Submit Search
Upload
2013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」
•
0 likes
•
939 views
Akira Asano
Follow
関西大学総合情報学部 2013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」 担当・浅野晃 2013/12/19
Read less
Read more
Education
Report
Share
Report
Share
1 of 202
Download now
Download to read offline
Recommended
2019年度春学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2019. 6. 27)
2019年度春学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2019. 6. 27)
Akira Asano
2021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(2021. 12. 21)
2021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(2021. 12. 21)
Akira Asano
2021年度秋学期 統計学 第11回 分布の「型」を考える ー 確率分布モデルと正規分布(2021. 12. 7)
2021年度秋学期 統計学 第11回 分布の「型」を考える ー 確率分布モデルと正規分布(2021. 12. 7)
Akira Asano
2020年度秋学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2020. 12. 8)
2020年度秋学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2020. 12. 8)
Akira Asano
2021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(2021. 12. 14)
2021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(2021. 12. 14)
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」
Akira Asano
2021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(2021. 11. 30)
2021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(2021. 11. 30)
Akira Asano
2020年度秋学期 統計学 第12回 分布の平均を推測する ー 区間推定 (2020. 12. 15)
2020年度秋学期 統計学 第12回 分布の平均を推測する ー 区間推定 (2020. 12. 15)
Akira Asano
Recommended
2019年度春学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2019. 6. 27)
2019年度春学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2019. 6. 27)
Akira Asano
2021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(2021. 12. 21)
2021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(2021. 12. 21)
Akira Asano
2021年度秋学期 統計学 第11回 分布の「型」を考える ー 確率分布モデルと正規分布(2021. 12. 7)
2021年度秋学期 統計学 第11回 分布の「型」を考える ー 確率分布モデルと正規分布(2021. 12. 7)
Akira Asano
2020年度秋学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2020. 12. 8)
2020年度秋学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2020. 12. 8)
Akira Asano
2021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(2021. 12. 14)
2021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(2021. 12. 14)
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」
Akira Asano
2021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(2021. 11. 30)
2021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(2021. 11. 30)
Akira Asano
2020年度秋学期 統計学 第12回 分布の平均を推測する ー 区間推定 (2020. 12. 15)
2020年度秋学期 統計学 第12回 分布の平均を推測する ー 区間推定 (2020. 12. 15)
Akira Asano
2021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(2021. 10. 26)
2021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(2021. 10. 26)
Akira Asano
2020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 ー 不偏分散とt分布 (2020. 12. 22)
2020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 ー 不偏分散とt分布 (2020. 12. 22)
Akira Asano
2015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. 12. 24)
2015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. 12. 24)
Akira Asano
2015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 (2015. 7. 9)
2015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 (2015. 7. 9)
Akira Asano
2015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 (2016. 1. 13)
2015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 (2016. 1. 13)
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)
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)
Akira Asano
2021年度秋学期 統計学 第2回 統計資料の収集と読み方(2021. 9. 28)
2021年度秋学期 統計学 第2回 統計資料の収集と読み方(2021. 9. 28)
Akira 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)
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)
Akira Asano
2014年度春学期 統計学 第11回 分布の推測とはー分布の「型」を考える - 確率分布モデルと正規分布 (2014. 6. 26)
2014年度春学期 統計学 第11回 分布の推測とはー分布の「型」を考える - 確率分布モデルと正規分布 (2014. 6. 26)
Akira Asano
2013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」
2013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」
Akira Asano
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
Naoki Hayashi
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
2021年度春学期 統計学 第2回 統計資料の収集と読み方 (2021. 4. 15)
2021年度春学期 統計学 第2回 統計資料の収集と読み方 (2021. 4. 15)
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))
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」
Akira Asano
Introduction to statistics
Introduction to statistics
Kohta Ishikawa
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
Hiroshi Shimizu
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11回 分布の「型」を考えるー確率分布モデルと正規分布 (2018. 6. 21)
2018年度春学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2018. 6. 21)
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)
Akira Asano
2022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
2022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
Akira Asano
More Related Content
What's hot
2021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(2021. 10. 26)
2021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(2021. 10. 26)
Akira Asano
2020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 ー 不偏分散とt分布 (2020. 12. 22)
2020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 ー 不偏分散とt分布 (2020. 12. 22)
Akira Asano
2015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. 12. 24)
2015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. 12. 24)
Akira Asano
2015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 (2015. 7. 9)
2015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 (2015. 7. 9)
Akira Asano
2015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 (2016. 1. 13)
2015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 (2016. 1. 13)
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)
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)
Akira Asano
2021年度秋学期 統計学 第2回 統計資料の収集と読み方(2021. 9. 28)
2021年度秋学期 統計学 第2回 統計資料の収集と読み方(2021. 9. 28)
Akira 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)
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)
Akira Asano
2014年度春学期 統計学 第11回 分布の推測とはー分布の「型」を考える - 確率分布モデルと正規分布 (2014. 6. 26)
2014年度春学期 統計学 第11回 分布の推測とはー分布の「型」を考える - 確率分布モデルと正規分布 (2014. 6. 26)
Akira Asano
2013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」
2013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」
Akira Asano
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
Naoki Hayashi
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
2021年度春学期 統計学 第2回 統計資料の収集と読み方 (2021. 4. 15)
2021年度春学期 統計学 第2回 統計資料の収集と読み方 (2021. 4. 15)
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))
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」
Akira Asano
Introduction to statistics
Introduction to statistics
Kohta Ishikawa
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
Hiroshi Shimizu
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11回 分布の「型」を考えるー確率分布モデルと正規分布 (2018. 6. 21)
2018年度春学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2018. 6. 21)
Akira Asano
What's hot
(20)
2021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(2021. 10. 26)
2021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(2021. 10. 26)
2020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 ー 不偏分散とt分布 (2020. 12. 22)
2020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 ー 不偏分散とt分布 (2020. 12. 22)
2015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. 12. 24)
2015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. 12. 24)
2015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 (2015. 7. 9)
2015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 (2015. 7. 9)
2015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 (2016. 1. 13)
2015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 (2016. 1. 13)
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)
2021年度秋学期 統計学 第2回 統計資料の収集と読み方(2021. 9. 28)
2021年度秋学期 統計学 第2回 統計資料の収集と読み方(2021. 9. 28)
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)
2014年度春学期 統計学 第11回 分布の推測とはー分布の「型」を考える - 確率分布モデルと正規分布 (2014. 6. 26)
2014年度春学期 統計学 第11回 分布の推測とはー分布の「型」を考える - 確率分布モデルと正規分布 (2014. 6. 26)
2013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」
2013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」
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
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)
2021年度春学期 統計学 第2回 統計資料の収集と読み方 (2021. 4. 15)
2021年度春学期 統計学 第2回 統計資料の収集と読み方 (2021. 4. 15)
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))
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」
Introduction to statistics
Introduction to statistics
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
StanとRでベイズ統計モデリング読書会 導入編(1章~3章)
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11回 分布の「型」を考えるー確率分布モデルと正規分布 (2018. 6. 21)
2018年度春学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2018. 6. 21)
Similar to 2013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
2022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
2022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
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)
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)
Akira Asano
2018年度秋学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2018. 11. 27)
2018年度秋学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2018. 11. 27)
Akira Asano
2018年度春学期 統計学 第14回 分布についての仮説を検証するー検定(その2) (2018. 7. 19))
2018年度春学期 統計学 第14回 分布についての仮説を検証するー検定(その2) (2018. 7. 19))
Akira Asano
2016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 (2016. 12. 5)
2016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 (2016. 12. 5)
Akira Asano
2022年度春学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布
2022年度春学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布
Akira Asano
第5回Zansa勉強会
第5回Zansa勉強会
Zansa
2014年度春学期 統計学 第14,15回 分布についての仮説を検証する ― 仮説検定 (2014. 7. 17, 24)
2014年度春学期 統計学 第14,15回 分布についての仮説を検証する ― 仮説検定 (2014. 7. 17, 24)
Akira Asano
2016年度秋学期 応用数学(解析) 第13回 孤立特異点と留数 (2016. 12. 22)
2016年度秋学期 応用数学(解析) 第13回 孤立特異点と留数 (2016. 12. 22)
Akira Asano
2014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 (2015. 1. 14)
2014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 (2015. 1. 14)
Akira Asano
統計学第三回
統計学第三回
nakashimans
2016年度秋学期 応用数学(解析) 第15回 ルベーグ積分 (2017. 1. 19)
2016年度秋学期 応用数学(解析) 第15回 ルベーグ積分 (2017. 1. 19)
Akira Asano
第8回スキル養成講座講義資料.pdf
第8回スキル養成講座講義資料.pdf
keiodig
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12回 分布の平均を推測する - 区間推定 (2014. 12. 17)
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」
Akira Asano
2015年度春学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 7. 16, 23)
2015年度春学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 7. 16, 23)
Akira Asano
2014年度秋学期 応用数学(解析) 第1部・「無限」の理解 / 第3回 実数とは何か (2014. 10. 9)
2014年度秋学期 応用数学(解析) 第1部・「無限」の理解 / 第3回 実数とは何か (2014. 10. 9)
Akira Asano
Assignment1-3
Assignment1-3
Yasuhiro Kanno
Similar to 2013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」
(20)
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)
2022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
2022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
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)
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)
2018年度秋学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2018. 11. 27)
2018年度秋学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布 (2018. 11. 27)
2018年度春学期 統計学 第14回 分布についての仮説を検証するー検定(その2) (2018. 7. 19))
2018年度春学期 統計学 第14回 分布についての仮説を検証するー検定(その2) (2018. 7. 19))
2016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 (2016. 12. 5)
2016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 (2016. 12. 5)
2022年度春学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布
2022年度春学期 統計学 第11回 分布の「型」を考えるー確率分布モデルと正規分布
第5回Zansa勉強会
第5回Zansa勉強会
2014年度春学期 統計学 第14,15回 分布についての仮説を検証する ― 仮説検定 (2014. 7. 17, 24)
2014年度春学期 統計学 第14,15回 分布についての仮説を検証する ― 仮説検定 (2014. 7. 17, 24)
2016年度秋学期 応用数学(解析) 第13回 孤立特異点と留数 (2016. 12. 22)
2016年度秋学期 応用数学(解析) 第13回 孤立特異点と留数 (2016. 12. 22)
2014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 (2015. 1. 14)
2014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 (2015. 1. 14)
統計学第三回
統計学第三回
2016年度秋学期 応用数学(解析) 第15回 ルベーグ積分 (2017. 1. 19)
2016年度秋学期 応用数学(解析) 第15回 ルベーグ積分 (2017. 1. 19)
第8回スキル養成講座講義資料.pdf
第8回スキル養成講座講義資料.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)
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)
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」
2015年度春学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 7. 16, 23)
2015年度春学期 統計学 第14回 分布についての仮説を検証する ― 仮説検定 (2015. 7. 16, 23)
2014年度秋学期 応用数学(解析) 第1部・「無限」の理解 / 第3回 実数とは何か (2014. 10. 9)
2014年度秋学期 応用数学(解析) 第1部・「無限」の理解 / 第3回 実数とは何か (2014. 10. 9)
Assignment1-3
Assignment1-3
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
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)
Akira Asano
2022年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2022. 11. 10)
2022年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2022. 11. 10)
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 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 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 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 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 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 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 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 応用数学(解析) 第7回 2階線形微分方程式(1) (2022. 11. 10)
2022年度秋学期 応用数学(解析) 第7回 2階線形微分方程式(1) (2022. 11. 10)
Recently uploaded
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
My Inspire High Award 2024「世の中の流行はどのようにして生まれるのか」
My Inspire High Award 2024「世の中の流行はどのようにして生まれるのか」
inspirehighstaff03
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
My Inspire High Award 2024「Yakushima Islandってなんか変じゃない?」.pdf
My Inspire High Award 2024「Yakushima Islandってなんか変じゃない?」.pdf
inspirehighstaff03
My Inspire High Award 2024 「孤独は敵なのか?」
My Inspire High Award 2024 「孤独は敵なのか?」
inspirehighstaff03
My Inspire High Award2024「外国人が日本のテーブルマナーに驚く理由は?」
My Inspire High Award2024「外国人が日本のテーブルマナーに驚く理由は?」
inspirehighstaff03
My Inspire High Award 2024 「本当の『悪者』って何?」
My Inspire High Award 2024 「本当の『悪者』って何?」
inspirehighstaff03
My Inspire High Award 2024「なぜ、好きなことにいつかは飽きるの」
My Inspire High Award 2024「なぜ、好きなことにいつかは飽きるの」
inspirehighstaff03
My Inspire High Award 2024「他者と自分、対立を防ぐには?」
My Inspire High Award 2024「他者と自分、対立を防ぐには?」
inspirehighstaff03
My Inspire High Award 2024 「正義って存在するの?」
My Inspire High Award 2024 「正義って存在するの?」
inspirehighstaff03
My Inspire High Award 2024「スーパーマーケットで回収されたキャベツ外葉は廃棄されているの?」
My Inspire High Award 2024「スーパーマーケットで回収されたキャベツ外葉は廃棄されているの?」
inspirehighstaff03
【ゲーム理論入門】ChatGPTが作成した ゲーム理論の問題を解く #3 Slide
【ゲーム理論入門】ChatGPTが作成した ゲーム理論の問題を解く #3 Slide
ssusere0a682
TEAMIN Service overview for customer_20240422.pdf
TEAMIN Service overview for customer_20240422.pdf
yukisuga3
My Inspire High Award 2024「なぜ人は他人と違うところがあってもそれをなかなか誇れないのか?」
My Inspire High Award 2024「なぜ人は他人と違うところがあってもそれをなかなか誇れないのか?」
inspirehighstaff03
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
My Inspire High Award 2024 「家族とは何か」
My Inspire High Award 2024 「家族とは何か」
inspirehighstaff03
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
My Inspire High Award 2024「なぜ議会への関心が低いのか?」
My Inspire High Award 2024「なぜ議会への関心が低いのか?」
inspirehighstaff03
My Inspire High Award 2024「老いることは不幸なこと?」
My Inspire High Award 2024「老いることは不幸なこと?」
inspirehighstaff03
My Inspire High Award 2024 「AIと仲良くなるには?」
My Inspire High Award 2024 「AIと仲良くなるには?」
inspirehighstaff03
Recently uploaded
(20)
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
My Inspire High Award 2024「世の中の流行はどのようにして生まれるのか」
My Inspire High Award 2024「世の中の流行はどのようにして生まれるのか」
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
My Inspire High Award 2024「Yakushima Islandってなんか変じゃない?」.pdf
My Inspire High Award 2024「Yakushima Islandってなんか変じゃない?」.pdf
My Inspire High Award 2024 「孤独は敵なのか?」
My Inspire High Award 2024 「孤独は敵なのか?」
My Inspire High Award2024「外国人が日本のテーブルマナーに驚く理由は?」
My Inspire High Award2024「外国人が日本のテーブルマナーに驚く理由は?」
My Inspire High Award 2024 「本当の『悪者』って何?」
My Inspire High Award 2024 「本当の『悪者』って何?」
My Inspire High Award 2024「なぜ、好きなことにいつかは飽きるの」
My Inspire High Award 2024「なぜ、好きなことにいつかは飽きるの」
My Inspire High Award 2024「他者と自分、対立を防ぐには?」
My Inspire High Award 2024「他者と自分、対立を防ぐには?」
My Inspire High Award 2024 「正義って存在するの?」
My Inspire High Award 2024 「正義って存在するの?」
My Inspire High Award 2024「スーパーマーケットで回収されたキャベツ外葉は廃棄されているの?」
My Inspire High Award 2024「スーパーマーケットで回収されたキャベツ外葉は廃棄されているの?」
【ゲーム理論入門】ChatGPTが作成した ゲーム理論の問題を解く #3 Slide
【ゲーム理論入門】ChatGPTが作成した ゲーム理論の問題を解く #3 Slide
TEAMIN Service overview for customer_20240422.pdf
TEAMIN Service overview for customer_20240422.pdf
My Inspire High Award 2024「なぜ人は他人と違うところがあってもそれをなかなか誇れないのか?」
My Inspire High Award 2024「なぜ人は他人と違うところがあってもそれをなかなか誇れないのか?」
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
My Inspire High Award 2024 「家族とは何か」
My Inspire High Award 2024 「家族とは何か」
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
My Inspire High Award 2024「なぜ議会への関心が低いのか?」
My Inspire High Award 2024「なぜ議会への関心が低いのか?」
My Inspire High Award 2024「老いることは不幸なこと?」
My Inspire High Award 2024「老いることは不幸なこと?」
My Inspire High Award 2024 「AIと仲良くなるには?」
My Inspire High Award 2024 「AIと仲良くなるには?」
2013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」
1.
