4について質問です sはstatisticでvはisなので、統計学は、学問である までは理解できるのですが、どこがどう修飾されて集められた〜扱う になるのか分からないので教えてください🙇‍♀️

4 Statistics is the study of facts ( ) so as to present significant information about a giu メK楽してて subject. エース の assembling and classifying イレ四 are assembling and classifying ~136 3 (青山学院 ③ assembled and classified の assemble and classify

統計学の質問です。 問題は1番上のものです。 周辺密度関数、X,Y,XYの平均を求めるときの積分範囲はどうすれば良いのでしょうか。 0<x,y<∞など単純なものであれば何も気にせず積分すればよかったのですが今回のように 0≦x≦y<∞(y=xより上側かつxは0以上の領域)... 続きを読む

4.10 確率変数 X, Y が独立であるとき,次の確率を求めよ。 (1) X, Y が同じ幾何分布に従うとき, P(Y> X). の点の座標をそれぞれ Y,Zとする.そのとき, 線分 QR の長さ L=1. 区間 [0, X] と区間 [X,1] からそれぞれにランダムに1点ずつ Q, Rをとりえ 1. 確率変数と確率分布 64 4.6 確率変数 X, Y の同時密度関数は 1 (x.y) = xp-- 0<z<y<。 f(x, y) = であるとする、ここでa,Bは, a, B > 0, a+ β なる定数である。 (1) X,Y の周辺密度関数 (z). f(y)を求めよ。 (2) X=xを与えたときの Yの条件付き密度関数 fa(ylz) を求めょ (3) X, Y の平均,分散はいくらか. Xと Yの相関係数はいくらか 4.7 XとYは独立な確率変数であって, それぞれ母数が p, q (0 < p,q< 幾何分布 G(), G(q)に従うとする。 このとき, Z= min(X, Y) はどん。 に従うか、また, 平均 E(Z) と分散 V(Z) を求めよ. 肩 4.8 区間 [0, 1]からランダムに1点をとりその点の座標をXとする。次に,1 [X,1] からランダムに1点をとりその点の座標を Yとする, このとき,(1 = の同時分布を求めよ. それぞれの平均と分散,また,X, Y の相関係数を よ。 A9 区間[0.1] からランダムに1点Pをとりその点の座標をXとする。 区間[0.X] と区間 [X,1] からそれぞれにランダムに1点ずつ Q.Rをとりを の平均,分散を求めよ。 .4.11 確率変数 X Yは同じ平む

広義重積分の順序交換について 画像の記述で理解できないところがあります。 ちなみに2次元正規分布に関することです。 また-∞<μX,μY<∞ , 0<σX, σY<∞ , -1≦ρ≦1です。 またu = (x-μX)/(σX√(1-ρ^2)),v= (y-μY)/(σY√... 続きを読む

-「 phe]ar g「 [ーpu)]Jan dv 1 のとき、 ELX]= | - exp 2r0x exp 2 do 1 exp 2rOx 公式 1.22(2)より (2元 1 1 exp -exp - 207 V2rOx V2rox これは正規分布 N(, o)であり、EX]=μy、 VLX]=oy? また、共分散を求める準備をしておくと、 (r-)(y-)(ar, y)dxdy 1 =O1-puay1-p'v。 -(0-pu) 2nOxOy/1-pexp| ×oxV1-pduoyT-pn なので、 Cov[X, Y]=E[(X-y) (Y-μy)] = (-)(y-4)(a, y)dady Ladu tn? |8 -oxo (1-p)zuvexp| -(0-pu)?-(1-p)a doda) 3 24 2元 一の1-p 。 3 Oyo (v-pu)*|dw) uexp 2元 vExp S(a)=1 (r-μ)? e 20のとき、 E[X]= | 2元G 1 (x-u)? 20° dx=μとなる(定義2.16 e 2rG のあと参照)。x→、 a41、μ→ pu として用いて 0(1-p)_ pudexp[-1-ウ]au 3 ニ V2元 'udu =のoyp(1-p) u. 1-Pexp 2元 du S(a)=D -e V2no 20のとき、ELXX?]= | 1 (x-p)? da=c°+μ? 1。 e 20 V2元o 1 x→U、0→- V1-p →0として用いて

