IID和大数法则.ppt

確率?統計Ⅰ 第11回 i.i.d.の和と大数の法則 中心極限定理とは 中心極限定理とは 正規分布と中心極限定理 （復習）確率変数の標準化 （復習）正規分布 中心極限定理 確率変数の標準化 確率変数の標準化 補足 正規分布と中心極限定理 （復習）確率変数の標準化 （復習）正規分布 中心極限定理 正規分布 正規分布の平均?分散?標準化 正規分布と中心極限定理 （復習）確率変数の標準化 （復習）正規分布 中心極限定理 中心極限定理 （復習）i.i.d.の和の平均と分散 中心極限定理 中心極限定理 補足① 中心極限定理 補足② 中心極限定理 補足③ 二項分布の正規近似（再） 二項分布の正規近似′ （再） ［演習］ 確率変数の標準化 [1] X1, X2, …, Xn を i.i.d. , X1*, X2*, …, Xn* をそれぞれの標準化とする。 Sn = X1 + X2 + … + Xn の標準化 Sn* に対して、次式が成り立つことを示せ。 ［再演習］ 正規分布 [2] 確率変数 Z が正規分布 N(5,16) に従うとする。 次の確率を、標準正規分布に従う確率変数 Z* に関する確率で表せ。 P( 4＜ Z ≦8 ) P( Z 0 ) 確率が P( -2 Z* 2 ) と等しくなるような、 Z の範囲を求めよ。 ［再演習］ 正規分布 [3] 確率変数 Z が正規分布 N(5,16) に従うとき、次の確率を関数 を用いて表せ。 　さらに、負の数を使わずに表す工夫を考えよ。 P( 4＜ Z ≦8 ) P( Z 0 ) ［演習］ 二項分布の正規近似 [4] 確率変数 X が二項分布 N(100, 0.5) に従うとき、次の確率を標準正規分布 Z* についての確率で近似せよ。 P( 45＜ X ≦60 ) P( X 0 ) メニューに戻る メニューへ さらに実は、X1, X2, …, Xn が同一の分布でなくても、一定の条件があれば中心極限定理が成り立つ。 ［参考］中心極限定理の証明は、特性関数（フーリエ変換）を用いて、間接的に行われる。すなわち、(1) 左辺をフーリエ変換したものが、右辺をフーリエ変換したものに収束すること, (2) フーリエ変換が収束すれば、もとの分布の収束もいえること, を用いる。(1)はテーラー展開などを用いた解析的な計算（やや高度だが）に帰着する。 (2)の厳密な証明はたいへん高度である。 統計学では中心極限定理をこちらの形で利用する。 　前のページで、中心極限定理は大数の法則の精密化であることを注意したが、同じことを Xでなく X~ = X / n を使って述べれば次のようになる： “ 大数の法則は、「X － μ が（ある意味で）0 に近づく」という定理だったが、その極限のスピードは1/√n が 0 に近づくスピードと同じレベルであり、したがってその √n 倍は（∞と0が同じオーダーでちょうど釣り合って） 0でも∞でもないある分布（正規分布）に収束する。これが中心極限定理である。 ” 「中心極限定理」という名前の理由は知らないが、「確率?統計の“中心”になる定理だから」という説が有力。 ヒント： Ⅰ． Z* = ( Z - 5 ) / 4 Ⅱ． P( μ-2σ Z μ+2σ) ヒント：演習 [2]の結果と、P( a Z* b ) = F(b) － F(a) であることを用いる。 （[注] このF(x) は、標準正規分布の「（累積）分布関数」と呼ばれるものである。） 負の数を使わないためには、グラフの対称性を利用する。たとえば、F(－a) = F(0) － { F(a) － F(0) } = 1 － F(a) など。 * 確率論とは 確率変数、確率分布 確率変数の独立性 ／ 確率変数の平均 確率変数の平均（続き）、確率変数の分散 確率変数の共分散、チェビシェフの不等式 ベルヌイ試行と二項分布 二項分布（続き）、幾何分布など 二項分布の近似、ポアソン分布、正規分布 正規分布とその性質 i.i.d.の和と大数の法則 中心極限定理 統計学の基礎1（母集団と標本、確率論との関係） 統計学の基礎2（正規分布を用いた推定?検定） ここです！ n→∞のとき X1, …, Xn を i.i.d. とし、 X = X1 + … + Xn とおく。 大数の法則 中心極限定理 簡単のため、平均 E(Xi)=0, 分散 V(Xi)=1 としよう。 n→∞のとき i.i.d.の和 X の標準化 X* は、 標準正規分布 N(0,1) に“近づく” この主張を理解するためには、 「標準化」と「正規分布」 について知っておく必要がある。 （問） E(X