布の数 よると,u = 1.96 のとき,P(Z 1.96) = 0.024998 ≃ 0.025 であ 1.96 ! Z ! 1.96) = 0.95 ということがわかります。 ¯X − 1.96 ! σ2/n ! μ ! ¯X Z ! 1.96) = 0.95 に用いると, ! σ2/n) = 0.95 + 1.96
  • 132. Z がこの区間に入る確率すなわちます。 正規分布の場合の区間推P(−定 u ! Z ! u) Z u) = 0.025 となります。P(Z u) = 0.025 とす。数表によると,u = 1.96 のとき, Z = P(Z 1.96) わち,P(−1.96 ! Z ! 1.96) = 0.95 ということがわをP(−1.96 ! Z ! 1.96) = 0.95 に用いると, ¯X ! − μ σ2/n が -1.96と1.96の間に入っ ている確率が95% 式で書くと P(−1.96 ! ! 1.96) = 0.95 かります。ここで,今知りたいのは母集団の平均μ P( ¯X ! − μ σ2/n ! σ2/n) = 0.95 μ2014 A. Asano, Kansai Univ. (1) 義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) である区間」はどういうものか考えてみましょう。第5回の講 明したように,Z がある区間に入る確率は,標準正規分布の確率 対応する部分の面積になります。この部分の面積が全体の95%に ることにし,図3(a) のように表します。このときのZ の区間の 間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 0.025 となります。P(Z u) = 0.025 となるu は,正規分布の数 よると,u = 1.96 のとき,P(Z 1.96) = 0.024998 ≃ 0.025 であ 1.96 ! Z ! 1.96) = 0.95 ということがわかります。 ¯X − 1.96 ! σ2/n ! μ ! ¯X Z ! 1.96) = 0.95 に用いると, + 1.96 の式に直すと
  • 133. Z ま対が称にこZ のの区区間間にを入とるるこ確す。 と率にすしな,図わ3(ちa) P(−のよu う! に表しま正Z ! u) す。すZ る とu) ,規Z = が分0.025 この布区のと間にな場入り合るま確のす率区。すなP(間わZ 推ち P(−定 u) u = ! 0.025 Z ! u) と= よすう。に数,P(表Z に よu) る= と0.025 ,となりまのす。とP(きZ , u) = 0.025 とができZ ま= す。数表によるu = 1.96 わち,と,u = 1.96 のとき,P(Z 1.96) P(Z 1.96) す。すなP(−わち1.96 ,! ということがわP(−1.96 Z ! ! Z 1.96) ! 1.96) = 0.95 = 0.95 ということがわを式のP(−関係1.96 をP(−! 1.96 Z ! ! 1.96) Z ! 1.96) = 0.95 = 0.95 に用に用いいるるとと, , ¯X ! − μ σ2/n が -1.96と1.96の間に入っ ている確率が95% 式で書くと P(−1.96 ! P(−1.96 ! ! 1.96) = 0.95 かります。ここで,今知りたいのは母集団の平均μ P( ¯X ! − μ σ2/n ! σ2/n) = 0.95 μ2014 A. Asano, Kansai Univ. (1) 義で述べた「正規分布の性質1」から,Z は標準正規分布N(0, 1) である区間」はどういうものか考えてみましょう。第5回の講 明したように,Z がある区間に入る確率は,標準正規分布の確率 対応する部分の面積になります。この部分の面積が全体の95%に ることにし,図3(a) のように表します。このときのZ の区間の 間に入る確率すなわちP(−u ! Z ! u) = 0.95 となります。この 0.025 となります。P(Z u) = 0.025 となるu は,正規分布の数 よると,u = 1.96 のとき,P(Z 1.96) = 0.024998 ≃ 0.025 であ 1.96 ! Z ! 1.96) = 0.95 ということがわかります。 ! σ2/n) = 0.95 れます。この範囲が,μ の95%信頼区間となります。この問題¯X − 1.96 ! σ2/n ! μ ! ¯X Z ! 1.96) = 0.95 に用いると, + 1.96 の式に直すと ¯X ! − μ σ2/n ! 1.96) = 0.95 ことがわかります。ここで,今知りたいのは母集団の平均μ 換えると P( ¯X − 1.96 ! σ2/n ! μ ! ¯X + 1.96
