痔になりやすい生活習慣とは?

指数分布の平均と分散について質問です。
確率密度関数f(x)=λe^(-λx)

平均E[x]と分散V[x]が以下のようになるらしいのですが
E[x]=1/λ,V[x]=1/λ^2
その求め方(証明式)を教えて下さい。
よろしくお願いします。

このQ&Aに関連する最新のQ&A

A 回答 (1件)

そのまま



E(X)=∫[0,∞]λxe^(-λx)dx
V(X)=∫[0,∞]λ(x-1/λ)^2e^(-λx)dx

を計算してください。部分積分で求められます。
なお、

lim[x→∞]xe^(-λx)=lim[x→∞]x/e^(λx)=lim[x→∞]1/λe^(λx)=0

です。
    • good
    • 0
この回答へのお礼

積分は苦手なのですが、
色々と試行錯誤してなんとかできました。
ありがとうございます。
本当に感謝します。

お礼日時:2008/01/28 10:04

このQ&Aに関連する人気のQ&A

お探しのQ&Aが見つからない時は、教えて!gooで質問しましょう!

このQ&Aを見た人が検索しているワード

このQ&Aと関連する良く見られている質問

Qエクセルで計算すると2.43E-19などと表示される。Eとは何ですか?

よろしくお願いします。
エクセルの回帰分析をすると有意水準で2.43E-19などと表示されますが
Eとは何でしょうか?

また、回帰分析の数字の意味が良く分からないのですが、
皆さんは独学されましたか?それとも講座などをうけたのでしょうか?

回帰分析でR2(決定係数)しかみていないのですが
どうすれば回帰分析が分かるようになるのでしょうか?
本を読んだのですがいまいち難しくて分かりません。
教えてください。
よろしくお願いします。

Aベストアンサー

★回答
・最初に『回帰分析』をここで説明するのは少し大変なので『E』のみ説明します。
・回答者 No.1 ~ No.3 さんと同じく『指数表記』の『Exponent』ですよ。
・『指数』って分かりますか?
・10→1.0E+1(1.0×10の1乗)→×10倍
・100→1.0E+2(1.0×10の2乗)→×100倍
・1000→1.0E+3(1.0×10の3乗)→×1000倍
・0.1→1.0E-1(1.0×1/10の1乗)→×1/10倍→÷10
・0.01→1.0E-2(1.0×1/10の2乗)→×1/100倍→÷100
・0.001→1.0E-3(1.0×1/10の3乗)→×1/1000倍→÷1000
・になります。ようするに 10 を n 乗すると元の数字になるための指数表記のことですよ。
・よって、『2.43E-19』とは?
 2.43×1/(10の19乗)で、
 2.43×1/10000000000000000000となり、
 2.43×0.0000000000000000001だから、
 0.000000000000000000243という数値を意味します。

補足:
・E+数値は 10、100、1000 という大きい数を表します。
・E-数値は 0.1、0.01、0.001 という小さい数を表します。
・数学では『2.43×10』の次に、小さい数字で上に『19』と表示します。→http://ja.wikipedia.org/wiki/%E6%8C%87%E6%95%B0%E8%A1%A8%E8%A8%98
・最後に『回帰分析』とは何?下の『参考URL』をどうぞ。→『数学』カテゴリで質問してみては?

参考URL:http://ja.wikipedia.org/wiki/%E5%9B%9E%E5%B8%B0%E5%88%86%E6%9E%90

★回答
・最初に『回帰分析』をここで説明するのは少し大変なので『E』のみ説明します。
・回答者 No.1 ~ No.3 さんと同じく『指数表記』の『Exponent』ですよ。
・『指数』って分かりますか?
・10→1.0E+1(1.0×10の1乗)→×10倍
・100→1.0E+2(1.0×10の2乗)→×100倍
・1000→1.0E+3(1.0×10の3乗)→×1000倍
・0.1→1.0E-1(1.0×1/10の1乗)→×1/10倍→÷10
・0.01→1.0E-2(1.0×1/10の2乗)→×1/100倍→÷100
・0.001→1.0E-3(1.0×1/10の3乗)→×1/1000倍→÷1000
・になります。ようするに 10 を n 乗すると元の数字になるた...続きを読む

Qe^-2xの積分

e^-2xの積分はどうしたらよいのでしょうか…。e^xやe^2xsinxなどはのってるのですがこれが見つかりません。お願いします。

Aベストアンサー

いささか、思い違いのようです。

e^-2x は、 t=-2x と置いて置換してもよいけれど、牛刀の感がします。

e^-2x を微分すると、(-2)*( e^-2x )となるので、

e^-2x の積分は、(-1/2)*( e^-2x )と判明します。

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

Qデータが正規分布しているか判断するには???

