平成 7 年度数学 (3) あるゲームを 回行ったときに勝つ確率が. 8のプレイヤーがいる このゲームは 回ごとに独 立であるとする a. このゲームを 5 回行う場合 中心極限定理を用いると このプレイヤーが 5 回以上勝つ確率 は である. 回以上ゲームをした場合 そのうちの勝ち数が 3 割以上

Size: px
Start display at page:

Download "平成 7 年度数学 (3) あるゲームを 回行ったときに勝つ確率が. 8のプレイヤーがいる このゲームは 回ごとに独 立であるとする a. このゲームを 5 回行う場合 中心極限定理を用いると このプレイヤーが 5 回以上勝つ確率 は である. 回以上ゲームをした場合 そのうちの勝ち数が 3 割以上"

Transcription

1 平成 7 年度数学 数学 ( 問題 ) 問題 から問題 3 を通じて必要であれば ( 付表 ) に記載された数値を用いなさい 問題. 次の ()~() の各問について 空欄に当てはまる最も適切なものをそれぞれの選択肢 の中から選び 解答用紙の所定の欄にマークしなさい なお 同じ選択肢を複数回選択してもよい 各 5 点 ( 計 6 点 ) ()つのサイコロを振る試行を 回繰り返すこととする 回目と 回目の試行でともにの目が出る事象を A 回目と 回目の試行でともに 3 以下の目が出る事象を 3 回目と 回目の試行でともに奇数の目が出る事象をC とする このとき 事象 A C のいずれかが発生する確率はである (A) 3 () 9 (C) 9 5 (D) 6 5 (E) () 7 3 (G) 7 37 (H) 8 () 次の確率分布のうち 再生性を持たないものはである ( 当てはまるものをすべてマークせよ ) ここで ある種類の確率分布が再生性を持つとは この種類の確率分布に従うつの独立な確率変数の和が 再び同じ種類の確率分布に従うことを意味するものとする (A) 二項分布 () ポアソン分布 (C) 負の二項分布 (D) 幾何分布 (E) 正規分布 () 指数分布 (G) ガンマ分布 (H) 分布

2 平成 7 年度数学 (3) あるゲームを 回行ったときに勝つ確率が. 8のプレイヤーがいる このゲームは 回ごとに独 立であるとする a. このゲームを 5 回行う場合 中心極限定理を用いると このプレイヤーが 5 回以上勝つ確率 は である. 回以上ゲームをした場合 そのうちの勝ち数が 3 割以上となる確率は. 以下となる ( は最も近い数値 は条件を満たす最小の自然数を選択すること ) [ の選択肢 ] (A). 6 (). (C). 3 (D). 9 (E). 3 (). 38 (G). (H). 3 [ の選択肢 ] (A)3 ()37 (C)33 (D)337 (E)3 ()37 (G)35 (H)357 () 確率変数 Y Z は互いに独立で すべて標準正規分布 N( ) に従うとき 確率変数 U Z Y の確率密度関数は f (u) u である u (A) u 3 (E) u u () () ue u 3 (C) u u (G) u e u (D) u u (H) e u

3 平成 7 年度数学 3 (5)から までの数字が記入された 個の球が箱に入っている この箱から 個の球を取り 出し 元に戻す試行を 5 回繰り返したところ 度だけ同じ数字が記入された球が取り出された このとき の最尤推定値は である なお 各球を取り出す確率は等しいものとする (A) 5 () 6 (C) 7 (D)8 (E) 9 () (G) (H) (6) ある電球の寿命は指数分布に従うことが分かっている いま電球の寿命の平均値を信頼係数 95% で区間推定するために 個の電球について 時間観測を行ったところ 観測終了時点までに寿命を迎えた 個の電球の寿命は次のとおりであった ( 単位 : 時間 ) このときの区間推定の上限と下限の差が 867 時間であったとき に最も近い数値は 時間である (A) 795 () 955 (C) 99 (D) (E) 33 () 533 (G) 593 (H) 658

4 平成 7 年度数学 (7) A 工場においてある製品を作るためにかかる時間を計ったところ 標本 5 個に対して平均 3 時間 標準偏差は3 時間であった 同じ製品を作るためにかかる時間を 工場においても計ったところ 標本 個に対して平均 x 時間 標準偏差は 時間であった この製品を作るためにかかる時間が A 工場 工場ともに同じ標準偏差の正規分布に従うものとして A 工場と 工場とでその平均時間に違いがあるかどうかを有意水準 5 % で検定を行ったところ A 工場と 工場の平均時間には違いがない という結果が得られた このとき 工場における平均 x 時間の取りうる値のうち 下限に最も近い数値は 時間であり 上限に最も近い数値は 時間である (A). 858 () (C) (D) (E) 8. 3 () (G) 3. 9 (H) 3. 7 (I) 3. 5 (J) (8)9 枚のカードに 3 9 の数字がそれぞれつ記入されている このカードの中から無作為に 枚のカードを同時に抜き出す この 枚のカードに記入された数字の和の平均に最も近い数値は 分散に最も近い数値は である (A) 9. (). (C). (D). (E). 7 (). (G) 3. 6 (H) 5. (I) 9. (J) 3. 3

5 平成 7 年度数学 5 (9) 以下のデータはある町における 5 日間の各日の最高気温 平均湿度 熱中症者数である 日目 日目 3 日目 日目 5 日目 最高気温 ( ) 平均湿度 (%) 熱中症者数 ( 人 ) 各日の最高気温を表すパラメータを x 平均湿度を表すパラメータを y 熱中症者数を表すパラメ ータを z とした時 z を x に回帰したモデル z x z を y に回帰したモデル z y を考える この時 z と x の相関係数に最も近い数値は であり z と y の相関係数に最も近い数値は である (A). (). 33 (C). 565 (D). 655 (E). 378 (). 87 (G). 373 (H). 557 (I). 73 (J). 837 () ある粒子は 数直線上の点 3 のいずれかの位置に置かれた場合 その後 時間の経過とと もに 以下の移動法則に従い 数直線上の点 3 5 を移動することが分かっている [ 移動法則 ] ある時点で点 ( 3 ) に位置していた場合に 次の 秒後に点 または に それぞれ確率 で移動し 点 または点 5 に達すると そこで移動を停止する この粒子がある時点で点 3 のいずれかに等しい確率で置かれたとして 秒後に点 に位置し ていたとき 最初に置かれた位置が点 3 であった確率に最も近い数値は である (A). 57 (). 933 (C). 53 (D). 5 (E). 68 (). 88 (G). 5 (H). 65

6 平成 7 年度数学 6 () AR() モデルY Y Y の平均 分散 および自己共分散 が下 = 記のとおり与えられているとき パラメータ および の分散 に最も近い数値はそれ ぞれ = = = 3 = となる [ の選択肢 ] (A) (). (C). (D). 33 (E). 83 () 5. (G) 5. 6 (H) 5. 5 [ 3 の選択肢 ] (A). 3 (). 5 (C). 75 (D). 76 (E). 333 (). 7 (G). 5 (H). 57 (I). 65 (J). 655 [ の選択肢 ] (A). 33 (). 338 (C). 35 (D). 35 (E). 358 (). 365 (G). 37 (H). 379

7 平成 7 年度数学 7 () 上の一様分布に従う乱数 U U 3 U U 5 U 6 おり得た U を生成し 標本 g( U) ex( U) を下表のと U ex( U) から 6 までの 平均 このとき 標本平均の分散に最も近い数値は となる 次に 負の相関法の効果を検証するために 上記の乱数のうち U U U 3 までと U U U 3 までを使用して下表を得た 3 U U ex( U) ex( U) から 3 までの 平均 このとき 負の相関法による平均の分散に最も近い数値は となり 標本平均の分散より も減少していることがわかる [ の選択肢 ] (A). (). 7 (C). 699 (D). 39 (E). 7 (). 93 (G). 367 (H). 79 [ の選択肢 ] (A). 5 (). 3 (C). 388 (D). 57 (E). 66 (). 86 (G). 6 (H). 8

8 平成 7 年度数学 8 問題. 次の ()~(3) の各問について 空欄に当てはまる最も適切なものをそれぞれの選択肢の中から つ選び 解答用紙の所定の欄にマークしなさい なお 同じ選択肢を複数回選択してもよい ( 点 ) ある池には 匹の魚がいる その中の 匹 3 は赤色であり 残りの 匹 3 3 すくい上げる試行を行うことにする なお 赤色のそれぞれの魚を a a a 黒色の は黒色であるとする この 匹の中から非復元抽出により無作為に 匹 それぞれの魚を と表すこととする () この試行における標本点 w はa a a から重複せずに 匹を選んで並べた順 列によって表すことができる ここで w を表す順列の第 番目 が赤色であれば 黒色であれば このとき と確率変数 の結合確率分布は を定義する となる 3 また となる となる確率 5 は ()() で定義した確率変数 () の結果を用いると期待値 EY は について Y と確率変数 Y を定義する となる E Y 6

9 平成 7 年度数学 9 また の分散 V および の共分散 Cov は V 7 Cov 8 であるため V Y 9 となる (9 と の解答は順不同 ) (3)() で定義した確率変数 Y について Y となる確率 Y は Y m となる ( と の解答は順不同 ) ここで : の比は一定のまま を十分大きくすると 確率 Y および分散 Y 次の式で近似される (56 と 78 の解答のペアは順不同 ) 3 V は Y V Y 9

10 平成 7 年度数学 [~ の選択肢 ] (A) () (C) (D) (E) () (G) (H) (I) (J) (K) (L) (M) (N) (O) () (Q) (U) (R) (V) (S) (W) (T) () (Y) (Z) [~ の選択肢 ] (A) () (C) (D) (E) () (G) (H) (I) (J) (K) (L) (M) (N) (O) ()

11 平成 7 年度数学 [6 8 の選択肢 ] (A) () (C) (D) (E) (I) () (G) (J) (H)

12 平成 7 年度数学 問題 3. 不良率が である母集団から大きさ の不良品が入っていたという ただし の標本を取り出したところ 個 とする が小さいときの不良率 を信頼係数 で精密法により区間推定する方法について 次の空欄に当てはまる最も適切なものをそれぞれの 選択肢の中から つ選び 解答用紙の所定の欄にマークしなさい なお 同じ選択肢を複数回選択し てもよい ここで 不良率とは 良品および不良品よりなる無限母集団からの標本が不良品である確率のことを いう ( 点 ) 個の標本中の 番目 の標本が不良品のときに 良品のときに となる確率変数を と おくと 不良率 の最尤推定量 ˆ は ˆ である ところで 個の標本中の不良品の個数を表す確率変数 は二項分布に従うから ˆ x 3 となる したがって 信頼係数 の と ˆ h h ; 5 5 h 6 の信頼区間を求めるには ˆ h h ; となる h h h を求めなければならない ここで a が正の整数のとき ベータ関数 a d の部分積分を考えると d となるから これを帰納的に用いて 7 a ; とおく であることに注意して a d

13 平成 7 年度数学 d ; と表せる ここで右辺において とおけば d ; を得る 右辺の被積分関数は自由度 の 分布の確率密度関数である したがって 自由度 の 分布に従う確率変数を とおくと ; ここで である また ; であり を とおき直すと ; ここで である これより h h について h h を得る したがって h h ˆ より の信頼区間として を得る この結果を用いて 個の標本のうち 個が不良品だったとすると 信頼係数 95 % のもとで の信頼区間の下限に最も近い数値はであり 上限に最も近い数値はである

14 平成 7 年度数学 [ の選択肢 ] (A) () (C) x (D) x (E) () (G) x (H) x [ 3 の選択肢 ] (A) () (C) x (D) (E) x () x (G) (H) x (I) (J) x [~6 の選択肢 ] (A) () (C) (D) (E) () (G) (H) (I) (J) (K) (L) [7 の選択肢 ] (A) () (C) (D) (E) () (G) (H)

