正規分布の和 -正規分布の和が正規分布になるのは、独立のときのみなの- 数学

Q２つの正規分布を合成したらどうなるのでしょうか？

現在大学の研究の過程で統計学を学ぶ必要がでてきました。僕自身は統計学に詳しくはないので知識のある方の回答は非常に助かります。
どうかご教授よろしくおねがいします。

平均μ、分散σで表される正規分布はf(x)=1/((√2π)σ) exp-{((x-μ)^2)/2σ^2}で表されますが

例えば互いに独立で

国語の平均点、分散を（μ1,σ1)としての正規分布f(国語)
数学の平均点、分散を（μ2,σ2)としての正規分布f(数学)

とした時の国語と数学の合計得点の分布f(国語+数学)はどのように表せばよいのでしょうか？

...続きを読む

Aベストアンサー

＞　平均μ、分散σで表される正規分布はf(x)=1/((√2π)σ) exp-{((x-μ)^2)/2σ^2}で表されますが
一般的には分散をσ^2と表し、標準偏差はその平方根でσと表します。
質問者さんが示された確率密度関数は、平均 μ、分散「σ^2 」の正規分布のものです。分散と標準偏差の扱いをもう少しきちんとしましょう。

＞　μ3=μ1+μ2, σ3=σ1+σ2のように平均も分散も和で考えてよいのなら
２つの確率変数 X, Y があり、それぞれの平均と「分散」がμ1, (σ1)^2, μ2, (σ2)^2 であるとします。確率変数 Z を Z = X + Y で定め、Z の平均と「分散」をμ3, (σ3)^2 とすると・・・

μ3 = μ1 + μ2
は、X,　Y がどのような分布であっても（X, Y が異なる分布であっても）成立しますし、X, Y が互いに独立であるか否かに関わらず成立します。
また、X, Y が互いに独立であれば（それらの分布によらず）、
(σ3)^2 = (σ1)^2 + (σ2)^2
が成立します。（このとき Z = X + Y の「標準偏差」σ3 は、σ3 = √( (σ1)^2 + (σ2)^2 ) ）

＞　f(国語+数学)=1/((√2π)σ3) exp-{((x-μ3)^2)/2σ3^2}
＞　が答えだと思っているのですが
X, Y が互いに独立な確率変数であり、共に正規分布に従うならば、X + Y もまた正規分布に従うという事実は確かにありますが、これは正規分布の「再生性」と呼ばれる特別な性質であることを理解していなければなりません。その点、大丈夫ですか？

＞　それとは別のやり方で
＞　f(国語)=1/((√2π)σ1) exp-{((x-μ1)^2)/2σ1^2}と
＞　f(数学)=1/((√2π)σ2) exp-{((x-μ2)^2)/2σ2^2}をたたみこみ積分すれば答えがでるのではないかと考えています。
上述したように、正規分布の再生性を示す必要があるならば、畳み込み積分でそれを示すのが一法なのであって、何も「別のやり方」ではありません。
案ずるより計算するが易しです。式の整理が面倒なだけで、特別な知識は不要です。
f(x) = 1/((√2π)σ1) exp-{((x-μ1)^2)/2σ1^2}
g(x) = 1/((√2π)σ2) exp-{((x-μ2)^2)/2σ2^2}
h(x) = ∫f(t) g(x - t) dt
　　= 1/(2πσ1 σ2) ∫exp{ - (t - μ1)^2 / (2σ1^2) - (x - t - μ2)^2 / (2σ2^2) } dt
　　epx( ) の指数部を t で平方完成して
　　= 1/(2πσ1 σ2) ∫exp{ - (t - 何ちゃら )^2 / (2σ1^2 σ2^2 / (σ1^2 + σ2^2)) - (x - μ1 - μ2)^2 / 2 (σ1^2 + σ^2) } dt
　　= 1/(2πσ1 σ2) exp{ - (x - μ1 - μ2)^2 / 2 (σ1^2 + σ^2) } ∫exp{ - (t - 何ちゃら )^2 / (2σ1^2 σ2^2 / (σ1^2 + σ2^2))} dt
　　= 1/√(2π(σ1^2 + σ2^2)) exp{ - (x - μ1 - μ2)^2 / 2 (σ1^2 + σ^2) }
　　（∵ ∫ exp ( - (t - A)^2 / 2B^2 ) dt = √(2π) B ）
μ3 = μ1 + μ2, σ3^2 = σ1^2 + σ2^2 とおけば
h(x) = 1/(√(2π) σ3) exp( - (x - μ3)^2 / 2 σ3^2 )
途中、「何ちゃら」の部分は省略してますので、興味があれば追っかけてみてください。