初歩的なことですが。。急いでいます。
おわかりになる方 教えてください。
サンプリングしたデータが正規分布しているかどうかを確認するにはどうすればよろしいでしょうか。
素人でも分かるように説明したいのですが。。
定性的にはヒストグラムを作り視覚的に訴える方法があると思います。今回は定量的に判断する方法を知りたいです。宜しくお願いします。

Aベストアンサー

>機械的に処理してみるとできました。
>でも理屈を理解できていません。
 とりあえず、理屈は後で勉強するとして、有意水準5%で有意差あり(有意確率が0.05以下)であれば、正規分布ではないと結論づけてお終いでいいのではないですか。
>この検定をもっと初心者でもわかりやすく解説しているサイト等ご存じありませんか。
 私が知っている限りでは、紹介したURLのサイトが最も丁寧でわかりやすいサイトでした。
>データの区間を分けるときのルール等ありますでしょうか。
 ヒストグラムを作成する場合、区間距離、度数区分数は、正規的なグラフになるように試行錯誤で行うことが多い(区間距離や度数区分数を本来の分布に則するようにいろいろ当てはめて解釈する。データ個数の不足や、データの取り方、または見かけ上の分布によりデータのばらつきが正しく反映されて見えないことがあるため)のですが、度数区分数は、機械的に、
=ROUNDUP(1+LOG10(データ個数)/LOG10(2),0):エクセル計算式
で区分数を求める方法があります。
 また、区間距離は、=ROUND((データの最高値-最低値)/(度数区分数値-1),有効桁数)で求め、区分の左端は、
=ROUNDUP(データの最低値-区間距離/2,有効桁数)
右端は=ROUNDUP(データの最高値+区間距離/2,有効桁数)
とします。
 区間がと度数区分数が出たら、その範囲にあるデータ数を数えて、ヒストグラムができます。
 
>最小側、最大側は 最小値、最大値を含んだ値としなければならないのでしょうか。
 ヒストグラム作成の処理に関しては、上記を参考にしてください。
 その前に、データの最小値と最大値が、正しくとれたデータか検討するため、棄却検定で外れ値が存在するか否かを検定し、外れ値が存在しないと結論づけられたら、正規分布の検定を行ってみてください。もし外れ値が存在する可能性があれば、そもそも、そのデータの信頼性が失われます。サンプリング手法の再検討(データの取り方に偏りがなかったか、無作為に設定してデータを取っていたか等)をして、再度データを得る必要があります。また、そもそも検定する以前に、データ数が少ないと判断が付かなくなってしまいますので、データ数は十分揃える(少なくとも20~30個)必要もあります。

>機械的に処理してみるとできました。
>でも理屈を理解できていません。
 とりあえず、理屈は後で勉強するとして、有意水準5%で有意差あり(有意確率が0.05以下)であれば、正規分布ではないと結論づけてお終いでいいのではないですか。
>この検定をもっと初心者でもわかりやすく解説しているサイト等ご存じありませんか。
 私が知っている限りでは、紹介したURLのサイトが最も丁寧でわかりやすいサイトでした。
>データの区間を分けるときのルール等ありますでしょうか。
 ヒストグラムを作成する場合、区...続きを読む

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。そこで、現象と数の対応を確率変数とします。この場合、確率変数Aを、
サイコロを振ってaが出たら、A=1
サイコロを振ってbが出たら、A=2
サイコロを振ってcが出たら、A=3
サイコロを振ってdが出たら、A=4
サイコロを振ってeが出たら、A=5
サイコロを振ってfが出たら、A=6
となる変数であると決めてしまいます。これで、現象->数への変換が出来ました。確率変数は、このように、本来数学では扱えない「現象の集合」を、数の集合に変換するのに使うのです。
P{A=t}のtは、正確に書くと、t∈実数です。つまり、実数を適当に一つ持ってきたのが、tです。
P{A=t}=f(t)は、現象の集合を確率変数Aで数に置き換えてやった時の値がtである確率が、f(t)という値と同じだよ。という意味です。

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

Qeのマイナス無限大乗

lim(t→∞) 1-e^(-t/T)
T:定数

というのがあって、極限値が1になることは手計算で分かったのですが、
数学的に1になる理由が分かりません。

e^(-∞)=0になる理由を数学的に教えてください。

Aベストアンサー

e^(-n) = (1/e)^n
であり、
0<|1/e|<1
だから

Q沈殿表面に吸着した不純物の洗浄方法について

重量分析実験でカリミョウバン中のアルミニウムの定量を行いました。
ビーカー内で水酸化アルミニウムを沈澱させた後デカンテーションでろ過したのですが、
その際に硝酸アンモニウム溶液を温めたものを加えてよくかき混ぜてからまたデカンテーションを行う、という手順がありました。
専門書などを見て調べたところ、水で洗浄すると沈殿がコロイド状に戻ってしまいろ紙を通り抜けてしまうため洗浄には電解質溶液を用いる、
と書いてあったのですが、電解質溶液だとなぜコロイド状に戻さないで洗浄出来るのかがいまいち分りません。
どなたか詳しくご存じの方いましたら教えていただきたきませんか??