15 平成 7 年度数学 5 [8 の選択肢 ] (A) () (C) (D) (E) () (G) (H) [9~ の選択肢 ] (A) () (C) (D) (E) () (G) (H) (I) (J) (K) (L) (M) (N) (O) () [3~8 の選択肢 ] (A) () (C) (D) (E) () (G) (H) (I) (J) (K) (L) [9~ の選択肢 ] (A) () (C) (D) (E) () (G) (H) (I) (J) (K) (L) (M) (N) (O) ()

16 平成 7 年度数学 6 [ 3 の選択肢 ] (A). 63 (). 7 (C). 9 (D). 9 (E) (). 75 (G). 859 (H). 933 (I). 93 (J). 9937

17 平成 7 年度数学 7 ( 付表 ) Ⅰ. 標準正規分布表上側 ε 点 u(ε ) から確率 εを求める表 x u (ε ) ε * = * = * = * = 3 * = * = 5 * = 6 * = 7 * = 8 * = 9.* * * * * * * * * * * * * * * * * * * * * * * * * * * * * *

18 平成 7 年度数学 8 x 確率 εから上側 ε 点 u (ε) を求める表 ε u (ε ) * = * = * = * = 3 * = * = 5 * = 6 * = 7 * = 8 * = 9.* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *

19 平成 7 年度数学 9 Ⅱ. 自由度 φ の χ 分布の上側 ε 点 : φ \ ε

20 平成 7 年度数学 Ⅲ. 分母の自由度 分子の自由度 m の 分布の上側 ε 点 : m ε =. \m ε =.5 \m ε =.5 \m ε =. \m ε =.5 \m

21 平成 7 年度数学 Ⅳ. 自由度 φ の 分布の上側 ε 点 : () Ⅴ. 自然対数表 Ⅵ. 指数関数表 φ \ ε..5.5 x log x x ex(x) 以上

22 問題 () 事象 C A の少なくともいずれか発生する確率は C A であり それは次式で表される C A A C C A C A C A ここで 確率 C A はそれぞれ A C である A は 回目の試行において の目 回目の試行において 3 以下の目 回目の試行において の目が出る事象である C は 回目と 回目の試行において 3 以下の目 3 回目と 回目の試行において奇数の目が出る事象である A C は 回目と 回目の試行において の目 3 回目の試行において奇数の目が出る事象である また C A は 回目と 回目の試行において の目 回目の試行において 3 以下の目 3 回目の試行において奇数の目が出る事象である よって 確率 C A A C C A はそれぞれ A 6 C A C 6 6 C A である 数学 ( 解答例 )

23 したがって A C である 36 9 よって 解答は () () 確率変数 あるか調べる Y が互いに独立な場合に Y の積率母関数を求めることにより 再生性が (A) Y は独立で それぞれ ( m ) ( ) に従うとすると m m M Y ( ) M ( ) MY ( ) ( e q) ( e q) ( e q) よって Y は ( m ) に従うことがわかり (A) 二項分布は再生性を持つ () Y は独立で それぞれ o( ) o( ) に従うとすると M Y ( ) M ( ) M Y ( ) e ( e -) e ( e -) e ( )( e -) よって Y は o( ) に従うことがわかり () ポアソン分布は再生性を持つ (C) Y は独立で それぞれ N( ) N( ) に従うとすると ( ) M Y ( ) M ( ) MY ( ) ( qe ) ( qe ) ( qe ) よって Y は N( ) に従うことがわかり (C) 負の二項分布は再生性を持つ (D) Y は独立で それぞれ G( ) G( ) に従うとすると M Y ( ) M ( ) M Y ( ) ( ) e ( ) e ( ) e ( ただし ( ) e ( ) e ) よって Y は G( ) に従わないことがわかり (D) 幾何分布は再生性を持たない (E) Y は独立で それぞれ N( ) N( ) に従うとすると M Y ( ) M ( ) M Y ( ) ( e )( e ) e ( ) ( ) よって Y は N( ) に従うことがわかり (E) 正規分布は再生性を持つ () Y は独立で それぞれ e( ) e( ) に従うとすると M Y ( ) M ( ) M Y ( ) ( ) ( ただし )

24 よって Y は e( ) に従わないことがわかり () 指数分布は再生性を持たない (G) Y は独立で それぞれ ( ) ( ) に従うとすると M Y ( ) M ( ) M Y ( ) ( ( ) ) ( ) ( ) ( ただし ) よって Y は ( ) に従うことがわかり (G) ガンマ分布は再生性を持つ (H) Y は独立で それぞれ ( m) ( ) に従うとすると M Y m m ) ( ) ( ( ) M ( ) M ( ) ( ) ( ただし ) Y よって Y は ( m ) に従うことがわかり (H) 分布は再生性を持つ よって 解答は (D)() (3) を勝ち数を表す確率変数とすると このプレイヤーが 回ゲームに勝つ確率は 5 5 ( ).8 (.8) : 5 また E ( ) 5.8 V ( ) であるから このプレイヤーが5 回以上勝つ確率は中心極限定理より E( ) 5 ( 5) ( ) V ( ).8 u().6 また 3 割以上勝つ確率が. 以下となるためには ゲームの回数を 回とおくと E ( ).8 V ( ).8.7 となるので E( ). (.3) ( ). V ( ).8.7. u(.86) を解くと であり ゲームの回数は 357 回以上である必要がある

25 よって 解答は (A)(H) () Y Z A とおくと A は負の値をとらず A Y Z U v a u とおけば この変換は a 平面の a なる部分 ( 第 象限 ) を uv 平面の v u なる部分に移す 対 の変換である v uv a より v u v v u a である また Z A および Y は互いに独立でそれぞれ自由度 の 分布に従うので 確率密度関数はそれぞれ ) ( a e a a g a a ) ( e h であり A の確率密度関数は ) ( a e a a その他 a となる ゆえに V A Y Z U の結合確率密度関数は v u のとき v e uv v u a a v u u v ) ( ) ( ) ( ) ( ) ( ) ( u v e v u また v u は負の値をとらないから v u でないときは ) ( v u よって U の ( 周辺 ) 確率密度関数は u のとき ) ( ) ( ) ( dv e v u dv v u u f u v

26 v( u ) ここで w とおけば f v(u) 3 w ( u) u v e dv u u w e dw 3 u u 3 ( 最後の符号で w w e dw を用いた ) なお u のとき( u v) より f ( u) である よって 解答は (E) ( 別解 ) 確率変数 A が互いに独立でそれぞれ自由度 m の - 分布に従うとき A m は自由 Z 度 ( m ) の - 分布に従うことから W は自由度 () の - 分布に従う Y したがって W の確率密度関数 (w) g は w のとき g( w) 3 w w 3 w w 3 w w 3 U Z W なので 変数変換により Y 8 f ( u) u u 3 を得る (5) 5 回の試行で 度だけ同じ数字が記入された球が取り出される確率 f () は 5 3 f ( ) ( )( )( 3) f () を最大にする を求めればよい f ( 7) f ( 8) f ( 9) f ( )

27 となり 8のとき f () は最大となることから の最尤推定値は 8 となる よって 解答は (D) (6) データの観測が 時間で打ち切られた場合 全体の電球の個数を N 観測終了時点までに 寿命が判明した電球の個数を 観測された電球の寿命を x ( 寿命判明分のみ ) とすると 指数分布の母平均の信頼区間は ˆ ( / ) ˆ ( / ) である ただし ここで ˆ x ( N ) とする なお 信頼係数は とし ( ) は自由度 の - 分布の上側 点とする 信頼区間の幅が 867 であることから ˆ ˆ 867 ( / ) ( / ) が成り立つ これより x ( N ) ( / ) 867 ( / ) となる これを について解くと 867 ( / ) ( / ) N x

28 となる ここに N x 3 87 および付表より ( / ) (.5) ( / ) (.975) 955 となる 9.598を代入して計算すると よって 解答は () (7) A 工場の標本数 5 標本平均 3 標準偏差 s 3 工場の標本数 標本平均 x 標準偏差 s である 帰無仮説 H : A 工場と 工場の平均時間には違いがない 対立仮説 H : A 工場と 工場の平均時間には違いがある として 有意水準 5 % で検定を行う 自由度 3 の 分布の. 5 % 点は (.5).687 であり 3 x 38 (3 x) 5 s s.687 であれば H は採択される x 3. 5 であれば H は採択される 工場からの標本の平均時間が 時間超 3. 5 時間未満であれば A 工場と 工場である製品を作るのにかかる時間は違いがないといえる よって 解答は () (I) (8) 母集団の数 N =9 標本数 = で 抽出した標本 ) について 9 Z R ( の期待値 E( ) 分散 V( ) = V ( Z R ) を求めればよい 8 ( ここで Z R は 母集団の総計の推定量とする ) 母平均を 母分散を とすると 定義より = 5 = 6. 67

29 ここで E( Z R ) = N V Z ) = N との関係を用いて ( R E( Z R ) = 5 V Z ) = これより ( R N N E( ) = V ) =. 67 ( よって 解答は () (E) (9) 各パラメータの平均 分散 共分散は下記の通り x 3. y 6 z S x 5 5 S y 5 5 S z S S xz yz x x. 66 y y 6 z z 6 xz xz. yz yz 以上より Sxz. xz =.5568 SxSz.66 6 Syz yz =.837 SySz 6 6 よって 解答は (H) (J) () この粒子の数直線上の位置は マルコフ過程 ( 連鎖 ) のモデルで表現することができる を数直線上の点...5 に位置していた状態から次の 秒後に点...5 に 移動する確率とすると このモデルの推移確率行列 は

30 で表せる ここで である ある時点で点 3 のいずれかに等しい確率で置かれるため 求める確率 は = 9 =.56 である よって 解答は (C) () ユール = ウォーカー方程式

31 を について解くと.5. 一方 自己相関の定義より であるので.7.7 上記の式に を代入し.65.5 となる については ) 5. 分散 については となる (.338 よって 解答は () (I) 3 () () () 標本分散および標本平均の分散は以下のとおりである ˆ ˆ 標本分散 ex( U) ex( U).538. 標本平均 ˆ 6 ˆ Va 6 ˆ の分散. 負の相関法による平均の分散は以下のとおりである 3 共分散 ex( U ).683 ex( U) 負の相関法の平均 ˆ 6 () ˆ () ˆ Va の分散 Va 共分散 よって 解答は (D) (A) ( 注 ) 本問は指定教科書 モデリング に準拠した出題であるが 標本分散を演習書 確

32 率統計演習 統計 における定義 共分散を演習書 確率統計演習 確率 における定義を用いて算出した場合の解答 (C)(D) も正解とした 問題 () のとき 事象 に属する標本点の個数は であるから となる 同様に 事象 または事象 に属する標本点の個数は であるから となる また 事象 に属する標本点の個数は であるから となる したがって の確率分布は である

33 よって 解答は (О) (Q) 3 () (J) 5 (I) () () より 確率変数 の期待値 E は E となる よって 確率変数 Y の期待値は E Y E となる また の期待値 E は E となる したがって の分散 V は E E V となる さらに のとき () より の期待値 E は E となるので 共分散 Cov は E E E Cov となる

34 したがって 確率変数 Y の分散 Y V は Cov V V V V Y V ) ( ) ( ) ( である よって 解答は 6 (K) 7 (U) 8 (Y) 9 (V) (E) (9 と は順不同 ) (3) 確率変数 Y のとりうる値は ) m( であり ) m( なる整数 に対して Y w ; なる事象に属する標本点の個数は である また 標本点の総数は であるから Y ) m( となる したがって 確率変数 Y は超幾何分布に従うことが分かる つぎに Y を展開すると