統計学についての質問 2次元正規分布の共分散を求める過程で理解できないところがあります。 共分散を求めるとき重積分の変数変換を行わないといけないのでヤコビアンを考えないといけないと思うのですが なぜ画像の参考書の記述ではヤコビアンを考えていないのでしょうか。 1変数の置... 続きを読む

方向に Or倍、y軸万向に oy 倍してから、楕円の中心を ary 座標で(Hx, Ay) に 分散 VLX]、また共分散 Cov[X, Y]、相関係数r[X, Y]を求め 確率分布 平行移動した楕円になります。 よ。 直線 . o1のままでは計算が面倒になるので、ひ、 ひに変数変換して積分を計算しま 目 す。 リ-y V= 0-x O/1-p とおくと、OW1-p' du=da、 ay1-fdw=dy U=- a1-p 1 fa, y) = 2nOyOW1-p 1 exp-2(1-p) (r-y)? -2p- OxOy エー) ガール) (ガーズ) 1 xp|-(パ-2puw+が)] 2TOyOy1-p 1 -exp 2royOy1-p° -(0-pu) +(1-p')a') 1 1 exp 2moyOy1-p この右辺をg(u, v)とおきます。 2 Ahe)=ra, w)dy= g(u, w)ay1-Fdo S(x 1 1 -exp 2xOyOw1-p° ロ

統計学を勉強していて理解できない式変形がありました。 1行目から2行目の式変形について 2行目のk,lの動く範囲については理解できます。 しかしなぜ二重和の順番は Σ[k=0~n]Σ[l=0~n-k]になるのでしょうか。 1行目からなぜ2行目の二重和の順番になるのか理解... 続きを読む

「0SkSk+l$nt 満たす整数k、Lの十 -akb'cn-k-l ベての組(k, ) e 問題= 2次 (a+b+c)"= n! と 0SkSk+ISn k!I! (n-k-1)! [関する総和 V[X]. n n-k =EX k=0-0 k!U!(n-k-1)! となります。これ(多項定理)を用いると、 m! -akb'en-k-l k ハk+l<nより、 0<ISn-k。先に L1を動かします。 Xはニ n n-k E P(X=k, Y=1)= Z ZP(X=k, Y=l) 0SkSk+ISn k=01=0 です。 n n-k n! =Eと k=0-0 k!!!(n-k-1)! [多項定理で、a→p、 b→q、 c→1-p-qとする] (p+q+(1-p-q)】"=i -p'q(1-p-q)"-k- 共分 EX と全事象の確率が1となること (確率質量関数の条件)が確かめられます。 周辺確率分布を求めてみましょう。 問題 多項分布の周辺確率 aに従うとき、周辺確率

［統計学］母平均の推定・検定に関する質問です。 一般母集団（正規分布でないことを想定）の標本平均（大標本を想定）を標準化するとき、母分散が未知であるとき不偏分散を用いるはずですが、この標準化された変数（Yとします）はどういった分布に従うのでしょうか？ 大標本であることに... 続きを読む

統計学の質問です。 この画像のF(x,y)が微分可能である時とありますが 全微分可能ということでしょうか。 しかし全微分可能だけではF(x,y)の一回偏微分可能ということしか言えませんよね？ C^2級ということでしょうか。 それとも2回全微分可能ということでしょうか。 2... 続きを読む

