Slide 1

Slide 1 text

BeginneR Session - 確率の基礎 - #79 Tokyo.R 2019.06.29 @kilometer00

Slide 2

Slide 2 text

Who!?

Slide 3

Slide 3 text

Who!? 名前: 三村 @kilometer 職業: ポスドク (こうがくはくし) 専⾨: ⾏動神経科学(霊⻑類) 脳イメージング 医療システム⼯学 R歴: ~ 10年ぐらい 流⾏: Netflix

Slide 4

Slide 4 text

2018.06.09 Tokyo.R #70 BeginneR Session – Bayesian Modeling 2018.07.15 Tokyo.R #71 Landscape with R – the Japanese R community 2018.10.20 Tokyo.R #73 BeginneR Session – Visualization & Plot 2019.01.19 Tokyo.R #75 BeginneR Session – Data pipeline 2019.03.02 Tokyo.R #76 BeginneR Session – Data pipeline 2019.04.13 Tokyo.R #77 BeginneR Session – Data analysis 2019.05.25 Tokyo.R #78 BeginneR Session – Data analysis

Slide 5

Slide 5 text

BeginneR Session

Slide 6

Slide 6 text

BeginneR

Slide 7

Slide 7 text

BeginneR Advanced Hoxo_m If I have seen further it is by standing on the shoulders of Giants. -- Sir Isaac Newton, 1676

Slide 8

Slide 8 text

Before After BeginneR Session BeginneR BeginneR

Slide 9

Slide 9 text

BeginneR Session - 確率の基礎 -

Slide 10

Slide 10 text

今回は

Slide 11

Slide 11 text

新作です!

Slide 12

Slide 12 text

‧スライドが⽇本語です ‧難しいかも ‧分かりやすさを優先する ため単純化しました。

Slide 13

Slide 13 text

‧スライドが⽇本語です ‧難しいかも ‧分かりやすさを優先する ため単純化しました ていません(ちょっとだけ)。

Slide 14

Slide 14 text

で、

Slide 15

Slide 15 text

確率変数は正規分布に従う

Slide 16

Slide 16 text

確率変数は正規分布に従う 【今⽇の⽬標】 を完全に理解する。

Slide 17

Slide 17 text

= () 関数

Slide 18

Slide 18 text

: → 空間 空間 写像 = () 関数は写像。

Slide 19

Slide 19 text

: → 空間 空間 写像 Ω空間 空間 写像 確率を求める関数も写像。

Slide 20

Slide 20 text

へのへのもへサイコロ へ の の へ も へ

Slide 21

Slide 21 text

へのへのもへサイコロ 根元事象 標本空間Ω ⾯1 : へ ⾯2 : の ⾯3 : へ ⾯4 : の ⾯5 : も ⾯6 : へ

Slide 22

Slide 22 text

へのへのもへサイコロ ⾯1 : へ ⾯2 : の ⾯3 : へ ⾯4 : の ⾯5 : も ⾯6 : へ 根元事象 へ も の 事象 標本空間Ω 事象族ℱ

Slide 23

Slide 23 text

へのへのもへサイコロ 根元事象 へ も の 事象 1 2 1 3 1 6 標本空間Ω 事象族ℱ 確率 ⾯1 : へ ⾯2 : の ⾯3 : へ ⾯4 : の ⾯5 : も ⾯6 : へ

Slide 24

Slide 24 text

根元事象 へ も の 事象 標本空間Ω 事象族ℱ へのへのもへサイコロ 1 2 1 3 1 6 関 数 確率 ⾯1 : へ ⾯2 : の ⾯3 : へ ⾯4 : の ⾯5 : も ⾯6 : へ

Slide 25

Slide 25 text

0 ≤ ≤ 1 : ℱ → [0,1] Ω (標本空間) 写像 ̅ 事象 [0,1]空間 事象族 : → 空間 空間 写像

Slide 26

Slide 26 text

事象族ℱの性質 ℱ ⊆ Ω ∅, Ω ∈ ℱ ℱ = 1 , 2 , … ≠ ∅ ∈ ℱ ⇒ ̅ ∈ ℱ I ∈ ℱ ⇒ J I ∈ ℱ I → ℱはσ-加法族である

Slide 27

Slide 27 text

写像の性質 : ℱ → [0,1] (Ω) = 1 → が確率測度である。 ⇒ (⋃ I I ) = ∑ ( I I ) ∀ I ∩ P = ∅ ( ≠ )