35 Y であるため : の比は一定のまま を十分大きくすると Y と近似され 確率変数 Y は二項分布 に従う したがって 分散 Y V は Y V と近似される Y V については () より Y V であるため lm Y V と解くこともできる よって 解答は () (M) 3 () (N) 5 (I) 6 () 7 (J) 8 () 9 (V) ( と は順不同 また 56 と 78 のペアは順不同 ) 問題 3 個の標本中の 番目 の標本が不良品のときに 良品のときに となる確率変数を とおくと 不良率 の最尤推定量 ˆ は ˆ である ところで 個の標本中の不良品の個数を表す確率変数 は二項分布に従うから

36 x x x x x x ˆ となる よって 解答は () (E) 3 (J) 信頼係数 の の信頼区間を求めるには ; とおくと ; ˆ h h h ; ˆ h h h となる h h を求めなければならない ここで a を正の整数とし ベータ関数 a a a であることに注意して d の部分積分を考えると d d d となる よって 解答は () 5 (E) 6 (K) 7 () これを帰納的に用いて d ; と表せる ここで右辺において とおけば d d d d

37 d d d d d d となることより d ; を得る よって 解答は 8 (G) 9 (D) (K) (M) (O) 右辺の被積分関数は自由度 の 分布の確率密度関数である したがって 自由度 の 分布に従う確率変数を とおくと ; ここで である また ; であり を とおき直すと ; ここで である が自由度 の 分布に従うとき は自由度 の 分布に従うから ; となる

38 よって 解答は 3 (K) (I) 5 () 6 () 7 () 8 () これより h h について h h を得る したがって h h ˆ より の信頼区間として を得る よって 解答は 9 () (M) (K) (O) この結果を用いて 個の標本のうち 個が不良品だったとすると となることより 信頼係数 95 % のもとで の信頼区間の下限は 63. 上限は.859 となる よって 解答は3 (A) (G)

39 問題 () () 5 点 (9) (H).5 点 () (D) () 完答で 5 点 (J).5 点 (3) (A).5 点 () (C) 5 点 (H).5 点 () () 点 () (E) 5 点 (I) 完答で 点 (5) (D) 5 点 3 () (6) () 5 点 () 点 (7) () 完答で 5 点 () (D) 点 (I) (A) と完答で 点 (8) () 点 (E) 3 点 () は指定教科書 モデリング に準拠した出題であるが 標本分散を演習書 確率統 計演習 統計 における定義 共分散を演習書 確率統計演習 確率 における定義を用 いて算出した場合の解答 (C)(D) も正解とした 問題 () (O) 点 (3) () 完答で 点 (Q) 点 (M) は順不同 3 () 点 3 () (J) 点 (N) 完答で 点 5 (I) 点 5 (I) 56 78の () 6 (K) 点 6 () ペアは順不同 7 (U) 点 7 (J) 8 (Y) 点 8 () 9 (V) 完答で 点 (E) 順不同 9 (V) 点

40 問題 3 () 点 3 (K) 完答で 点 (E) 完答で 点 (I) 3 (J) 5 () 完答で 点 () 完答で 点 6 () 5 (E) 7 () 完答で 点 6 (K) 8 () 7 () 9 () 完答で 点 8 (G) 点 (M) 9 (D) 完答で 点 (K) (K) (O) (M) 3 (A) 完答で 点 (O) (G)

基礎統計

基礎統計 基礎統計 第 11 回講義資料 6.4.2 標本平均の差の標本分布 母平均の差 標本平均の差をみれば良い ただし, 母分散に依存するため場合分けをする 1 2 3 分散が既知分散が未知であるが等しい分散が未知であり等しいとは限らない 1 母分散が既知のとき が既知 標準化変量 2 母分散が未知であり, 等しいとき 分散が未知であるが, 等しいということは分かっているとき 標準化変量 自由度 の t

More information

講義「○○○○」

講義「○○○○」 講義 信頼度の推定と立証 内容. 点推定と区間推定. 指数分布の点推定 区間推定 3. 指数分布 正規分布の信頼度推定 担当 : 倉敷哲生 ( ビジネスエンジニアリング専攻 ) 統計的推測 標本から得られる情報を基に 母集団に関する結論の導出が目的 測定値 x x x 3 : x 母集団 (populaio) 母集団の特性値 統計的推測 標本 (sample) 標本の特性値 分布のパラメータ ( 母数

More information

ビジネス統計 統計基礎とエクセル分析 正誤表

ビジネス統計 統計基礎とエクセル分析 正誤表 ビジネス統計統計基礎とエクセル分析 ビジネス統計スペシャリスト エクセル分析スペシャリスト 公式テキスト正誤表と学習用データ更新履歴 平成 30 年 5 月 14 日現在 公式テキスト正誤表 頁場所誤正修正 6 知識編第 章 -3-3 最頻値の解説内容 たとえば, 表.1 のデータであれば, 最頻値は 167.5cm というたとえば, 表.1 のデータであれば, 最頻値は 165.0cm ということになります

More information

情報工学概論

情報工学概論 確率と統計 中山クラス 第 11 週 0 本日の内容 第 3 回レポート解説 第 5 章 5.6 独立性の検定 ( カイ二乗検定 ) 5.7 サンプルサイズの検定結果への影響練習問題 (4),(5) 第 4 回レポート課題の説明 1 演習問題 ( 前回 ) の解説 勉強時間と定期試験の得点の関係を無相関検定により調べる. データ入力 > aa

More information

Microsoft PowerPoint - stat-2014-[9] pptx

Microsoft PowerPoint - stat-2014-[9] pptx 統計学 第 17 回 講義 母平均の区間推定 Part-1 014 年 6 17 ( )6-7 限 担当教員 : 唐渡 広志 ( からと こうじ ) 研究室 : 経済学研究棟 4 階 43 号室 email: kkarato@eco.u-toyama.ac.j website: htt://www3.u-toyama.ac.j/kkarato/ 1 講義の目的 標本平均は正規分布に従うという性質を

More information

基礎数理 ()Aさんは確定拠出年金の加入者となった 投資商品は収益率がそれぞれ独立な正規分布 N(7, σ ), N(, σ y ) に従う,Y から選択することとした の過去 8 年間の収益率の実績は {8,,,5,,-,6,}(%) Y の過去 6 年間の収益率の実績は {,,,4,,}(%)

基礎数理 ()Aさんは確定拠出年金の加入者となった 投資商品は収益率がそれぞれ独立な正規分布 N(7, σ ), N(, σ y ) に従う,Y から選択することとした の過去 8 年間の収益率の実績は {8,,,5,,-,6,}(%) Y の過去 6 年間の収益率の実績は {,,,4,,}(%) 平成 年 月 日 基礎数理 基礎数理 ( 問題 ) 問題. 次の () から (9) までの各問について それぞれの選択肢の中から正しい答えを選んで 指定 の解答用紙の所定欄にその記号を記入せよ ( 点 ) ()5 個のサイコロを転がすとき 得られたの目の数を の目の数をY とする この同時密度関数を f (, y) としたとき f (,) である ( ア ) 6 ( イ ) 7 5 ( ウ ) 7

More information

Microsoft Word - å“Ÿåłžå¸°173.docx

Microsoft Word - å“Ÿåłžå¸°173.docx 回帰分析 ( その 3) 経済情報処理 価格弾力性の推定ある商品について その購入量を w 単価を p とし それぞれの変化量を w p で表 w w すことにする この時 この商品の価格弾力性 は により定義される これ p p は p が 1 パーセント変化した場合に w が何パーセント変化するかを示したものである ここで p を 0 に近づけていった極限を考えると d ln w 1 dw dw

More information

Microsoft PowerPoint slide2forWeb.ppt [互換モード]

Microsoft PowerPoint slide2forWeb.ppt [互換モード] 講義内容 9..4 正規分布 ormal dstrbuto ガウス分布 Gaussa dstrbuto 中心極限定理 サンプルからの母集団統計量の推定 不偏推定量について 確率変数, 確率密度関数 確率密度関数 確率密度関数は積分したら. 平均 : 確率変数 分散 : 例 ある場所, ある日時での気温の確率. : 気温, : 気温 が起こる確率 標本平均とのアナロジー 類推 例 人の身長の分布と平均

More information

Microsoft PowerPoint - statistics pptx

Microsoft PowerPoint - statistics pptx 統計学 第 16 回 講義 母平均の区間推定 Part-1 016 年 6 10 ( ) 1 限 担当教員 : 唐渡 広志 ( からと こうじ ) 研究室 : 経済学研究棟 4 階 43 号室 email: kkarato@eco.u-toyama.ac.jp website: http://www3.u-toyama.ac.jp/kkarato/ 1 講義の目的 標本平均は正規分布に従うという性質を

More information

母平均 母分散 母標準偏差は, が連続的な場合も含めて, すべての個体の特性値 のすべての実現値 の平均 分散 標準偏差であると考えてよい 有限母集団で が離散的な場合, まさにその意味になるが, そうでない場合も, このように理解してよい 5 母数 母集団から定まる定数のこと 母平均, 母分散,

母平均 母分散 母標準偏差は, が連続的な場合も含めて, すべての個体の特性値 のすべての実現値 の平均 分散 標準偏差であると考えてよい 有限母集団で が離散的な場合, まさにその意味になるが, そうでない場合も, このように理解してよい 5 母数 母集団から定まる定数のこと 母平均, 母分散, . 無作為標本. 基本的用語 推測統計における基本的な用語を確認する 母集団 調査の対象になる集団のこと 最終的に, 判断の対象になる集団である 母集団の個体 母集団を構成する つ つのもののこと 母集団は個体の集まりである 個体の特性値 個体の特性を表す数値のこと 身長や体重など 特性値は, 変量ともいう 4 有限母集団と無限母集団 個体の個数が有限の母集団を 有限母集団, 個体の個数が無限の母集団を

More information

Microsoft PowerPoint - e-stat(OLS).pptx

Microsoft PowerPoint - e-stat(OLS).pptx 経済統計学 ( 補足 ) 最小二乗法について 担当 : 小塚匡文 2015 年 11 月 19 日 ( 改訂版 ) 神戸大学経済学部 2015 年度後期開講授業 補足 : 最小二乗法 ( 単回帰分析 ) 1.( 単純 ) 回帰分析とは? 標本サイズTの2 変数 ( ここではXとY) のデータが存在 YをXで説明する回帰方程式を推定するための方法 Y: 被説明変数 ( または従属変数 ) X: 説明変数

More information

<4D F736F F D208EC08CB18C7689E68A E F AA957A82C682948C9F92E82E646F63>

<4D F736F F D208EC08CB18C7689E68A E F AA957A82C682948C9F92E82E646F63> 第 7 回 t 分布と t 検定 実験計画学 A.t 分布 ( 小標本に関する平均の推定と検定 ) 前々回と前回の授業では, 標本が十分に大きいあるいは母分散が既知であることを条件に正規分布を用いて推定 検定した. しかし, 母集団が正規分布し, 標本が小さい場合には, 標本分散から母分散を推定するときの不確実さを加味したt 分布を用いて推定 検定しなければならない. t 分布は標本分散の自由度 f(

More information

Probit , Mixed logit

Probit , Mixed logit Probit, Mixed logit 2016/5/16 スタートアップゼミ #5 B4 後藤祥孝 1 0. 目次 Probit モデルについて 1. モデル概要 2. 定式化と理解 3. 推定 Mixed logit モデルについて 4. モデル概要 5. 定式化と理解 6. 推定 2 1.Probit 概要 プロビットモデルとは. 効用関数の誤差項に多変量正規分布を仮定したもの. 誤差項には様々な要因が存在するため,

