Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
中心極限定理
Search
NearMeの技術発表資料です
PRO
July 07, 2023
Science
0
220
中心極限定理
NearMeの技術発表資料です
PRO
July 07, 2023
Tweet
Share
More Decks by NearMeの技術発表資料です
See All by NearMeの技術発表資料です
ReactNative のアップグレード作業が (意外に)楽しかった話
nearme_tech
PRO
1
22
強化学習アルゴリズムPPOの改善案を考えてみた
nearme_tech
PRO
0
6
Apple Containerについて調べて触ってみた
nearme_tech
PRO
0
87
Rust 並列強化学習
nearme_tech
PRO
0
23
並列で⽣成AIにコーディングをやらせる
nearme_tech
PRO
1
140
希望休勤務を考慮したシフト作成
nearme_tech
PRO
0
39
Hub Labeling による高速経路探索
nearme_tech
PRO
0
94
Build an AI agent with Mastra
nearme_tech
PRO
0
78
Rustで強化学習アルゴリズムを実装する vol3
nearme_tech
PRO
0
44
Other Decks in Science
See All in Science
データベース02: データベースの概念
trycycle
PRO
2
890
[Paper Introduction] From Bytes to Ideas:Language Modeling with Autoregressive U-Nets
haruumiomoto
0
130
科学で迫る勝敗の法則(電気学会・SICE若手セミナー講演 2024年12月) / The principle of victory discovered by science (Lecture for young academists in IEEJ-SICE))
konakalab
0
120
IWASAKI Hideo
genomethica
0
130
04_石井クンツ昌子_お茶の水女子大学理事_副学長_D_I社会実現へ向けて.pdf
sip3ristex
0
600
機械学習 - K-means & 階層的クラスタリング
trycycle
PRO
0
1k
論文紹介 音源分離:SCNET SPARSE COMPRESSION NETWORK FOR MUSIC SOURCE SEPARATION
kenmatsu4
0
300
ttl2html (RDF/Turtle to HTML)
masao
0
110
生成AIと学ぶPythonデータ分析再入門-Pythonによるクラスタリング・可視化をサクサク実施-
datascientistsociety
PRO
4
1.8k
Lean4による汎化誤差評価の形式化
milano0017
1
300
データベース08: 実体関連モデルとは?
trycycle
PRO
0
930
Machine Learning for Materials (Challenge)
aronwalsh
0
320
Featured
See All Featured
Building Adaptive Systems
keathley
43
2.7k
Done Done
chrislema
185
16k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
111
20k
The Art of Delivering Value - GDevCon NA Keynote
reverentgeek
15
1.6k
How to Think Like a Performance Engineer
csswizardry
26
1.9k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
507
140k
BBQ
matthewcrist
89
9.8k
Making Projects Easy
brettharned
117
6.4k
Unsuck your backbone
ammeep
671
58k
A designer walks into a library…
pauljervisheath
207
24k
How GitHub (no longer) Works
holman
315
140k
ReactJS: Keep Simple. Everything can be a component!
pedronauck
667
120k
Transcript
0 中心極限定理 2023-07-07 第51回NearMe技術勉強会 Futo Ueno
1 Introduction • 中心極限定理は、統計学において極めて重要である • 中身は意外と難しい • 定理を完全に理解し、必要になったときに安心して使えるようにする
2 定理の主張 中心極限定理 ([倉田, 星野]「入門統計解析」より引用)
3 定理の主張 中心極限定理 このままでも実用上は特に困らないが・・・
4 定理の主張 (気になる点①) 中心極限定理 このままでも実用上は特に困らないが・・・ ・「ある分布」が「ある分布」に近づくとは?
5 分布収束 定義
6 分布収束 定義 ※ 確率密度関数を使うのはどうか?
7 分布収束 定義 ※ 確率密度関数を使うのはどうか? → 存在しない場合がある
8 定理の主張 (気になる点①) 中心極限定理 このままでも実用上は特に困らないが・・・ ・「ある分布」が「ある分布」に近づくとは? → done
9 定理の主張 (気になる点②) 中心極限定理 このままでも実用上は特に困らないが・・・ ・「ある分布」が「ある分布」に近づくとは? → done ・収束先がnに依存しているようにみえるのが少々気持ち悪い
10 修正(直観)
11 修正(直観) n大
12 修正(直観) n大 スライド
13 修正(直観) n大 スライド √n 倍
14 修正(式)
15 定理の主張 中心極限定理 中心極限定理 (厳密ver.)
16 定理の主張 中心極限定理 中心極限定理 (厳密ver.) ?
17 中心極限定理の証明
18 準備1 : 特性関数 定義
19 準備1 : 特性関数 定義 (cf.) モーメント母関数
20 準備1 : 特性関数の例
21 準備1 : 特性関数の例 (ほぼ)ガウス関数→
22 準備2 : 特性関数の性質
23 準備2 : 特性関数の性質 分布関数と特性関数が1対1対応!!!
24 準備2 : 特性関数の性質 分布関数と特性関数が1対1対応!!! (→ 分布関数を考えたくないときに特性関数に逃げることが可能)
25 準備3 : Lévyの連続性定理
26 準備3 : Lévyの連続性定理 対応 対応
27 準備3 : Lévyの連続性定理 連続?
28 準備3 : Lévyの連続性定理 連続?
29 準備3 : Lévyの連続性定理 連続?
30 準備3 : Lévyの連続性定理 連続? ※イメージ
31 証明の方針
32 証明の方針 対応
33 証明の方針 対応
34 証明の方針 対応 対応(?)
35 証明の方針 Lévyの連続性定理 対応 対応(?)
36 証明の方針 Lévyの連続性定理 対応 対応(?)
37 証明 (cf.)
38 証明
39 証明
40 証明 (cf.)
41 証明 (cf.)
42 準備1 : 特性関数の例(再掲) (ほぼ)ガウス関数→
43 証明 (cf.)
44 証明 (cf.)
45 証明の方針(再掲) 対応 対応(?)
46 証明の方針(再掲) 対応 対応(?) → 対応!
47 証明の方針(再掲) Lévyの連続性定理 対応 対応(?) → 対応!
48 証明の方針(再掲) Lévyの連続性定理 対応 対応(?) → 対応!
49 証明の方針(再掲) Lévyの連続性定理 対応 対応(?) → 対応!
50 参考文献 ・佐藤坦:「はじめての確率論 測度から確率へ」. 共立出版, 1994. ・倉田博史, 星野崇弘:「入門統計解析」. 新世社, 2009.
51 Thank you