2013年度秋学期 統計学 A. Asano, Kansai
Univ. 不確かな測定の不確かさを測る ― 不偏分散とt分布 浅野 晃 関西大学総合情報学部
2.
A. Asano, Kansai
Univ.
3.
A. Asano, Kansai
Univ. ちょっと前回までの復習
4.
正規分布の場合の区間推定 例題 母集団 (受験者全体) A. Asano, Kansai
Univ. 母平均μ 2013年度秋学期 統計学
5.
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の95%信頼区間が 知りたい A. Asano, Kansai
Univ. 母平均μ 2013年度秋学期 統計学
6.
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の95%信頼区間が 知りたい A. Asano, Kansai
Univ. 母平均μ 標本X1, ... Xnをとりだす サイズn 2013年度秋学期 統計学
7.
正規分布の場合の区間推定 例題 母集団 (受験者全体) 標本平均 X 母平均μの95%信頼区間が 知りたい A. Asano,
Kansai Univ. 母平均μ 標本X1, ... Xnをとりだす サイズn 2013年度秋学期 統計学
8.
正規分布の場合の区間推定 例題 母集団 (受験者全体) A. Asano, Kansai
Univ. 母平均μ 正規分布 と仮定する 標本X1, ... Xnをとりだす サイズn 標本平均 X 母平均μの95%信頼区間が 知りたい 2013年度秋学期 統計学
9.
正規分布の場合の区間推定 例題 母集団 (受験者全体) A. Asano, Kansai
Univ. 母平均μ 正規分布 と仮定する 標本X1, ... Xnをとりだす サイズn 標本平均 X 母平均μの95%信頼区間が 知りたい 2がわかっているものとする 母分散σ 2013年度秋学期 統計学
10.
正規分布の場合の区間推定 例題 母集団 (受験者全体) A. Asano, Kansai
Univ. 母平均μ 正規分布 と仮定する 標本X1, ... Xnをとりだす サイズn 標本平均 X 母平均μの95%信頼区間が 知りたい (説明の都合です) 2がわかっているものとする 母分散σ 2013年度秋学期 統計学
11.
区間推定の考え方 A. Asano, Kansai
Univ. データをいくつか抽出して標本平均 2013年度秋学期 統計学
12.
区間推定の考え方 A. Asano, Kansai
Univ. データをいくつか抽出して標本平均 2013年度秋学期 統計学
13.
区間推定の考え方 データをいくつか抽出して標本平均 A. Asano, Kansai
Univ. X 2013年度秋学期 統計学
14.
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 A. Asano, Kansai
Univ. X 2013年度秋学期 統計学
15.
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 A. Asano, Kansai
Univ. X 2013年度秋学期 統計学
16.
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 X A. Asano, Kansai
Univ. X 2013年度秋学期 統計学
17.
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 X A. Asano, Kansai
Univ. X 2013年度秋学期 統計学
18.
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 X X A. Asano, Kansai
Univ. X 2013年度秋学期 統計学
19.
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 X X A. Asano, Kansai
Univ. X 2013年度秋学期 統計学
20.
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 X X X A. Asano, Kansai
Univ. X 2013年度秋学期 統計学
21.
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 X X X A. Asano, Kansai
Univ. X 母平均(実際にはわからない) 2013年度秋学期 統計学
22.
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 X X X A. Asano, Kansai
Univ. 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 2013年度秋学期 統計学
23.
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 標本平均の 期待値 =母平均 X X X A. Asano, Kansai
Univ. 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 2013年度秋学期 統計学
24.
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 標本平均の 期待値 =母平均 X X X A. Asano, Kansai
Univ. X 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 2013年度秋学期 統計学
25.
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 A. Asano, Kansai
Univ. 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 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 2013年度秋学期 統計学
26.
区間推定の考え方 標本平均の左右に区間をつける X X X A. Asano, Kansai
Univ. X 2013年度秋学期 統計学
27.
区間推定の考え方 標本平均の左右に区間をつける X X X A. Asano, Kansai
Univ. X 2013年度秋学期 統計学
28.
区間推定の考え方 標本平均の左右に区間をつける X X X A. Asano, Kansai
Univ. X 2013年度秋学期 統計学
29.
区間推定の考え方 標本平均の左右に区間をつける X X X A. Asano, Kansai
Univ. X 2013年度秋学期 統計学
30.
区間推定の考え方 標本平均の左右に区間をつける X X X A. Asano, Kansai
Univ. X 2013年度秋学期 統計学
31.
区間推定の考え方 標本平均の左右に区間をつける X X X A. Asano, Kansai
Univ. X 母平均 2013年度秋学期 統計学
32.
区間推定の考え方 標本平均の左右に区間をつける X X X A. Asano, Kansai
Univ. X 母平均 (実際にはわからない) 2013年度秋学期 統計学
33.
区間推定の考え方 標本平均の左右に区間をつける 区間は母平均を X X X A. Asano, Kansai
Univ. X 母平均 (実際にはわからない) 2013年度秋学期 統計学
34.
区間推定の考え方 標本平均の左右に区間をつける 区間は母平均を X 含む X X A. Asano, Kansai
Univ. X 母平均 (実際にはわからない) 2013年度秋学期 統計学
35.
区間推定の考え方 標本平均の左右に区間をつける 区間は母平均を X X 含む 含む X A. Asano, Kansai
Univ. X 母平均 (実際にはわからない) 2013年度秋学期 統計学
36.
区間推定の考え方 標本平均の左右に区間をつける 区間は母平均を X X X 含む 含む 含まない A. Asano, Kansai
Univ. X 母平均 (実際にはわからない) 2013年度秋学期 統計学
37.
区間推定の考え方 標本平均の左右に区間をつける 区間は母平均を X X X 含む 含まない X A. Asano, Kansai
Univ. 含む 含む 母平均 (実際にはわからない) 2013年度秋学期 統計学
38.
区間推定の考え方 標本平均の左右に区間をつける 区間は母平均を 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 含む 含まない X A. Asano, Kansai
Univ. 含む 含む 母平均 (実際にはわからない) 2013年度秋学期 統計学
39.
区間推定の考え方 標本平均の左右に区間をつける 区間は母平均を A. Asano, Kansai
Univ. 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 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 X 含む 母平均 (実際にはわからない) 2013年度秋学期 統計学
40.
信頼区間 区間は母平均を X X X A. Asano, Kansai
Univ. X 含む 含む 含ま ない 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 含む 母平均 (実際にはわからない) 2013年度秋学期 統計学
41.
信頼区間 区間は母平均を X X X A. Asano, Kansai
Univ. X 含む 含む 含ま ない 含む 母平均 (実際にはわからない) 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 2013年度秋学期 統計学
42.
信頼区間 区間は母平均を X X X A. Asano, Kansai
Univ. X 含む 含む 含ま ない 含む 母平均 (実際にはわからない) 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]) 2013年度秋学期 統計学
43.
A. Asano, Kansai
Univ.
44.
A. Asano, Kansai
Univ. 不偏分散
45.
正規分布の場合の区間推定 例題 母集団 (受験者全体) A. Asano, Kansai
Univ. 母平均μ 正規分布 と仮定する 標本X1, ... Xnをとりだす サイズn 標本平均 X 母平均μの95%信頼区間が 知りたい 2013年度秋学期 統計学
46.
正規分布の場合の区間推定 例題 母集団 (受験者全体) A. Asano, Kansai
Univ. 母平均μ 正規分布 と仮定する 標本X1, ... Xnをとりだす サイズn 標本平均 X 母平均μの95%信頼区間が 知りたい 2がわかっているものとする 母分散σ 2013年度秋学期 統計学
47.
正規分布の場合の区間推定 例題 母集団 (受験者全体) A. Asano, Kansai
Univ. 母平均μ 正規分布 と仮定する 標本X1, ... Xnをとりだす サイズn 標本平均 X 母平均μの95%信頼区間が 知りたい (説明の都合です) 2がわかっているものとする 母分散σ 2013年度秋学期 統計学
48.
母分散は,ふつうはわからない A. Asano, Kansai
Univ. 母集団のすべてのデータは調べていない し,母平均もわからない (わからないから,いま推定しようとし ている) 2013年度秋学期 統計学
49.
母分散は,ふつうはわからない 母集団のすべてのデータは調べていない し,母平均もわからない (わからないから,いま推定しようとし ている) A. Asano, Kansai
Univ. それなのに,母分散がわかるはずがない 2013年度秋学期 統計学
50.
母分散は,ふつうはわからない 母集団のすべてのデータは調べていない し,母平均もわからない (わからないから,いま推定しようとし ている) A. Asano, Kansai
Univ. それなのに,母分散がわかるはずがない 母分散の「代用品」を,標本を使って計 算できないか。 2013年度秋学期 統計学
51.
標本を使って分散を計算 A. Asano, Kansai
Univ. 分散=(偏差)2の平均 2013年度秋学期 統計学
52.
標本を使って分散を計算 A. Asano, Kansai
Univ. 分散=(偏差)2の平均 2013年度秋学期 統計学
53.
標本を使って分散を計算 A. Asano, Kansai
Univ. 分散=(偏差)2の平均 (データ)ー(データの平均) 2013年度秋学期 統計学
54.
標本を使って分散を計算 分散=(偏差)2の平均 (データ)ー(データの平均) A. Asano, Kansai
Univ. 標本を使って分散を計算する。 2013年度秋学期 統計学
55.
標本を使って分散を計算 分散=(偏差)2の平均 (データ)ー(データの平均) 標本を使って分散を計算する。 A. Asano, Kansai
Univ. データ: 標本X1, ... Xn 2013年度秋学期 統計学
56.
標本を使って分散を計算 分散=(偏差)2の平均 (データ)ー(データの平均) 標本を使って分散を計算する。 データ: 標本X1, ... Xn A.
Asano, Kansai Univ. データの平均: 2013年度秋学期 統計学
57.
標本を使って分散を計算 分散=(偏差)2の平均 (データ)ー(データの平均) 標本を使って分散を計算する。 データ: 標本X1, ... Xn A.
Asano, Kansai Univ. データの平均: 本当は母平均だが, 2013年度秋学期 統計学
58.