Slide 28

Slide 28 text

0 ≤ ≤ 1 : ℱ → [0,1] Ω (標本空間) 写像 ̅ 確率空間(Ω, ℱ, ) probability space 事象 [0,1]空間 事象族 確率測度

Slide 29

Slide 29 text

根元事象 へ も の 事象 標本空間Ω 事象族ℱ へのへのもへサイコロ 1 2 1 3 1 6 確率 関 数 ⾯1 : へ ⾯2 : の ⾯3 : へ ⾯4 : の ⾯5 : も ⾯6 : へ

Slide 30

Slide 30 text

「で、君、それは何点なんだね?」 Mr. IF

Slide 31

Slide 31 text

根元事象 へ も の 事象 標本空間Ω 事象族ℱ へのへのもへサイコロ 1 2 確率 1 3 1 6 関 数 ⾯1 : へ ⾯2 : の ⾯3 : へ ⾯4 : の ⾯5 : も ⾯6 : へ

Slide 32

Slide 32 text

根元事象 へ も の 事象 標本空間Ω 事象族ℱ へのへのもへサイコロ 1 2 確率 1 3 1 6 1点 実数空間R 2点 1点 2点 3点 1点 実現値 関 数 ⾯1 : へ ⾯2 : の ⾯3 : へ ⾯4 : の ⾯5 : も ⾯6 : へ

Slide 33

Slide 33 text

根元事象 へ も の 事象 標本空間Ω 事象族ℱ へのへのもへサイコロ 1 2 確率 1 3 1 6 1点 実数空間R 2点 1点 2点 3点 1点 実現値 関 数 関 数 ⾯1 : へ ⾯2 : の ⾯3 : へ ⾯4 : の ⾯5 : も ⾯6 : へ

Slide 34

Slide 34 text

0 ≤ ≤ 1 : ℱ → [0,1] Ω (標本空間) [0,1]空間 ̅ 確率空間(Ω, ℱ, ) probability space 事象 : Ω → R R (実数空間) (実現値) (確率変数) 事象族

Slide 35

Slide 35 text

0 ≤ ≤ 1 Ω (標本空間) [0,1]空間 ̅ 事象 : Ω → R R (実数空間) (実現値) (確率変数) = ⇔ U1() = より厳密には U1 : = { ∈ Ω| ∈ } ∈ ℱ : ℱ → [0,1] 事象族 確率空間(Ω, ℱ, ) probability space U1: R → Ω

Slide 36

Slide 36 text

0 ≤ ≤ 1 Ω (標本空間) [0,1]空間 ̅ 事象 (実現値) R (実数空間) : ℱ → [0,1] 事象族 確率空間(Ω, ℱ, ) probability space U1: R → Ω

Slide 37

Slide 37 text

0 ≤ ≤ 1 Ω (標本空間) [0,1]空間 ̅ 事象 (実現値) R (実数空間) : ℱ → [0,1] 事象族 確率空間(Ω, ℱ, ) probability space U1: R → Ω : R → [0,1] (確率分布)

Slide 38

Slide 38 text

0 ≤ ≤ 1 Ω (標本空間) [0,1]空間 ̅ 事象 (実現値) R (実数空間) : ℱ → [0,1] 事象族 確率空間(Ω, ℱ, ) probability space U1: R → Ω : R → [0,1] (確率分布) = U1 = ∋ = = 確率 確率分布 実現値 確率変数 事象 根元事象 確率測度

Slide 39

Slide 39 text

へのへのもへサイコロ = ( = ) =

Slide 40

Slide 40 text

さんの⾝⻑\ が180cmである確率 \ 0 300 実数空間R \

Slide 41

Slide 41 text

事象\ さんの⾝⻑\ が180cmである確率 \ 0 300 実数空間R 標本空間Ω 確率変数 \

Slide 42

Slide 42 text

事象\ さんの⾝⻑\ が180cmである確率 \ 0 300 実数空間R 標本空間Ω 事象族ℱ \ = 180.01 \ = 180.02 \ = 179.99 \ = 180.00 ... 確率変数 \

Slide 43

Slide 43 text

事象\ さんの⾝⻑\ が180cmである確率 \ \ 0 300 実数空間R 標本空間Ω 事象族ℱ \ = 180.01 \ = 180.02 \ = 179.99 \ = 180.00 ... 確率 \ ≅ 0 \ ≅ 0 \ ≅ 0 \ ≅ 0 ... 確率変数