  • 134. ¯X ! − μ σ2/n 正規分布の場合の区間推定 P(−1.96 ! ! 1.96) = 0.95 とがわかります。ここで,今知りたいのは母集団の平均μ のえると ! ! P( − 1.96 σ2/n ! μ ! + 1.96 σ2/n) = 0.95 ます。この範囲が,μ の95%信頼区間となります。この問題で25 ですから,これらの数値を(3) 式に入れると,求める95%信す。「46.9 以上53.1 以下」という区間を,数学では[46.9, 53.1] 真Univ. の意味 Kansai の区Asano, 間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下ませA. んでした。それは,この書き方は間違いだか¯X らで¯す。 X 2014
  • 135. ¯X ! − μ σ2/n 正規分布の場合の区間推定 P(−1.96 ! ! 1.96) = 0.95 とがわかります。ここで,今知りたいのは母集団の平均μ のえると ! ! P( − 1.96 σ2/n ! μ ! + 1.96 σ2/n) = 0.95 ます。このμ範の囲95% が,μ の95%信頼区間となります。この問題で25 ですから信,頼こ区れ間らのの 数値を(3) 式に入れると,求める95%信す。「46.9 下以限 上53.1 以下」という区間を,数学では[46.9, 53.1] 真Univ. の意味 Kansai の区Asano, 間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下ませA. んでした。それは,この書き方は間違いだからです。 2014 ¯X ¯X
  • 136. ¯X ! − μ σ2/n 正規分布の場合の区間推定 P(−1.96 ! ! 1.96) = 0.95 とがわかります。ここで,今知りたいのは母集団の平均μ のえると ! ! P( − 1.96 σ2/n ! μ ! + 1.96 σ2/n) = 0.95 ます。このμ範の囲95% が,μ のμの95% 信頼区間の 95%信頼区間となります。この問題で25 ですから,これらの数値を(3) 式信に頼入区れ間るとの ,求める95%信す。「46.9 下以限 上53.1 以下」という上区間限 を,数学では[46.9, 53.1] 真Univ. の意味 Kansai の区Asano, 間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下ませA. んでした。それは,こ¯X ¯の書き方は間違いだからです。 2014 X
  • 137. ¯X ! − μ σ2/n 正規分布の場合の区間推定 P(−1.96 ! ! 1.96) = 0.95 とがわかります。ここで,今知りたいのは母集団の平均μ のえると ! ! P( − 1.96 σ2/n ! μ ! + 1.96 σ2/n) = 0.95 ます。このμ範の囲95% が,μ のμの95% 信頼区間の 95%信頼区間となります。この問題で25 ですから,これらの数値を(3) 式信に頼入区れ間るとの ,求める95%信す。「46.9 下以限 上53.1 以下」という上区間限 を,数学では[46.9, 53.1] 真Univ. の意味 Kansai の区Asano, 間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下ませA. んでした。それは,こ¯X ¯の書き方は間違いだからです。 2014 X 例題では
  • 138. ¯X ! − μ σ2/n 正規分布の場合の区間推定 P(−1.96 ! ! 1.96) = 0.95 とがわかります。ここで,今知りたいのは母集団の平均μ のえると ! ! P( − 1.96 σ2/n ! μ ! + 1.96 σ2/n) = 0.95 ます。このμ範の囲95% が,μ のμの95% 信頼区間の 95%信頼区間となります。この問題で25 ですから,これらの数値を(3) 式信に頼入区れ間るとの ,求める95%信す。「46.9 下以限 上53.1 以下」という上区間限 を,数学では[46.9, 53.1] 真Univ. の意味 Kansai の区Asano, 間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下ませA. んでした。それは,こ¯X ¯の書き方は間違いだからです。 2014 X 例題では 標本平均=50