More information

第7章

第7章 5. 推定と検定母集団分布の母数を推定する方法と仮説検定の方法を解説する まず 母数を一つの値で推定する点推定について 推定精度としての標準誤差を説明する また 母数が区間に存在することを推定する信頼区間も取り扱う 後半は統計的仮説検定について述べる 検定法の基本的な考え方と正規分布および二項確率についての検定法を解説する 5.1. 点推定先に述べた統計量は対応する母数の推定値である このように母数を一つの値およびベクトルで推定する場合を点推定

More information

Microsoft PowerPoint - statistics pptx

Microsoft PowerPoint - statistics pptx 統計学 第 17 回 講義 母平均の区間推定 Part- 016 年 6 14 ( )3 限 担当教員 : 唐渡 広志 ( からと こうじ ) 研究室 : 経済学研究棟 4 階 43 号室 email: kkarato@eco.u toyama.ac.jp website: http://www3.u toyama.ac.jp/kkarato/ 1 講義の目的 標本平均は正規分布に従うという性質を

More information

統計的データ解析

統計的データ解析 統計的データ解析 011 011.11.9 林田清 ( 大阪大学大学院理学研究科 ) 連続確率分布の平均値 分散 比較のため P(c ) c 分布 自由度 の ( カイ c 平均値 0, 標準偏差 1の正規分布 に従う変数 xの自乗和 c x =1 が従う分布を自由度 の分布と呼ぶ 一般に自由度の分布は f /1 c / / ( c ) {( c ) e }/ ( / ) 期待値 二乗 ) 分布 c

More information

ファイナンスのための数学基礎 第1回 オリエンテーション、ベクトル

ファイナンスのための数学基礎 第1回 オリエンテーション、ベクトル 時系列分析 変量時系列モデルとその性質 担当 : 長倉大輔 ( ながくらだいすけ 時系列モデル 時系列モデルとは時系列データを生み出すメカニズムとなるものである これは実際には未知である 私たちにできるのは観測された時系列データからその背後にある時系列モデルを推測 推定するだけである 以下ではいくつかの代表的な時系列モデルを考察する 自己回帰モデル (Auoregressive Model もっとも頻繁に使われる時系列モデルは自己回帰モデル

More information

第 3 回講義の項目と概要 統計的手法入門 : 品質のばらつきを解析する 平均と標準偏差 (P30) a) データは平均を見ただけではわからない 平均が同じだからといって 同一視してはいけない b) データのばらつきを示す 標準偏差 にも注目しよう c) 平均

第 3 回講義の項目と概要 統計的手法入門 : 品質のばらつきを解析する 平均と標準偏差 (P30) a) データは平均を見ただけではわからない 平均が同じだからといって 同一視してはいけない b) データのばらつきを示す 標準偏差 にも注目しよう c) 平均 第 3 回講義の項目と概要 016.8.9 1.3 統計的手法入門 : 品質のばらつきを解析する 1.3.1 平均と標準偏差 (P30) a) データは平均を見ただけではわからない 平均が同じだからといって 同一視してはいけない b) データのばらつきを示す 標準偏差 にも注目しよう c) 平均 :AVERAGE 関数, 標準偏差 :STDEVP 関数とSTDEVという関数 1 取得したデータそのものの標準偏差

More information

様々なミクロ計量モデル†

様々なミクロ計量モデル† 担当 : 長倉大輔 ( ながくらだいすけ ) この資料は私の講義において使用するために作成した資料です WEB ページ上で公開しており 自由に参照して頂いて構いません ただし 内容について 一応検証してありますが もし間違いがあった場合でもそれによって生じるいかなる損害 不利益について責任を負いかねますのでご了承ください 間違いは発見次第 継続的に直していますが まだ存在する可能性があります 1 カウントデータモデル

More information

Microsoft PowerPoint - Statistics[B]

Microsoft PowerPoint - Statistics[B] 講義の目的 サンプルサイズの大きい標本比率の分布は正規分布で近似できることを理解します 科目コード 130509, 130609, 110225 統計学講義第 19/20 回 2019 年 6 月 25 日 ( 火 )6/7 限 担当教員 : 唐渡広志 ( からと こうじ ) 研究室 : email: website: 経済学研究棟 4 階 432 号室 kkarato@eco.u-toyama.ac.jp

More information

Microsoft PowerPoint - 基礎・経済統計6.ppt

Microsoft PowerPoint - 基礎・経済統計6.ppt . 確率変数 基礎 経済統計 6 確率分布 事象を数値化したもの ( 事象ー > 数値 の関数 自然に数値されている場合 さいころの目 量的尺度 数値化が必要な場合 質的尺度, 順序的尺度 それらの尺度に数値を割り当てる 例えば, コインの表が出たら, 裏なら 0. 離散確率変数と連続確率変数 確率変数の値 連続値をとるもの 身長, 体重, 実質 GDP など とびとびの値 離散値をとるもの 新生児の性別

More information

Microsoft PowerPoint - sc7.ppt [互換モード]

Microsoft PowerPoint - sc7.ppt [互換モード] / 社会調査論 本章の概要 本章では クロス集計表を用いた独立性の検定を中心に方法を学ぶ 1) 立命館大学経済学部 寺脇 拓 2 11 1.1 比率の推定 ベルヌーイ分布 (Bernoulli distribution) 浄水器の所有率を推定したいとする 浄水器の所有の有無を表す変数をxで表し 浄水器をもっている を 1 浄水器をもっていない を 0 で表す 母集団の浄水器を持っている人の割合をpで表すとすると

More information

RSS Higher Certificate in Statistics, Specimen A Module 3: Basic Statistical Methods Solutions Question 1 (i) 帰無仮説 : 200C と 250C において鉄鋼の破壊応力の母平均には違いはな

RSS Higher Certificate in Statistics, Specimen A Module 3: Basic Statistical Methods Solutions Question 1 (i) 帰無仮説 : 200C と 250C において鉄鋼の破壊応力の母平均には違いはな RSS Higher Certiicate in Statistics, Specimen A Module 3: Basic Statistical Methods Solutions Question (i) 帰無仮説 : 00C と 50C において鉄鋼の破壊応力の母平均には違いはない. 対立仮説 : 破壊応力の母平均には違いがあり, 50C の方ときの方が大きい. n 8, n 7, x 59.6,

More information

Microsoft Word - Time Series Basic - Modeling.doc

Microsoft Word - Time Series Basic - Modeling.doc 時系列解析入門 モデリング. 確率分布と統計的モデル が確率変数 (radom varable のとき すべての実数 R に対して となる確 率 Prob( が定められる これを の関数とみなして G( Prob ( とあらわすとき G( を確率変数 の分布関数 (probablt dstrbuto ucto と呼 ぶ 時系列解析で用いられる確率変数は通常連続型と呼ばれるもので その分布関数は (

More information

EBNと疫学

EBNと疫学 推定と検定 57 ( 復習 ) 記述統計と推測統計 統計解析は大きく 2 つに分けられる 記述統計 推測統計 記述統計 観察集団の特性を示すもの 代表値 ( 平均値や中央値 ) や ばらつきの指標 ( 標準偏差など ) 図表を効果的に使う 推測統計 観察集団のデータから母集団の特性を 推定 する 平均 / 分散 / 係数値などの推定 ( 点推定 ) 点推定値のばらつきを調べる ( 区間推定 ) 検定統計量を用いた検定

More information

確率分布 - 確率と計算 1 6 回に 1 回の割合で 1 の目が出るさいころがある. このさいころを 6 回投げたとき,1 度も 1 の目が出ない確率を求めよ. 5 6 /6 6 =15625/46656= (5/6) 6 = ある市の気象観測所での記録では, 毎年雨の降る

確率分布 - 確率と計算 1 6 回に 1 回の割合で 1 の目が出るさいころがある. このさいころを 6 回投げたとき,1 度も 1 の目が出ない確率を求めよ. 5 6 /6 6 =15625/46656= (5/6) 6 = ある市の気象観測所での記録では, 毎年雨の降る 確率分布 - 確率と計算 6 回に 回の割合で の目が出るさいころがある. このさいころを 6 回投げたとき 度も の目が出ない確率を求めよ. 5 6 /6 6 =565/46656=.48 (5/6) 6 =.48 ある市の気象観測所での記録では 毎年雨の降る日と降らない日の割合は概ね :9 で一定している. 前日に発表される予報の精度は 8% で 残りの % は実際とは逆の天気を予報している.

More information

スライド 1

スライド 1 データ解析特論第 10 回 ( 全 15 回 ) 2012 年 12 月 11 日 ( 火 ) 情報エレクトロニクス専攻横田孝義 1 終了 11/13 11/20 重回帰分析をしばらくやります 12/4 12/11 12/18 2 前回から回帰分析について学習しています 3 ( 単 ) 回帰分析 単回帰分析では一つの従属変数 ( 目的変数 ) を 一つの独立変数 ( 説明変数 ) で予測する事を考える

More information

Microsoft PowerPoint - Econometrics pptx

Microsoft PowerPoint - Econometrics pptx 計量経済学講義 第 4 回回帰モデルの診断と選択 Part 07 年 ( ) 限 担当教員 : 唐渡 広志 研究室 : 経済学研究棟 4 階 43 号室 emal: kkarato@eco.u-toyama.ac.p webste: http://www3.u-toyama.ac.p/kkarato/ 講義の目的 誤差項の分散が不均 である場合や, 系列相関を持つ場合についての検定 法と修正 法を学びます

More information

横浜市環境科学研究所

横浜市環境科学研究所 周期時系列の統計解析 単回帰分析 io 8 年 3 日 周期時系列に季節調整を行わないで単回帰分析を適用すると, 回帰係数には周期成分の影響が加わる. ここでは, 周期時系列をコサイン関数モデルで近似し単回帰分析によりモデルの回帰係数を求め, 周期成分の影響を検討した. また, その結果を気温時系列に当てはめ, 課題等について考察した. 気温時系列とコサイン関数モデル第 報の結果を利用するので, その一部を再掲する.

More information

統計学 - 社会統計の基礎 - 正規分布 標準正規分布累積分布関数の逆関数 t 分布正規分布に従うサンプルの平均の信頼区間 担当 : 岸 康人 資料ページ :

統計学 - 社会統計の基礎 - 正規分布 標準正規分布累積分布関数の逆関数 t 分布正規分布に従うサンプルの平均の信頼区間 担当 : 岸 康人 資料ページ : 統計学 - 社会統計の基礎 - 正規分布 標準正規分布累積分布関数の逆関数 t 分布正規分布に従うサンプルの平均の信頼区間 担当 : 岸 康人 資料ページ : https://goo.gl/qw1djw 正規分布 ( 復習 ) 正規分布 (Normal Distribution)N (μ, σ 2 ) 別名 : ガウス分布 (Gaussian Distribution) 密度関数 Excel:= NORM.DIST

More information

(.3) 式 z / の計算, alpha( ), sigma( ) から, 値 ( 区間幅 ) を計算 siki.3<-fuctio(, alpha, sigma) elta <- qorm(-alpha/) sigma /sqrt() elta [ 例 ]., 信頼率 として, サイ

(.3) 式 z / の計算, alpha( ), sigma( ) から, 値 ( 区間幅 ) を計算 siki.3<-fuctio(, alpha, sigma) elta <- qorm(-alpha/) sigma /sqrt() elta [ 例 ]., 信頼率 として, サイ 区間推定に基づくサンプルサイズの設計方法 7.7. 株式会社応用数理研究所佐々木俊久 永田靖 サンプルサイズの決め方 朝倉書店 (3) の 章です 原本とおなじ 6 種類を記述していますが 平均値関連 4 つをから4 章とし, 分散の つを 5,6 章に順序を変更しました 推定手順 サンプルサイズの設計方法は, 原本をそのまま引用しています R(S-PLUS) 関数での計算方法および例を追加しました.