Aベストアンサー

いや,リーゼガングは関係ないでしょう.
凝析とか塩析とかを調べると.

Q【指数分布】確率変数の和

X1,X2,...,Xnは互いに独立な確率変数であり、
それぞれ指数分布 f(x)=1/λ*exp(-x/λ) (x>0)
に従います。
確率変数 Yk=X1+X2+...+Xk の確率密度関数をfk(x)
とするとき、
(1)fk(x)=∫[0,∞]fk-1(x-t)f(t)dt (x>0) を示せ。
(2)fn(x)を求めよ。
(3)確率変数 Yk=X1+X2+...+Xk の期待値、分散を求めよ。
との問題なのですが、

(1)について、
XとYが独立であるとき、Z=X+Yの確率密度関数fZ(z)は
畳み込み積分で与えられるので、
fZ(z)=∫[-∞→∞]fX(x)fY(z-x)dx を...と考えたのですが
上手く証明ができません。

また、(2)について、
指数分布が事象が起きる時間間隔が従う分布だということから
要は、n回の事象が起きるまでの時間と考え、
fn(x)=n/λ
だとは思うのですが、よくこれは特性関数から計算すれば良いのでしょうか...

どなたか数学に詳しい方が居られましたら、
ご教授のほどよろしくお願いいたします。

Aベストアンサー

「畳み込み積分がいまいち理解できていない」の「いまいち」がどこからを指すのかわかりませんが, とりあえず「畳み込み積分で確率変数の和の確率密度関数が表せる」ことがわかっていれば (1) は難しくないはず... というか, ほぼ「畳み込みで書ける, 終わり」のレベル. ヒントは
X1+X2+...+Xk = (X1+X2+...+X(k-1)) + Xk.

で (2) はすっとばして (3) については, 確率変数 X の期待値を E[X], 分散を V[X] で表すことにすると, 2つの確率変数 X, Y に対して
・E[X+Y] = E[X] + E[Y]
・X と Y が独立なら V[X+Y] = V[X] + V[Y]
であることを知っていれば簡単. (1) や (2) とは無関係に解けてしまう.

Qe^(-x^2)の積分

e^(-x^2)の積分はどうやったらよいのでしょうか?
どなたか分かる方、よろしくお願いします。

eは自然対数の底でe^(-x^2)=exp{-x^2}

Aベストアンサー

ガウス分布に使いますね。
やりかたですね。一般的なものを参考程度までに、

xy座標の第一象限で原点を通る一辺aの正方形
と正方形に接する半径aの(1/4)円とr半径√2aを考えるんですね。
正方形の領域□でe^-x^2 をx方向に積分すると、
∫[0→a]e^-x^2dx
正方形の領域だからe^-y^2 をy方向に積分しても
同じ値になりますね。だから
∫[0→a]e^-x^2dx=∫[0→a]e^-y^2dy
ということは、x,yは独立に考えられるので、
∫[0→a]e^-(x^2+y^2)dxdy
={∫[0→a]e^-x^2dx}^2
という関係が出ますね。
だから、e^-(x^2)を積分する代わりにe^-(x^2+y^2)を積分してその√を取れば解が得られるという論法を利用するんですね。
四角形の領域で
I=∫[x,y:0→a]e^-(x^2+y^2)dxdy
を積分するにはちょっとなんで、四角形に接する大小の円で挟み撃ちを考えるんですね。
半径aの(1/4)円では、
極座標変換して、(x^2+y^2)=r^2, dxdy=rdrdθ
=∫[0→a]e^-(r^2)dr∫[0→π/2]dθ
=(1/2)(1-e^-a^2)(π/2)=(π/4)(1-e^-a^2)
同様に、半径√2aの(1/4)円では、
=(π/4){1-e^-(2a^2)}
だから、
x:0→a
√{(π/4)(1-e^-a^2)}<∫[0→a]e^-(x^2)dx
<√{(π/4){1-e^-(2a^2)}}
が回答ですね。これ以上は数値表を参照ですね。
a→∞ であれば、
∫[0→∞]e^-(x^2)dx=(√π)/2
が回答になりますね。
広域積分でも検索すれば参考になるかも。