  • 139. ¯X ! − μ σ2/n 正規分布の場合の区間推定 P(−1.96 ! ! 1.96) = 0.95 とがわかります。ここで,今知りたいのは母集団の平均μ のえると ! ! P( − 1.96 σ2/n ! μ ! + 1.96 σ2/n) = 0.95 ます。このμ範の囲95% が,μ のμの95% 信頼区間の 95%信頼区間となります。この問題で25 ですから,これらの数値を(3) 式信に頼入区れ間るとの ,求める95%信す。「46.9 下以限 上53.1 以下」という上区間限 を,数学では[46.9, 53.1] 真Univ. の意味 Kansai の区Asano, 間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下ませA. んでした。それは,こ¯X ¯の書き方は間違いだからです。 2014 X 例題では 標本平均=50 母分散=25
  • 140. ¯X ! − μ σ2/n 正規分布の場合の区間推定 P(−1.96 ! ! 1.96) = 0.95 とがわかります。ここで,今知りたいのは母集団の平均μ のえると 例題では 標本平均=50 母分散=25 標本サイズ=10 ! ! P( − 1.96 σ2/n ! μ ! + 1.96 σ2/n) = 0.95 ます。このμ範の囲95% が,μ のμの95% 信頼区間の 95%信頼区間となります。この問題で25 ですから,これらの数値を(3) 式信に頼入区れ間るとの ,求める95%信す。「46.9 下以限 上53.1 以下」という上区間限 を,数学では[46.9, 53.1] 真Univ. の意味 Kansai の区Asano, 間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下ませA. んでした。それは,こ¯X ¯の書き方は間違いだからです。 2014 X
  • 141. ¯X ! − μ σ2/n 正規分布の場合の区間推定 P(−1.96 ! ! 1.96) = 0.95 とがわかります。ここで,今知りたいのは母集団の平均μ のえると 例題では 標本平均=50 母分散=25 標本サイズ=10 ! ! P( − 1.96 σ2/n ! μ ! + 1.96 σ2/n) = 0.95 ます。このμ範の囲95% が,μ のμの95% 信頼区間の 95%信頼区間となります。この問題で25 ですから,これらの数値を(3) 式信に頼入区れ間るとの ,求める95%信す。「46.9 下以限 上53.1 以下」という上区間限 ¯X を,数学では[46.9, 53.1] 真Univ. の意計味 算すると,例題の答は Kansai の区Asano, 間推「定46.9の結果以を上「求53.1める95%以下信」 頼区間は『46.9 以上53.1 以下ませA. んでした。それは,この書き方は間違いだからです¯X 。 2014
  • 142. ¯X ! − μ σ2/n 正規分布の場合の区間推定 P(−1.96 ! ! 1.96) = 0.95 とがわかります。ここで,今知りたいのは母集団の平均μ のえると 例題では 標本平均=50 母分散=25 標本サイズ=10 ! ! P( − 1.96 σ2/n ! μ ! + 1.96 σ2/n) = 0.95 ます。このμ範の囲95% が,の信頼区μ間のとな95% μ 95%ります。この問題で25 ですから信,頼こ区れ間らのの 数値を(3) 式信に頼入区れ間るとの ,求める95%信す。「46.9 下以限 上53.1 以下」という上区間限 を,数学では[46.9, 53.1] 真Univ. の意計味 算すると,例題の答は Kansai の区Asano, 間推「定46.9の結果以を上「求53.1める95%以下信」 頼区 間[46.9, は『46.9 53.1] 以上53.1 以下ませA. んでした。それは,この書き方は間違いだからです。 ¯X ¯2014 X
  • 143. とがわかります。ここで,今知りたいのは母集団の平均μ のえると 信頼区間の答え方 ! ! P( − 1.96 σ2/n ! μ ! σ2/n) = 0.95 μの95%信頼区間の下限 ます。この範囲が,計算すると,μ の95%信頼区間となります。この問題ではですから,これら例の題数の値答をは [46.9, 式に53.1] 25 (3) 入れると,求める95%信す。「46.9 以上53.1 以下」という区間を,数学では[46.9, 53.1] 真の意味 区間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下せんで¯X ¯した。それは,この書き方は間違いだからですX 。 2014 A. Asano, Kansai Univ. + 1.96 μの95%信頼区間の上限 度秋学期) 第12回(2013. 12. 12) http://racco.
