Uploaded byAkira Asano
2015年度春学期 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 (2015. 6. 25)
関西大学総合情報学部 「統計学」（担当：浅野晃）
More Related Content
Similar to 2015年度春学期 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 (2015. 6. 25)
2015年度春学期 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 (2015. 6. 25)
- 1.
- 2.
- 3.
- 4.
- 5.
- 6.
- 7.
- 8.
- 9. 2015 A.Asano,KansaiUniv. 母平均の推定 母集団 母平均μ 母分散σ2 X1 X2 …Xn サイズnの標本１セット 標本平均 X1 X2 … Xn X1 X2 … Xn 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 X X X
- 10.
- 11.
- 12.
- 13.
- 14.
- 15.
- 16.
- 17.
- 18.
- 19.
- 20.
- 21. 2015 A.Asano,KansaiUniv. 式で表す 階級値 162.5 167.5 172.5 選ばれ る確率 15% 20% 20% 10%177.5 何かの式で書ける ものと仮定する 階級 0 100 110120 130 140 ストグラムはこんなふうには描かない 階級 各柱の面積 ＝度数 90 100 110 120 130 140 150 図 2: ヒストグラムはこう描く ロット ラムをさらに簡略化して表現したのがボックスプロット（箱ひげ図）です。これは図 4 のよ 値，第１（下側）四分位数，中位数（中央値，メディアン），第３（上側）四分位数，最大値 フの中に表示したものです。分布の形を簡単な図で概略つかむことができます。ここで，中 データを小さいほうから並べたときに順位が 50% （データが 100 個のとき 50 位）であるも 度数分布を ヒストグラムが
- 22. 2015 A.Asano,KansaiUniv. 式で表す 階級値 162.5 167.5 172.5 選ばれ る確率 15% 20% 20% 10%177.5 何かの式で書ける ものと仮定する 階級 0 100 110120 130 140 ストグラムはこんなふうには描かない 階級 各柱の面積 ＝度数 90 100 110 120 130 140 150 図 2: ヒストグラムはこう描く ロット ラムをさらに簡略化して表現したのがボックスプロット（箱ひげ図）です。これは図 4 のよ 値，第１（下側）四分位数，中位数（中央値，メディアン），第３（上側）四分位数，最大値 フの中に表示したものです。分布の形を簡単な図で概略つかむことができます。ここで，中 データを小さいほうから並べたときに順位が 50% （データが 100 個のとき 50 位）であるも 度数分布を ヒストグラムが 何かの式で表される 関数のグラフである と仮定する
- 23. 2015 A.Asano,KansaiUniv. 確率分布モデルとパラメータ 階級 各柱の面積 ＝度数 90 100 110120 130 140 150 図 2: ヒストグラムはこう描く ックスプロット（箱ひげ図）です。これは図 4 のよ 央値，メディアン），第３（上側）四分位数，最大値 簡単な図で概略つかむことができます。ここで，中 位が 50% （データが 100 個のとき 50 位）であるも なるものをさします。 が他のデータから飛び離れている場合は，それを別 何かの式のグラフで あると仮定する
- 24. 2015 A.Asano,KansaiUniv. 確率分布モデルとパラメータ 階級 各柱の面積 ＝度数 90 100 110120 130 140 150 図 2: ヒストグラムはこう描く ックスプロット（箱ひげ図）です。これは図 4 のよ 央値，メディアン），第３（上側）四分位数，最大値 簡単な図で概略つかむことができます。ここで，中 位が 50% （データが 100 個のとき 50 位）であるも なるものをさします。 が他のデータから飛び離れている場合は，それを別 何かの式のグラフで あると仮定する 式＝確率分布モデル