Slide 44

Slide 44 text

= (| = ) = = 180 ≅ 0 !? 180

Slide 45

Slide 45 text

さんの⾝⻑\ が180cmである確率 \ 事象族ℱの性質より、 I ∈ ℱ ⇒ J I ∈ ℱ I (⾜したものもℱ に含まれるよ) だいたい180cmである確率

Slide 46

Slide 46 text

さんの⾝⻑\ が180cmである確率 \ だいたい180cmである確率 事象族ℱの性質より、 I ∈ ℱ ⇒ J I ∈ ℱ I 確率測度の性質より、 ∀ I ∩ P = ∅ ⇒ J I I = d ( I I ) (事象が互いに素なら、和事象の確率は、事象の確率の和だよ) ≠

Slide 47

Slide 47 text

さんの⾝⻑\ が180cmである確率 \ ≅ 180 = J I e If1 = d I e If1 = g = 1ijk∆ 1ijU∆ = g () 1ijk∆ 1ijU∆ だいたい180cmである確率

Slide 48

Slide 48 text

= = = = g n Ue

Slide 49

Slide 49 text

(無理やり描画) 1 ∞ = () = g n Ue 確率分布(): 定義域 pIq , prn において均⼀

Slide 50

Slide 50 text

(無理やり描画) 1 prn − pIq 1 ∞ = () = g n Ue f() = 1 確率分布(): 定義域 pIq , prn において均⼀

Slide 51

Slide 51 text

(無理やり描画) 1 prn − pIq 1 ∞ = () = g n Ue f() = 1 確率分布(): 定義域 pIq , prn において均⼀ g u r = g f u r = |rvnvu

Slide 52

Slide 52 text

= = = = g n Ue f() = 1 |rvnvu = g f u r 確率分布 累積分布 確率密度 確率

Slide 53

Slide 53 text

0 ≤ ≤ 1 Ω (標本空間) [0,1]空間 ̅ 事象 (確率変数) (実現値) : Ω → R R (実数空間) : ℱ → [0,1] 確率空間(Ω, ℱ, ) probability space (確率測度)

Slide 54

Slide 54 text

0 ≤ ≤ 1 Ω (標本空間) [0,1]空間 ̅ 事象 (実現値) R (実数空間) : ℱ → [0,1] 確率空間(Ω, ℱ, ) probability space (確率測度) U1: R → Ω

Slide 55

Slide 55 text

0 ≤ ≤ 1 Ω (標本空間) [0,1]空間 ̅ 事象 : R → [0,1] (確率分布) (実現値) R (実数空間) : ℱ → [0,1] 確率空間(Ω, ℱ, ) probability space (確率測度) U1: R → Ω

Slide 56

Slide 56 text

0 ≤ ≤ 1 Ω (標本空間) [0,1]空間 ̅ 事象 : R → [0,1] (確率分布) R (実数空間) : ℱ → [0,1] (確率測度) U1: R → Ω 確率空間(Ω, ℱ, ) probability space 確率空間(R, ℛ, ) (実現値) 事象族

Slide 57

Slide 57 text

もし、わからない事があったら 完全に理解しているヒトにドンドン聞いてみよう!

Slide 58

Slide 58 text

確率変数は正規分布に従う

Slide 59

Slide 59 text

確率変数は正規分布に従う 確率密度関数f が f |, 2 = 1 22 U (nU|)} 2~}

Slide 60

Slide 60 text

f |, 2 = 1 22 U (nU|)} 2~} 確率密度関数f が 「お、要するにy = Un} を考えて = でprn , = ±∞でpIq = 0 。 理解 そのなだらかさの度合いがかな。」

Slide 61

Slide 61 text

f |, 2 = 1 22 U (nU|)} 2~} 確率密度関数f が 完全理解 (論理) 「にゃーん」 理解 「お、要するにy = Un} を考えて = でprn , = ±∞でpIq = 0 。 そのなだらかさの度合いがかな。」

Slide 62

Slide 62 text

y <- function(x, mu = 0, s = 1){ (2 * pi * s^2)^(-1/2) * exp(-(x - mu)^2/(2 * s^2)) } plot(y, -5, 5) f |, 2 = 1 22 U (nU|)} 2~} 確率密度関数f が

Slide 63

Slide 63 text

y <- function(x, mu = 0, s = 1){ (2 * pi * s^2)^(-1/2) * exp(-(x - mu)^2/(2 * s^2)) } plot(y, -5, 5) f |, 2 = 1 22 U (nU|)} 2~} 確率密度関数f が