標本を使って分散を計算 分散=(偏差)2の平均 (データ)ー(データの平均) 標本を使って分散を計算する。 データ: 標本X1, ... Xn A.
Asano, Kansai Univ. データの平均: 本当は母平均だが, わからないので 標本平均 X で代用 2013年度秋学期 統計学
59.
(不偏標本分散)といい,標本サイズを n,標本を X1
, X2 , . . . , X 散 s2 は 1 2 ¯ 2 + (X2 − X)2 + · · · + (Xn − X)2 ¯ ¯ s標本を使った分散 = (X1 − X) n−1 1 2 ¯ 2 + (X2 − X)2 + · · · + (Xn − X)2 ¯ ¯ S = (X1 − X) n 標本を使って分散を計算 本サイズの n そのものではなく,n − 1 で割ることに注意してく A. Asano, Kansai Univ. ,その期待値が母分散に等しくなるように調整された分散です りかえし標本を取り出して,そのつど不偏分散の値を計算したと は毎回異なるので,不偏分散の値も毎回違います。毎回違います 同じ,というものです。 はなく n − 1 で割るのでしょうか? それを直観的に理解するため 本当にこれでいいの? 。図 1 では標本サイズを2つ(2つしか標本をとらない)とし 2013年度秋学期 統計学
60.
(不偏標本分散)といい,標本サイズを n,標本を X1
, X2 , . . . , X 散 s2 は 1 2 ¯ 2 + (X2 − X)2 + · · · + (Xn − X)2 ¯ ¯ s標本を使った分散 = (X1 − X) n−1 1 2 ¯ 2 + (X2 − X)2 + · · · + (Xn − X)2 ¯ ¯ S = (X1 − X) n 標本を使って分散を計算 本サイズの n そのものではなく,n − 1 で割ることに注意してく A. Asano, Kansai Univ. ,その期待値が母分散に等しくなるように調整された分散です りかえし標本を取り出して,そのつど不偏分散の値を計算したと は毎回異なるので,不偏分散の値も毎回違います。毎回違います 同じ,というものです。 はなく n − 1 で割るのでしょうか? それを直観的に理解するため 本当にこれでいいの? 。図 1 では標本サイズを2つ(2つしか標本をとらない)とし 2013年度秋学期 統計学
61.
(不偏標本分散)といい,標本サイズを n,標本を X1
, X2 , . . . , X 散 s2 は 1 2 ¯ 2 + (X2 − X)2 + · · · + (Xn − X)2 ¯ ¯ s標本を使った分散 = (X1 − X) n−1 1 2 ¯ 2 + (X2 − X)2 + · · · + (Xn − X)2 ¯ ¯ S = (X1 − X) n 標本を使って分散を計算 本サイズの n そのものではなく,n − 1 で割ることに注意してく 標本サイズで割る A. Asano, Kansai Univ. ,その期待値が母分散に等しくなるように調整された分散です りかえし標本を取り出して,そのつど不偏分散の値を計算したと は毎回異なるので,不偏分散の値も毎回違います。毎回違います 同じ,というものです。 はなく n − 1 で割るのでしょうか? それを直観的に理解するため 本当にこれでいいの? 。図 1 では標本サイズを2つ(2つしか標本をとらない)とし 2013年度秋学期 統計学
62.
(不偏標本分散)といい,標本サイズを n,標本を X1
, X2 , . . . , X 散 s2 は 1 2 ¯ 2 + (X2 − X)2 + · · · + (Xn − X)2 ¯ ¯ s標本を使った分散 = (X1 − X) n−1 1 2 ¯ 2 + (X2 − X)2 + · · · + (Xn − X)2 ¯ ¯ S = (X1 − X) n 標本を使って分散を計算 本サイズの n そのものではなく,n − 1 で割ることに注意してく 標本サイズで割る A. Asano, Kansai Univ. ,その期待値が母分散に等しくなるように調整された分散です 2の平均 分散=(偏差) りかえし標本を取り出して,そのつど不偏分散の値を計算したと は毎回異なるので,不偏分散の値も毎回違います。毎回違います だから当然だけど… 同じ,というものです。 はなく n − 1 で割るのでしょうか? それを直観的に理解するため 本当にこれでいいの? 。図 1 では標本サイズを2つ(2つしか標本をとらない)とし 2013年度秋学期 統計学
63.
標本平均を用いた偏差 A. Asano, Kansai
Univ. 標本サイズ n=2 とする 標本は X1, X2 2013年度秋学期 統計学
64.
標本平均を用いた偏差 A. Asano, Kansai
Univ. 標本サイズ n=2 とする 標本は X1, X2 2013年度秋学期 統計学
65.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 A. Asano, Kansai Univ. X1 2013年度秋学期 統計学
66.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 X2 A. Asano, Kansai Univ. X1 2013年度秋学期 統計学
67.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 母平均 X2 A. Asano, Kansai Univ. X1 2013年度秋学期 統計学
68.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 母平均 X2 A. Asano, Kansai Univ. X1 2013年度秋学期 統計学
69.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 母平均 母平均との隔たり(偏差) X2 A. Asano, Kansai Univ. X1 2013年度秋学期 統計学
70.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 母平均 母平均との隔たり(偏差) X X2 A. Asano, Kansai Univ. X1 2013年度秋学期 統計学
71.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 母平均 母平均との隔たり(偏差) X X2 A. Asano, Kansai Univ. X1 2013年度秋学期 統計学
72.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 母平均 母平均との隔たり(偏差) X1 X X2 A. Asano, Kansai Univ. 標本平均との隔たり 2013年度秋学期 統計学
73.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 母平均 母平均との隔たり(偏差) X1 X X2 A. Asano, Kansai Univ. 標本平均との隔たり 2013年度秋学期 統計学
74.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 母平均 母平均との隔たり(偏差) X1 X X2 標本平均との隔たり A. Asano, Kansai Univ. X1 2013年度秋学期 統計学
75.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 母平均 母平均との隔たり(偏差) X1 X X2 標本平均との隔たり X2 A. Asano, Kansai Univ. X1 2013年度秋学期 統計学
76.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 母平均 母平均との隔たり(偏差) X1 X X2 標本平均との隔たり X2 A. Asano, Kansai Univ. X1 2013年度秋学期 統計学
77.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 母平均 母平均との隔たり(偏差) X1 X X2 標本平均との隔たり A. Asano, Kansai Univ. X1 X X2 2013年度秋学期 統計学
78.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 母平均 母平均との隔たり(偏差) X1 X X2 標本平均との隔たり A. Asano, Kansai Univ. X1 X X2 2013年度秋学期 統計学
79.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 母平均 母平均との隔たり(偏差) X1 X X2 標本平均との隔たり A. Asano, Kansai Univ. X1 X X2 2013年度秋学期 統計学
80.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 母平均 母平均との隔たり(偏差) X1 X X2 標本平均との隔たり A. Asano, Kansai Univ. X1 X X2 X1 2013年度秋学期 統計学
81.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 母平均 母平均との隔たり(偏差) X1 X X2 標本平均との隔たり A. Asano, Kansai Univ. X1 X X2 X1 X2 2013年度秋学期 統計学
82.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 母平均 母平均との隔たり(偏差) X1 X X2 標本平均との隔たり A. Asano, Kansai Univ. X1 X X2 X1 X2 2013年度秋学期 統計学
83.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 母平均 母平均との隔たり(偏差) X1 X X2 標本平均との隔たり A. Asano, Kansai Univ. X1 X X2 X1 X X2 2013年度秋学期 統計学
84.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 母平均 母平均との隔たり(偏差) X1 X X2 標本平均との隔たり A. Asano, Kansai Univ. X1 X X2 X1 X X2 2013年度秋学期 統計学
85.
標本平均を用いた偏差 標本サイズ n=2 とする
標本は X1, X2 母平均 母平均との隔たり(偏差) X1 X X2 標本平均との隔たり A. Asano, Kansai Univ. X1 X X2 X1 X X2 2013年度秋学期 統計学 標本平均との隔 たりのほうが たいてい小さい
86.
標本平均を用いた偏差 母集団の 度数分布 A. Asano, Kansai
Univ. 別の説明 2013年度秋学期 統計学
87.
標本平均を用いた偏差 母集団の 度数分布 A. Asano, Kansai
Univ. 別の説明 2013年度秋学期 統計学
88.
標本平均を用いた偏差 母集団の 度数分布 別の説明 A. Asano, Kansai
Univ. X 2013年度秋学期 統計学
89.
標本平均を用いた偏差 母集団の 度数分布 別の説明 A. Asano, Kansai
Univ. X これなら 「標本平均との隔たり」と 「母平均との隔たり」は かわらない 2013年度秋学期 統計学
90.
標本平均を用いた偏差 母集団の 度数分布 別の説明 A. Asano, Kansai
Univ. X これなら 「標本平均との隔たり」と 「母平均との隔たり」は かわらない 2013年度秋学期 統計学
91.
標本平均を用いた偏差 母集団の 度数分布 別の説明 A. Asano, Kansai
Univ. X これなら 「標本平均との隔たり」と 「母平均との隔たり」は かわらない X 2013年度秋学期 統計学
92.
標本平均を用いた偏差 母集団の 度数分布 別の説明 これなら 「標本平均との隔たり」と 「母平均との隔たり」は かわらない A. Asano, Kansai
Univ. X こんなふうに偏っていると 「標本平均との隔たり」 のほうが小さい 2013年度秋学期 統計学 X
93.
A. Asano, Kansai
Univ. 不偏分散 2013年度秋学期 統計学
94.
不偏分散 A. Asano, Kansai
Univ. 母平均との隔たりよりも 標本平均との隔たりのほうが たいてい小さい 2013年度秋学期 統計学
95.
不偏分散 母平均との隔たりよりも 標本平均との隔たりのほうが たいてい小さい A. Asano, Kansai
Univ. 標本平均との隔たりを使って分散を計算 すると,母分散よりもたいてい小さめに なる 2013年度秋学期 統計学
96.
不偏分散 母平均との隔たりよりも 標本平均との隔たりのほうが たいてい小さい A. Asano, Kansai
Univ. 標本平均との隔たりを使って分散を計算 すると,母分散よりもたいてい小さめに なる では,計算のときに少し大きめ にしておけば? 2013年度秋学期 統計学
97.
不偏分散 A. Asano, Kansai
Univ. 計算のときに少し大きめにする 「不偏」とは? 2013年度秋学期 統計学
98.
の母分散のかわりに,標本から推定した分散を使って,母平均を推測 各データの,期待値(平均)からのへだたり)の2乗の,そのまた期 応して「 (各標本の,標本平均からのへだたり)の2乗の,そのまた (不偏標本分散)といい,標本サイズを n,標本を X1
, X2 , . . . , Xn , 計算のときに少し大きめにする 散 s2 は 1 2 ¯ 2 + (X2 − X)2 + · · · + (Xn − X)2 ¯ ¯ s = (X1 − X) n−1 1 2 ¯ 2 + (X2 − X)2 + · · · + (Xn − X)2 ¯ ¯ S = (X1 − X) n 不偏分散 本サイズの n そのものではなく,n − 1 で割ることに注意してくださ 1。 は,その期待値が母分散に等しくなるように調整された分散です A. Asano, Kansai Univ. くりかえし標本を取り出して,そのつど不偏分散の値を計算したとす 本は毎回異なるので,不偏分散の値も毎回違います。毎回違いますが 「不偏」とは? と同じ,というものです。 2013年度秋学期 統計学
99.
の母分散のかわりに,標本から推定した分散を使って,母平均を推測 各データの,期待値(平均)からのへだたり)の2乗の,そのまた期 応して「 (各標本の,標本平均からのへだたり)の2乗の,そのまた (不偏標本分散)といい,標本サイズを n,標本を X1
, X2 , . . . , Xn , 計算のときに少し大きめにする 散 s2 は 1 2 ¯ 2 + (X2 − X)2 + · · · + (Xn − X)2 ¯ ¯ s = (X1 − X) n−1 1 2 ¯ 2 + (X2 − X)2 + · · · + (Xn − X)2 ¯ ¯ S = (X1 − X) n 不偏分散 本サイズの n そのものではなく,n − 1 で割ることに注意してくださ 1。 は,その期待値が母分散に等しくなるように調整された分散です A. Asano, Kansai Univ. くりかえし標本を取り出して,そのつど不偏分散の値を計算したとす 本は毎回異なるので,不偏分散の値も毎回違います。毎回違いますが 「不偏」とは? と同じ,というものです。 2013年度秋学期 統計学
100.
の母分散のかわりに,標本から推定した分散を使って,母平均を推測 各データの,期待値(平均)からのへだたり)の2乗の,そのまた期 応して「 (各標本の,標本平均からのへだたり)の2乗の,そのまた (不偏標本分散)といい,標本サイズを n,標本を X1
, X2 , . . . , Xn , 計算のときに少し大きめにする 散 s2 は 1 2 ¯ 2 + (X2 − X)2 + · · · + (Xn − X)2 ¯ ¯ s = (X1 − X) n−1 1 2 ¯ 2 + (X2 − X)2 + · · · + (Xn − X)2 ¯ ¯ S = (X1 − X) (標本サイズ - 1)で割る n 不偏分散 本サイズの n そのものではなく,n − 1 で割ることに注意してくださ 1。 は,その期待値が母分散に等しくなるように調整された分散です A. Asano, Kansai Univ. くりかえし標本を取り出して,そのつど不偏分散の値を計算したとす 本は毎回異なるので,不偏分散の値も毎回違います。毎回違いますが 「不偏」とは? と同じ,というものです。 2013年度秋学期 統計学
101.
