せいき‐ぶんぷ【正規分布】
正規分布
正規分布
標準正規分布表 上側確率の計算 パーセント点の計算 Excel には，標準正規分布についてnormsdist，normsinv，正規分布についてnormdist，norminvという関数が用意されている。
二つのパラメータ，母平均 μ，母分散 σ2 を持つ正規分布は，N ( μ, σ2 ) と表記される。
 図 1．正規分布 N ( 3, 22 ） の概形 |
|---|
平均 E ( x ) ，分散 V ( x ) は
E ( x ) = μ， V ( x ) = σ2
である。
変数変換z = ( x- μ ) / σ をほどこしたとき（この変数変換のことを 標準化 と呼ぶ），確率変数 zは，平均値 0，分散 1 の正規分布に従い，N ( 0, 12 ) と表される。これを特に，標準正規分布 と呼ぶ。
 図 2．標準正規分布 N ( 0, 12 ） の概形 |
|---|
図 1 と図 2 を比較するとわかるように，どのような正規分布でも全て相似である。
三角分布では一様分布する 2 つの確率変数を加えたが，n 個の確率変数の和を考え，n を大きくしてゆくと次第に正規分布に近づく（ 中心極限定理 の項を参照 ）。例えば，12 個の一様乱数を加えたものは，平均値 6，分散 1 の正規分布に従う。
ポアソン分布，二項分布などは極限的な場合に正規分布に近づく。
正規分布についてもう少し詳しく...
正規分布
,
を
となる. この
という
正規分布
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2024/08/21 06:41 UTC 版)
 | この記事は検証可能な参考文献や出典が全く示されていないか、不十分です。 (2016年4月) |
| 確率密度関数  | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 累積分布関数  | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 母数 |  また、多変量の統計として共分散まで込めた多次元の正規分布も定義され、平均 μ = (μ1, μ2, …, μn) の n 次元正規分布の同時密度関数は次の式で与えられる。
| 出典は列挙するだけでなく、脚注などを用いてどの記述の情報源であるかを明記してください。 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
- ハラルド・クラメール (1946). Mathematical Methods of Statistics. Princeton Mathematical Series. 9. Princeton University Press. MR0016588. Zbl 0063.01014 (Review by W. Feller)
- 稲垣宣生『数理統計学』裳華房、1990年。ISBN 4-7853-1406-0。
- JIS Z 8101-1:1999 統計 − 用語と記号 − 第1部:確率及び一般統計用語, 日本規格協会
- Stigler, Stephen M. (1986). The History of Statistics: The Measurement of Uncertainty before 1900. The Belknap Press of Harvard University Press. ISBN 0-674-40340-1. MR0852410. Zbl 0656.62005
- 日本数学会 編『岩波 数学辞典』（第4版）岩波書店、2007年。ISBN 978-4-00-080309-0。
- 成実清松、坂井忠次『数理統計学要説』培風館、1952年。doi:10.11501/1371195。NDLJP:1371195。
関連項目
外部リンク
- 正規分布表 (PDF) —— 脇本和昌『身近なデータによる統計解析入門』森北出版、1973年。ISBN 4627090307。 付表
- 『正規分布』 - コトバンク
| 離散単変量で 有限台 | |
|---|---|
| 離散単変量で 無限台 | |
| 連続単変量で 有界区間に台を持つ | |
| 連続単変量で 半無限区間に台を持つ |
|
| 連続単変量で 実数直線全体に台を持つ | |
| 連続単変量で タイプの変わる台を持つ | |
| 混連続-離散単変量 |
|
| 多変量 (結合) | |
| 方向 |
|
| 退化と特異 |
|
| 族 |
|
| サンプリング法 |
|
| |
| 標本調査 | |||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 記述統計学 |
| ||||||||||||||
| 推計統計学 |
| ||||||||||||||
| ベイズ統計学 |
| ||||||||||||||
| 相関 | |||||||||||||||
| モデル | |||||||||||||||
| 回帰 |
| ||||||||||||||
| 分類 |
| ||||||||||||||