なお、本件は確率論において、ごくごく基本的な事項です。
もし、これから確率統計を使って研究をされるのならば、このような件を簡単に質問して済ませるのは危うい感じがします。ちゃんと書籍を読まれ、その上で質問されるのが宜しいでしょう。

＞　平均μ、分散σで表される正規分布はf(x)=1/((√2π)σ) exp-{((x-μ)^2)/2σ^2}で表されますが
一般的には分散をσ^2と表し、標準偏差はその平方根でσと表します。
質問者さんが示された確率密度関数は、平均 μ、分散「σ^2 」の正規分布のものです。分散と標準偏差の扱いをもう少しきちんとしましょう。

＞　μ3=μ1+μ2, σ3=σ1+σ2のように平均も分散も和で考えてよいのなら
２つの確率変数 X, Y があり、それぞれの平均と「分散」がμ1, (σ1)^2, μ2, (σ2)^2 であるとします。確率変数 Z を Z = X + Y で定め、Z ...続きを読む

他の回答も見る

Q和の共分散の公式について・・・確率変数XYZで

Cov（Ｘ+Ｙ、Ｚ）＝Cov（X、Z）+Cov（Y、Z)
これって、XとYを足したものとZとの共分散でしょうか？
どなたか、簡単な例で教えて下さい。　XとYの共分散までなら分かります。　40％の確率で期待値がX=20,Y=30,Z=40
60％の確率でX=10、Y=50、Z=30とかだったら上のし式はどうなりますか？　他の例でもけっこうです。

Aベストアンサー

たとえば、３つのデータ
(X,Y,Z) = (1,1,1),(1,2,2),(2,3,2)
があったとすると、
Cov(X,Z) = E(XZ)-E(X)E(Z) = (7/3)-(4/3)(5/3) = 1/9
Cov(Y,Z) = E(YZ)-E(Y)E(Z) = (11/3)-2(5/3) = 1/3
Cov(X+Y,Z) = E((X+Y)Z)-E(X+Y)E(Z) = 6-(10/3)(5/3)=4/9
となりますから、
Cov(X+Y,Z) = Cov(X,Z)+Cov(Y,Z)
が成り立っています。
※Eは平均値の意味です。

質問の後半ですが、期待値だけから共分散を求めることはできません。上のように具体的なデータの組か、(X,Y,Z)３次元の確率分布が必要です。

他の回答も見る

Q正規分布の加法性について

すいません。統計学初学者です。
正規分布の加法性でわからないことがございます。

１．N(u1, σ1^2) + N(u2, σ2^2) →　N(u1 + u2, σ1^2+σ2^2)
２．N(u1, σ1^2) - N(u2, σ2^2) →　N(u1 - u2, σ1^2+σ2^2)

正規分布を足しても引いても、
平均はそれぞれ、足されるあるいは引かれますが、
なぜ、分散だけはどちらも足されるのでしょうか？
分散は引くことは出来ないものなのでしょうか？

よろしくお願いいたします。

Aベストアンサー

>分散を引いたときと足したとき、分散の値は同じ。

根本的な誤解があります。質問者さんが参考にしている本も私たちも分散の引き算を、
さらには分布の引き算を論じているわけではありません。2つの確率変数X,Yの和、差の
結果として（X-Y)の分布、分散がどうなるかを論じています。この二つは全く違う議論です。