の母分散のかわりに,標本から推定した分散を使って,母平均を推測 各データの,期待値(平均)からのへだたり)の2乗の,そのまた期 応して「 (各標本の,標本平均からのへだたり)の2乗の,そのまた (不偏標本分散)といい,標本サイズを n,標本を X1
, X2 , . . . , Xn , 計算のときに少し大きめにする 散 s2 は 1 2 ¯ 2 + (X2 − X)2 + · · · + (Xn − X)2 ¯ ¯ s = (X1 − X) n−1 1 2 ¯ 2 + (X2 − X)2 + · · · + (Xn − X)2 ¯ ¯ S = (X1 − X) (標本サイズ - 1)で割る n 不偏分散 本サイズの n そのものではなく,n − 1 で割ることに注意してくださ A. Asano, Kansai Univ. これを不偏分散(不偏標本分散)といい, 1。 は,その期待値が母分散に等しくなるように調整された分散です 母分散の代用に用いる くりかえし標本を取り出して,そのつど不偏分散の値を計算したとす 本は毎回異なるので,不偏分散の値も毎回違います。毎回違いますが 「不偏」とは? と同じ,というものです。 2013年度秋学期 統計学
102.
A. Asano, Kansai
Univ. 「不偏」とは? 「不偏」とは「えこひいきしない」こと 2013年度秋学期 統計学
103.
「不偏」とは? A. Asano, Kansai
Univ. 標本平均との隔たりを使って分散を計算す ると,母分散よりもたいてい小さめになる 「不偏」とは「えこひいきしない」こと 2013年度秋学期 統計学
104.
「不偏」とは? 標本平均との隔たりを使って分散を計算す ると,母分散よりもたいてい小さめになる A. Asano, Kansai
Univ. 計算のときに少し大きめにすると? 「不偏」とは「えこひいきしない」こと 2013年度秋学期 統計学
105.
「不偏」とは? 標本平均との隔たりを使って分散を計算す ると,母分散よりもたいてい小さめになる A. Asano, Kansai
Univ. 計算のときに少し大きめにすると? 母分散と一致するわけではないが 母分散より大きくも小さくも 平等にはずれる 「不偏」とは「えこひいきしない」こと 2013年度秋学期 統計学
106.
A. Asano, Kansai
Univ.
107.
A. Asano, Kansai
Univ. 不偏分散を用いた区間推定
108.
正規分布の場合の区間推定 例題 母集団 (受験者全体) A. Asano, Kansai
Univ. 母平均μ 正規分布 と仮定する 標本X1, ... Xnをとりだす サイズn 標本平均 X 母平均μの95%信頼区間が 知りたい 2013年度秋学期 統計学
109.
正規分布の場合の区間推定 例題 母集団 (受験者全体) A. Asano, Kansai
Univ. 母平均μ 正規分布 と仮定する 標本X1, ... Xnをとりだす サイズn 標本平均 X 母平均μの95%信頼区間が 知りたい 2がわかっているものとする 母分散σ 2013年度秋学期 統計学
110.
正規分布の場合の区間推定 例題 母集団 (受験者全体) A. Asano, Kansai
Univ. 母平均μ 正規分布 と仮定する 標本X1, ... Xnをとりだす サイズn 標本平均 X 母平均μの95%信頼区間が 知りたい (説明の都合です) 2がわかっているものとする 母分散σ 2013年度秋学期 統計学
111.
正規分布の場合の区間推定 考え方 A. Asano, Kansai
Univ. 標本は,母集団分布と同じ確率分布に したがう 2013年度秋学期 統計学
112.
正規分布の場合の区間推定 考え方 A. Asano, Kansai
Univ. 標本は,母集団分布と同じ確率分布に したがう 2013年度秋学期 統計学
113.
正規分布の場合の区間推定 考え方 A. Asano, Kansai
Univ. 標本は,母集団分布と同じ確率分布に 2) したがう 正規分布N(μ, σ 2013年度秋学期 統計学
114.
正規分布の場合の区間推定 考え方 A. Asano, Kansai
Univ. 標本は,母集団分布と同じ確率分布に 2) したがう 正規分布N(μ, σ 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 2013年度秋学期 統計学
115.
正規分布の場合の区間推定 考え方 A. Asano, Kansai
Univ. 標本は,母集団分布と同じ確率分布に 2) したがう 正規分布N(μ, σ 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 2013年度秋学期 統計学
116.
正規分布の場合の区間推定 考え方 A. Asano, Kansai
Univ. 標本は,母集団分布と同じ確率分布に 2) したがう 正規分布N(μ, σ 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 2013年度秋学期 統計学
117.
正規分布の場合の区間推定 考え方 A. Asano, Kansai
Univ. 標本は,母集団分布と同じ確率分布に 2) したがう 正規分布N(μ, σ 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] 2013年度秋学期 統計学
118.
正規分布の場合の区間推定 考え方 A. Asano, Kansai
Univ. 標本は,母集団分布と同じ確率分布に 2) したがう 正規分布N(μ, σ 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] 2/n) 正規分布N(μ, σ 2013年度秋学期 統計学
119.
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) A. Asano,
Kansai Univ. 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] 2013年度秋学期 統計学
120.
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] A. Asano, Kansai Univ. 正規分布の[性質1]により 2013年度秋学期 統計学
121.
正規分布の場合の区間推定 2 規分布 N (µ,
σ ) にしたがうならば,それらの 考え方 がう 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 質の 標本平均は,やはり正規分布にしたがうが,分散 X1 , ..., Xn にあてはまっていますから, が1/nになる 正規分布N(μ, σ2/n) [性質2] す。 A. Asano, Kansai Univ. 正規分布の[性質1]により Z= ¯ −µ X 2 /n σ は標準正規分布にしたがう で述べた「正規分布の性質1」から,Z は標準 2013年度秋学期 統計学
122.
正規分布の場合の区間推定 2 規分布 N (µ,
σ ) にしたがうならば,それらの 考え方 がう 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 質の 標本平均は,やはり正規分布にしたがうが,分散 X1 , ..., Xn にあてはまっていますから, が1/nになる 正規分布N(μ, σ2/n) [性質2] す。 A. Asano, Kansai Univ. 正規分布の[性質1]により Z= ¯ −µ X 2 /n σ は標準正規分布にしたがう で述べた「正規分布の性質1」から,Z は標準 2013年度秋学期 統計学
123.
正規分布の場合の区間推定 2 規分布 N (µ,
σ ) にしたがうならば,それらの 考え方 がう 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 質の 標本平均は,やはり正規分布にしたがうが,分散 X1 , ..., Xn にあてはまっていますから, が1/nになる 正規分布N(μ, σ2/n) [性質2] す。 A. Asano, Kansai Univ. 正規分布の[性質1]により Z= ¯ −µ X 2 /n σ は標準正規分布にしたがう で述べた「正規分布の性質1」から,Z は標準 2013年度秋学期 統計学
124.
正規分布の場合の区間推定 2 規分布 N (µ,
σ ) にしたがうならば,それらの 考え方 がう 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 質の 標本平均は,やはり正規分布にしたがうが,分散 X1 , ..., Xn にあてはまっていますから, が1/nになる 正規分布N(μ, σ2/n) [性質2] す。 A. Asano, Kansai Univ. 正規分布の[性質1]により Z= ¯ −µ X 2 /n σ は標準正規分布にしたがう で述べた「正規分布の性質1」から,Z は標準 2013年度秋学期 統計学
125.
正規分布の場合の区間推定 2 規分布 N (µ,
σ ) にしたがうならば,それらの 考え方 がう 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 質の 標本平均は,やはり正規分布にしたがうが,分散 X1 , ..., Xn にあてはまっていますから, が1/nになる 正規分布N(μ, σ2/n) [性質2] す。 A. Asano, Kansai Univ. 正規分布の[性質1]により Z= ¯ −µ X は標準正規分布にしたがう 2 /n σ N(0, 1) で述べた「正規分布の性質1」から,Z は標準 2013年度秋学期 統計学
126.
A. Asano, Kansai
Univ. 母分散はわからない 2013年度秋学期 統計学
127.
母分散はわからない Z= ¯ −µ X は標準正規分布にしたがう 2 /n σ N(0,
1) で述べた「正規分布の性質1」から,Z は標準 A. Asano, Kansai Univ. である区間」はどういうものか考えてみましょ したように,Z がある区間に入る確率は,標準 応する部分の面積になります。この部分の面積 ことにし,図 3(a) のように表します。このと 2013年度秋学期 統計学
128.
母分散はわからない Z= ¯ −µ X は標準正規分布にしたがう 2 /n σ N(0,
1) で述べた「正規分布の性質1」から,Z は標準 A. Asano, Kansai Univ. である区間」はどういうものか考えてみましょ したように,Z がある区間に入る確率は,標準 応する部分の面積になります。この部分の面積 ことにし,図 3(a) のように表します。このと 2013年度秋学期 統計学
129.
母分散はわからない Z= ¯ −µ X は標準正規分布にしたがう 2 /n σ N(0,
1) で述べた「正規分布の性質1」から,Z は標準 本当は母分散はわからない A. Asano, Kansai Univ. である区間」はどういうものか考えてみましょ したように,Z がある区間に入る確率は,標準 応する部分の面積になります。この部分の面積 ことにし,図 3(a) のように表します。このと 2013年度秋学期 統計学
130.
母分散はわからない Z= ¯ −µ X は標準正規分布にしたがう 2 /n σ N(0,
1) で述べた「正規分布の性質1」から,Z は標準 本当は母分散はわからない A. Asano, Kansai Univ. 不偏分散で代用する である区間」はどういうものか考えてみましょ したように,Z がある区間に入る確率は,標準 応する部分の面積になります。この部分の面積 ことにし,図 3(a) のように表します。このと 2013年度秋学期 統計学
131.
¯ X −µ Z= 母分散はわからない 2 /n σ ¯
−µ X Z= は標準正規分布にしたがう したがうことを説明しました。これまでの例 2 /n σ N(0, 1) ました。 で述べた「正規分布の性質1」から,Z は標準 本当は母分散はわからない 2 の2つ ょう。このとき,(3) 式には µ と σ 2 を,標本から計算される不偏分 ,母分散 σ 不偏分散で代用する A. Asano, Kansai Univ. である区間」はどういうものか考えてみましょ ¯ − がある区間に入る確率は,標準 したように,Zµ X t= 2 /n 応する部分の面積になります。この部分の面積 s ことにし,図 3(a) のように表します。このと 2013年度秋学期 統計学
132.
¯ X −µ Z= 母分散はわからない 2 /n σ ¯
−µ X Z= は標準正規分布にしたがう したがうことを説明しました。これまでの例 2 /n σ N(0, 1) ました。 で述べた「正規分布の性質1」から,Z は標準 本当は母分散はわからない 2 の2つ ょう。このとき,(3) 式には µ と σ 2 を,標本から計算される不偏分 ,母分散 σ 不偏分散で代用する A. Asano, Kansai Univ. である区間」はどういうものか考えてみましょ ¯ − がある区間に入る確率は,標準 したように,Zµ X t= 2 /n 応する部分の面積になります。この部分の面積 s ことにし,図 3(a) のように表します。このと 2013年度秋学期 統計学
133.
¯ X −µ Z= 母分散はわからない 2 /n σ ¯
−µ X Z= は標準正規分布にしたがう したがうことを説明しました。これまでの例 2 /n σ N(0, 1) ました。 で述べた「正規分布の性質1」から,Z は標準 本当は母分散はわからない 2 の2つ ょう。このとき,(3) 式には µ と σ 2 を,標本から計算される不偏分 ,母分散 σ 不偏分散で代用する A. Asano, Kansai Univ. である区間」はどういうものか考えてみましょ ¯ − がある区間に入る確率は,標準 したように,Zµ 不偏分散 X t= 2 /n 応する部分の面積になります。この部分の面積 s ことにし,図 3(a) のように表します。このと 2013年度秋学期 統計学
134.
¯ X −µ Z= 母分散はわからない 2 /n σ ¯
−µ X Z= は標準正規分布にしたがう したがうことを説明しました。これまでの例 2 /n σ N(0, 1) ました。 で述べた「正規分布の性質1」から,Z は標準 本当は母分散はわからない 2 の2つ ょう。このとき,(3) 式には µ と σ 2 を,標本から計算される不偏分 ,母分散 σ 不偏分散で代用する A. Asano, Kansai Univ. である区間」はどういうものか考えてみましょ ¯ − がある区間に入る確率は,標準 したように,Zµ 不偏分散 X t= 2 /n 応する部分の面積になります。この部分の面積 s 何分布にしたがう? ことにし,図 3(a) のように表します。このと 2013年度秋学期 統計学
135.
2 。そこで,母分散 σ t分布 t統計量 t= を,標本から計算され ¯ −µ X 2
/n s t 統計量といいます。Z は標準正規分布にし ? A. Asano, Kansai Univ. 布は,標準正規分布ではなく,自由度 n − 1 れを t(n − 1) と書きます。t 分布の確率密度 右対称の形になっています。 2013年度秋学期 統計学
136.