- 25. 2015 A.Asano,KansaiUniv. 確率分布モデルとパラメータ 階級 各柱の面積 ＝度数 90 100 110120 130 140 150 図 2: ヒストグラムはこう描く ックスプロット（箱ひげ図）です。これは図 4 のよ 央値，メディアン），第３（上側）四分位数，最大値 簡単な図で概略つかむことができます。ここで，中 位が 50% （データが 100 個のとき 50 位）であるも なるものをさします。 が他のデータから飛び離れている場合は，それを別 何かの式のグラフで あると仮定する パラメータを推定す ればグラフが描ける 式＝確率分布モデル
- 26. 2015 A.Asano,KansaiUniv. 確率分布モデルとパラメータ 階級 各柱の面積 ＝度数 90 100 110120 130 140 150 図 2: ヒストグラムはこう描く ックスプロット（箱ひげ図）です。これは図 4 のよ 央値，メディアン），第３（上側）四分位数，最大値 簡単な図で概略つかむことができます。ここで，中 位が 50% （データが 100 個のとき 50 位）であるも なるものをさします。 が他のデータから飛び離れている場合は，それを別 何かの式のグラフで あると仮定する パラメータを推定す ればグラフが描ける 式＝確率分布モデル 直線のモデル
- 27. 2015 A.Asano,KansaiUniv. 確率分布モデルとパラメータ 階級 各柱の面積 ＝度数 90 100 110120 130 140 150 図 2: ヒストグラムはこう描く ックスプロット（箱ひげ図）です。これは図 4 のよ 央値，メディアン），第３（上側）四分位数，最大値 簡単な図で概略つかむことができます。ここで，中 位が 50% （データが 100 個のとき 50 位）であるも なるものをさします。 が他のデータから飛び離れている場合は，それを別 何かの式のグラフで あると仮定する パラメータを推定す ればグラフが描ける 式＝確率分布モデル 直線のモデル
- 28. 2015 A.Asano,KansaiUniv. 確率分布モデルとパラメータ 階級 各柱の面積 ＝度数 90 100 110120 130 140 150 図 2: ヒストグラムはこう描く ックスプロット（箱ひげ図）です。これは図 4 のよ 央値，メディアン），第３（上側）四分位数，最大値 簡単な図で概略つかむことができます。ここで，中 位が 50% （データが 100 個のとき 50 位）であるも なるものをさします。 が他のデータから飛び離れている場合は，それを別 何かの式のグラフで あると仮定する パラメータを推定す ればグラフが描ける 式＝確率分布モデル 直線のモデル
- 29. 2015 A.Asano,KansaiUniv. 確率分布モデルとパラメータ 階級 各柱の面積 ＝度数 90 100 110120 130 140 150 図 2: ヒストグラムはこう描く ックスプロット（箱ひげ図）です。これは図 4 のよ 央値，メディアン），第３（上側）四分位数，最大値 簡単な図で概略つかむことができます。ここで，中 位が 50% （データが 100 個のとき 50 位）であるも なるものをさします。 が他のデータから飛び離れている場合は，それを別 何かの式のグラフで あると仮定する パラメータを推定す ればグラフが描ける 式＝確率分布モデル 直線のモデル そこで用いるの が，ある数式で表 であらわされる関 のなりたちに合わ 関数を式で表す す式 y = ax + b の ります。これから てゆきます。
- 30. 2015 A.Asano,KansaiUniv. 確率分布モデルとパラメータ 階級 各柱の面積 ＝度数 90 100 110120 130 140 150 図 2: ヒストグラムはこう描く ックスプロット（箱ひげ図）です。これは図 4 のよ 央値，メディアン），第３（上側）四分位数，最大値 簡単な図で概略つかむことができます。ここで，中 位が 50% （データが 100 個のとき 50 位）であるも なるものをさします。 が他のデータから飛び離れている場合は，それを別 何かの式のグラフで あると仮定する パラメータを推定す ればグラフが描ける 式＝確率分布モデル 直線のモデル そこで用いるの が，ある数式で表 であらわされる関 のなりたちに合わ 関数を式で表す す式 y = ax + b の ります。これから てゆきます。