確率変数は何らかの分布に従ってはいても実態は具体的な数字です。
サイコロの出目であったり、#3で例としてあげたコインの枚数であったり、
工場で作れらる製品の不良品の数であったり様々ですがあくまでただの数字であり、
分布では有りません。ただ、その出現頻度が何らかの法則に従っているだけです。
この具体的な数字、例えば大きなサイコロと小さなサイコロを振って大きいサイコロの
出目から小さいサイコロの出目を引くといったことを考えるのが確率変数の引き算で、
その結果がどのような分布に従うことになるかを今、論じているのです。

さらに分かり易い(?)例を考えてみると、A社の200g入り牛乳の実重量が正規分布(203,1)に
従っているとします。ここから2本ずつ取り出してそれぞれの重量の差を求めてみます。
その結果が(0,0)、つまり全部0、どれも差がなかったことになると思いますか？
重いものから軽いものを引くこともあるし、軽いものから重いものを引くこともあり
結果として差は正規分布(0,2)に従うことになりますよ、と言っているのが参考書ですし、
回答者みなさんなのです。

もちろん、分散を引く計算を問題にすることも出来ます。
重量が正規分布に従うコップが有ってここに重量が正規分布(100,5)に従う水を
入れたら全体の重さは正規分布(120,8)に従った。元のコップの分布を求めよ。
これなら分散を引いて答えは(20,3)になります。しかしこれは確率変数の差を
求めているわけではないのですよ。

>分散を引いたときと足したとき、分散の値は同じ。

根本的な誤解があります。質問者さんが参考にしている本も私たちも分散の引き算を、
さらには分布の引き算を論じているわけではありません。2つの確率変数X,Yの和、差の
結果として（X-Y)の分布、分散がどうなるかを論じています。この二つは全く違う議論です。

確率変数は何らかの分布に従ってはいても実態は具体的な数字です。
サイコロの出目であったり、#3で例としてあげたコインの枚数であったり、
工場で作れらる製品の不良品の数であったり様々...続きを読む

他の回答も見る

Q畳み込み積分をする和の密度関数の問題に困ってます。。。

畳み込み積分をする和の密度関数の問題に困ってます。。。
aを正の定数とする。実数値をとる確率変数X、Yが独立に密度関数
ｆ(x)=ae^(-ax)(x≧0),0(x＜0),
g(y)=(a+1)e^(-(a+1)y)(y≧0),0(y＜0),
に従うとき、その和の密度関数U＝X+Yを求めよ
という問題です。。。
畳み込みの公式にいれてみたのですが、最後まで計算ができない(eが発散してしまいました)

お願いします

Aベストアンサー

ポイントは：
　　　　 x≧0
　かつ　y=u-x≧0　,
よってxの積分領域は[0,u]　です。

これ以上書くと余計かもしれませんが，結果を計算したのでご参考ください。

別解は，逆フーリエ変換を用いるもので，指数分布の場合，zの積分領域を心配する必要がありません。

私はこれから日本で数理統計を学びたい準留学生です。一緒に頑張りましょう。

他の回答も見る

Q確率変数の和の問題

確率変数の和の問題です。

２つの確率変数XとYが、互いに独立に一様分布に従うとするとき、
確率変数X＋Yはどのような分布の形状になるのでしょうか？

結局、和も一様分布になるのでしょうか？分からなくなってしまいました。
教えて下さい。

Aベストアンサー

連続型でピンとこないなら、離散型で考えてみれば？例えばサイコロを1個振るでしょ。1から6に一様(離散なので一様的)に出るね。2回振って和を取ると、平均3.5*2=7だけど2から12が一様的には出ないよね。
元問題を正確に解くと、確率変数X,Yの確率密度関数をf(x),g(y)として。確率変数Z=X+Yの確率密度関数をh(z)とすると。
h(z)=∫[-∞,∞]f(z-y)g(y)dy または h(z)=∫[-∞,∞]f(x)g(z-x)dx を計算すればよい。
問題よりf(x)=1 (0≦x≦1),g(y)=1 (0≦y≦1)　なので　0≦z≦1のときyは0≦y≦z,1＜z≦2のときz-1≦y≦1の範囲をとる。
0≦z≦1 のとき h(z)=∫[0,z]f(z-y)g(y)dy=∫[0,z]1・1dy=z
1＜z≦2 のとき h(z)=∫[z-1,1]f(z-y)g(y)dy=∫[z-1,1]1・1dy=1-(z-1)=2-z