2 。そこで,母分散 σ t分布 t統計量 t= を,標本から計算され ¯ −µ X 2
/n s は t 統計量といいます。Z は標準正規分布にし ? A. Asano, Kansai Univ. 布は,標準正規分布ではなく,自由度 n − 1 れを t(n − 1) と書きます。t 分布の確率密度 右対称の形になっています。 2013年度秋学期 統計学
137.
2 。そこで,母分散 σ t分布 t統計量 t= を,標本から計算され ¯ −µ X 2
/n s は t 統計量といいます。Z は標準正規分布にし 自由度(n-1)のt分布にしたがう ? A. Asano, Kansai Univ. 布は,標準正規分布ではなく,自由度 n − 1 れを t(n − 1) と書きます。t 分布の確率密度 右対称の形になっています。 2013年度秋学期 統計学
138.
2 。そこで,母分散 σ t分布 t統計量 t= を,標本から計算され ¯ −µ X 2
/n s は t 統計量といいます。Z は標準正規分布にし 自由度(n-1)のt分布にしたがう ? t(n-1) A. Asano, Kansai Univ. 布は,標準正規分布ではなく,自由度 n − 1 れを t(n − 1) と書きます。t 分布の確率密度 右対称の形になっています。 2013年度秋学期 統計学
139.
2 。そこで,母分散 σ t分布 t統計量 t= を,標本から計算され ¯ −µ X 2
/n s は t 統計量といいます。Z は標準正規分布にし 自由度(n-1)のt分布にしたがう ? t(n-1) A. Asano, Kansai Univ. 布は,標準正規分布ではなく,自由度 n − 1 (「スチューデントのt分布」という) れを t(n − 1) と書きます。t 分布の確率密度 右対称の形になっています。 2013年度秋学期 統計学
140.
2 。そこで,母分散 σ t分布 t統計量 t= を,標本から計算され ¯ −µ X 2
/n s は t 統計量といいます。Z は標準正規分布にし 自由度(n-1)のt分布にしたがう ? t(n-1) A. Asano, Kansai Univ. 布は,標準正規分布ではなく,自由度 n − 1 (「スチューデントのt分布」という) れを t(n − 1) と書きます。t 分布の確率密度 右対称の形になっています。 2013年度秋学期 統計学
141.
2 。そこで,母分散 σ t分布 t統計量 t= を,標本から計算され ¯ −µ X 2
/n s は t 統計量といいます。Z は標準正規分布にし 自由度(n-1)のt分布にしたがう ? t(n-1) A. Asano, Kansai Univ. 布は,標準正規分布ではなく,自由度 n − 1 (「スチューデントのt分布」という) れを t(n − 1) と書きます。t 分布の確率密度 発見者ウィリアム・ゴセットのペンネーム 右対称の形になっています。 2013年度秋学期 統計学
142.
この例題は 母集団 (受験者全体) A. Asano, Kansai
Univ. 母平均μ 正規分布 と仮定する 標本X1, ... Xnをとりだす サイズn 標本平均 X 母平均μの95%信頼区間が 知りたい 2013年度秋学期 統計学
143.
この例題は 母集団 (受験者全体) A. Asano, Kansai
Univ. 母平均μ 正規分布 と仮定する 標本X1, ... Xnをとりだす サイズn 標本平均 X 母平均μの95%信頼区間が 知りたい 2がわか 母分散σ 2013年度秋学期 統計学
144.
この例題は 母集団 (受験者全体) A. Asano, Kansai
Univ. 母平均μ 正規分布 と仮定する 標本X1, ... Xnをとりだす サイズn 標本平均 X 母平均μの95%信頼区間が 知りたい 2がわからないので, 母分散σ 2013年度秋学期 統計学
145.
この例題は 母集団 (受験者全体) A. Asano, Kansai
Univ. 母平均μ 正規分布 と仮定する 標本X1, ... Xnをとりだす サイズn 標本平均 X 母平均μの95%信頼区間が 知りたい 2で代用 不偏分散s 2がわからないので, 母分散σ 2013年度秋学期 統計学
146.
しょう。このとき,(3) 式には µ
と σ の2つの未知の量がある で,母分散 σ 2 を,標本から計算される不偏分散 s2 でおきかえた t分布を用いた区間推定 t= ¯ X −µ s2 /n (4) は自由度(n-1)のt分布にしたがう t(n-1) 量といいます。Z は標準正規分布にしたがいますが,t はどのよ 標準正規分布ではなく,自由度 n − 1 の t 分布(スチューデント n − 1) と書きます。t 分布の確率密度関数は標準正規分布とよく の形になっています。 t 合でも,標準正規分布の場合と同様に母平均の信頼区間を求める しょう。 A. Asano, Kansai Univ. 0 であるとします。この試験の受験者から 10 人の標本を無 を平均したところ 50 点で,またこの 10 人の点数の不偏分 2013年度秋学期 統計学
147.
しょう。このとき,(3) 式には µ
と σ の2つの未知の量がある で,母分散 σ 2 を,標本から計算される不偏分散 s2 でおきかえた t分布を用いた区間推定 t= ¯ X −µ s2 /n (4) は自由度(n-1)のt分布にしたがう t(n-1) 量といいます。Z は標準正規分布にしたがいますが,t はどのよ t(n-1)の 確率密度関数 標準正規分布ではなく,自由度 n − 1 の t 分布(スチューデント n − 1) と書きます。t 分布の確率密度関数は標準正規分布とよく の形になっています。 t 合でも,標準正規分布の場合と同様に母平均の信頼区間を求める しょう。 A. Asano, Kansai Univ. 0 であるとします。この試験の受験者から 10 人の標本を無 を平均したところ 50 点で,またこの 10 人の点数の不偏分 2013年度秋学期 統計学
148.
しょう。このとき,(3) 式には µ
と σ の2つの未知の量がある で,母分散 σ 2 を,標本から計算される不偏分散 s2 でおきかえた t分布を用いた区間推定 t= ¯ X −µ s2 /n (4) は自由度(n-1)のt分布にしたがう t(n-1) 量といいます。Z は標準正規分布にしたがいますが,t はどのよ t(n-1)の 確率密度関数 標準正規分布ではなく,自由度 n − 1 の t 分布(スチューデント n − 1) と書きます。t 分布の確率密度関数は標準正規分布とよく の形になっています。 t 合でも,標準正規分布の場合と同様に母平均の信頼区間を求める しょう。 A. Asano, Kansai Univ. 0 であるとします。この試験の受験者から 10 人の標本を無 を平均したところ 50 点で,またこの 10 人の点数の不偏分 2013年度秋学期 統計学
149.
しょう。このとき,(3) 式には µ
と σ の2つの未知の量がある で,母分散 σ 2 を,標本から計算される不偏分散 s2 でおきかえた t分布を用いた区間推定 ¯ µ X − σ 2 の正規分布で,そこから n 個の標本を取り出したとき 平均 µ,母分散 t= (4) は自由度(n-1)のt分布にしたがう s2 /n ¯ t(n-1) X −µ Z= ( 量といいます。Z は標準正規分布にしたがいますが,t はどのよ σ 2 /n t(n-1)の (0, 1) にしたがうことを説明しました。これまでの例では,Z のこの性 確率密度関数 標準正規分布ではなく,自由度 n − 1 の t 分布(スチューデント A. Asano, Kansai Univ. 定を行いました。 n − 1) と書きます。t 分布の確率密度関数は標準正規分布とよく るとしましょう。このとき,(3) 式には µ と σ 2 の2つの未知の量がある の形になっています。 2 を,標本から計算される不偏分散 s2 でおきかえた t ん。そこで,母分散 σ 0 合でも,標準正規分布の場合と同様に母平均の信頼区間を求める ¯ X −µ しょう。 t= ( s2 /n が この区間に入っている確率=95%とすると であるとします。この試験の受験者から 10 人の標本を無 を t 統計量といいます。Z は標準正規分布にしたがいますが,t はどのよ を平均したところ 50 点で,またこの 10 人の点数の不偏分 ? 2013年度秋学期 統計学
150.
しょう。このとき,(3) 式には µ
と σ の2つの未知の量がある で,母分散 σ 2 を,標本から計算される不偏分散 s2 でおきかえた t分布を用いた区間推定 ¯ µ X − σ 2 の正規分布で,そこから n 個の標本を取り出したとき 平均 µ,母分散 t= (4) は自由度(n-1)のt分布にしたがう s2 /n ¯ t(n-1) X −µ Z= ( 量といいます。Z は標準正規分布にしたがいますが,t はどのよ σ 2 /n t(n-1)の (0, 1) にしたがうことを説明しました。これまでの例では,Z のこの性 面積=95% 確率密度関数 標準正規分布ではなく,自由度 n − 1 の t 分布(スチューデント A. Asano, Kansai Univ. 定を行いました。 n − 1) と書きます。t 分布の確率密度関数は標準正規分布とよく るとしましょう。このとき,(3) 式には µ と σ 2 の2つの未知の量がある の形になっています。 2 を,標本から計算される不偏分散 s2 でおきかえた t ん。そこで,母分散 σ 0 合でも,標準正規分布の場合と同様に母平均の信頼区間を求める ¯ X −µ しょう。 t= ( s2 /n が この区間に入っている確率=95%とすると であるとします。この試験の受験者から 10 人の標本を無 を t 統計量といいます。Z は標準正規分布にしたがいますが,t はどのよ を平均したところ 50 点で,またこの 10 人の点数の不偏分 ? 2013年度秋学期 統計学
151.
しょう。このとき,(3) 式には µ
と σ の2つの未知の量がある で,母分散 σ 2 を,標本から計算される不偏分散 s2 でおきかえた t分布を用いた区間推定 ¯ µ X − σ 2 の正規分布で,そこから n 個の標本を取り出したとき 平均 µ,母分散 t= (4) は自由度(n-1)のt分布にしたがう s2 /n ¯ t(n-1) X −µ Z= ( 量といいます。Z は標準正規分布にしたがいますが,t はどのよ σ 2 /n t(n-1)の (0, 1) にしたがうことを説明しました。これまでの例では,Z のこの性 面積=95% 確率密度関数 標準正規分布ではなく,自由度 n − 1 の t 分布(スチューデント A. Asano, Kansai Univ. 定を行いました。 n − 1) と書きます。t 分布の確率密度関数は標準正規分布とよく るとしましょう。このとき,(3) 式には µ と σ 2 の2つの未知の量がある の形になっています。 2 を,標本から計算される不偏分散 s2 でおきかえた t ん。そこで,母分散 σ 0 合でも,標準正規分布の場合と同様に母平均の信頼区間を求める 境界の値はいくら? ¯ −µ X しょう。 t= ( s2 /n が この区間に入っている確率=95%とすると であるとします。この試験の受験者から 10 人の標本を無 を t 統計量といいます。Z は標準正規分布にしたがいますが,t はどのよ を平均したところ 50 点で,またこの 10 人の点数の不偏分 ? 2013年度秋学期 統計学
152.
t分布を用いた区間推定 面積=95% 0 t A. Asano, Kansai
Univ. 0 2013年度秋学期 統計学 t
153.
t分布を用いた区間推定 面積=95% 0 t A. Asano, Kansai
Univ. 0 2013年度秋学期 統計学 t
154.
t分布を用いた区間推定 面積=95% 0 t A. Asano, Kansai
Univ. 0 2013年度秋学期 統計学 t
155.
t分布を用いた区間推定 面積=95% 0 t 面積=2.5% (左右で5%) A. Asano, Kansai
Univ. 0 2013年度秋学期 統計学 t
156.
t分布を用いた区間推定 面積=95% 0 t 面積=2.5% (左右で5%) A. Asano, Kansai
Univ. 0 t 境界の値は自由度によってちがうので 2013年度秋学期 統計学
157.
t分布を用いた区間推定 面積=95% 0 t 面積=2.5% (左右で5%) A. Asano, Kansai
Univ. 0 t 境界の値は自由度によってちがうので t0.025(n-1)としておく 2013年度秋学期 統計学
158.
t分布を用いた区間推定 面積=95% 0 t 面積=2.5% (左右で5%) A. Asano, Kansai
Univ. 0 t 境界の値は自由度によってちがうので t0.025(n-1)としておく [上側2.5%点]という 2013年度秋学期 統計学
159.
t分布を用いた区間推定 t(n-1) A. Asano, Kansai
Univ. 0 2013年度秋学期 統計学 t
160.
t分布を用いた区間推定 t(n-1) A. Asano, Kansai
Univ. 0 2013年度秋学期 統計学 t
161.
2 団分布が母平均 µ,母分散 σ の正規分布で,そこから
n 個の標本を取 t分布を用いた区間推定 あるとき, Z= t(n-1) ¯ X −µ σ 2 /n 正規分布 N (0, 1) にしたがうことを説明しました。これまでの例では µ の区間推定を行いました。 が不明であるとしましょう。このとき,(3) 式には µ と の2つの未 t 20 ができません。そこで,母分散 σ を,標本から計算される不偏分散 s2 2 σ t= ¯ X −µ s2 /n が A. Asano, Kansai Univ. す。この t を t 統計量といいます。Z は標準正規分布にしたがいますが この区間に入っている確率=95% でしょうか? たがう確率分布は,標準正規分布ではなく,自由度 n − 1 の t 分布(ス 率分布で,これを t(n − 1) と書きます。t 分布の確率密度関数は標準正 2013年度秋学期 統計学
162.