| 教師なし学習 |
| ||||||||||||||
| 統計図表 | |||||||||||||||
| 生存時間分析 | |||||||||||||||
| 歴史 |
| ||||||||||||||
| 応用 | |||||||||||||||
| 出版物 |
| ||||||||||||||
| 全般 | |||||||||||||||
| その他 | |||||||||||||||
 カテゴリ | |||||||||||||||
正規分布
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2021/11/09 06:39 UTC 版)
「モーメント (確率論)」の記事における「正規分布」の解説
確率密度関数が p ( x ) = 1 2 π σ exp ( − ( x − μ ) 2 2 σ 2 ) {\displaystyle p(x)={\frac {1}{{\sqrt {2\pi }}\sigma }}\exp \left({-{\frac {(x-\mu )^{2}}{2\sigma ^{2}}}}\right)} で与えられる正規分布において、n 次の中心モーメントは n が奇数のときは 0 で、偶数のときのみ 0 でない値をとる。 μ n = { 0 ( n : odd ) ( n − 1 ) ! ! σ n ( n : even ) {\displaystyle \mu _{n}={\begin{cases}0&(n:{\text{odd}})\\(n-1)!!~\sigma ^{n}&(n:{\text{even}})\end{cases}}} n!! は二重階乗。
※この「正規分布」の解説は、「モーメント (確率論)」の解説の一部です。
「正規分布」を含む「モーメント (確率論)」の記事については、「モーメント (確率論)」の概要を参照ください。
正規分布
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2021/03/09 00:54 UTC 版)
α = 2 の場合、（この場合、β は分布に影響を与えない） φ ( z ) = exp ( i δ z − γ z 2 ) {\displaystyle \varphi (z)=\exp \left(i\delta z-\gamma z^{2}\right)} となる。これは、平均 δ、分散 2γ の正規分布である。
※この「正規分布」の解説は、「安定分布」の解説の一部です。
「正規分布」を含む「安定分布」の記事については、「安定分布」の概要を参照ください。
正規分布
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2019/12/01 22:40 UTC 版)
Xi (i=1,..,n)が平均をμ、分散をσ2とする正規分布に従うとする（X ∼ N(μ, σ2)）。このとき、対数尤度関数は l ( μ , σ 2 , x ) = − n 2 ln 2 π − n 2 ln σ 2 − 1 2 σ 2 ∑ i = 1 n ( x i − μ ) 2 {\displaystyle l(\mu ,\sigma ^{2},\mathbf {x} )=-{\frac {n}{2}}\ln {2\pi }-{\frac {n}{2}}\ln {\sigma ^{2}}-{\frac {1}{2\sigma ^{2}}}\sum _{i=1}^{n}(x_{i}-\mu )^{2}} であり、尤度方程式は ∂ l ( μ , σ 2 , x ) ∂ μ = 1 σ 2 ∑ i = 1 n ( x i − μ ) = 0 {\displaystyle {\frac {\partial l(\mu ,\sigma ^{2},\mathbf {x} )}{\partial \mu }}={\frac {1}{\sigma ^{2}}}\sum _{i=1}^{n}(x_{i}-\mu )=0} ∂ l ( μ , σ 2 , x ) ∂ σ 2 = − n 2 σ 2 + 1 2 ( σ 2 ) 2 ∑ i = 1 n ( x i − μ ) 2 = 0 {\displaystyle {\frac {\partial l(\mu ,\sigma ^{2},\mathbf {x} )}{\partial \sigma ^{2}}}=-{\frac {n}{2\sigma ^{2}}}+{\frac {1}{2(\sigma ^{2})^{2}}}\sum _{i=1}^{n}(x_{i}-\mu )^{2}=0} となる。これらを整理すると最尤推定値として μ ^ = 1 n ∑ i = 1 n x i {\displaystyle {\hat {\mu }}={\frac {1}{n}}\sum _{i=1}^{n}x_{i}} σ 2 ^ = 1 n ∑ i = 1 n ( x i − μ ) 2 {\displaystyle {\hat {\sigma ^{2}}}={\frac {1}{n}}\sum _{i=1}^{n}(x_{i}-\mu )^{2}} を得る。