- 31. 2015 A.Asano,KansaiUniv. 確率分布モデルとパラメータ 階級 各柱の面積 ＝度数 90 100 110120 130 140 150 図 2: ヒストグラムはこう描く ックスプロット（箱ひげ図）です。これは図 4 のよ 央値，メディアン），第３（上側）四分位数，最大値 簡単な図で概略つかむことができます。ここで，中 位が 50% （データが 100 個のとき 50 位）であるも なるものをさします。 が他のデータから飛び離れている場合は，それを別 何かの式のグラフで あると仮定する パラメータを推定す ればグラフが描ける 式＝確率分布モデル 直線のモデル そこで用いるの が，ある数式で表 であらわされる関 のなりたちに合わ 関数を式で表す す式 y = ax + b の ります。これから てゆきます。
- 32. 2015 A.Asano,KansaiUniv. 確率分布モデルとパラメータ 階級 各柱の面積 ＝度数 90 100 110120 130 140 150 図 2: ヒストグラムはこう描く ックスプロット（箱ひげ図）です。これは図 4 のよ 央値，メディアン），第３（上側）四分位数，最大値 簡単な図で概略つかむことができます。ここで，中 位が 50% （データが 100 個のとき 50 位）であるも なるものをさします。 が他のデータから飛び離れている場合は，それを別 何かの式のグラフで あると仮定する パラメータを推定す ればグラフが描ける 式＝確率分布モデル 直線のモデル そこで用いるの が，ある数式で表 であらわされる関 のなりたちに合わ 関数を式で表す す式 y = ax + b の ります。これから てゆきます。 パラメータ
- 33.
- 34.
- 35.
- 36.
- 37.
- 38.
- 39.
- 40.
- 41.
- 42.
- 43.
- 44.
- 45.
- 46.
- 47.
- 48.
- 49.
- 50.
- 51.
- 52.
- 53.
- 54.
- 55.
- 56.
- 57.
- 58.
- 59.
- 60.
- 61.
- 62.
- 63.
- 64.
- 65.
- 66.
- 67.
- 68.
- 69. 2015 A.Asano,KansaiUniv. 正規分布の特徴 パラメータが平均（期待値）と分散 μ σ2 確率変数Xの確率分布が 期待値μ，分散σ2 の正規分布であることを 確率変数XがN(μ,σ2)にしたがう という （わかりやすいものを推定すればよい ので都合がいい）
- 70.
- 71. 2015 A.Asano,KansaiUniv. 正規分布の特徴 パラメータが平均（期待値）と分散 μ σ2ある範囲 細かく もっと細かく 図2: 連続型確率分布 µµ + σ x f(x) µ – σ 確率密度関数はこんな形
- 72. 2015 A.Asano,KansaiUniv. 正規分布の特徴 パラメータが平均（期待値）と分散 μ σ2ある範囲 細かく もっと細かく 図2: 連続型確率分布 µµ + σ x f(x) µ – σ 確率密度関数はこんな形 左右とも無限に 広がっている
- 73. 2015 A.Asano,KansaiUniv. 正規分布の性質１ 確率変数XがN(μ,σ2 )にしたがう とき6 第8 章 いちばんよく出てくる「型」の分布ー正規分布モデル μだけ左に移動 μ0 X 0 X – μ 広がりを (1 / σ)に縮める X – μ σ N(μ, σ2) N(0, σ2) N(0, 1) 0 図 8.4 正規分布の性質 1 計算すると，標本平均の期待値は母平均と同じで，標本平均の分散は母
- 74. 2015 A.Asano,KansaiUniv. 正規分布の性質１ 確率変数XがN(μ,σ2 )にしたがう とき6 第8 章 いちばんよく出てくる「型」の分布ー正規分布モデル μだけ左に移動 μ0 X 0 X – μ 広がりを (1 / σ)に縮める X – μ σ N(μ, σ2) N(0, σ2) N(0, 1) 0 図 8.4 正規分布の性質 1 計算すると，標本平均の期待値は母平均と同じで，標本平均の分散は母 (X-μ)/σ はN(0, 1 )にしたがう
- 75.