  • 144. とがわかります。ここで,今知りたいのは母集団の平均μ のえると 信頼区間の答え方 ! ! P( − 1.96 σ2/n ! μ ! σ2/n) = 0.95 μの95%信頼区間の下限 ます。この範囲が,計算すると,μ の95%信頼区間となります。この問題ではですから,これら例の題数の値答をは [46.9, 式に53.1] 25 (3) 入れると,求める95%信す。「46.9 以上53.1 以下」という区間を,数学では[46.9, 53.1] 真の意味 区間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下せんで¯X ¯した。それは,この書き方は間違いだからですX 。 2014 A. Asano, Kansai Univ. + 1.96 μの95%信頼区間の上限 これを 度秋学期) 第12回(2013. 12. 12) http://racco.
  • 145. とがわかります。ここで,今知りたいのは母集団の平均μ のえると 信頼区間の答え方 ¯X 確率」という意味ですから,( ) の中にはランダムにません。母平均! ! P( − 1.96 μ σ2/はn ,! 標μ 本! を調+ 1.96 べていσ2/るn) 人= が0.95 知らないますμかの95%ら信頼区間の下限 μの95%信頼区間の上限 ます。この範,囲確が率,変数ではありまμ の95%信頼区間となせりんま。す。でこすのか問ら題で,P( は計25 はで,すラか算らンす,ダるこムとれ,なら例のの題数はの値答μ をは で[46.9, 53.1] (3) は式なに入くれるとで,あ求りめる,95%不等信すす。 「46.9 以上以下」という区間を,数学ではこれを 53.1 [46.9, 53.1] し真ての意,味 P(46.9 ! μ ! 53.1) = 0.95 という式にしてっ区て間,推定このの結式果をは「間求違めるい95%です信1頼。 区間は『46.9 以上53.1 以下せUniv. んでした。それは,この書き方は間違いだからです。 53.1] Kansai という信頼区間は,「いま無作為抽出されたて度,秋Asano, 学偶期)然 第そ12う回な(2013. った12. 値12) 」です。母平均μ http://は,[racco.A. 46.9, 2014 ちらかに決まっている」のであって,の確率¯X ¯X
  • 146. とがわかります。ここで,今知りたいのは母集団の平均μ のえると 信頼区間の答え方 ¯確率X 」という意味ですから,( ) の中にはランダムにません。母平均! ! P( − 1.96 μ σ2/はn ,! 標μ 本! を調+ 1.96 べていσ2/るn) 人= が0.95 知らないますμの95%ます。こかのら,信確頼率区変間の下限 μの95%信頼区間の上限 範囲が,μ の数で95%信は頼あ区り間まとなせりんま。す。でこすのか問ら題で,P( ははで,すラ計か算らンす,ダるこムとれ,なら例のの題数はの値答μ をは で[46.9, 53.1] 25 (3) は式なに入くれるとで,あ求りめる,95%不等信すす。 「46.9 以上以下」という区間を,数学ではこれを 53.1 [46.9, 53.1] し真ての意,味 P(46.9 ! μ ! 53.1) = 0.95 という式にしてっ区て間,と推定こ書のいの結て式果はを「い間求け違めるない95%いでのす信? 1頼。 区間は『46.9 以上53.1 以下せUniv. んでした。それは,この書き方は間違いだからです。 53.1] Kansai という信頼区間は,「いま無作為抽出されたて度,秋Asano, 学偶期)然 第そ12う回な(2013. った12. 値12) 」です。母平均μ http://は,[racco.A. 46.9, 2014 ちらかに決まっている」のであって,の確率¯X ¯X