※この「正規分布」の解説は、「尤度方程式」の解説の一部です。
「正規分布」を含む「尤度方程式」の記事については、「尤度方程式」の概要を参照ください。
正規分布
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2020/09/10 03:22 UTC 版)
期待値 np および分散 np(1 − p) が 5 よりも大きい場合、二項分布 B(n, p) に対する良好な近似として正規分布がある。ただし、この近似を適用するにあたっては、変数のスケールに注意し、連続な分布への適切な処理がなされる必要がある。より厳密に述べれば、n が十分大きくかつ、期待値 np および 分散 np(1 − p) も十分大きい場合、期待値 np, 分散 np(1 − p) の正規分布 N(np, np(1 − p)) で近似することができ、期待値からの差 |k − np| が標準偏差 √np(1 − p) と同程度となる k に対して P [ X = k ] ≃ 1 2 π n p ( 1 − p ) exp ( − ( k − n p ) 2 2 n p ( 1 − p ) ) {\displaystyle P[X=k]\simeq {\frac {1}{\sqrt {2\pi np(1-p)}}}\exp {\left(-{\frac {(k-np)^{2}}{2np(1-p)}}\right)}} が漸近的に成り立つ。二項分布が一定の条件下で正規分布に近づく、この近似式は数学者アブラーム・ド・モアブルが1733年に著書 The Doctrine of Chances の中で紹介したのが最初であり、ド・モアブル=ラプラスの極限定理またはラプラスの定理と呼ぶことがある。これは、今日でいうところの中心極限定理の特別な場合に相当する。この正規分布への近似と標準正規分布表により、計算の労力を大きく削減することができる。 例えば、多数の住民の中から n 人を無作為に抽出し、ある質問について同意するかどうかを尋ねる場合を考える。同意する人数の割合は、もちろんサンプルに依存する。n 人を無作為に抽出する作業を何度も繰り返し行うとき、同意する人々の割合の分布は、実際の全住民の合意割合 p とほぼ等しい平均を持ち、標準偏差 σ = √p(1 − p)/n である正規分布に近似される。未知の変数 p は、標準偏差が小さいほど正確な推定が可能である。そのため、抽出する人数 n は多い方が好ましい。 95%信頼区間ならば、正規分布で近似すると、その範囲は p − 1.959964 p ( 1 − p ) n ∼ p + 1.959964 p ( 1 − p ) n {\displaystyle p-1.959964{\sqrt {\frac {p(1-p)}{n}}}\sim p+1.959964{\sqrt {\frac {p(1-p)}{n}}}} となる。たとえば、p = 50% の場合、n = 100 なら40%〜60%、n = 1,000 ならば47%〜53%、n = 10,000 ならば49%〜51%となる。n = 10 の場合、正規分布近似ではなく、本来の定義に従って計算すると、89%信頼区間で、30%〜70%となる。
※この「正規分布」の解説は、「二項分布」の解説の一部です。
「正規分布」を含む「二項分布」の記事については、「二項分布」の概要を参照ください。
正規分布
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2021/11/18 08:52 UTC 版)
平均μ、分散σ2の正規分布N(μ, σ2)において、フィッシャー情報行列は I ( μ , σ 2 ) = ( 1 σ 2 0 0 1 2 ( σ 2 ) 2 ) {\displaystyle {\mathcal {I}}(\mu ,\sigma ^{2})={\begin{pmatrix}{\frac {1}{\sigma ^{2}}}&0\\0&{\frac {1}{2(\sigma ^{2})^{2}}}\end{pmatrix}}} で与えられる。
※この「正規分布」の解説は、「フィッシャー情報量」の解説の一部です。
「正規分布」を含む「フィッシャー情報量」の記事については、「フィッシャー情報量」の概要を参照ください。
正規分布（正規乱数）
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2022/02/13 01:01 UTC 版)
正規乱数とは正規分布に従う乱数である。正規乱数は工学においてはホワイトガウスノイズとして利用される。 手法として、以下の方法などがある。GNU Scientific Library のドキュメントによるとほとんどの場合ジッグラト法が最速である。 逆関数サンプリング法 ボックス＝ミュラー法 ジッグラト法（英語版） マルサグリア法（英語版）
※この「正規分布（正規乱数）」の解説は、「乱数列」の解説の一部です。
「正規分布（正規乱数）」を含む「乱数列」の記事については、「乱数列」の概要を参照ください。
正規分布
「正規分布」の例文・使い方・用例・文例
正規分布と同じ種類の言葉
- 正規分布のページへのリンク