- 76. 2015 A.Asano,KansaiUniv. 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
- 77. 2015 A.Asano,KansaiUniv. 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
- 78. 2015 A.Asano,KansaiUniv. 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
- 79. 2015 A.Asano,KansaiUniv. 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 N(0,1)を［標準正規分布］という
- 80. 2015 A.Asano,KansaiUniv. 正規分布の性質２ 母集団 母平均μ 母分散σ2 X1 X2 …Xn サイズnの標本１セット 標本平均 X1 X2 … Xn X1 X2 … Xn 母集団と同じ 期待値μ … 分散σ2 期待値μ 分散 σ2/n … X X X
- 81. 2015 A.Asano,KansaiUniv. 正規分布の性質２ 母集団 母平均μ 母分散σ2 X1 X2 …Xn サイズnの標本１セット 標本平均 X1 X2 … Xn X1 X2 … Xn 母集団と同じ 期待値μ … 分散σ2 期待値μ 分散 σ2/n 正規分布なら … X X X
- 82. 2015 A.Asano,KansaiUniv. 正規分布の性質２ 母集団 母平均μ 母分散σ2 X1 X2 …Xn サイズnの標本１セット 標本平均 X1 X2 … Xn X1 X2 … Xn 母集団と同じ 期待値μ … 分散σ2 期待値μ 分散 σ2/n 正規分布なら こちらも 正規分布になる … X X X
- 83. 2015 A.Asano,KansaiUniv. 正規分布の性質２ 母集団 母平均μ 母分散σ2 X1 X2 …Xn サイズnの標本１セット 標本平均 X1 X2 … Xn X1 X2 … Xn 母集団と同じ 期待値μ … 分散σ2 期待値μ 分散 σ2/n 正規分布なら こちらも 正規分布になるN(μ,σ2) … X X X
- 84. 2015 A.Asano,KansaiUniv. 正規分布の性質２ 母集団 母平均μ 母分散σ2 X1 X2 …Xn サイズnの標本１セット 標本平均 X1 X2 … Xn X1 X2 … Xn 母集団と同じ 期待値μ … 分散σ2 期待値μ 分散 σ2/n 正規分布なら こちらも 正規分布になる N(μ,σ2/n) N(μ,σ2) … X X X
- 85.
- 86.
- 87.
- 88.
- 89. 2015 A.Asano,KansaiUniv. 正規分布にもとづく計算 正規分布にしたがう確率変数が ある範囲に入る確率 z f(z) 0 z 面積 =P(Z ≥ z) 数表を使って求める 標準正規分布の場 合に，いろいろなz の値について，こ の面積が載っている
- 90.
- 91.
- 92. 2015 A.Asano,KansaiUniv. 正規分布にもとづく計算 例）確率変数XがN(50, 102)にしたがう とき，Xが60以上である確率を求めよ。 性質１により，Z =(X - 50) / 10 と変換 Zは標準正規分布にしたがう
- 93. 2015 A.Asano,KansaiUniv. 正規分布にもとづく計算 例）確率変数XがN(50, 102)にしたがう とき，Xが60以上である確率を求めよ。 性質１により，Z =(X - 50) / 10 と変換 X=60のとき，Z=(60 - 50) / 10 = 1 Zは標準正規分布にしたがう
- 94. 2015 A.Asano,KansaiUniv. 正規分布にもとづく計算 例）確率変数XがN(50, 102)にしたがう とき，Xが60以上である確率を求めよ。 性質１により，Z =(X - 50) / 10 と変換 X=60のとき，Z=(60 - 50) / 10 = 1 よって，求めるのは，Zが1以上である確率 なります。標準正規分布の確率密度関数 載されています。 んな値の正規分布でも，それにしたがう ることができます。例えば，期待値 50， 以上である確率，すなわち P(X 60) を １から確率変数 Z は標準正規分布 N(0, 1) すから，求める確率は P(Z 1) です。数 Zは標準正規分布にしたがう
- 95. 2015 A.Asano,KansaiUniv. 正規分布にもとづく計算 確率」P(Z z) 0.05 0.48006 0.44038 0.40129 0.36317 0.32636 . .. を求める 0.00 0.010.02 0.03 0.04 0.05 0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 . . . ... 1.0 0.15866 0.15625 0.15386 0.15151 0.14917 0.14686 ...