  • 147. とがわかります。ここで,今知りたいのは母集団の平均μ のえると 信頼区間の答え方 ¯確率X 」という意味ですから,( ) の中にはランダムにませんP( 。母! − 平1.96 均μ σ2/は! n ,! 標μ 本! を調+ 1.96 べていσ2/るn) 人= が0.95 知らないますμかの95%ます。このら信頼区間の下範,囲確が率,変の数で限 はμの95%信頼区間の上限 μ 95%信頼あ区り間まとなせりんま。す。でこすのか問ら題で,P( ははで,すラ計か算らンす,ダるこムとれ,なら例のの題数はの値答μ をは で[46.9, 25 (3) は式なに53.1] 入くれるとで,あ求りめる,95%不等信すす。 「以上こ46.9 れを 53.1 以下」という区間を,数学では[46.9, 53.1] し真ての意,味 P(46.9 ! μ ! 53.1) = 0.95 という式にしてっ区て間,と推定こ書のいの結て式果はを「い間求け違めるない95%いでのす信? 1頼。 区間は『46.9 以上53.1 以下せUniv. んでした。それは,この書き方は間違いだからです。 53.1] Kansai といだうめ信で頼す区。 間は,「いま無作為抽出されたて度,秋Asano, 学偶期)然 第そ12う回な(2013. った12. 値12) 」です。母平均A. μ http://は,[racco.46.9, 2014 ちらかに決まっている」のであって,の確率¯X ¯X
  • 148. とがわかります。ここで,今知りたいのは母集団の平均μ のえると 信頼区間の答え方 ¯X 確率」という意味ですから,( ) の中にはランダムにませんP( 。母平均! − 1.96 μ σ2/は! n ,! 標μ 本! を調+ 1.96 べていσ2/るn) 人= が0.95 知らないますμかの95%ます。このら,信頼区間の下範囲確が率,変の数で限 はあμの95%信頼区間の上限 μ 95%信頼区り間まとなせりんま。す。でこすのか問ら題で,P( は25 はで,すラ計か算らンす,ダるこムとれ,なら例のの題数はの値答μ をは で[46.9, は式なに53.1] (3) 入くれるとで,あ求りめる,95%不等信すす。 「こ46.9 以上以下」という区間を,数学ではれを 53.1 [46.9, 53.1] し真ての意,味 P(46.9 ! μ ! 53.1) = 0.95 という式にしてっ区て間,と推定こ書のいの結て式果はを「い間求け違めるない95%いでのす信? 1頼。 区間は『46.9 以上53.1 以下せUniv. んでした。それは,この書き方は間違いだからです。 53.1] Kansai といだうめ信で頼す区。間はな,ぜ「? いま無作為抽出されたて度,秋Asano, 学偶期)然 第そ12う回な(2013. った12. 値12) 」です。母平均http://は,[racco.A. μ 46.9, 2014 ちらかに決まっている」のであって,の確率¯X ¯X
  • 149. す。 信頼区間の答え方 して,P(46.9 ! μ ! 53.1) = 0.95 という式にしてって,ことの書式いはて間は違いいけでなすい1。 の? 53.1] という信頼区間は,「いま無作為抽出されたて,偶然そうなった値」です。母平均μ は,[46.9, ちらかに決まっている」のであって,95%の確率95%2014 A. Asano, Kansai Univ. であるような区間」とは,今日の冒頭の図1(b) 求める」という操作を何回も行うと,
  • 150. す。 信頼区間の答え方 して,P(46.9 ! μ ! 53.1) = 0.95 という式にしてって,ことの書式いはて間は違いいけでなすい1。 の? だめ。 53.1] という信頼区間は,「いま無作為抽出されたて,偶然そうなった値」です。母平均μ は,[46.9, ちらかに決まっている」のであって,95%の確率95%2014 A. Asano, Kansai Univ. であるような区間」とは,今日の冒頭の図1(b) 求める」という操作を何回も行うと,
  • 151. す。 信頼区間の答え方 して,P(46.9 ! μ ! 53.1) = 0.95 という式にしてって,ことの書式いはて間は違いいけでなすい1。 の? だめ。 確と率いのう式信なのに,()内にランダムなものが 53.1] 頼区間て,偶入然っそてういななっいたか値ら は,「いま無作為抽出された」です。母平均μ は,[46.9, ちらかに決まっている」のであって,95%の確率95%2014 A. Asano, Kansai Univ. であるような区間」とは,今日の冒頭の図1(b) 求める」という操作を何回も行うと,