More information

<4D F736F F D208D A778D5A8A778F4B8E7793B CC A7795D2816A2E646F6378>

<4D F736F F D208D A778D5A8A778F4B8E7793B CC A7795D2816A2E646F6378> 高等学校学習指導要領解説数学統計関係部分抜粋 第 部数学第 2 章各科目第 節数学 Ⅰ 3 内容と内容の取扱い (4) データの分析 (4) データの分析統計の基本的な考えを理解するとともに, それを用いてデータを整理 分析し傾向を把握できるようにする アデータの散らばり四分位偏差, 分散及び標準偏差などの意味について理解し, それらを用いてデータの傾向を把握し, 説明すること イデータの相関散布図や相関係数の意味を理解し,

More information

Microsoft Word - appendix_b

Microsoft Word - appendix_b 付録 B エクセルの使い方 藪友良 (2019/04/05) 統計学を勉強しても やはり実際に自分で使ってみないと理解は十分ではあ りません ここでは 実際に統計分析を使う方法のひとつとして Microsoft Office のエクセルの使い方を解説します B.1 分析ツールエクセルについている分析ツールという機能を使えば さまざまな統計分析が可能です まず この機能を使えるように設定をします もし

More information

<4D F736F F D2090B695A8939D8C768A E F AA957A82C682948C9F92E8>

<4D F736F F D2090B695A8939D8C768A E F AA957A82C682948C9F92E8> 第 8 回 t 分布と t 検定 生物統計学 A.t 分布 ( 小標本に関する平均の推定と検定 ) 前々回と前回の授業では, 標本が十分に大きいあるいは母分散が既知であることを条件に正規分布を用いて推定 検定した. しかし, 母集団が正規分布し, 標本が小さい場合には, 標本分散から母分散を推定するときの不確実さを加味したt 分布を用いて推定 検定しなければならない. t 分布は標本分散の自由度 f(

More information

Python-statistics5 Python で統計学を学ぶ (5) この内容は山田 杉澤 村井 (2008) R によるやさしい統計学 (

Python-statistics5   Python で統計学を学ぶ (5) この内容は山田 杉澤 村井 (2008) R によるやさしい統計学 ( http://localhost:8888/notebooks/... Python で統計学を学ぶ (5) この内容は山田 杉澤 村井 (2008) R によるやさしい統計学 (http://shop.ohmsha.co.jp/shop /shopdetail.html?brandcode=000000001781&search=978-4-274-06710-5&sort=) を参考にしています

More information

Microsoft Word - Stattext12.doc

Microsoft Word - Stattext12.doc 章対応のない 群間の量的データの検定. 検定手順 この章ではデータ間に 対 の対応のないつの標本から推定される母集団間の平均値や中央値の比較を行ないます 検定手法は 図. のようにまず正規に従うかどうかを調べます 但し この場合はつの群が共に正規に従うことを調べる必要があります 次に 群とも正規ならば F 検定を用いて等分散であるかどうかを調べます 等分散の場合は t 検定 等分散でない場合はウェルチ

More information

データ解析

データ解析 データ解析 ( 前期 ) 最小二乗法 向井厚志 005 年度テキスト 0 データ解析 - 最小二乗法 - 目次 第 回 Σ の計算 第 回ヒストグラム 第 3 回平均と標準偏差 6 第 回誤差の伝播 8 第 5 回正規分布 0 第 6 回最尤性原理 第 7 回正規分布の 分布の幅 第 8 回最小二乗法 6 第 9 回最小二乗法の練習 8 第 0 回最小二乗法の推定誤差 0 第 回推定誤差の計算 第

More information

Microsoft PowerPoint - 測量学.ppt [互換モード]

Microsoft PowerPoint - 測量学.ppt [互換モード] 8/5/ 誤差理論 測定の分類 性格による分類 独立 ( な ) 測定 : 測定値がある条件を満たさなければならないなどの拘束や制約を持たないで独立して行う測定 条件 ( 付き ) 測定 : 三角形の 3 つの内角の和のように, 個々の測定値間に満たすべき条件式が存在する場合の測定 方法による分類 直接測定 : 距離や角度などを機器を用いて直接行う測定 間接測定 : 求めるべき量を直接測定するのではなく,

More information

Microsoft Word - Stattext07.doc

Microsoft Word - Stattext07.doc 7 章正規分布 正規分布 (ormal dstrbuto) は 偶発的なデータのゆらぎによって生じる統計学で最も基本的な確率分布です この章では正規分布についてその性質を詳しく見て行きましょう 7. 一般の正規分布正規分布は 平均と分散の つの量によって完全に特徴付けられています 平均 μ 分散 の正規分布は N ( μ, ) 分布とも書かれます ここに N は ormal の頭文字を 表わしています

More information

Microsoft Word - Stattext13.doc

Microsoft Word - Stattext13.doc 3 章対応のある 群間の量的データの検定 3. 検定手順 この章では対応がある場合の量的データの検定方法について学びます この場合も図 3. のように最初に正規に従うかどうかを調べます 正規性が認められた場合は対応がある場合の t 検定 正規性が認められない場合はウィルコクソン (Wlcoxo) の符号付き順位和検定を行ないます 章で述べた検定方法と似ていますが ここでは対応のあるデータ同士を引き算した値を用いて判断します

More information

スライド 1

スライド 1 データ解析特論重回帰分析編 2017 年 7 月 10 日 ( 月 )~ 情報エレクトロニクスコース横田孝義 1 ( 単 ) 回帰分析 単回帰分析では一つの従属変数 ( 目的変数 ) を 一つの独立変数 ( 説明変数 ) で予測する事を考える 具体的には y = a + bx という回帰直線 ( モデル ) でデータを代表させる このためにデータからこの回帰直線の切片 (a) と傾き (b) を最小

More information

Microsoft PowerPoint - statistics pptx

Microsoft PowerPoint - statistics pptx 統計学 第 回 講義 仮説検定 Part-3 06 年 6 8 ( )3 限 担当教員 唐渡 広志 ( からと こうじ ) 研究室 経済学研究棟 4 階 43 号室 email kkarato@eco.u-toyama.ac.j webite htt://www3.u-toyama.ac.j/kkarato/ 講義の目的 つの 集団の平均 ( 率 ) に差があるかどうかを検定する 法を理解します keyword:

More information

Kumamoto University Center for Multimedia and Information Technologies Lab. 熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI 宮崎県美郷

Kumamoto University Center for Multimedia and Information Technologies Lab. 熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI 宮崎県美郷 熊本大学アプリケーション実験 ~ 実環境における無線 LAN 受信電波強度を用いた位置推定手法の検討 ~ InKIAI プロジェクト @ 宮崎県美郷町 熊本大学副島慶人川村諒 1 実験の目的 従来 信号の受信電波強度 (RSSI:RecevedSgnal StrengthIndcator) により 対象の位置を推定する手法として 無線 LAN の AP(AccessPont) から受信する信号の減衰量をもとに位置を推定する手法が多く検討されている

More information

チェビシェフ多項式の2変数への拡張と公開鍵暗号(ElGamal暗号)への応用

チェビシェフ多項式の2変数への拡張と公開鍵暗号(ElGamal暗号)への応用 チェビシェフ多項式の 変数への拡張と公開鍵暗号 Ell 暗号 への応用 Ⅰ. チェビシェフ Chbhv Chbhv の多項式 より であるから よって ここで とおくと coθ iθ coθ iθ iθ coθcoθ 4 4 iθ iθ iθ iθ iθ i θ i θ i θ i θ co θ co θ} co θ coθcoθ co θ coθ coθ したがって が成り立つ この漸化式と であることより

More information

<4D F736F F D208EC08CB18C7689E68A E F193F18D8095AA957A C C839395AA957A814590B38B4B95AA957A2E646F63>

<4D F736F F D208EC08CB18C7689E68A E F193F18D8095AA957A C C839395AA957A814590B38B4B95AA957A2E646F63> 第 4 回二項分布, ポアソン分布, 正規分布 実験計画学 009 年 月 0 日 A. 代表的な分布. 離散分布 二項分布大きさ n の標本で, 事象 Eの起こる確率を p とするとき, そのうち x 個にEが起こる確率 P(x) は二項分布に従う. 例さいころを 0 回振ったときに の出る回数 x の確率分布は二項分布に従う. この場合, n = 0, p = 6 の二項分布になる さいころを

More information

多変量解析 ~ 重回帰分析 ~ 2006 年 4 月 21 日 ( 金 ) 南慶典

多変量解析 ~ 重回帰分析 ~ 2006 年 4 月 21 日 ( 金 ) 南慶典 多変量解析 ~ 重回帰分析 ~ 2006 年 4 月 21 日 ( 金 ) 南慶典 重回帰分析とは? 重回帰分析とは複数の説明変数から目的変数との関係性を予測 評価説明変数 ( 数量データ ) は目的変数を説明するのに有効であるか得られた関係性より未知のデータの妥当性を判断する これを重回帰分析という つまり どんなことをするのか? 1 最小 2 乗法により重回帰モデルを想定 2 自由度調整済寄与率を求め

More information

統計学 Ⅱ8-9 章 確率分布 確率の条件 8 ページ p: 確率関数 p は の関数とみなせる 確率分布 : すべてのに関する = または p の分布 グラフや表で表わすことが多い サイコロの例 : 計 縦軸は p または = 棒の幅は 線 確率 p.. = / / / / / / サイコロの目の

統計学 Ⅱ8-9 章 確率分布 確率の条件 8 ページ p: 確率関数 p は の関数とみなせる 確率分布 : すべてのに関する = または p の分布 グラフや表で表わすことが多い サイコロの例 : 計 縦軸は p または = 棒の幅は 線 確率 p.. = / / / / / / サイコロの目の 統計学 Ⅱ8-9 章 章確率と確率分布. 確率変数と離散的確率分布 確率変数 確率分布. 確率変数の平均と分散 確率変数 の平均と期待値 確率変数 の分散 期待値の性質 期待値の一般的な定義 基準化確率変数 歪度 尖度. 同時確率 周辺確率 条件付確率 項確率モデル 同時確率と同時確率分布 周辺確率 一般的な場合の同時確率 周辺確率 条件付確率 ベイズの定理. つの確率変数の平均 分散 共分散 変数の関数の期待値

More information

2011年度 大阪大・理系数学

2011年度 大阪大・理系数学 0 大阪大学 ( 理系 ) 前期日程問題 解答解説のページへ a a を自然数とする O を原点とする座標平面上で行列 A= a の表す 次変換 を f とする cosθ siθ () >0 および0θ

More information

Microsoft Word - NumericalComputation.docx

Microsoft Word - NumericalComputation.docx 数値計算入門 武尾英哉. 離散数学と数値計算 数学的解法の中には理論計算では求められないものもある. 例えば, 定積分は, まずは積分 ( 被積分関数の原始関数をみつけること できなければ値を得ることはできない. また, ある関数の所定の値における微分値を得るには, まずその関数の微分ができなければならない. さらに代数方程式の解を得るためには, 解析的に代数方程式を解く必要がある. ところが, これらは必ずしも解析的に導けるとは限らない.