他の回答も見る

Qカイ2乗検定って何？？；；

タイトルのとおりですが…大学で統計の基礎な授業を一般教養で受けています。だけど知らない＆説明のない言葉がいっぱぃで、全くついていけません（＞＿＜））
「人が一番選ばなさそうな数字」を何度か投票した結果があって、その数字は無作為に選ばれてるかどうか、有意水準1%としてカイ2乗検定をして判断する、という問題があるのですが、カイ2乗検定自体、授業でちらっと言葉は使ったものの、計算の仕方、使い方の説明等はなく、まったく手がつかずにいます；；ネットでも調べてみましたが、どう使っていいのかまでは分かりませんでした。
知識の無い私でもわかるようなものがあれば教えて下さいっっ！お願いします。

Aベストアンサー

こんにちは．χ2(カイ二乗)検定を厳密に理解するには，数学的素養を持っている状態できっちりと統計学を学習する必要があるのですが，統計データを解析するための手段として統計学を「使う」のであれば，多少の原理を知っておけばよいでしょう．
以下初学者向けにかなり乱暴な説明をしています．正確な理解をしたければ，後で統計学の教科書などで独学して下さい．

χ2検定とは，χ2分布という確率分布を使ったデータ解析法と考えてもらう……のが一番なのですが，多分χ2分布って何？　と思われるでしょう．χ2分布とは，二乗値に関する確率分布と考えることができるのですが，この辺もさらりと流して下さい．

例を使って説明します．今，道行く人にA，B，C，Dの四枚のカードの中から好きなもの一枚を選んでもらうとしましょう（ただし，選んでもらうだけで，あげるわけではありません．単にどのカードを選択仕方の情報を得るだけです）．一人一枚だけの条件で，160人にカードを選んでもらいました．
さて，ここで考えてみて下さい．4枚のカードには大きな違いはなく，どれを選んでもかまわない．でたらめに選ぶとなれば，どのカードも1/4で，同じ確率で，選ばれるはずですよね？　ならば，160人データならば，Aは何枚ほど選ばれる「はず」でしょうか？　同様に，B，C，Dは何枚選ばれる「はず」でしょうか？
……当然，A＝B＝C＝D＝40枚の「はず」ですよね？　この40枚という数値はでたらめに（無作為に）選ばれたとしたらどんな数値になるかの【理論値】を意味します．

さて，上記はあくまでも理論値であり，実際のデータは異なる可能性があります．というよりはむしろ違っているのがふつうでしょう．そのような実際に観測された数値を【観測値】と呼びます．
仮に理論値と観測値が以下のようになったとします．

　　　　　　　　A　　　 B　　　 C　　　 D
(1)観測値　　　72　　　23　　　16　　　49
(2)理論値　　　40　　　40　　　40　　　40

当然のように観測値と理論値にズレが生じています．しかし現実と理論が異なるのはある意味当然なのですからぴったり一致することなどありえません．そこで，「ある程度一致しているか（ズレは許容範囲か）」を問題にすることになります．しかし，「ある程度」といわれても一体どのぐらいであれば「ある程度」と言えるのでしょうか？　なかなか判断が難しいではないですか？
確かに判断が難しいです．そこで，この判断のために統計学の力を借りて判断するわけで，更に言えばこのような目的（理論値と観測値のズレが許容範囲かどうか）を検討するときに使われるデータ解析法がχ2検定なのです．

　　　　　　　　A　　　 B　　　 C　　　 D
(1)観測値　　　72　　　23　　　16　　　49
(2)理論値　　　40　　　40　　　40　　　40
(3)ズレ　　　 +32　　 -17　　 -14　　 + 9
(4)ズレ二乗　1024　　 289　　 196　　　81
(5)(4)÷(2)　25.6　　7.225　　4.9　　2.025