または条件付き期待値(conditional expectation)という、 で表し,Y= ykを与えたときのXの条件付き分散 (coná vIXlv VIX A]= V[X]Y=y4] =D {(- ELXlya}}fhka, E[Xl»_ を与 れる。こ を :の条件 VIXIA]= V[X|Y=リx」 = -EX{}Aa EIXI»】 j=1 =L 分散についても同様に定義される。 [C] 同時分布が密度型の場合 同時分布関数 F(x, y) が微分可能であるとき, 共分能 )の関 f(x, y) = F(x,y) 0.z0y を(X, Y)の同時密度関数(joint density function)という.こかイじ P の確率変数の密度関数と同じように次の性質が成り立つ: E (Dnl) f(z, y) > 0. E (Dn2) (x, ) dady = 1. E1) - (Dn3) 分布関数は F(x,y) = | [° f(u, v) dudv. 関数 X, Y の周辺密度関数は,それぞれ X, (x) = (x,w) dy. (w) =D " 1(は,9)) となる。

2次元確率分布の期待値について 画像のように期待値は定義されています。 これから離散の場合だと E[X]=Σ[j=1 to r]xj•P(x=xj)と求めることができます。 しかし E[Y]=Σ[k=1 to c]yk•P(Y=yk)を上みたいに簡単に求めることはできない... 続きを読む

(x,9) = f(x)fa(y). X X, Y:独立 Y =yを与えたときのXの条件付き密度関数は f(z,y) f(x, v) h (zl) = *o nal . (z,y) de 18 で定義される。この条件付き密度関数による平均, 分散が Y = yを与えた こ、 ときのXの条件付き平均, 分散である: *00 E[Xy] = E[X|Y=y]= |zf(zl) da , ional VIXl] = V[X|Y=v]= _(x-E[X\v]}"A(zl») dx. 18 午 また、X=ェを与えたときの Yの条件付き密度関数,平均,分散も同様 a である。 4.2 共分散と相関係数 (X, Y) の関数 h(X, Y) の平均は, 確率変数の平均と同様に O X E((X, Y)} = |/ Me,y) dF(x,1) ときで定義され,離散分布と密度型分布に対しては次のように計算される: r E{h(X, Y)} = 2と(x;, Ya)f(x;, Uk) (離散) j=1 k=1 E(h(X, Y)} = | T Ma,y)f(x,v) drdy (密度)。 前述の(E1) - (E4) (19 ページ) と同様な性質に加え,さらに,次の性質が成 り立つ: (E5)関数が直積のときは, 条件付き平均を使って,ー E(h(X)h(Y)} = E(E[h(X)|Y]h(Y)). (E6) X, Y が独立のとき, 関数の積の平均は平均の積に等しい: E(h(X)h(Y)} = E{h(X)}E{ha(Y).

統計学の質問です。 画像のDn1は証明できるものなのでしょうか。 教科書には「このとき1次元の確率変数の密度関数と同じように次の性質が成り立つ」とかいてあるので証明できるものなのではないのでしょうか。 また証明できるのであれば証明を教えていただけないでしょうか。 ちなみにF... 続きを読む

で表し,Y= ys を与えたときのXの条件付き を VIXla] = VIX|Y =ム]=D(x)- E[Xlva])°{(z;)lux) で表し,Y= ye を与えたときのXの条件付き分散 (conditional vari. ance)という、Xを与えたときの Yに関する条件付き分布や条件付き平均 分散についても同様に定義される。 [C] 同時分布が密度型の場合 同時分布関数 F(z, y) が微分可能であるとき, f(x,9) F(x,y) Oc0y 三 を(X, Y) の同時密度関数(joint density function)という. このとき1次元 の確率変数の密度関数と同じように次の性質が成り立つ: (Dnl) f(x, y) > 0. (Dn2) (x,y) dedy =1. (Dn3)分布関数は F(z,y) = | f(u, 0) dudv. X, Y の周辺密度関数は,それぞれ A(z) = (z,2) dy. Aw)=Dfa,w) de (x, こなる。

「くじを一回引くと1/3の確率で当たりが出るとする。当たりが一回以上出る確率を4/5以上にする為には最低何回くじを引けば良いか答えなさい。」という問題なのですが、どなたか解き方教えて頂けるとありがたいです😭