  • 152. 。すなわち,P(−1.96 ! Z ! 1.96) = 0.95 ということがわかり関係をP(−1.96 ! Z ! 1.96) = 0.95 に用いると, す。 信頼区間の答え方 して,P(46.9 ! μ ! 53.1) = 0.95 という式にしてって,この式は間違いです1。 53.1] という信頼区間は,「いま無作為抽出されたて,偶然そうなった値」です。母平均μ は,[46.9, ちらかに決まっている」のであって,95%の確率95%¯X ! − μ σ2/n と書いてはいけないの? だめ。 P(−1.96 ! ! 1.96) = 0.95 確率の式なのに,()内にランダムなものが とがわかります。ここで,今知りたいのは母集団の平均μ の範えると 入っていないから ! ! P( − 1.96 σ2/n ! μ ! + 1.96 σ2/n) = 0.95 す。この範囲が,μ の95%信頼区間となります。この問題ではでUniv. ですあかるら,こKansai ようれならの区数間値」をと(3) は式,に今入日れのると冒,頭求のめ図る95%1(b) 信す求。「め46.9 る」以と上い53.1 う以操下作」をとい何う回区も間行を,う数Asano, と学, では[46.9, 53.1] A. 2014 真の¯X 意味 ¯X
  • 153. 。すなわち,P(−1.96 ! Z ! 1.96) = 0.95 ということがわかり関係をP(−1.96 ! Z ! 1.96) = 0.95 に用いると, す。 信頼区間の答え方 して,P(46.9 ! μ ! 53.1) = 0.95 という式にしてって,この式は間違いです1。 53.1] という信頼区間は,「いま無作為抽出されたて,偶然そうなった値」です。母平均μ は,[46.9, ちらかに決まっている」のであって,95%の確率95%¯X ! − μ σ2/n と書いてはいけないの? だめ。 P(−1.96 ! ! 1.96) = 0.95 確率の式なのに,()内にランダムなものが とがわかります。ここで,今知りたいのは母集団の平均μ の範えると 入っていないから ! ! P( − 1.96 σ2/n ! μ ! + 1.96 σ2/n) = 0.95 す。ここのう範書囲いが,たμ とのき95%, 信頼区間となります。この問題ではでUniv. Kansai ですあかるら,よこうれならの区数間値」をと(3) は式,に今入日れのると冒,頭求のめ図る95%1(b) 信す求。「め46.9 る」以と上い53.1 う以操下作」をとい何う回区も間行を,う数と学Asano, , では[46.9, 53.1] A. 2014 ¯X ¯X 真の意味
  • 154. 。すなわち,P(−1.96 ! Z ! 1.96) = 0.95 ということがわかり関係をP(−1.96 ! Z ! 1.96) = 0.95 に用いると, す。 信頼区間の答え方 して,P(46.9 ! μ ! 53.1) = 0.95 という式にしてって,この式は間違いです1。 53.1] という信頼区間は,「いま無作為抽出されたて,偶然そうなった値」です。母平均μ は,[46.9, ちらかに決まっている」のであって,95%の確率95%¯X ! − μ σ2/n と書いてはいけないの? だめ。 P(−1.96 ! ! 1.96) = 0.95 確率の式なのに,()内にランダムなものが とがわかります。ここで,今知りたいのは母集団の平均μ の範えると 入っていないから ! ! P( − 1.96 σ2/n ! μ ! + 1.96 σ2/n) = 0.95 す。ここのう範書囲いが,たμ とのき95%, 信頼区間となります。この問題ではでUniv. ですあかるらμ(,よこう母れな平らの区均数間)値」はをとラ(3) はン式,ダに今ム入日でれのるはと冒な,頭い 求める95%信す。Kansai の図1(b) 求「Asano, め46.9 る」以と上い53.1 う以操下作」をとい何う回区も間行を,う数と学, では[46.9, 53.1] A. ¯X ¯2014 真の意味 X