　χ2＝25.6＋7.225＋4.9＋2.025＝49.25

計算過程をさらりと書いていますが，早い話が観測値と理論値のズレの大きさはいくらになるのか，を求めることになります．最終的には「49.25」というズレ値が算出されました．

さて，この「49.25」というズレ値が許容範囲かどうかの判定をするのですが，ここで，χ2分布という確率分布を使うことになります．詳細は統計学教科書を参考してもらうとして，χ2分布を使うと，○○というズレ値が（ある条件では）どのぐらい珍しいことなのか，という「珍しさの確率」を教えてくれます．
かりに「有意水準1％＝1％よりも小さい確率で発生することはすごく珍しいと考える（許容範囲と考えられない）」とすれば，「珍しさ確率」が1％以内であれば「許容範囲ではない」と判断します．

以上，長々と書きました．今までの説明を読めばわかるように，χ2検定とはある理論値を想定した時，実際の観測値がその理論値とほぼ一致しているかどうかを調べるための統計解析法のことです．

χ2検定では，理論値をどのように設定するかは分析者の自由です．その設定の仕方で，χ2検定は「適合度の検定」や「独立性の検定」など異なる名称が付与されますが，本質は同じなのです．

質問者さんの場合は

＞　「人が一番選ばなさそうな数字」を何度か投票した結果があって、その数字は無作為に選ばれてるかどうか、

これを理論値としてうまく設定することが鍵となるでしょう．

こんにちは．χ2(カイ二乗)検定を厳密に理解するには，数学的素養を持っている状態できっちりと統計学を学習する必要があるのですが，統計データを解析するための手段として統計学を「使う」のであれば，多少の原理を知っておけばよいでしょう．
以下初学者向けにかなり乱暴な説明をしています．正確な理解をしたければ，後で統計学の教科書などで独学して下さい．

χ2検定とは，χ2分布という確率分布を使ったデータ解析法と考えてもらう……のが一番なのですが，多分χ2分布って何？　と思われるでしょう．χ2分布...続きを読む

他の回答も見る

Q統計学的に信頼できるサンプル数って？

統計の「と」の字も理解していない者ですが、
よく「統計学的に信頼できるサンプル数」っていいますよね。

あれって「この統計を調べたいときはこれぐらいのサンプル数があれば信頼できる」という決まりがあるものなのでしょうか？
また、その標本数はどのように算定され、どのような評価基準をもって客観的に信頼できると判断できるのでしょうか？
たとえば、99人の専門家が信頼できると言い、1人がまだこの数では信頼できないと言った場合は信頼できるサンプル数と言えるのでしょうか？

わかりやすく教えていただけると幸いです。

Aベストアンサー

> この統計を調べたいときはこれぐらいのサンプル数があれば信頼できる・・・
　調べたいどの集団でも、ある一定数以上なら信頼できるというような決まりはありません。
　何かサンプルを集め、それをなんかの傾向があるかどうかという仮説を検証するために統計学的検定を行って、仮設が否定されるかされないかを調べる中で、どの検定方法を使うかで、最低限必要なサンプル数というのはあります。また、集めたサンプルを何か基準とすべき別のサンプルと比べる検定して、基準のサンプルと統計上差を出すに必要なサンプル数は、比べる検定手法により計算できるものもあります。
　最低限必要なサンプル数ということでは、例えば、ある集団から、ある条件で抽出したサンプルと、条件付けをしないで抽出したサンプル(比べるための基準となるサンプル)を比較するときに、そのサンプルの分布が正規分布(正規分布解説:身長を5cmきざみでグループ分けし、低いグループから順に並べたときに、日本人男子の身長なら170cm前後のグループの人数が最も多く、それよりも高い人のグループと低い人のグループの人数は、170cmのグループから離れるほど人数が減ってくるような集団の分布様式)でない分布形態で、しかし分布の形は双方とも同じような場合「Wilcoxon符号順位検定」という検定手法で検定することができますが、この検定手法は、サンプルデータに同じ値を含まずに最低６つのサンプル数が必要になります。それ以下では、いくらデータに差があるように見えても検定で差を検出できません。
　また、統計上差を出すのに必要なサンプル数の例では、Ａ国とＢ国のそれぞれの成人男子の身長サンプルがともに正規分布、または正規分布と仮定した場合に「ｔ検定」という検定手法で検定することができますが、このときにはその分布を差がないのにあると間違える確率と、差があるのにないと間違える確率の許容値を自分で決めた上で、そのサンプルの分布の値のばらつき具合から、計算して求めることができます。ただし、その計算は、現実に集めたそれぞれのサンプル間で生じた平均値の差や分布のばらつき具合(分散値)、どのくらいの程度で判定を間違える可能性がどこまで許されるかなどの条件から、サンプル間で差があると認められるために必要なサンプル数ですから、まったく同じデータを集めた場合でない限り、計算上算出された(差を出すために)必要なサンプル数だけサンプルデータを集めれば、差があると判定されます(すなわち、サンプルを無制限に集めることができれば、だいたい差が出るという判定となる)。よって、集めるサンプルの種類により、計算上出された(差を出すために)必要なサンプル数が現実的に妥当なものか、そうでないのかを、最終的には人間が判断することになります。