2 団分布が母平均 µ,母分散 σ の正規分布で,そこから
n 個の標本を取 t分布を用いた区間推定 あるとき, Z= t(n-1) ¯ X −µ σ 2 /n 面積=95% 正規分布 N (0, 1) にしたがうことを説明しました。これまでの例では µ の区間推定を行いました。 が不明であるとしましょう。このとき,(3) 式には µ と の2つの未 t 20 ができません。そこで,母分散 σ を,標本から計算される不偏分散 s2 2 σ t= ¯ X −µ s2 /n が A. Asano, Kansai Univ. す。この t を t 統計量といいます。Z は標準正規分布にしたがいますが この区間に入っている確率=95% でしょうか? たがう確率分布は,標準正規分布ではなく,自由度 n − 1 の t 分布(ス 率分布で,これを t(n − 1) と書きます。t 分布の確率密度関数は標準正 2013年度秋学期 統計学
163.
2 団分布が母平均 µ,母分散 σ の正規分布で,そこから
n 個の標本を取 t分布を用いた区間推定 あるとき, Z= t(n-1) ¯ X −µ σ 2 /n 面積=95% 正規分布 N (0, 1) にしたがうことを説明しました。これまでの例では µ の区間推定を行いました。 が不明であるとしましょう。このとき,(3) 式には µ と の2つの未 t 20 ができません。そこで,母分散 σ を,標本から計算される不偏分散 s2 2 σ t= ¯ X −µ s2 /n が A. Asano, Kansai Univ. す。この t を t 統計量といいます。Z は標準正規分布にしたがいますが この区間に入っている確率=95% でしょうか? たがう確率分布は,標準正規分布ではなく,自由度 n − 1 の t 分布(ス 率分布で,これを t(n − 1) と書きます。t 分布の確率密度関数は標準正 2013年度秋学期 統計学
164.
2 団分布が母平均 µ,母分散 σ の正規分布で,そこから
n 個の標本を取 t分布を用いた区間推定 あるとき, Z= t(n-1) ¯ X −µ σ 2 /n 面積=95% 正規分布 N (0, 1) にしたがうことを説明しました。これまでの例では µ の区間推定を行いました。 が不明であるとしましょう。このとき,(3) 式には µ と の2つの未 t 20 ができません。そこで,母分散 σ を,標本から計算される不偏分散 s2 2 σ t= ¯ X −µ s2 /n が A. Asano, Kansai Univ. す。この t を t 統計量といいます。Z は標準正規分布にしたがいますが この区間に入っている確率=95% でしょうか? t0.025(n-1) たがう確率分布は,標準正規分布ではなく,自由度 n − 1 の t 分布(ス 率分布で,これを t(n − 1) と書きます。t 分布の確率密度関数は標準正 2013年度秋学期 統計学
165.
2 団分布が母平均 µ,母分散 σ の正規分布で,そこから
n 個の標本を取 t分布を用いた区間推定 あるとき, Z= t(n-1) ¯ X −µ σ 2 /n 面積=95% 正規分布 N (0, 1) にしたがうことを説明しました。これまでの例では µ の区間推定を行いました。 が不明であるとしましょう。このとき,(3) 式には µ と の2つの未 t 20 ができません。そこで,母分散 σ を,標本から計算される不偏分散 s2 2 σ t= ¯ X −µ s2 /n が A. Asano, Kansai Univ. す。この t を t 統計量といいます。Z は標準正規分布にしたがいますが この区間に入っている確率=95% でしょうか? -t0.025(n-1) t0.025(n-1) たがう確率分布は,標準正規分布ではなく,自由度 n − 1 の t 分布(ス 率分布で,これを t(n − 1) と書きます。t 分布の確率密度関数は標準正 2013年度秋学期 統計学
166.
しょう。このとき,(3) 式には µ
と σ 2 の2つの未知の量がある で,母分散 σ 2 を,標本から計算される不偏分散 s2 でおきかえた t分布を用いた区間推定 ¯ X −µ が -t0.025(n-1) と (4) s2 /n t0.025(n-1) の間に入って 量といいます。Z は標準正規分布にしたがいますが,t はどのよ いる確率が95% t= 標準正規分布ではなく,自由度 n − 1 の t 分布(スチューデント n − 1) と書きます。t 分布の確率密度関数は標準正規分布とよく の形になっています。 A. Asano, Kansai Univ. 合でも,標準正規分布の場合と同様に母平均の信頼区間を求める ましょう。 であるとします。この試験の受験者から 10 人の標本を無 を平均したところ 50 点で,またこの 10 人の点数の不偏分 2013年度秋学期 統計学
167.
しょう。このとき,(3) 式には µ
と σ 2 の2つの未知の量がある で,母分散 σ 2 を,標本から計算される不偏分散 s2 でおきかえた t分布を用いた区間推定 ¯ X −µ が -t0.025(n-1) と (4) s2 /n t0.025(n-1) の間に入って 量といいます。Z は標準正規分布にしたがいますが,t はどのよ いる確率が95% t= 標準正規分布ではなく,自由度 n − 1 の t 分布(スチューデント 式で書くと n − 1) と書きます。t 分布の確率密度関数は標準正規分布とよく の形になっています。 A. Asano, Kansai Univ. 合でも,標準正規分布の場合と同様に母平均の信頼区間を求める ましょう。 であるとします。この試験の受験者から 10 人の標本を無 を平均したところ 50 点で,またこの 10 人の点数の不偏分 2013年度秋学期 統計学
168.
しょう。このとき,(3) 式には µ
と σ 2 の2つの未知の量がある で,母分散 σ 2 を,標本から計算される不偏分散 s2 でおきかえた t t分布を用いた区間推定 0 –t0.025(n –1) t0.025(n –1) ¯ X −µ が -t0.025(n-1) と (4) tが入る確率95%の区間 s2 /n t0.025(n-1) の間に入って 図 2: t 分布と区間推定 量といいます。Z は標準正規分布にしたがいますが,t はどのよ いる確率が95% t= 標準正規分布ではなく,自由度 n − 1 の t 分布(スチューデント あるような値」とすると 式で書くと n − 1) と書きます。t 分布の確率密度関数は標準正規分布とよく ¯ X −µ P −t0.025 t0.025 (n − 1) = 0.95 の形になっています。 (n − 1) s2 /n 合でも,標準正規分布の場合と同様に母平均の信頼区間を求める 立ちます(図 2) 。この式から, A. Asano, Kansai Univ. ましょう。 P ¯ X − t0.025 (n − 1) s2 n µ ¯ X + t0.025 (n − 1) s2 n であるとします。この試験の受験者から 10 人の標本を無 ますから,µ の 95%信頼区間は (6) 式のかっこ内の範囲となります。 を平均したところ 50 点で,またこの 10 人の点数の不偏分 2013年度秋学期 統計学 = 0.95
169.
しょう。このとき,(3) 式には µ
と σ 2 の2つの未知の量がある で,母分散 σ 2 を,標本から計算される不偏分散 s2 でおきかえた t t分布を用いた区間推定 0 –t0.025(n –1) t0.025(n –1) ¯ X −µ が -t0.025(n-1) と (4) tが入る確率95%の区間 s2 /n t0.025(n-1) の間に入って 図 2: t 分布と区間推定 量といいます。Z は標準正規分布にしたがいますが,t はどのよ いる確率が95% t= 標準正規分布ではなく,自由度 n − 1 の t 分布(スチューデント あるような値」とすると 式で書くと n − 1) と書きます。t 分布の確率密度関数は標準正規分布とよく ¯ X −µ P −t0.025 t0.025 (n − 1) = 0.95 の形になっています。 (n − 1) s2 /n 合でも,標準正規分布の場合と同様に母平均の信頼区間を求める 立ちます(図 2) 。この式から, A. Asano, Kansai Univ. μの式に直すと ましょう。 P ¯ X − t0.025 (n − 1) s2 n µ ¯ X + t0.025 (n − 1) s2 n であるとします。この試験の受験者から 10 人の標本を無 ますから,µ の 95%信頼区間は (6) 式のかっこ内の範囲となります。 を平均したところ 50 点で,またこの 10 人の点数の不偏分 2013年度秋学期 統計学 = 0.95
170.
0.025 しょう。このとき,(3) 式には µ
と σ 2 の2つの未知の量がある で,母分散 σ 2 を,標本から計算される不偏分散 s2 でおきかえた t P(t ≤ –t0.025(n –1)) = 0.025 t分布を用いた区間推定 –t0.025(n –1) ¯ X − µ –t 0 t0.025(n –1) t が -t (n-1) と (4) s2 /n tが入る確率95%の区間 t0.025(n-1) の間に入って 図 2: t 分布と区間推定 量といいます。Z は標準正規分布にしたがいますが,t はどのよ 図 2: t 分布と区間推定 いる確率が95% t= (n –1) 0.0250 t0.025(n –1) 0.025 tが入る確率95%の区間 標準正規分布ではなく,自由度 n − 1 の t 分布(スチューデント あるような値」とすると であるような値」とすると n − 1) と書きます。t 分布の確率密度関数は標準正規分布とよく ¯ X −µ P −t0.025 ¯ −µ の形になっています。 (n − 1) X s2 /n t0.025 (n − 1) = 0.95 P −t0.025 (n − 1) t0.025 (n − 1) = 0.95 s2 /n 合でも,標準正規分布の場合と同様に母平均の信頼区間を求める 立ちます(図 2) 。この式から, 立ちます(図 。この式から, ましょう。 2) s2 s2 ¯ ¯ P X − t0.025 (n − 1) s2 µ X + t0.025 (n − 1) s2 = 0.95 ¯ ¯ n = 0.95 P X − t0.025 (n − 1) n µ X + t0.025 (n − 1) n n であるとします。この試験の受験者から 10 人の標本を無 A. Asano, Kansai Univ. 式で書くと μの式に直すと ますから,µ の 95%信頼区間は (6) 式のかっこ内の範囲となります。 を平均したところ 50 点で,またこの 10 人の点数の不偏分 2013年度秋学期 統計学
171.
るような値」とすると t分布を用いた区間推定 ¯ X −µ P −t0.025 (n
− 1) s2 /n t0.025 (n − 1) = 0.95 ます(図 2) 。この式から, P ¯ X − t0.025 (n − 1) s2 n µ ¯ X + t0.025 (n − 1) s2 n = 0.95 から,µ の 95%信頼区間は (6) 式のかっこ内の範囲となります。 A. Asano, Kansai Univ. なわち自由度 ν の 100α パーセント点の値を知るには,一緒に配布した数表(t ができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα (ν) が ¯ 読むことで求められます。この問題の場合,標本平均 X = 50,不偏分散 s2 = 2 − 1) = 2.262 ですから,µ の 95%信頼区間は「46.4(点)以上 53.6(点)以下」 のように,母分散が 25 とわかっているときには,µ の 95%信頼区間は「46.9(点 でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広い 不確かであることを意味しています。これは,不偏分散は母分散そのものではな 2013年度秋学期 統計学
172.
るような値」とすると t分布を用いた区間推定 ¯ X −µ P −t0.025 (n
− 1) s2 /n t0.025 (n − 1) = 0.95 ます(図 2) 。この式から, P ¯ X − t0.025 (n − 1) s2 n µ ¯ X + t0.025 (n − 1) s2 n = 0.95 μの95% から,µ の 95%信頼区間は (6) 式のかっこ内の範囲となります。 信頼区間の なわち自由度 ν の 100α パーセント点の値を知るには,一緒に配布した数表(t ができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα (ν) が 下限 2 A. Asano, Kansai Univ. ¯ 読むことで求められます。この問題の場合,標本平均 X = 50,不偏分散 s = 2 − 1) = 2.262 ですから,µ の 95%信頼区間は「46.4(点)以上 53.6(点)以下」 のように,母分散が 25 とわかっているときには,µ の 95%信頼区間は「46.9(点 でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広い 不確かであることを意味しています。これは,不偏分散は母分散そのものではな 2013年度秋学期 統計学
173.
るような値」とすると t分布を用いた区間推定 ¯ X −µ P −t0.025 (n
− 1) s2 /n t0.025 (n − 1) = 0.95 ます(図 2) 。この式から, P ¯ X − t0.025 (n − 1) s2 n µ ¯ X + t0.025 (n − 1) s2 n = 0.95 μの95% μの95% から,µ の 95%信頼区間は (6) 式のかっこ内の範囲となります。 信頼区間の 信頼区間の なわち自由度 ν の 100α パーセント点の値を知るには,一緒に配布した数表(t ができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα (ν) が 下限 上限 2 A. Asano, Kansai Univ. ¯ 読むことで求められます。この問題の場合,標本平均 X = 50,不偏分散 s = 2 − 1) = 2.262 ですから,µ の 95%信頼区間は「46.4(点)以上 53.6(点)以下」 のように,母分散が 25 とわかっているときには,µ の 95%信頼区間は「46.9(点 でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広い 不確かであることを意味しています。これは,不偏分散は母分散そのものではな 2013年度秋学期 統計学
174.
るような値」とすると t分布を用いた区間推定 ¯ X −µ P −t0.025 (n
− 1) 例題では s2 /n t0.025 (n − 1) = 0.95 ます(図 2) 。この式から, P ¯ X − t0.025 (n − 1) s2 n µ ¯ X + t0.025 (n − 1) s2 n = 0.95 μの95% μの95% から,µ の 95%信頼区間は (6) 式のかっこ内の範囲となります。 信頼区間の 信頼区間の なわち自由度 ν の 100α パーセント点の値を知るには,一緒に配布した数表(t ができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα (ν) が 下限 上限 2 A. Asano, Kansai Univ. ¯ 読むことで求められます。この問題の場合,標本平均 X = 50,不偏分散 s = 2 − 1) = 2.262 ですから,µ の 95%信頼区間は「46.4(点)以上 53.6(点)以下」 のように,母分散が 25 とわかっているときには,µ の 95%信頼区間は「46.9(点 でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広い 不確かであることを意味しています。これは,不偏分散は母分散そのものではな 2013年度秋学期 統計学
175.