Slide 64

Slide 64 text

library(tidyverse) dat_g <- data.frame(x = seq(-5, 5, by = 0.1)) %>% mutate(y = dnorm(x, 0, 1)) dat_g %>% ggplot(aes(x, y))+ geom_path() f |, 2 = 1 22 U (nU|)} 2~} 確率密度関数f が

Slide 65

Slide 65 text

確率分布に関わるRの関数群 d** (第1引数はx座標) p** (第1引数はx座標) r** (第1引数は個数) q** (第1引数は割合) 確率密度関数 累積確率分布 乱数 確率点 確率分布の略号 正規分布: ポアソン分布: ⼀様分布: 対数正規分布: ベータ分布: norm pois unif lnorm beta などなど

Slide 66

Slide 66 text

確率分布に関わるRの関数群 d** (第1引数はx座標) p** (第1引数はx座標) r** (第1引数は個数) q** (第1引数は割合) 確率密度関数 累積確率分布 乱数 確率点 確率分布の略号 正規分布: ポアソン分布: ⼀様分布: 対数正規分布: ベータ分布: norm pois unif lnorm beta などなど 済 済

Slide 67

Slide 67 text

0 ≤ ≤ 1 Ω (標本空間) [0,1]空間 ̅ (確率変数) (実現値) : Ω → R R (実数空間) : ℱ → [0,1] 確率空間(Ω, ℱ, ) probability space (確率測度)

Slide 68

Slide 68 text

0 ≤ ≤ 1 Ω (標本空間) [0,1]空間 ̅ (確率変数) (実現値) : Ω → R : ℱ → [0,1] 確率空間(Ω, ℱ, ) probability space (確率測度) ランダムに選ばれたI∈ℕ R (実数空間) 乱数: 対応する実現値I∈ℕ

Slide 69

Slide 69 text

根元事象 へ も の 事象 標本空間Ω 事象族ℱ へのへのもへサイコロ 1 2 確率 1 3 1 6 1点 実数空間R 2点 1点 2点 3点 1点 実現値 関 数 関 数 ⾯1 : へ ⾯2 : の ⾯3 : へ ⾯4 : の ⾯5 : も ⾯6 : へ

Slide 70

Slide 70 text

根元事象 へ も の 事象 標本空間Ω 事象族ℱ へのへのもへサイコロ 1 2 確率 1 3 1 6 1点 実数空間R 2点 1点 2点 3点 1点 実現値 関 数 関 数 ⾯1 : へ ⾯2 : の ⾯3 : へ ⾯4 : の ⾯5 : も ⾯6 : へ ここをランダムに した時の この値が 乱数

Slide 71

Slide 71 text

根元事象 へ も の 事象 標本空間Ω 事象族ℱ へのへのもへサイコロ 1 2 確率 1 3 1 6 1点 実数空間R 2点 1点 2点 3点 1点 実現値 関 数 関 数 ⾯1 : へ ⾯2 : の ⾯3 : へ ⾯4 : の ⾯5 : も ⾯6 : へ ここをランダムに した時の この値が 乱数 標本空間から サンプリングする

Slide 72

Slide 72 text

正規分布の乱数 0 ≤ ≤ 1 Ω (標本空間) [0,1]空間 ̅ (確率変数) (実現値) : Ω → R : ℱ → [0,1] 確率空間(Ω, ℱ, ) probability space (確率測度) ランダムに選ばれたI∈ℕ R (実数空間) 乱数: 対応する実現値I∈ℕ Ωにおけるの分布は ⼀般には取り扱えない (ピッタリ180cmの確率はゼロ)

Slide 73

Slide 73 text

正規分布の乱数 0 ≤ ≤ 1 Ω (標本空間) [0,1]空間 ̅ (確率変数) (実現値) : Ω → R : ℱ → [0,1] 確率空間(Ω, ℱ, ) probability space (確率測度) ランダムに選ばれたI∈ℕ R (実数空間) 乱数: 対応する実現値I∈ℕ Ωにおけるの分布は ⼀般には取り扱えない (ピッタリ180cmの確率はゼロ) こっちから攻める U1

Slide 74

Slide 74 text

正規分布の乱数 0 ≤ ≤ 1 Ω (標本空間) [0,1]空間 ̅ (確率変数) (実現値) : Ω → R : ℱ → [0,1] 確率空間(Ω, ℱ, ) probability space (確率測度) ランダムに選ばれたI∈ℕ R (実数空間) 乱数: 対応する実現値I∈ℕ Ωにおけるの分布は ⼀般には取り扱えない (ピッタリ180cmの確率はゼロ) こっちから攻める これも直接 扱えないので FU1 こっちを使う U1