- 96. 2015 A.Asano,KansaiUniv. 正規分布にもとづく計算 zの小数第１位まで確率」P(Z z) 0.05 0.48006 0.44038 0.40129 0.36317 0.32636 . .. を求める 0.00 0.010.02 0.03 0.04 0.05 0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 . . . ... 1.0 0.15866 0.15625 0.15386 0.15151 0.14917 0.14686 ...
- 97. 2015 A.Asano,KansaiUniv. 正規分布にもとづく計算 zの小数第２位 zの小数第１位まで確率」P(Z z) 0.05 0.48006 0.44038 0.40129 0.36317 0.32636 . .. を求める 0.00 0.010.02 0.03 0.04 0.05 0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 . . . ... 1.0 0.15866 0.15625 0.15386 0.15151 0.14917 0.14686 ...
- 98. 2015 A.Asano,KansaiUniv. 正規分布にもとづく計算 zの小数第２位 zの小数第１位まで確率」P(Z z) 0.05 0.48006 0.44038 0.40129 0.36317 0.32636 . .. を求める 標準正規分布の確率密度関数 います。 正規分布でも，それにしたがう きます。例えば，期待値 50， る確率，すなわちP(X 60) を 変数 Z は標準正規分布 N(0, 1) める確率は P(Z 1) です。数 0.00 0.01 0.02 0.03 0.04 0.05 0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 . . . ... 1.0 0.15866 0.15625 0.15386 0.15151 0.14917 0.14686 ...
- 99. 2015 A.Asano,KansaiUniv. 正規分布にもとづく計算 zの小数第２位 zの小数第１位まで確率」P(Z z) 0.05 0.48006 0.44038 0.40129 0.36317 0.32636 . .. を求める 標準正規分布の確率密度関数 います。 正規分布でも，それにしたがう きます。例えば，期待値 50， る確率，すなわちP(X 60) を 変数 Z は標準正規分布 N(0, 1) める確率は P(Z 1) です。数 0.00 0.01 0.02 0.03 0.04 0.05 0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 . . . ... 1.0 0.15866 0.15625 0.15386 0.15151 0.14917 0.14686 ...
- 100. 2015 A.Asano,KansaiUniv. 正規分布にもとづく計算 zの小数第２位 zの小数第１位まで確率」P(Z z) 0.05 0.48006 0.44038 0.40129 0.36317 0.32636 . .. を求める 標準正規分布の確率密度関数 います。 正規分布でも，それにしたがう きます。例えば，期待値 50， る確率，すなわちP(X 60) を 変数 Z は標準正規分布 N(0, 1) める確率は P(Z 1) です。数 0.00 0.01 0.02 0.03 0.04 0.05 0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 . . . ... 1.0 0.15866 0.15625 0.15386 0.15151 0.14917 0.14686 ...
- 101. 2015 A.Asano,KansaiUniv. 正規分布にもとづく計算 zの小数第２位 zの小数第１位まで確率」P(Z z) 0.05 0.48006 0.44038 0.40129 0.36317 0.32636 . .. を求める 標準正規分布の確率密度関数 います。 正規分布でも，それにしたがう きます。例えば，期待値 50， る確率，すなわちP(X 60) を 変数 Z は標準正規分布 N(0, 1) める確率は P(Z 1) です。数 0.00 0.01 0.02 0.03 0.04 0.05 0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 . . . ... 1.0 0.15866 0.15625 0.15386 0.15151 0.14917 0.14686 ...