More information

数値計算法

数値計算法 数値計算法 011/5/5 林田清 ( 大阪大学大学院理学研究科 ) レポート課題 1( 締め切りは 5/5) 平均値と標準偏差を求めるプログラム 入力 : データの数 データ データは以下の 10 個 ( 例えばある月の最高気温 ( )10 日分 ) 34.3,5.0,3.,34.6,.9,7.7,30.6,5.8,3.0,31.3 出力 :( 標本 ) 平均値 標準偏差 ソースプログラムと出力結果をメイルの本文にして

More information

<4D F736F F D208EC08CB18C7689E68A E F1939D8C E82E646F63>

<4D F736F F D208EC08CB18C7689E68A E F1939D8C E82E646F63> 第 5 回統計的推定 実験計画学 A. 統計的推定と検定母集団から無作為抽出した標本から母集団についてなんらかの推論を行う. この場合, 統計から行う推論には統計的 ( ) と統計的 ( ) の 2つがある. 推定統計的に標本の統計量から母集団の母数 ( 母平均, 母標準偏差など ) を推論することを統計的推定という. 例 : 視聴率調査を 200 人に対して行い, 番組 Aの視聴率を推定した. 検定統計的に標本の統計量から母数に関する予想の真偽を検証することを統計的検定という.

More information

不偏推定量

不偏推定量 不偏推定量 情報科学の補足資料 018 年 6 月 7 日藤本祥二 統計的推定 (statistical estimatio) 確率分布が理論的に分かっている標本統計量を利用する 確率分布の期待値の値をそのまま推定値とするのが点推定 ( 信頼度 0%) 点推定に ± で幅を持たせて信頼度を上げたものが区間推定 持たせた幅のことを誤差 (error) と呼ぶ 信頼度 (cofidece level)

More information

禁無断転載 第 3 章統計的手法に用いられる分布 All rights reserved (C) 芳賀 第 1 節我々の身の回りにある代表的分布と性質 1. 分布の表わし方我々の身の回りにある全てのものは ばらつきを持っています 収集したデータを分析していくためには このばらつきがどのような分布にな

禁無断転載 第 3 章統計的手法に用いられる分布 All rights reserved (C) 芳賀 第 1 節我々の身の回りにある代表的分布と性質 1. 分布の表わし方我々の身の回りにある全てのものは ばらつきを持っています 収集したデータを分析していくためには このばらつきがどのような分布にな 第 3 章統計的手法に用いられる分布 第 節我々の身の回りにある代表的分布と性質. 分布の表わし方我々の身の回りにある全てのものは ばらつきを持っています 収集したデータを分析していくためには このばらつきがどのような分布になっているかを明確に表現し 分析 比較を行えるようにしなければなりません この手法を覚えるようにしましょう () 分布の示し方収集した分布の全体的状態を目視で確認 比較するためには

More information

統計学 Ⅱ( 章 ( 区間推定のシミュレーション 母平均 μ の区間推定 X ~ N, のとき X T ~ 自由度 1の t分布 1 自由度 -1のt 分布の97.5% 点 :t.975 P t T t この式に T を代入する t.975 母集団

統計学 Ⅱ( 章 ( 区間推定のシミュレーション 母平均 μ の区間推定 X ~ N, のとき X T ~ 自由度 1の t分布 1 自由度 -1のt 分布の97.5% 点 :t.975 P t T t この式に T を代入する t.975 母集団 統計学 Ⅱ(16 11-1 章 11 章母集団パラメータの推定 1. 信頼区間 (1 点推定と区間推定 ( 区間推定のシミュレーション (3 母平均 μの信頼区間 (4 母比率 pの信頼区間 (5 母比率 pのより厳密な信頼区間. 点推定量の特性 (1 標本平均 X の持つ望ましい性質 ( 不偏性 (3 推定量の分散と有効性 (4 平均 乗誤差 MEと最小分散性 (5 一致性 (6 チェビシェフの不等式

More information

自動車感性評価学 1. 二項検定 内容 2 3. 質的データの解析方法 1 ( 名義尺度 ) 2.χ 2 検定 タイプ 1. 二項検定 官能検査における分類データの解析法 識別できるかを調べる 嗜好に差があるかを調べる 2 点比較法 2 点識別法 2 点嗜好法 3 点比較法 3 点識別法 3 点嗜好

自動車感性評価学 1. 二項検定 内容 2 3. 質的データの解析方法 1 ( 名義尺度 ) 2.χ 2 検定 タイプ 1. 二項検定 官能検査における分類データの解析法 識別できるかを調べる 嗜好に差があるかを調べる 2 点比較法 2 点識別法 2 点嗜好法 3 点比較法 3 点識別法 3 点嗜好 . 内容 3. 質的データの解析方法 ( 名義尺度 ).χ 検定 タイプ. 官能検査における分類データの解析法 識別できるかを調べる 嗜好に差があるかを調べる 点比較法 点識別法 点嗜好法 3 点比較法 3 点識別法 3 点嗜好法 : 点比較法 : 点識別法 配偶法 配偶法 ( 官能評価の基礎と応用 ) 3 A か B かの判定において 回の判定でAが選ばれる回数 kは p の二項分布に従う H :

More information

仮説検定を伴う方法では 検定の仮定が満たされ 検定に適切な検出力があり データの分析に使用される近似で有効な結果が得られることを確認することを推奨します カイ二乗検定の場合 仮定はデータ収集に固有であるためデータチェックでは対応しません Minitab は近似法の検出力と妥当性に焦点を絞っています

仮説検定を伴う方法では 検定の仮定が満たされ 検定に適切な検出力があり データの分析に使用される近似で有効な結果が得られることを確認することを推奨します カイ二乗検定の場合 仮定はデータ収集に固有であるためデータチェックでは対応しません Minitab は近似法の検出力と妥当性に焦点を絞っています MINITAB アシスタントホワイトペーパー本書は Minitab 統計ソフトウェアのアシスタントで使用される方法およびデータチェックを開発するため Minitab の統計専門家によって行われた調査に関する一連の文書の 1 つです カイ二乗検定 概要 実際には 連続データの収集が不可能な場合や難しい場合 品質の専門家は工程を評価するためのカテゴリデータの収集が必要となることがあります たとえば 製品は不良

More information

Microsoft Word - 補論3.2

Microsoft Word - 補論3.2 補論 3. 多変量 GARC モデル 07//6 新谷元嗣 藪友良 対数尤度関数 3 章 7 節では 変量の対数尤度を求めた ここでは多変量の場合 とくに 変量について対数尤度を求める 誤差項 は平均 0 で 次元の正規分布に従うとする 単純化のため 分散と共分散は時間を通じて一定としよう ( この仮定は後で変更される ) したがって ij から添え字 を除くことができる このとき と の尤度関数は

More information

テレビ講座追加資料1105

テレビ講座追加資料1105 数学類題にチャレンジ 資料の活用 資料の活用語句のまとめ 階級 資料を整理したときの つ つの区間のこと 階級の幅 区間の幅のこと 各階級の最大値と最小値の差 度数 各階級にはいる資料の個数 ( 人数 ) のこと 度数分布表 資料をいくつかの階級に分け 階級ごとに度数を示して分布の様子をわかりやすくした表のこと 階級値 度数分布表で 各階級の真ん中の値のこと ヒストグラム 度数分布多角形 ( 度数折れ線

More information

スライド 1

スライド 1 計測工学第 12 回以降 測定値の誤差と精度編 2014 年 7 月 2 日 ( 水 )~7 月 16 日 ( 水 ) 知能情報工学科 横田孝義 1 授業計画 4/9 4/16 4/23 5/7 5/14 5/21 5/28 6/4 6/11 6/18 6/25 7/2 7/9 7/16 7/23 2 誤差とその取扱い 3 誤差 = 測定値 真の値 相対誤差 = 誤差 / 真の値 4 誤差 (error)

More information

Microsoft PowerPoint - ch04j

Microsoft PowerPoint - ch04j Ch.4 重回帰分析 : 推論 重回帰分析 y = 0 + 1 x 1 + 2 x 2 +... + k x k + u 2. 推論 1. OLS 推定量の標本分布 2. 1 係数の仮説検定 : t 検定 3. 信頼区間 4. 係数の線形結合への仮説検定 5. 複数線形制約の検定 : F 検定 6. 回帰結果の報告 入門計量経済学 1 入門計量経済学 2 OLS 推定量の標本分布について OLS 推定量は確率変数

More information

ベイズ統計入門

ベイズ統計入門 ベイズ統計入門 条件付確率 事象 F が起こったことが既知であるという条件の下で E が起こる確率を条件付確率 (codtoal probablt) という P ( E F ) P ( E F ) P( F ) 定義式を変形すると 確率の乗法公式となる ( E F ) P( F ) P( E F ) P( E) P( F E) P 事象の独立 ある事象の生起する確率が 他のある事象が生起するかどうかによって変化しないとき

More information

14 化学実験法 II( 吉村 ( 洋 mmol/l の半分だったから さんの測定値は くんの測定値の 4 倍の重みがあり 推定値 としては 0.68 mmol/l その標準偏差は mmol/l 程度ということになる 測定値を 特徴づけるパラメータ t を推定するこの手

14 化学実験法 II( 吉村 ( 洋 mmol/l の半分だったから さんの測定値は くんの測定値の 4 倍の重みがあり 推定値 としては 0.68 mmol/l その標準偏差は mmol/l 程度ということになる 測定値を 特徴づけるパラメータ t を推定するこの手 14 化学実験法 II( 吉村 ( 洋 014.6.1. 最小 乗法のはなし 014.6.1. 内容 最小 乗法のはなし...1 最小 乗法の考え方...1 最小 乗法によるパラメータの決定... パラメータの信頼区間...3 重みの異なるデータの取扱い...4 相関係数 決定係数 ( 最小 乗法を語るもう一つの立場...5 実験条件の誤差の影響...5 問題...6 最小 乗法の考え方 飲料水中のカルシウム濃度を

More information

<4D F736F F D208EC08CB18C7689E68A E F193F18D8095AA957A C C839395AA957A814590B38B4B95AA957A2E646F63>

<4D F736F F D208EC08CB18C7689E68A E F193F18D8095AA957A C C839395AA957A814590B38B4B95AA957A2E646F63> 第 4 回二項分布, ポアソン分布, 正規分布 実験計画学 A. 代表的な分布. 離散分布 二項分布大きさ n の標本で, 事象 Eの起こる確率を p とするとき, そのうち x 個にEが起こる確率 P(x) は二項分布に従う. 例さいころを 0 回振ったときに の出る回数 x の確率分布は二項分布に従う. この場合, n 0, p 6 の二項分布になる さいころを 0 回振ったときに が 0 回出る

More information

平均値 () 次のデータは, ある高校生 7 人が ヵ月にカレーライスを食べた回数 x を調べたものである 0,8,4,6,9,5,7 ( 回 ) このデータの平均値 x を求めよ () 右の表から, テレビをみた時間 x の平均値を求めよ 階級 ( 分 ) 階級値度数 x( 分 ) f( 人 )

平均値 () 次のデータは, ある高校生 7 人が ヵ月にカレーライスを食べた回数 x を調べたものである 0,8,4,6,9,5,7 ( 回 ) このデータの平均値 x を求めよ () 右の表から, テレビをみた時間 x の平均値を求めよ 階級 ( 分 ) 階級値度数 x( 分 ) f( 人 ) データの分析 データの整理右の度数分布表は,A 高校の 0 人について, 日にみたテレビの時間を記入したものである 次の問いに答えよ () テレビをみた時間が 85 分未満の生徒は何人いるか () テレビをみた時間が 95 分以上の生徒は全体の何 % であるか (3) 右の度数分布表をもとにして, ヒストグラムをかけ 階級 ( 分 ) 階級値度数相対 ( 分 ) ( 人 ) 度数 55 以上 ~65