  • 155. 。すなわち,P(−1.96 ! Z ! 1.96) = 0.95 ということがわかり関係をP(−1.96 ! Z ! 1.96) = 0.95 に用いると, す。 信頼区間の答え方 して,P(46.9 ! μ ! 53.1) = 0.95 という式にしてって,この式は間違いです1。 53.1] という信頼区間は,「いま無作為抽出されたて,偶然そうなった値」です。母平均μ は,[46.9, ちらかに決まっている」のであって,95%の確率95%¯X ! − μ σ2/n と書いてはいけないの? だめ。 P(−1.96 ! ! 1.96) = 0.95 確率の式なのに,()内にランダムなものが とがわかります。ここで,今知りたいのは母集団の平均μ の範えると 入っていないから ! ! P( ¯X − 1.96 σ2/n ! μ ! + 1.96 σ2/n) = 0.95 す。ここのう範書囲いが,たμ とのき95%, 信頼区間となります。この問題ではでUniv. ですあかるらμ(,よこう母れな平らの区均数間)値はをラ(3) ン式ダにム入でれるはとな,い 求める95%信す。Kansai 」とは,今日の冒頭の図1(b) 求「Asano, め46.9 るラ」以ンと上ダい53.1 ムうな以操下の作」はをとX(い何う回標区も間本行を平,う均数と) 学, では[46.9, 53.1] A. 2014 真の意¯味 X
  • 156. これを思いだしてください 区間は母平均を X X X X 母平均 含む 含む 含ま ない 含む 2014 A. Asano, Kansai Univ.
  • 157. これを思いだしてください 区間は母平均を X X X X 母平均 含む 含む 含ま ない 含む 2014 A. Asano, Kansai Univ. 実際には, 標本平均と区間は 1度しか計算しない
  • 158. これを思いだしてください 区間は母平均を X X X X 母平均 含む 含む 含ま ない 含む 2014 A. Asano, Kansai Univ. 実際には, 標本平均と区間は 1度しか計算しない [46.9, 53.1]
  • 159. これを思いだしてください 区間は母平均を X X X X 母平均 含む 含む 含ま ない 含む 2014 A. Asano, Kansai Univ. 実際には, 標本平均と区間は 1度しか計算しない [46.9, 53.1]
  • 160. これを思いだしてください 区間は母平均を X X X X 母平均 含む 含む 含ま ない 含む 2014 A. Asano, Kansai Univ. 実際には, 標本平均と区間は 1度しか計算しない その区間が,母平均を 含むかどうかは 実際にはわからない [46.9, 53.1]
  • 161. これを思いだしてください 区間は母平均を X X X X 母平均 含む 含む 含ま ない 含む (実際にはわからない) 2014 A. Asano, Kansai Univ. 実際には, 標本平均と区間は 1度しか計算しない その区間が,母平均を 含むかどうかは 実際にはわからない [46.9, 53.1]
  • 162. これを思いだしてください 区間は母平均を X X X X 母平均 含む 含む 含ま ない 含む (実際にはわからない) 2014 A. Asano, Kansai Univ. 実際には, 標本平均と区間は 1度しか計算しない その区間が,母平均を 含むかどうかは 実際にはわからない しかし,確率95%で 母平均を含むように計 算した区間だから,そ の1回も含むと信じる [46.9, 53.1]
  • 163. とがわかります。ここで,今知りたいのは母集団の平均μ のえると 区間推定についての注意 ! ! P( ¯− 1.96 σ2/n ! μ ! X σ2/n) = 0.95 ます。この範囲が,μ の95%信頼区間となります。この問題では25 ですから,これらの数値を(3) 式に入れると,求める95%信す。「46.9 以上53.1 以下」という区間を,数学では[46.9, 53.1] 真の意味 区間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下せんでした。それは,この書き方は間違いだか¯らですX 。 2014 A. Asano, Kansai Univ. + 1.96 度秋学期) 第12回(2013. 12. 12) http://racco.