- 102. 2015 A.Asano,KansaiUniv. 正規分布にもとづく計算 zの小数第２位 zの小数第１位まで確率」P(Z z) 0.05 0.48006 0.44038 0.40129 0.36317 0.32636 . .. を求める 標準正規分布の確率密度関数 います。 正規分布でも，それにしたがう きます。例えば，期待値 50， る確率，すなわちP(X 60) を 変数 Z は標準正規分布 N(0, 1) める確率は P(Z 1) です。数 0.00 0.01 0.02 0.03 0.04 0.05 0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 . . . ... 1.0 0.15866 0.15625 0.15386 0.15151 0.14917 0.14686 ...
- 103. 2015 A.Asano,KansaiUniv. 正規分布にもとづく計算 zの小数第２位 zの小数第１位まで確率」P(Z z) 0.05 0.48006 0.44038 0.40129 0.36317 0.32636 . .. を求める 標準正規分布の確率密度関数 います。 正規分布でも，それにしたがう きます。例えば，期待値 50， る確率，すなわちP(X 60) を 変数 Z は標準正規分布 N(0, 1) める確率は P(Z 1) です。数 0.00 0.01 0.02 0.03 0.04 0.05 0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 . . . ... 1.0 0.15866 0.15625 0.15386 0.15151 0.14917 0.14686 ...
- 104. 2015 A.Asano,KansaiUniv. 正規分布にもとづく計算 zの小数第２位 zの小数第１位まで確率」P(Z z) 0.05 0.48006 0.44038 0.40129 0.36317 0.32636 . .. を求める 標準正規分布の確率密度関数 います。 正規分布でも，それにしたがう きます。例えば，期待値 50， る確率，すなわちP(X 60) を 変数 Z は標準正規分布 N(0, 1) める確率は P(Z 1) です。数 0.00 0.01 0.02 0.03 0.04 0.05 0.0 0.50000 0.49601 0.49202 0.48803 0.48405 0.48006 0.1 0.46017 0.45620 0.45224 0.44828 0.44433 0.44038 0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.3 0.38209 0.37828 0.37448 0.37070 0.36693 0.36317 0.4 0.34458 0.34090 0.33724 0.33360 0.32997 0.32636 . . . ... 1.0 0.15866 0.15625 0.15386 0.15151 0.14917 0.14686 ...
- 105. 2015 A.Asano,KansaiUniv. 正規分布にもとづく計算 演習の２ 求める確率は P(Z 0.5)で，数表から，P(Z 0.5) = 0.30854 となります． 求める確率は P(−0.5 Z 1) です．この値は 1 − (P(Z −0.5) + P(Z 1)) で，数表か 1) = 0.15866 であり，また前問から P(Z 0.5) = 0.30854 ですから，P(45 X 60) = Z 1) = 0.53280 となります（図 2）． 面積 = P(45 ≤ X ≤ 60) = P(– 0.5 ≤ Z ≤ 1) X~N(50, 102) x f(x) 50 6045 µ+1σµ−0.5σ µ Z~N(0, 1) z f(z) 0 1– 0.5 Z = (X – 50) / 10 図 1: 任意の正規分布から標準正規分布への変換
- 106. 2015 A.Asano,KansaiUniv. 正規分布にもとづく計算 演習の２ x 50 6045 µ+1σµ−0.5σ µ z 01– 0.5 Z = (X – 50) / 10 図 1: 任意の正規分布から標準正規分布への変換 0 1– 0.5 = + 0 1 0 (– 0– 0.5 ) 図 2: P(−0.5 ≤ Z ≤ 1) を数表から求めるには