More information

Microsoft PowerPoint - 10.pptx

Microsoft PowerPoint - 10.pptx m u. 固有値とその応用 8/7/( 水 ). 固有値とその応用 固有値と固有ベクトル 行列による写像から固有ベクトルへ m m 行列 によって線形写像 f : R R が表せることを見てきた ここでは 次元平面の行列による写像を調べる とし 写像 f : を考える R R まず 単位ベクトルの像 u y y f : R R u u, u この事から 線形写像の性質を用いると 次の格子上の点全ての写像先が求まる

More information

Microsoft PowerPoint 確率レジュメA

Microsoft PowerPoint 確率レジュメA 確率統計レジュメ集 ( 前半 ) 202.04.0 版 立命館大学 電子情報デザイン学科 この講義の目標 進め方 この講義は指定教科書の内容をしっかりと理解することを目的とする. 配布するレジュメは その理解を助けるための資料である. 必ず 教科書に書かれた基礎的な内容をひとつひとつ理解するように努めること. レジュメの空欄の箇所は 教科書からそのヒントを見つけることができる. 予習時に教科書を読み

More information

森林水文 水資源学 2 2. 水文統計 豪雨があった時, 新聞やテレビのニュースで 50 年に一度の大雨だった などと報告されることがある. 今争点となっている川辺川ダムは,80 年に 1 回の洪水を想定して治水計画が立てられている. 畑地かんがいでは,10 年に 1 回の渇水を対象として計画が立て

森林水文 水資源学 2 2. 水文統計 豪雨があった時, 新聞やテレビのニュースで 50 年に一度の大雨だった などと報告されることがある. 今争点となっている川辺川ダムは,80 年に 1 回の洪水を想定して治水計画が立てられている. 畑地かんがいでは,10 年に 1 回の渇水を対象として計画が立て . 水文統計 豪雨があった時, 新聞やテレビのニュースで 50 年に一度の大雨だった などと報告されることがある. 今争点となっている川辺川ダムは,80 年に 回の洪水を想定して治水計画が立てられている. 畑地かんがいでは,0 年に 回の渇水を対象として計画が立てられる. このように, 水利構造物の設計や, 治水や利水の計画などでは, 年に 回起こるような降雨事象 ( 最大降雨強度, 最大連続干天日数など

More information

( 最初の等号は,N =0, 番目は,j= のとき j =0 による ) j>r のときは p =0 から和の上限は r で十分 定義 命題 3 ⑵ 実数 ( 0) に対して, ⑴ =[] []=( 0 または ) =[6]+[] [4] [3] [] =( 0 または ) 実数 に対して, π()

( 最初の等号は,N =0, 番目は,j= のとき j =0 による ) j>r のときは p =0 から和の上限は r で十分 定義 命題 3 ⑵ 実数 ( 0) に対して, ⑴ =[] []=( 0 または ) =[6]+[] [4] [3] [] =( 0 または ) 実数 に対して, π() 伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊 伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊 数研通信 70 号を読んで チェビシェフの定理の精密化 と.5 の間に素数がある 伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊 さい才 の 野 せ瀬 いちろう 一郎 伊伊伊伊伊伊伊伊伊伊伊伊伊伊伊 0. はじめに このたび,

More information

Microsoft Word - Stattext11.doc

Microsoft Word - Stattext11.doc 章母集団と指定値との量的データの検定. 検定手順 前章で質的データの検定手法について説明しましたので ここからは量的データの検定について話します 量的データの検定は少し分量が多くなりますので 母集団と指定値との検定 対応のない 群間の検定 対応のある 群間の検定 と 3つに章を分けて話を進めることにします ここでは 母集団と指定値との検定について説明します 例えば全国平均が分かっている場合で ある地域の標本と全国平均を比較するような場合や

More information

DVIOUT-SS_Ma

DVIOUT-SS_Ma 第 章 微分方程式 ニュートンはリンゴが落ちるのを見て万有引力を発見した という有名な逸話があります 無重力の宇宙船の中ではリンゴは落ちないで静止していることを考えると 重力が働くと始め静止しているものが動き出して そのスピードはどんどん大きくなる つまり速度の変化が現れることがわかります 速度は一般に時間と共に変化します 速度の瞬間的変化の割合を加速度といい で定義しましょう 速度が変化する, つまり加速度がでなくなるためにはその原因があり

More information

Microsoft Word - reg2.doc

Microsoft Word - reg2.doc 回帰分析 重回帰 麻生良文. 前提 個の説明変数からなるモデルを考える 重回帰モデル : multple regresso model α β β β u : 被説明変数 epled vrle, 従属変数 depedet vrle, regressd :,,.., 説明変数 epltor vrle, 独立変数 depedet vrle, regressor u: 誤差項 error term, 撹乱項

More information

Microsoft Word - reg.doc

Microsoft Word - reg.doc 回帰分析 単回帰 麻生良文. 回帰分析の前提 次のようなモデルを考える 単回帰モデル : mple regreo moel : 被説明変数 eple vrble 従属変数 epeet vrble regre : 説明変数 epltor vrble 独立変数 epeet vrble regreor : 誤差項 error term 撹乱項 trbe term emple Kee 型消費関数 C YD

More information

2016年度 九州大・理系数学

2016年度 九州大・理系数学 0 九州大学 ( 理系 ) 前期日程問題 解答解説のページへ 座標平面上の曲線 C, C をそれぞれ C : y logx ( x > 0), C : y ( x-)( x- a) とする ただし, a は実数である を自然数とするとき, 曲線 C, C が 点 P, Q で交わり, P, Q の x 座標はそれぞれ, + となっている また, 曲線 C と直線 PQ で囲まれた領域の面積を S,

More information

2014年度 センター試験・数学ⅡB

2014年度 センター試験・数学ⅡB 第 問 解答解説のページへ [] O を原点とする座標平面において, 点 P(, q) を中心とする円 C が, 方程式 y 4 x で表される直線 l に接しているとする () 円 C の半径 r を求めよう 点 P を通り直線 l に垂直な直線の方程式は, y - ア ( x- ) + qなので, P イ から l に引いた垂線と l の交点 Q の座標は ( ( ウ + エ q ), 4 (

More information

数学 Ⅲ 微分法の応用 大学入試問題 ( 教科書程度 ) 1 問 1 (1) 次の各問に答えよ (ⅰ) 極限 を求めよ 年会津大学 ( 前期 ) (ⅱ) 極限値 を求めよ 年愛媛大学 ( 前期 ) (ⅲ) 無限等比級数 が収束するような実数 の範囲と そのときの和を求めよ 年広島市立大学 ( 前期

数学 Ⅲ 微分法の応用 大学入試問題 ( 教科書程度 ) 1 問 1 (1) 次の各問に答えよ (ⅰ) 極限 を求めよ 年会津大学 ( 前期 ) (ⅱ) 極限値 を求めよ 年愛媛大学 ( 前期 ) (ⅲ) 無限等比級数 が収束するような実数 の範囲と そのときの和を求めよ 年広島市立大学 ( 前期 数学 Ⅲ 微分法の応用 大学入試問題 ( 教科書程度 )1 問 1 (1) 次の各問に答えよ (ⅰ) 極限 を求めよ 年会津大学 ( 前期 ) (ⅱ) 極限値 を求めよ 年愛媛大学 ( 前期 ) (ⅲ) 無限等比級数 が収束するような実数 の範囲と そのときの和を求めよ 年広島市立大学 ( 前期 ) (2) 次の関数を微分せよ (ⅰ) を正の定数とする (ⅱ) (ⅳ) (ⅵ) ( 解答 )(1) 年群馬大学

More information

untitled

untitled 分析の信頼性を支えるもの データ評価のための統計的方法 確率分布と平均値の推定 検定 田中秀幸 1 はじめに前回は, 統計的手法を適用するために意味のあるデータをどのように取得するのかについて, 母集団と標本について, 期待値 分散 標準偏差について解説した 今回は, 統計的推定 検定の基礎となる確率分布とその確率分布を用いた推定 検定について解説する 2 確率分布 測定データを取得したとき, そのデータのばらつきを視覚的に表すために,

More information

統計学の基礎から学ぶ実験計画法ー1

統計学の基礎から学ぶ実験計画法ー1 第 部統計学の基礎と. 統計学とは. 統計学の基本. 母集団とサンプル ( 標本 ). データ (data) 3. 集団の特性を示す統計量 基本的な解析手法 3. 統計量 (statistic) とは 3. 集団を代表する統計量 - 平均値など 3.3 集団のばらつきを表す値 - 平方和 分散 標準偏差 4. ばらつき ( 分布 ) を表す関数 4. 確率密度関数 4. 最も重要な正規分布 4.3

More information

夏期講習高 センター数学 ⅠA テキスト第 講 [] 人の生徒に数学のテストを行った 次の表 は, その結果である ただし, 表 の数値はすべて正確な値であるとして解答せよ 表 数学のテストの得点 次

夏期講習高 センター数学 ⅠA テキスト第 講 [] 人の生徒に数学のテストを行った 次の表 は, その結果である ただし, 表 の数値はすべて正確な値であるとして解答せよ 表 数学のテストの得点 次 夏期講習高 センター数学 ⅠA テキスト第 講 第 講 三角比 データの分析 ABC は AB=,BC=,AC= を満たす ⑴ cos B= アイ である 辺 BC 上に点 D を取り, ABD の外接円の半径を R とするとき, AD R = ウであり, 点 D を点 B から点 C まで移動させるとき,R の最小値はエである ただし, 点 D は点 B とは異なる点とする ⑵ ABD の外接円の中心が辺

More information

Microsoft PowerPoint - データ解析基礎4.ppt [互換モード]

Microsoft PowerPoint - データ解析基礎4.ppt [互換モード] データ解析基礎. 正規分布と相関係数 keyword 正規分布 正規分布の性質 偏差値 変数間の関係を表す統計量 共分散 相関係数 散布図 正規分布 世の中の多くの現象は, 標本数を大きくしていくと, 正規分布に近づいていくことが知られている. 正規分布 データ解析の基礎となる重要な分布 平均と分散によって特徴づけることができる. 平均値 : 分布の中心を表す値 分散 : 分布のばらつきを表す値 正規分布

More information

Microsoft Word - K-ピタゴラス数.doc

Microsoft Word - K-ピタゴラス数.doc - ピタゴラス数の代数と幾何学 津山工業高等専門学校 菅原孝慈 ( 情報工学科 年 ) 野山由貴 ( 情報工学科 年 ) 草地弘幸 ( 電子制御工学科 年 ) もくじ * 第 章ピタゴラス数の幾何学 * 第 章ピタゴラス数の代数学 * 第 3 章代数的極小元の幾何学の考察 * 第 章ピタゴラス数の幾何学的研究の動機 交点に注目すると, つの曲線が直交しているようにみえる. これらは本当に直交しているのだろうか.