　具体的に例示してみましょう。
　ある集団からランダムに集めたデータが15,12,18,12,22,13,21,12,17,15,19、もう一方のデータが22,21,25,24,24,18,18,26,21,27,25としましょう。一見すると後者のほうが値が大きく、前者と差があるように見えます。そこで、差を検定するために、t検定を行います。結果として計算上差があり、前者と後者は計算上差がないのにあると間違えて判断する可能性の許容値(有意確率)何%の確率で差があるといえます。常識的に考えても、これだけのサンプル数で差があると計算されたのだから、差があると判断しても差し支えないだろうと判断できます。
　ちなみにこの場合の差が出るための必要サンプル数は、有意確率５％、検出力0.8とした場合に5.7299、つまりそれぞれの集団で6つ以上サンプルを集めれば、差を出せるのです。一方、サンプルが、15,12,18,12,21,20,21,25,24,19の集団と、22,21125,24,24,15,12,18,12,22の集団ではどうでしょう。有意確率5%で差があるとはいえない結果になります。この場合に、このサンプルの分布様式で拾い出して差を出すために必要なサンプル数は551.33となり、552個もサンプルを抽出しないと差が出ないことになります。この計算上の必要サンプル数がこのくらい調査しないといけないものならば、必要サンプル数以上のサンプルを集めて調べなければなりませんし、これだけの数を集める必要がない、もしくは集めることが困難な場合は差があるとはいえないという判断をすることになるかと思います。

　一方、支持率調査や視聴率調査などの場合、比べるべき基準の対象がありません。その場合は、サンプル数が少ないレベルで予備調査を行い、さらにもう少しサンプル数を増やして予備調査を行いを何回か繰り返し、それぞれの調査でサンプルの分布形やその他検討するべき指数を計算し、これ以上集計をとってもデータのばらつきや変化が許容範囲(小数点何桁レベルの誤差)に納まるようなサンプル数を算出していると考えます。テレビ視聴率調査は関東では300件のサンプル数程度と聞いていますが、調査会社ではサンプルのとり方がなるべく関東在住の家庭構成と年齢層、性別などの割合が同じになるように、また、サンプルをとる地域の人口分布が同じ割合になるようにサンプル抽出条件を整えた上で、ランダムに抽出しているため、数千万人いる関東の本当の視聴率を割合反映して出しているそうです。これはすでに必要サンプル数の割り出し方がノウハウとして知られていますが、未知の調査項目では必要サンプル数を導き出すためには試行錯誤で適切と判断できる数をひたすら調査するしかないかと思います。