るような値」とすると t分布を用いた区間推定 ¯ X −µ P −t0.025 (n
− 1) 例題では s2 /n t0.025 (n − 1) = 0.95 ます(図 2) 。この式から, 標本平均=50 P ¯ X − t0.025 (n − 1) s2 n µ ¯ X + t0.025 (n − 1) s2 n = 0.95 μの95% μの95% から,µ の 95%信頼区間は (6) 式のかっこ内の範囲となります。 信頼区間の 信頼区間の なわち自由度 ν の 100α パーセント点の値を知るには,一緒に配布した数表(t ができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα (ν) が 下限 上限 2 A. Asano, Kansai Univ. ¯ 読むことで求められます。この問題の場合,標本平均 X = 50,不偏分散 s = 2 − 1) = 2.262 ですから,µ の 95%信頼区間は「46.4(点)以上 53.6(点)以下」 のように,母分散が 25 とわかっているときには,µ の 95%信頼区間は「46.9(点 でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広い 不確かであることを意味しています。これは,不偏分散は母分散そのものではな 2013年度秋学期 統計学
176.
るような値」とすると t分布を用いた区間推定 ¯ X −µ P −t0.025 (n
− 1) 例題では s2 /n t0.025 (n − 1) = 0.95 ます(図 2) 。この式から, 不偏分散=25 標本平均=50 P ¯ X − t0.025 (n − 1) s2 n µ ¯ X + t0.025 (n − 1) s2 n = 0.95 μの95% μの95% から,µ の 95%信頼区間は (6) 式のかっこ内の範囲となります。 信頼区間の 信頼区間の なわち自由度 ν の 100α パーセント点の値を知るには,一緒に配布した数表(t ができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα (ν) が 下限 上限 2 A. Asano, Kansai Univ. ¯ 読むことで求められます。この問題の場合,標本平均 X = 50,不偏分散 s = 2 − 1) = 2.262 ですから,µ の 95%信頼区間は「46.4(点)以上 53.6(点)以下」 のように,母分散が 25 とわかっているときには,µ の 95%信頼区間は「46.9(点 でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広い 不確かであることを意味しています。これは,不偏分散は母分散そのものではな 2013年度秋学期 統計学
177.
るような値」とすると t分布を用いた区間推定 ¯ X −µ P −t0.025 (n
− 1) 例題では s2 /n ます(図 2) 。この式から, 不偏分散=25 標本平均=50 P ¯ X − t0.025 (n − 1) s2 n µ t0.025 (n − 1) = 0.95 標本サイズ=10 ¯ X + t0.025 (n − 1) s2 n = 0.95 μの95% μの95% から,µ の 95%信頼区間は (6) 式のかっこ内の範囲となります。 信頼区間の 信頼区間の なわち自由度 ν の 100α パーセント点の値を知るには,一緒に配布した数表(t ができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα (ν) が 下限 上限 2 A. Asano, Kansai Univ. ¯ 読むことで求められます。この問題の場合,標本平均 X = 50,不偏分散 s = 2 − 1) = 2.262 ですから,µ の 95%信頼区間は「46.4(点)以上 53.6(点)以下」 のように,母分散が 25 とわかっているときには,µ の 95%信頼区間は「46.9(点 でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広い 不確かであることを意味しています。これは,不偏分散は母分散そのものではな 2013年度秋学期 統計学
178.
るような値」とすると t分布を用いた区間推定 ¯ X −µ P −t0.025 (n
− 1) 例題では s2 /n ます(図 2) 。この式から, 不偏分散=25 標本平均=50 P ¯ X − t0.025 (n − 1) s2 n µ t0.025 (n − 1) = 0.95 標本サイズ=10 ¯ X + t0.025 (n − 1) s2 n = 0.95 μの95% μの95% から,µ の 95%信頼区間は (6) 式のかっこ内の範囲となります。 信頼区間の 信頼区間の なわち自由度 ν の 100α パーセント点の値を知るには,一緒に配布した数表(t ができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα (ν) が 下限 上限 2 A. Asano, Kansai Univ. ¯ 読むことで求められます。この問題の場合,標本平均 X = 50,不偏分散 s = 2 − 1) = 2.262 ですから,µ の 95%信頼区間は「46.4(点)以上 53.6(点)以下」 のように,母分散が 25 とわかっているときには,µ の 95%信頼区間は「46.9(点 0.025 でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広い 不確かであることを意味しています。これは,不偏分散は母分散そのものではな 2013年度秋学期 統計学 上側2.5%点 t (n-1) は?
179.
t分布表 面積=2.5% t0.025(n-1) t A. Asano, Kansai
Univ. 0 2013年度秋学期 統計学
180.
t分布表 面積=2.5% t0.025(n-1) t 0 t分布表(自由度 の100 パーセント点
t ( )) 0.30 0.25 0.20 0.15 0.10 0.05 0.025 0.01 0.005 1 0.3249 0.7265 1.0000 1.3764 1.9626 3.0777 6.3138 12.7062 31.8205 63.6567 2 0.2887 0.6172 0.8165 1.0607 1.3862 1.8856 2.9200 4.3027 6.9646 9.9248 3 0.2767 0.5844 0.7649 0.9785 1.2498 1.6377 2.3534 3.1824 4.5407 5.8409 4 0.2707 0.5686 0.7407 0.9410 1.1896 1.5332 2.1318 2.7764 3.7469 4.6041 5 A. Asano, Kansai Univ. 0.40 0.2672 0.5594 0.7267 0.9195 1.1558 1.4759 2.0150 2.5706 3.3649 4.0321 6 0.2648 0.5534 0.7176 0.9057 1.1342 1.4398 1.9432 2.4469 3.1427 3.7074 7 0.2632 0.5491 0.7111 0.8960 1.1192 1.4149 1.8946 2.3646 2.9980 3.4995 8 0.2619 0.5459 0.7064 0.8889 1.1081 1.3968 1.8595 2.3060 2.8965 3.3554 9 0.2610 0.5435 0.7027 0.8834 1.0997 1.3830 1.8331 2.2622 2.8214 3.2498 10 0.2602 0.5415 0.6998 0.8791 1.0931 1.3722 1.8125 2.2281 2.7638 3.1693 11 0.2596 0.5399 0.6974 0.8755 1.0877 1.3634 1.7959 2.2010 2.7181 3.1058 12 0.2590 0.5386 0.6955 0.8726 1.0832 1.3562 1.7823 2.1788 2.6810 3.0545 13 0.2586 0.5375 0.6938 0.8702 1.0795 2013年度秋学期 統計学 1.3502 1.7709 2.1604 2.6503 3.0123
181.
t分布表 面積=2.5% t0.025(n-1) t 0 t分布表(自由度 の100 パーセント点
t ( )) パーセントの値 0.30 0.25 0.20 0.15 0.10 0.05 0.025 0.01 0.005 1 0.3249 0.7265 1.0000 1.3764 1.9626 3.0777 6.3138 12.7062 31.8205 63.6567 2 0.2887 0.6172 0.8165 1.0607 1.3862 1.8856 2.9200 4.3027 6.9646 9.9248 3 0.2767 0.5844 0.7649 0.9785 1.2498 1.6377 2.3534 3.1824 4.5407 5.8409 4 0.2707 0.5686 0.7407 0.9410 1.1896 1.5332 2.1318 2.7764 3.7469 4.6041 5 A. Asano, Kansai Univ. 0.40 0.2672 0.5594 0.7267 0.9195 1.1558 1.4759 2.0150 2.5706 3.3649 4.0321 6 0.2648 0.5534 0.7176 0.9057 1.1342 1.4398 1.9432 2.4469 3.1427 3.7074 7 0.2632 0.5491 0.7111 0.8960 1.1192 1.4149 1.8946 2.3646 2.9980 3.4995 8 0.2619 0.5459 0.7064 0.8889 1.1081 1.3968 1.8595 2.3060 2.8965 3.3554 9 0.2610 0.5435 0.7027 0.8834 1.0997 1.3830 1.8331 2.2622 2.8214 3.2498 10 0.2602 0.5415 0.6998 0.8791 1.0931 1.3722 1.8125 2.2281 2.7638 3.1693 11 0.2596 0.5399 0.6974 0.8755 1.0877 1.3634 1.7959 2.2010 2.7181 3.1058 12 0.2590 0.5386 0.6955 0.8726 1.0832 1.3562 1.7823 2.1788 2.6810 3.0545 13 0.2586 0.5375 0.6938 0.8702 1.0795 2013年度秋学期 統計学 1.3502 1.7709 2.1604 2.6503 3.0123
182.
t分布表 面積=2.5% t0.025(n-1) t 0 t分布表(自由度 の100 パーセント点
t ( )) パーセントの値 0.30 0.25 0.20 0.15 0.10 0.05 0.025 0.01 0.005 1 0.3249 0.7265 1.0000 1.3764 1.9626 3.0777 6.3138 12.7062 31.8205 63.6567 2 0.2887 0.6172 0.8165 1.0607 1.3862 1.8856 2.9200 4.3027 6.9646 9.9248 3 0.2767 0.5844 0.7649 0.9785 1.2498 1.6377 2.3534 3.1824 4.5407 5.8409 4 0.2707 0.5686 0.7407 0.9410 1.1896 1.5332 2.1318 2.7764 3.7469 4.6041 5 A. Asano, Kansai Univ. 0.40 0.2672 0.5594 0.7267 0.9195 1.1558 1.4759 2.0150 2.5706 3.3649 4.0321 6 0.2648 0.5534 0.7176 0.9057 1.1342 1.4398 1.9432 2.4469 3.1427 3.7074 7 0.2632 0.5491 0.7111 0.8960 1.1192 1.4149 1.8946 2.3646 2.9980 3.4995 8 0.2619 0.5459 0.7064 0.8889 1.1081 1.3968 1.8595 2.3060 2.8965 3.3554 9 0.2610 0.5435 0.7027 0.8834 1.0997 1.3830 1.8331 2.2622 2.8214 3.2498 10 0.2602 0.5415 0.6998 例題では n-1 = 9 0.8791 1.0931 1.3722 1.8125 2.2281 2.7638 3.1693 11 0.2596 0.5399 0.6974 0.8755 1.0877 1.3634 1.7959 2.2010 2.7181 3.1058 12 0.2590 0.5386 0.6955 0.8726 1.0832 1.3562 1.7823 2.1788 2.6810 3.0545 13 0.2586 0.5375 0.6938 0.8702 1.0795 2013年度秋学期 統計学 1.3502 1.7709 2.1604 2.6503 3.0123
183.
t分布表 面積=2.5% t0.025(n-1) t 0 t分布表(自由度 の100 パーセント点
t ( )) パーセントの値 0.025 0.30 0.25 0.20 0.15 0.10 0.05 0.025 0.01 0.005 1 0.3249 0.7265 1.0000 1.3764 1.9626 3.0777 6.3138 12.7062 31.8205 63.6567 2 0.2887 0.6172 0.8165 1.0607 1.3862 1.8856 2.9200 4.3027 6.9646 9.9248 3 0.2767 0.5844 0.7649 0.9785 1.2498 1.6377 2.3534 3.1824 4.5407 5.8409 4 0.2707 0.5686 0.7407 0.9410 1.1896 1.5332 2.1318 2.7764 3.7469 4.6041 5 A. Asano, Kansai Univ. 0.40 0.2672 0.5594 0.7267 0.9195 1.1558 1.4759 2.0150 2.5706 3.3649 4.0321 6 0.2648 0.5534 0.7176 0.9057 1.1342 1.4398 1.9432 2.4469 3.1427 3.7074 7 0.2632 0.5491 0.7111 0.8960 1.1192 1.4149 1.8946 2.3646 2.9980 3.4995 8 0.2619 0.5459 0.7064 0.8889 1.1081 1.3968 1.8595 2.3060 2.8965 3.3554 9 0.2610 0.5435 0.7027 0.8834 1.0997 1.3830 1.8331 2.2622 2.8214 3.2498 10 0.2602 0.5415 0.6998 例題では n-1 = 9 0.8791 1.0931 1.3722 1.8125 2.2281 2.7638 3.1693 11 0.2596 0.5399 0.6974 0.8755 1.0877 1.3634 1.7959 2.2010 2.7181 3.1058 12 0.2590 0.5386 0.6955 0.8726 1.0832 1.3562 1.7823 2.1788 2.6810 3.0545 13 0.2586 0.5375 0.6938 0.8702 1.0795 2013年度秋学期 統計学 1.3502 1.7709 2.1604 2.6503 3.0123
184.