Slide 75

Slide 75 text

正規分布の乱数 累積分布()は必ず0 ≤ ≤ 1で、かつ、単調増加関数。 = を[0, 1]において均⼀にサンプリングすれば良い。 I I =

Slide 76

Slide 76 text

1 ∞ 正規分布の乱数 累積分布()は必ず0 ≤ ≤ 1で、かつ、単調増加関数。 = を[0, 1]において均⼀にサンプリングすれば良い。 ⼀様分布の確率分布 1 すごく大きい数 近似 Rで取り扱える最⼤数は103jjぐらい?

Slide 77

Slide 77 text

set.seed(71) dat <- data.frame(x = rnorm(3000)) %>% rowid_to_column("index") ggplot(dat, aes(x))+ geom_histogram()+ coord_flip() ggplot(dat, aes(index, x))+ geom_point()

Slide 78

Slide 78 text

確率変数は正規分布に従う 確率密度関数f が f |, 2 = 1 22 U (nU|)} 2~} となる確率分布から⽣じるサンプルを 実現値に持つ確率変数を考える。

Slide 79

Slide 79 text

まとめ

Slide 80

Slide 80 text

へのへのもへサイコロ へ の の へ も へ

Slide 81

Slide 81 text

根元事象 へ も の 事象 標本空間Ω 事象族ℱ へのへのもへサイコロ 1 2 確率 1 3 1 6 1点 実数空間R 2点 1点 2点 3点 1点 実現値 関 数 関 数 ⾯1 : へ ⾯2 : の ⾯3 : へ ⾯4 : の ⾯5 : も ⾯6 : へ

Slide 82

Slide 82 text

事象\ さんの⾝⻑\ が180cmである確率 \ \ 0 300 実数空間R 標本空間Ω 事象族ℱ \ = 180.01 \ = 180.02 \ = 179.99 \ = 180.00 ... 確率 \ ≅ 0 \ ≅ 0 \ ≅ 0 \ ≅ 0 ... 確率変数

Slide 83

Slide 83 text

(無理やり描画) 1 prn − pIq 1 ∞ = () = g n Ue f() = 1 確率分布(): 定義域 pIq , prn において均⼀ g u r = g f u r = |rvnvu

Slide 84

Slide 84 text

= = = = g n Ue f() = 1 |rvnvu = g f u r 確率分布 累積分布 確率密度 確率

Slide 85

Slide 85 text

0 ≤ ≤ 1 Ω (標本空間) [0,1]空間 ̅ 事象 : R → [0,1] (確率分布) R (実数空間) : ℱ → [0,1] (確率測度) U1: R → Ω 確率空間(Ω, ℱ, ) probability space (実現値)

Slide 86

Slide 86 text

正規分布に従う乱数 0 ≤ ≤ 1 Ω (標本空間) [0,1]空間 ̅ (確率変数) (実現値) : Ω → R : ℱ → [0,1] 確率空間(Ω, ℱ, ) probability space (確率測度) ランダムに選ばれたI∈ℕ R (実数空間) 乱数: 対応する実現値I∈ℕ こっちから攻める U1

Slide 87

Slide 87 text

set.seed(71) dat <- data.frame(x = rnorm(3000)) %>% rowid_to_column("index") ggplot(dat, aes(x))+ geom_histogram()+ coord_flip() ggplot(dat, aes(index, x))+ geom_point()

Slide 88

Slide 88 text

確率分布に関わるRの関数群 d** (第1引数はx座標) p** (第1引数はx座標) r** (第1引数は個数) q** (第1引数は割合) 確率密度関数 累積確率分布 乱数 確率点 確率分布の略号 正規分布: ポアソン分布: ⼀様分布: 対数正規分布: ベータ分布: norm pois unif lnorm beta などなど 済 済 済

Slide 89

Slide 89 text

確率変数は正規分布に従う 【今⽇の⽬標】 を完全に理解する。

Slide 90

Slide 90 text

もし、わからない事があったら 完全に理解しているヒトにドンドン聞いてみよう!

Slide 91

Slide 91 text

Before After BeginneR Session BeginneR BeginneR

Slide 92

Slide 92 text

BeginneR Advanced Hoxo_m If I have seen further it is by standing on the shoulders of Giants. -- Sir Isaac Newton, 1676

Slide 93

Slide 93 text

enjoy!