> どのような評価基準をもって客観的に信頼できると判断・・・
　例えば、工場で作られるネジの直径などは、まったくばらつきなくぴったり想定した直径のネジを作ることはきわめて困難です。多少の大きさのばらつきが生じてしまいます。1mm違っても規格外品となります。工場では企画外品をなるべく出さないように、統計を取って、ネジの直径のばらつき具合を調べ、製造工程をチェックして、不良品の出る確率を下げようとします。しかし、製品をすべて調べるわけにはいきません。そこで、調べるのに最低限必要なサンプル数を調査と計算を重ねてチェックしていきます。
　一方、農場で生産されたネギの直径は、1mmくらいの差ならほぼ同じロットとして扱われます。また、農産物は年や品種の違いにより生育に差が出やすく、そもそも規格はネジに比べて相当ばらつき具合の許容範囲が広くなっています。ネジに対してネギのような検査を行っていたのでは信頼性が損なわれます。
　そもそも、統計学的検定は客観的判断基準の一指針ではあっても絶対的な評価になりません。あくまでも最終的に判断するのは人間であって、それも、サンプルの質や検証する精度によって、必要サンプルは変わるのです。

　あと、お礼の欄にあった専門家：統計学者とありましたが、統計学者が指摘できるのはあくまでもそのサンプルに対して適切な検定を使って正しい計算を行ったかだけで、たとえ適切な検定手法で導き出された結果であっても、それが妥当か否か判断することは難しいと思います。そのサンプルが、何を示し、何を解き明かし、何に利用されるかで信頼度は変化するからです。
　ただ、経験則上指標的なものはあります。正規分布を示すサンプルなら、20～30のサンプル数があれば検定上差し支えない(それ以下でも問題ない場合もある)とか、正規分布でないサンプルは最低６～８のサンプル数が必要とか、厳密さを要求される調査であれば50くらいのサンプル数が必要であろうとかです。でも、あくまでも指標です。

> この統計を調べたいときはこれぐらいのサンプル数があれば信頼できる・・・
　調べたいどの集団でも、ある一定数以上なら信頼できるというような決まりはありません。
　何かサンプルを集め、それをなんかの傾向があるかどうかという仮説を検証するために統計学的検定を行って、仮設が否定されるかされないかを調べる中で、どの検定方法を使うかで、最低限必要なサンプル数というのはあります。また、集めたサンプルを何か基準とすべき別のサンプルと比べる検定して、基準のサンプルと統計上差を出すに必要な...続きを読む

他の回答も見る

Q確率変数とは

確率変数Ｐ｛Ｘ＝ｘ｝のＸとｘの違いがよく分かりません。というか確率変数の概念自体がよく分かりません。またなぜＰ｛Ｘ＝ｘ｝＝Ｐ（ｘ）なのかもわかりません。助けてください。

Aベストアンサー

まず、Xとxが紛らわしいですね。
P{X=x}=P(x)
を、
P{A=t}=f(t)
のように置き換えても、同じ意味ですので、こう置き換えて説明してみます。
確率変数というのは、最初に決めた、現象の集合と、実数との対応です。サイコロの例がよく出されますが、逆にわかりにくくしている面もあります。各面に、{a,b,c,d,e,f}という文字が書かれたサイコロを想像してみてください。さて、このサイコロで、{a,b,c}の文字が出る確率を知りたいとしますね。ところが、数学は「数」を扱う世界なので、文字は直接は扱えません。...続きを読む

他の回答も見る

Q加重平均（重み付き平均）の標準偏差の求め方

あるデータを統計処理しています。
加重平均（重み付き平均）を計算し、
その標準偏差を求めようとしています。
私はあまり統計に詳しくないので、
加重平均の標準偏差の求め方が分かりません。
どなたかご存知の方がおられましたら是非教えて下さい。
よろしくお願い致します。

Aベストアンサー

＃３です。
分散の具体的な求め方です。
「重み」は相対的なものですから、0.2 0.6 0.3 0.4 0.6 を 2 6 3 4 6 と読み替えても同じことです。
つまり、データが 30 30 21 21 21 21 21 21 40 40 40 25 25 25 25 18 18 18 18 18 18 の２１個だと考え、ふつうの方法で平均や分散を計算します。

ただし、データはあくまで５個しかないのですから、平均値や分散の信頼度を論じるときには「データが２１個もあるのだから、求めた値はそれだけ精度が高いのだ」などと考えると落とし穴にはまりますよ。

他の回答も見る