  • 164. とがわかります。ここで,今知りたいのは母集団の平均μ のえると 区間推定についての注意 ! ! P( ¯− 1.96 σ2/n ! μ ! X σ2/n) = 0.95 ます。この範囲が,μ の95%信頼区間となります。この問題では25 ですから,これらの数値を(3) 式に入れると,求める95%信す。「46.9 以上53.1 以下」という区間を,数学では[46.9, 53.1] 真の意味 区間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下せんでした。それは,この書き方は間違いだか¯らですX 。 2014 A. Asano, Kansai Univ. + 1.96 1.母集団の大きさは関係ない 度秋学期) 第12回(2013. 12. 12) http://racco.
  • 165. とがわかります。ここで,今知りたいのは母集団の平均μ のえると 区間推定についての注意 ! ! P( ¯− 1.96 σ2/n ! μ ! X σ2/n) = 0.95 ます。この範囲が,μ の95%信頼区間となります。この問題では25 ですから,これらの数値を(3) 式に入れると,求める95%信す。「46.9 以上53.1 以下」という区間を,数学では[46.9, 53.1] 真の意味 区間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下せんでした。それは,この書き方は間違いだか¯らですX 。 2014 A. Asano, Kansai Univ. + 1.96 1.母集団の大きさは関係ない 復元抽出なら,母集団分布は 標本抽出によって変化しない 度秋学期) 第12回(2013. 12. 12) http://racco.
  • 166. とがわかります。ここで,今知りたいのは母集団の平均μ のえると 区間推定についての注意 ! ! P( ¯− 1.96 σ2/n ! μ ! X σ2/n) = 0.95 ます。この範囲が,μ の95%信頼区間となります。この問題では25 ですから,これらの数値を(3) 式に入れると,求める95%信す。「46.9 以上53.1 以下」という区間を,数学では[46.9, 53.1] 真の意味 区間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下せんでした。それは,この書き方は間違いだか¯らですX 。 2014 A. Asano, Kansai Univ. + 1.96 1.母集団の大きさは関係ない 復元抽出なら,母集団分布は 標本抽出によって変化しない 2.「95%」を選ぶ根拠はない 度秋学期) 第12回(2013. 12. 12) http://racco.
  • 167. とがわかります。ここで,今知りたいのは母集団の平均μ のえると 区間推定についての注意 ! ! P( ¯− 1.96 σ2/n ! μ ! X σ2/n) = 0.95 ます。この範囲が,μ の95%信頼区間となります。この問題では25 ですから,これらの数値を(3) 式に入れると,求める95%信す。「46.9 以上53.1 以下」という区間を,数学では[46.9, 53.1] 真の意味 区間推定の結果を「求める95%信頼区間は『46.9 以上53.1 以下せんでした。それは,この書き方は間違いだか¯らですX 。 2014 A. Asano, Kansai Univ. + 1.96 度秋学期) 第12回(2013. 12. 12) http://racco.1.母集団の大きさは関係ない 復元抽出なら,母集団分布は 標本抽出によって変化しない 2.「95%」を選ぶ根拠はない 確率5%なら,推測がはずれて 失敗しても,まあいいか,と思っ ているだけ