Slide 94

Slide 94 text

bar dradra

Slide 95

Slide 95 text

No content

Slide 96

Slide 96 text

標本空間Ω上の事象族ℱから区間[0,1]への 写像として確率測度を定義することで、 Ω上の事象に対応する確率を得る。 から区間[0,1]への写像として、 確率分布(x)を定義することで、 空間 (, ℛ, ) が確率空間として振る舞える。 Ωから実数空間Rへの写像を、 確率変数として定義することで、 その逆により 上に適切な事象族 ℛ を得る。 これによりの実現値に対応するを、 確率空間(, ℛ, )上で求める事が可能となる。 [1] [2] [3] [4]

Slide 97

Slide 97 text

事象I へのへのもへサイコロ Ω R X: Ω → R I ∈ 1,2, … , ∈ 1,2, … , 事象I Ω R X: Ω → R I ∈ 1,2, … , ∞ ∈ 1,2, … , ∞

Slide 98

Slide 98 text

0 ≤ ≤ 1 Ω (標本空間) [0,1]空間 ̅ 事象 (実現値) R (実数空間) : ℱ → [0,1] 事象族 確率空間(Ω, ℱ, ) probability space : Ω → R (確率変数)

Slide 99

Slide 99 text

0 ≤ ≤ 1 Ω (標本空間) [0,1]空間 ̅ 事象 (確率変数) : R → [0,1] (確率分布) = ∋ = = (実現値) 確率 確率分布 実現値 確率変数 事象 : Ω → R R (実数空間) : ℱ → [0,1] 事象族 確率空間(Ω, ℱ, ) probability space

Slide 100

Slide 100 text

0 ≤ ≤ 1 Ω (標本空間) [0,1]空間 ̅ 事象 (確率変数) : ℛ → [0,1] (確率分布) (実現値) : Ω → R R (実数空間) : ℱ → [0,1] 事象族 確率空間(R, ℛ, ) probability space 事象族 確率変数を考える事で、実現値が存在する実数空間から[1,0]空間への写像である 確率分布を定義することができ、(R, , ) を確率空間として捉えられるようになった。

Slide 101

Slide 101 text

事象族ℱの性質より、 ℱ ⊆ Ω I ∈ ℱ ⇒ J I ∈ ℱ I∈ℕ 確率測度の性質より、 (Ω) = 1 ⇒ (⋃ I I ) = ∑ ( I I ) ∀ I ∩ P = ∅

Slide 102

Slide 102 text

へのへのもへサイコロ ⾯1 : へ ⾯2 : の ⾯3 : へ ⾯4 : の ⾯5 : も ⾯6 : へ 根元事象 elementary event (atomic event) へ も の 事象 event 標本空間Ω sample space

Slide 103

Slide 103 text

へのへのもへサイコロ ⾯1 : へ ⾯2 : の ⾯3 : へ ⾯4 : の ⾯5 : も ⾯6 : へ へ も の 事象 標本空間Ω sample space

Slide 104

Slide 104 text

1点 3点 2点 へのへのもへサイコロ ⾯1 : へ ⾯2 : の ⾯3 : へ ⾯4 : の ⾯5 : も ⾯6 : へ へ も の 事象 標本空間Ω sample space 実数空間R

Slide 105

Slide 105 text

1点 3点 2点 へのへのもへサイコロ ⾯1 : へ ⾯2 : の ⾯3 : へ ⾯4 : の ⾯5 : も ⾯6 : へ へ も の 事象 標本空間Ω sample space 実数空間R 関 数

Slide 106

Slide 106 text

0 ≤ ≤ 1 Ω (標本空間) [0,1]空間 ̅ 事象 (確率変数) : R → [0,1] (確率分布) = ∋ = = (実現値) 確率 確率分布 実現値 確率変数 事象 : Ω → R R (実数空間) : ℱ → [0,1] 事象族 確率空間(Ω, ℱ, ) probability space ※ この内容は⼀般性は失われない

Slide 107

Slide 107 text

0 ≤ ≤ 1 Ω (標本空間) [0,1]空間 ̅ 事象 (確率変数) : R → [0,1] (確率分布) = ∋ = = (実現値) 確率 確率分布 実現値 確率変数 事象 : Ω → R R (実数空間) : ℱ → [0,1] 事象族 確率空間(Ω, ℱ, ) probability space ※ この内容は⼀般性は失われないが、

Slide 108

Slide 108 text

へ の も