More information

Microsoft Word - lec_student-chp3_1-representative

Microsoft Word - lec_student-chp3_1-representative 1. はじめに この節でのテーマ データ分布の中心位置を数値で表す 可視化でとらえた分布の中心位置を数量化する 平均値とメジアン, 幾何平均 この節での到達目標 1 平均値 メジアン 幾何平均の定義を書ける 2 平均値とメジアン, 幾何平均の特徴と使える状況を説明できる. 3 平均値 メジアン 幾何平均を計算できる 2. 特性値 集めたデータを度数分布表やヒストグラムに整理する ( 可視化する )

More information

Microsoft Word - apstattext04.docx

Microsoft Word - apstattext04.docx 4 章母集団と指定値との量的データの検定 4.1 検定手順今までは質的データの検定の方法を学んで来ましたが これからは量的データについてよく利用される方法を説明します 量的データでは データの分布が正規分布か否かで検定の方法が著しく異なります この章ではまずデータの分布の正規性を調べる方法を述べ 次にデータの平均値または中央値がある指定された値と違うかどうかの検定方法を説明します 以下の図 4.1.1

More information

数値計算法

数値計算法 数値計算法 008 4/3 林田清 ( 大阪大学大学院理学研究科 ) 実験データの統計処理その 誤差について 母集団と標本 平均値と標準偏差 誤差伝播 最尤法 平均値につく誤差 誤差 (Error): 真の値からのずれ 測定誤差 物差しが曲がっていた 測定する対象が室温が低いため縮んでいた g の単位までしかデジタル表示されない計りで g 以下 計りの目盛りを読み取る角度によって値が異なる 統計誤差

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション 1/X Chapter 9: Linear correlation Cohen, B. H. (2007). In B. H. Cohen (Ed.), Explaining Psychological Statistics (3rd ed.) (pp. 255-285). NJ: Wiley. 概要 2/X 相関係数とは何か 相関係数の数式 検定 注意点 フィッシャーのZ 変換 信頼区間 相関係数の差の検定

More information

学習指導要領

学習指導要領 (1) 数と式 学習指導要領ア数と集合 ( ア ) 実数数を実数まで拡張する意義を理解し 簡単な無理数の四則計算をすること 千早高校学力スタンダード 自然数 整数 有理数 無理数の用語の意味を理解す る ( 例 ) 次の数の中から自然数 整数 有理 数 無理数に分類せよ 3 3,, 0.7, 3,,-, 4 (1) 自然数 () 整数 (3) 有理数 (4) 無理数 自然数 整数 有理数 無理数の包含関係など

More information

カイ二乗フィット検定、パラメータの誤差

カイ二乗フィット検定、パラメータの誤差 統計的データ解析 008 008.. 林田清 ( 大阪大学大学院理学研究科 ) 問題 C (, ) ( x xˆ) ( y yˆ) σ x πσ σ y y Pabx (, ;,,, ) ˆ y σx σ y = dx exp exp πσx ただし xy ˆ ˆ はyˆ = axˆ+ bであらわされる直線モデル上の点 ( ˆ) ( ˆ ) ( ) x x y ax b y ax b Pabx (,

More information

経済統計分析1 イントロダクション

経済統計分析1 イントロダクション 1 経済統計分析 9 分散分析 今日のおはなし. 検定 statistical test のいろいろ 2 変数の関係を調べる手段のひとつ適合度検定独立性検定分散分析 今日のタネ 吉田耕作.2006. 直感的統計学. 日経 BP. 中村隆英ほか.1984. 統計入門. 東大出版会. 2 仮説検定の手続き 仮説検定のロジック もし帰無仮説が正しければ, 検定統計量が既知の分布に従う 計算された検定統計量の値から,

More information

Excelによる統計分析検定_知識編_小塚明_5_9章.indd

Excelによる統計分析検定_知識編_小塚明_5_9章.indd 第7章57766 検定と推定 サンプリングによって得られた標本から, 母集団の統計的性質に対して推測を行うことを統計的推測といいます 本章では, 推測統計の根幹をなす仮説検定と推定の基本的な考え方について説明します 前章までの知識を用いて, 具体的な分析を行います 本章以降の知識は操作編での操作に直接関連していますので, 少し聞きなれない言葉ですが, 帰無仮説 有意水準 棄却域 などの意味を理解して,

More information

解答速報ご利用にあたっての注意事項 解答速報のご利用につきましては 以下の内容をご確認 ご了承のうえご利用ください 解答速報はハピスマ大学独自の見解に基づき サービスとして情報を提供するものであり 公益社団法人日本アクチュアリー会による本試験の結果 ( 合格基準点 合否など ) について保証するもの

解答速報ご利用にあたっての注意事項 解答速報のご利用につきましては 以下の内容をご確認 ご了承のうえご利用ください 解答速報はハピスマ大学独自の見解に基づき サービスとして情報を提供するものであり 公益社団法人日本アクチュアリー会による本試験の結果 ( 合格基準点 合否など ) について保証するもの 解答速報ご利用にあたっての注意事項 解答速報のご利用につきましては 以下の内容をご確認 ご了承のうえご利用ください 解答速報はハピスマ大学独自の見解に基づき サービスとして情報を提供するものであり 公益社団法人日本アクチュアリー会による本試験の結果 ( 合格基準点 合否など ) について保証するものではございません 試験の詳細につきましては 公益社団法人日本アクチュアリー会にお問合せください 解答速報の内容につきましては将来予告なく変更する場合がございます

More information

パソコンシミュレータの現状

パソコンシミュレータの現状 第 2 章微分 偏微分, 写像 豊橋技術科学大学森謙一郎 2. 連続関数と微分 工学において物理現象を支配する方程式は微分方程式で表されていることが多く, 有限要素法も微分方程式を解く数値解析法であり, 定式化においては微分 積分が一般的に用いられており. 数学の基礎知識が必要になる. 図 2. に示すように, 微分は連続な関数 f() の傾きを求めることであり, 微小な に対して傾きを表し, を無限に

More information

学習指導要領

学習指導要領 (1) 数と式 ア整式 ( ア ) 式の展開と因数分解二次の乗法公式及び因数分解の公式の理解を深め 式を多面的にみたり目的に応じて式を適切に変形したりすること (ax b)(cx d) acx (ad bc)x bd などの基本的な公式を活用して 二次式の展開や因数分解ができる また 式の置き換えや一文字に着目するなどして 展開 因数分解ができる ( 例 ) 次の問に答えよ (1) (3x a)(4x

More information

航空機の運動方程式

航空機の運動方程式 可制御性 可観測性. 可制御性システムの状態を, 適切な操作によって, 有限時間内に, 任意の状態から別の任意の状態に移動させることができるか否かという特性を可制御性という. 可制御性を有するシステムに対し, システムは可制御である, 可制御なシステム という言い方をする. 状態方程式, 出力方程式が以下で表されるn 次元 m 入力 r 出力線形時不変システム x Ax u y x Du () に対し,

More information

0415

0415 今回の授業の狙い 基本的な統計量を求め 活用できること 章統計量と確率分布のと確率分布の活用 part 統計解析で用いる代表的な確率分布の特徴を 把握すること 統計解析の全体像 統計解析での注意点 ()( サンプリング サンプル 測定 母集団 何らかの意味で同質性が期待できるものの集団 e 日本人男性同じ条件で作った製品 母集団 推定 アクション 事実に基づく判断 データからモノをいう データ解析

More information

PowerPoint Presentation

PowerPoint Presentation 付録 2 2 次元アフィン変換 直交変換 たたみ込み 1.2 次元のアフィン変換 座標 (x,y ) を (x,y) に移すことを 2 次元での変換. 特に, 変換が と書けるとき, アフィン変換, アフィン変換は, その 1 次の項による変換 と 0 次の項による変換 アフィン変換 0 次の項は平行移動 1 次の項は座標 (x, y ) をベクトルと考えて とすれば このようなもの 2 次元ベクトルの線形写像

More information

ii 2. F. ( ), ,,. 5. G., L., D. ( ) ( ), 2005.,. 6.,,. 7.,. 8. ( ), , (20 ). 1. (75% ) (25% ). 60.,. 2. =8 5, =8 4 (. 1.) 1.,,

ii 2. F. ( ), ,,. 5. G., L., D. ( ) ( ), 2005.,. 6.,,. 7.,. 8. ( ), , (20 ). 1. (75% ) (25% ). 60.,. 2. =8 5, =8 4 (. 1.) 1.,, (1 C205) 4 8 27(2015) http://www.math.is.tohoku.ac.jp/~obata,.,,,..,,. 1. 2. 3. 4. 5. 6. 7.... 1., 2014... 2. P. G., 1995.,. 3.,. 4.. 5., 1996... 1., 2007,. ii 2. F. ( ),.. 3... 4.,,. 5. G., L., D. ( )

More information

周期時系列の統計解析 (3) 移動平均とフーリエ変換 nino 2017 年 12 月 18 日 移動平均は, 周期時系列における特定の周期成分の消去や不規則変動 ( ノイズ ) の低減に汎用されている統計手法である. ここでは, 周期時系列をコサイン関数で近似し, その移動平均により周期成分の振幅

周期時系列の統計解析 (3) 移動平均とフーリエ変換 nino 2017 年 12 月 18 日 移動平均は, 周期時系列における特定の周期成分の消去や不規則変動 ( ノイズ ) の低減に汎用されている統計手法である. ここでは, 周期時系列をコサイン関数で近似し, その移動平均により周期成分の振幅 周期時系列の統計解析 3 移動平均とフーリエ変換 io 07 年 月 8 日 移動平均は, 周期時系列における特定の周期成分の消去や不規則変動 ノイズ の低減に汎用されている統計手法である. ここでは, 周期時系列をコサイン関数で近似し, その移動平均により周期成分のがどのように変化するのか等について検討する. また, 気温の実測値に移動平均を適用した結果についてフーリエ変換も併用して考察する. 単純移動平均の計算式移動平均には,

More information

1.民営化

1.民営化 参考資料 最小二乗法 数学的性質 経済統計分析 3 年度秋学期 回帰分析と最小二乗法 被説明変数 の動きを説明変数 の動きで説明 = 回帰分析 説明変数がつ 単回帰 説明変数がつ以上 重回帰 被説明変数 従属変数 係数 定数項傾き 説明変数 独立変数 残差... で説明できる部分 説明できない部分 説明できない部分が小さくなるように回帰式の係数 を推定する有力な方法 = 最小二乗法 最小二乗法による回帰の考え方

More information

CAEシミュレーションツールを用いた統計の基礎教育 | (株)日科技研

CAEシミュレーションツールを用いた統計の基礎教育 | (株)日科技研 CAE シミュレーションツール を用いた統計の基礎教育 ( 株 ) 日本科学技術研修所数理事業部 1 現在の統計教育の課題 2009 年から統計教育が中等 高等教育の必須科目となり, 大学でも問題解決ができるような人材 ( 学生 ) を育てたい. 大学ではコンピューター ( 統計ソフトの利用 ) を重視した教育をより積極的におこなうのと同時に, 理論面もきちんと教育すべきである. ( 報告 数理科学分野における統計科学教育

More information

学習指導要領

学習指導要領 (1 ) 数と式 ア数と集合 ( ア ) 実数数を実数まで拡張する意義を理解し 簡単な無理数の四則計算をすること 自然数 整数 有理数 無理数の包含関係など 実 数の構成を理解する ( 例 ) 次の空欄に適当な言葉をいれて, 数の集合を表しなさい 実数の絶対値が実数と対応する点と原点との距離で あることを理解する ( 例 ) 次の値を求めよ (1) () 6 置き換えなどを利用して 三項の無理数の乗法の計

More information

解答のポイント 第 1 章問 1 ポイント仮に1 年生全員の数が 100 人であったとする.100 人全員に数学の試験を課して, それらの 100 人の個人個人の点数が母集団となる. 問 2 ポイント仮に10 人を抽出するとする. 学生に1から 100 までの番号を割り当てたとする. 箱の中に番号札

解答のポイント 第 1 章問 1 ポイント仮に1 年生全員の数が 100 人であったとする.100 人全員に数学の試験を課して, それらの 100 人の個人個人の点数が母集団となる. 問 2 ポイント仮に10 人を抽出するとする. 学生に1から 100 までの番号を割り当てたとする. 箱の中に番号札 解答のポイント 第 1 章問 1 ポイント仮に1 年生全員の数が 100 人であったとする.100 人全員に数学の試験を課して, それらの 100 人の個人個人の点数が母集団となる. 問 2 ポイント仮に10 人を抽出するとする. 学生に1から 100 までの番号を割り当てたとする. 箱の中に番号札を入れまず1 枚取り出す ( 仮に1 番とする ). 最初に1 番の学生を選ぶ. その1 番の札を箱の中に戻し,

More information