t分布表 面積=2.5% t0.025(n-1) t 0 t分布表(自由度 の100 パーセント点
t ( )) パーセントの値 0.025 0.30 0.25 0.20 0.15 0.10 0.05 0.025 0.01 0.005 1 0.3249 0.7265 1.0000 1.3764 1.9626 3.0777 6.3138 12.7062 31.8205 63.6567 2 0.2887 0.6172 0.8165 1.0607 1.3862 1.8856 2.9200 4.3027 6.9646 9.9248 3 0.2767 0.5844 0.7649 0.9785 1.2498 1.6377 2.3534 3.1824 4.5407 5.8409 4 0.2707 0.5686 0.7407 0.9410 1.1896 1.5332 2.1318 2.7764 3.7469 4.6041 5 A. Asano, Kansai Univ. 0.40 0.2672 0.5594 0.7267 0.9195 1.1558 1.4759 2.0150 2.5706 3.3649 4.0321 6 0.2648 0.5534 0.7176 0.9057 1.1342 1.4398 1.9432 2.4469 3.1427 3.7074 7 0.2632 0.5491 0.7111 0.8960 1.1192 1.4149 1.8946 2.3646 2.9980 3.4995 8 0.2619 0.5459 0.7064 0.8889 1.1081 1.3968 1.8595 2.3060 2.8965 3.3554 9 0.2610 0.5435 0.7027 0.8834 1.0997 1.3830 1.8331 2.2622 2.8214 3.2498 10 0.2602 0.5415 0.6998 例題では n-1 = 9 0.8791 1.0931 11 0.2596 0.5399 0.6974 0.8755 1.0877 12 0.2590 0.5386 0.6955 0.8726 13 0.2586 0.5375 0.6938 t0.025(9)=2.262 1.3722 1.8125 2.2281 2.7638 3.1693 1.3634 1.7959 2.2010 2.7181 3.1058 1.0832 1.3562 1.7823 2.1788 2.6810 3.0545 0.8702 1.0795 2013年度秋学期 統計学 1.3502 1.7709 2.1604 2.6503 3.0123
185.
t分布表 面積=2.5% t0.025(n-1) t 0 t分布表(自由度 の100 パーセント点
t ( )) パーセントの値 0.025 自由度 0.30 0.25 0.20 0.15 0.10 0.05 0.025 0.01 0.005 1 A. Asano, Kansai Univ. 0.40 0.3249 0.7265 1.0000 1.3764 1.9626 3.0777 6.3138 12.7062 31.8205 63.6567 2 0.2887 0.6172 0.8165 1.0607 1.3862 1.8856 2.9200 4.3027 6.9646 9.9248 3 0.2767 0.5844 0.7649 0.9785 1.2498 1.6377 2.3534 3.1824 4.5407 5.8409 4 0.2707 0.5686 0.7407 0.9410 1.1896 1.5332 2.1318 2.7764 3.7469 4.6041 5 0.2672 0.5594 0.7267 0.9195 1.1558 1.4759 2.0150 2.5706 3.3649 4.0321 6 0.2648 0.5534 0.7176 0.9057 1.1342 1.4398 1.9432 2.4469 3.1427 3.7074 7 0.2632 0.5491 0.7111 0.8960 1.1192 1.4149 1.8946 2.3646 2.9980 3.4995 8 0.2619 0.5459 0.7064 0.8889 1.1081 1.3968 1.8595 2.3060 2.8965 3.3554 9 0.2610 0.5435 0.7027 0.8834 1.0997 1.3830 1.8331 2.2622 2.8214 3.2498 10 0.2602 0.5415 0.6998 例題では n-1 = 9 0.8791 1.0931 11 0.2596 0.5399 0.6974 0.8755 1.0877 12 0.2590 0.5386 0.6955 0.8726 13 0.2586 0.5375 0.6938 t0.025(9)=2.262 1.3722 1.8125 2.2281 2.7638 3.1693 1.3634 1.7959 2.2010 2.7181 3.1058 1.0832 1.3562 1.7823 2.1788 2.6810 3.0545 0.8702 1.0795 2013年度秋学期 統計学 1.3502 1.7709 2.1604 2.6503 3.0123
186.
るような値」とすると t分布を用いた区間推定 ¯ X −µ P −t0.025 (n
− 1) s2 /n t0.025 (n − 1) = 0.95 ます(図 2) 。この式から, P ¯ X − t0.025 (n − 1) s2 n µ ¯ X + t0.025 (n − 1) s2 n = 0.95 から,µ の 95%信頼区間は (6) 式のかっこ内の範囲となります。 A. Asano, Kansai Univ. なわち自由度 ν の 100α パーセント点の値を知るには,一緒に配布した数表(t ができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα (ν) が ¯ 読むことで求められます。この問題の場合,標本平均 X = 50,不偏分散 s2 = 2 − 1) = 2.262 ですから,µ の 95%信頼区間は「46.4(点)以上 53.6(点)以下」 のように,母分散が 25 とわかっているときには,µ の 95%信頼区間は「46.9(点 でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広い 不確かであることを意味しています。これは,不偏分散は母分散そのものではな 2013年度秋学期 統計学
187.
るような値」とすると t分布を用いた区間推定 ¯ X −µ P −t0.025 (n
− 1) s2 /n t0.025 (n − 1) = 0.95 ます(図 2) 。この式から, P ¯ X − t0.025 (n − 1) s2 n µ ¯ X + t0.025 (n − 1) s2 n = 0.95 μの95% から,µ の 95%信頼区間は (6) 式のかっこ内の範囲となります。 信頼区間の なわち自由度 ν の 100α パーセント点の値を知るには,一緒に配布した数表(t ができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα (ν) が 下限 2 A. Asano, Kansai Univ. ¯ 読むことで求められます。この問題の場合,標本平均 X = 50,不偏分散 s = 2 − 1) = 2.262 ですから,µ の 95%信頼区間は「46.4(点)以上 53.6(点)以下」 のように,母分散が 25 とわかっているときには,µ の 95%信頼区間は「46.9(点 でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広い 不確かであることを意味しています。これは,不偏分散は母分散そのものではな 2013年度秋学期 統計学
188.
るような値」とすると t分布を用いた区間推定 ¯ X −µ P −t0.025 (n
− 1) s2 /n t0.025 (n − 1) = 0.95 ます(図 2) 。この式から, P ¯ X − t0.025 (n − 1) s2 n µ ¯ X + t0.025 (n − 1) s2 n = 0.95 μの95% μの95% から,µ の 95%信頼区間は (6) 式のかっこ内の範囲となります。 信頼区間の 信頼区間の なわち自由度 ν の 100α パーセント点の値を知るには,一緒に配布した数表(t ができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα (ν) が 下限 上限 2 A. Asano, Kansai Univ. ¯ 読むことで求められます。この問題の場合,標本平均 X = 50,不偏分散 s = 2 − 1) = 2.262 ですから,µ の 95%信頼区間は「46.4(点)以上 53.6(点)以下」 のように,母分散が 25 とわかっているときには,µ の 95%信頼区間は「46.9(点 でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広い 不確かであることを意味しています。これは,不偏分散は母分散そのものではな 2013年度秋学期 統計学
189.
るような値」とすると t分布を用いた区間推定 ¯ X −µ P −t0.025 (n
− 1) 例題では s2 /n t0.025 (n − 1) = 0.95 ます(図 2) 。この式から, P ¯ X − t0.025 (n − 1) s2 n µ ¯ X + t0.025 (n − 1) s2 n = 0.95 μの95% μの95% から,µ の 95%信頼区間は (6) 式のかっこ内の範囲となります。 信頼区間の 信頼区間の なわち自由度 ν の 100α パーセント点の値を知るには,一緒に配布した数表(t ができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα (ν) が 下限 上限 2 A. Asano, Kansai Univ. ¯ 読むことで求められます。この問題の場合,標本平均 X = 50,不偏分散 s = 2 − 1) = 2.262 ですから,µ の 95%信頼区間は「46.4(点)以上 53.6(点)以下」 のように,母分散が 25 とわかっているときには,µ の 95%信頼区間は「46.9(点 でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広い 不確かであることを意味しています。これは,不偏分散は母分散そのものではな 2013年度秋学期 統計学
190.
るような値」とすると t分布を用いた区間推定 ¯ X −µ P −t0.025 (n
− 1) 例題では s2 /n t0.025 (n − 1) = 0.95 ます(図 2) 。この式から, 標本平均=50 P ¯ X − t0.025 (n − 1) s2 n µ ¯ X + t0.025 (n − 1) s2 n = 0.95 μの95% μの95% から,µ の 95%信頼区間は (6) 式のかっこ内の範囲となります。 信頼区間の 信頼区間の なわち自由度 ν の 100α パーセント点の値を知るには,一緒に配布した数表(t ができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα (ν) が 下限 上限 2 A. Asano, Kansai Univ. ¯ 読むことで求められます。この問題の場合,標本平均 X = 50,不偏分散 s = 2 − 1) = 2.262 ですから,µ の 95%信頼区間は「46.4(点)以上 53.6(点)以下」 のように,母分散が 25 とわかっているときには,µ の 95%信頼区間は「46.9(点 でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広い 不確かであることを意味しています。これは,不偏分散は母分散そのものではな 2013年度秋学期 統計学
191.
るような値」とすると t分布を用いた区間推定 ¯ X −µ P −t0.025 (n
− 1) 例題では s2 /n t0.025 (n − 1) = 0.95 ます(図 2) 。この式から, 不偏分散=25 標本平均=50 P ¯ X − t0.025 (n − 1) s2 n µ ¯ X + t0.025 (n − 1) s2 n = 0.95 μの95% μの95% から,µ の 95%信頼区間は (6) 式のかっこ内の範囲となります。 信頼区間の 信頼区間の なわち自由度 ν の 100α パーセント点の値を知るには,一緒に配布した数表(t ができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα (ν) が 下限 上限 2 A. Asano, Kansai Univ. ¯ 読むことで求められます。この問題の場合,標本平均 X = 50,不偏分散 s = 2 − 1) = 2.262 ですから,µ の 95%信頼区間は「46.4(点)以上 53.6(点)以下」 のように,母分散が 25 とわかっているときには,µ の 95%信頼区間は「46.9(点 でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広い 不確かであることを意味しています。これは,不偏分散は母分散そのものではな 2013年度秋学期 統計学
192.
るような値」とすると t分布を用いた区間推定 ¯ X −µ P −t0.025 (n
− 1) 例題では s2 /n ます(図 2) 。この式から, 不偏分散=25 標本平均=50 P ¯ X − t0.025 (n − 1) s2 n µ t0.025 (n − 1) = 0.95 標本サイズ=10 ¯ X + t0.025 (n − 1) s2 n = 0.95 μの95% μの95% から,µ の 95%信頼区間は (6) 式のかっこ内の範囲となります。 信頼区間の 信頼区間の なわち自由度 ν の 100α パーセント点の値を知るには,一緒に配布した数表(t ができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα (ν) が 下限 上限 2 A. Asano, Kansai Univ. ¯ 読むことで求められます。この問題の場合,標本平均 X = 50,不偏分散 s = 2 − 1) = 2.262 ですから,µ の 95%信頼区間は「46.4(点)以上 53.6(点)以下」 のように,母分散が 25 とわかっているときには,µ の 95%信頼区間は「46.9(点 でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広い 不確かであることを意味しています。これは,不偏分散は母分散そのものではな 2013年度秋学期 統計学
193.
るような値」とすると t分布を用いた区間推定 ¯ X −µ P −t0.025 (n
− 1) 例題では s2 /n ます(図 2) 。この式から, 不偏分散=25 標本平均=50 P ¯ X − t0.025 (n − 1) s2 n µ t0.025 (n − 1) = 0.95 標本サイズ=10 ¯ X + t0.025 (n − 1) s2 n = 0.95 μの95% μの95% から,µ の 95%信頼区間は (6) 式のかっこ内の範囲となります。 信頼区間の 信頼区間の なわち自由度 ν の 100α パーセント点の値を知るには,一緒に配布した数表(t ができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα (ν) が 下限 上限 2 A. Asano, Kansai Univ. ¯ 読むことで求められます。この問題の場合,標本平均 X = 50,不偏分散 s = 2 − 1) = 2.262 ですから,µ の 95%信頼区間は「46.4(点)以上 53.6(点)以下」 のように,母分散が 25 とわかっているときには,µ の 95%信頼区間は「46.9(点 でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広い 不確かであることを意味しています。これは,不偏分散は母分散そのものではな 2013年度秋学期 統計学
194.
るような値」とすると t分布を用いた区間推定 ¯ X −µ P −t0.025 (n
− 1) 例題では s2 /n t0.025 (n − 1) = 0.95 t0.025(10-1)=2.262 ます(図 2) 。この式から, 不偏分散=25 標本サイズ=10 標本平均=50 P ¯ X − t0.025 (n − 1) s2 n µ ¯ X + t0.025 (n − 1) s2 n = 0.95 μの95% μの95% から,µ の 95%信頼区間は (6) 式のかっこ内の範囲となります。 信頼区間の 信頼区間の なわち自由度 ν の 100α パーセント点の値を知るには,一緒に配布した数表(t ができます。数表では,各自由度 ν(縦軸)と定数 α(横軸)に対して,tα (ν) が 下限 上限 2 A. Asano, Kansai Univ. ¯ 読むことで求められます。この問題の場合,標本平均 X = 50,不偏分散 s = 2 − 1) = 2.262 ですから,µ の 95%信頼区間は「46.4(点)以上 53.6(点)以下」 のように,母分散が 25 とわかっているときには,µ の 95%信頼区間は「46.9(点 でしたから,今回の場合の方が信頼区間が広くなっています。信頼区間が広い 不確かであることを意味しています。これは,不偏分散は母分散そのものではな 2013年度秋学期 統計学
Download now