ガウス分布に使いますね。
やりかたですね。一般的なものを参考程度までに、

xy座標の第一象限で原点を通る一辺aの正方形
と正方形に接する半径aの(1/4)円とr半径√2aを考えるんですね。
正方形の領域□でe^-x^2 をx方向に積分すると、
∫[0→a]e^-x^2dx
正方形の領域だからe^-y^2 をy方向に積分しても
同じ値になりますね。だから
∫[0→a]e^-x^2dx=∫[0→a]e^-y^2dy
ということは、x,yは独立に考えられるので、
∫[0→a]e^-(x^2+y^2)dxdy
={∫[0→a]e^-x^2dx}^2
という関係が出ますね。
...続きを読む

Q統計学のP検定とt検定について教えてください。

よく本を読んでいると出てきますが、なんだかよくわかりません。
HP等を使って検索してるのですが、これだ!という回答は得ることができず、いつも途中でオヤスミモードに突入してしまいます。
如何せん頭の活動がトロイ私にとって、計算式を出されてしまうと即効熟睡モードに入りますのでわかりやすく教えてください。
よろしくお願いいたします。

Aベストアンサー

大学院で研究をする際に道具として統計学を使っている者です.

>質問:統計学のP検定とt検定について教えてください.

P検定……? あまり聞き覚えがない検定名ですが,できましたら正式名称あるいはどのような場合に使用される検定か具体例を示して下さい.とりあえず「t検定」について説明します.

t検定とは正式な定義はともかくとして「t分布を利用した有意性検定」と考えていただくとよいでしょう.……ただしこの説明で分かる人はある程度統計学を勉強した人であって,統計学初心者の人にとっては意味不明かもしれません.
抽象的に考えると分かりづらいので,実際にt検定がどのように使われているかを
具体例を使って説明します.

使用例:男性と女性との体重に差があるか?

  ─────────────────────────────
   女性体重  51 48 51 52 45  平均値: 49.4
  ─────────────────────────────
   男性体重  60 58 58 63 70  平均値: 61.8
  ─────────────────────────────

 上の例では「女性群」「男性群」の体重データ,そしてその平均値が載っています.とある女性5人,とある男性5人に対して体重測定を行ったとします.
 質問その1です.「【この】データにおいて,女性と男性とでは体重の平均値に差があるといえますか?」
 
  男性体重-女性体重=61.8-49.4=12.4

 もし平均値に差がないのであれば「差=0」になるはずですが,「12.4≠0」であり,すなわち,男性と女性の体重には差があると断言できます.
 当たり前すぎて何を言っているんだろう,と思われたかもしれません.

 では質問その2です.「【このデータに限らず一般的に】,女性と男性とでは体重の平均値に差があるといえますか? データから【推測せよ】」
 さあどうでしょう? 「ん.どっかの本で男性の方が体重が重いと書いてあったかな?」といった,データ以外の情報を使わないでください.質問1との違いを区別していない人は「そんなのこのデータで男性>女性になっているから,当然,そうだろ?」と主張してしまいますが,これは誤りです.
 一般的に女性と男性の体重差に違いがあるかどうかを本当に調べるのであれば,この世の中の男性と女性全ての体重データを収集しなければなりません.さらには,そのデータはあくまでも「現在」であって,過去や未来のデータではないので,あらゆる時間のデータも収集する必要があります.……そんなのは絶対無理です!
 そのために,取れる範囲の人数のデータを使うしかありません.そこから「推測」するしかないのです.しかし,あくまでも推測でしかなく,そしてその推測が間違っている可能性もあります.この場合では,例えば「(全体としては本当は差がないのだけど)たまたま体重が軽い女性ばかり選んでしまった.たまたま体重が重い体重の男性を選んでしまった」という可能性もあります.
 このようなことを考えると,データの平均値から【即座に】結論を述べることはできません.これはt検定だけではなく,P検定?,あるいは統計学で使われている「検定」の基本的な考え方です.

 t検定に話を戻しますが,この特定データから推測して「一般的に,男性・女性体重に差があるか」を調べることができます.ちなみに上記データをt検定を行うと……

  t値=-4.79 自由度=8 確率=0.001372037

 という結果になります.この結果の読み取り方もこつがいるのですが,解読の流れとしては,

「【偶然で本当は差がないとして】,今回のような「12.4」という差があるということが発生する確率は「0.14」%である」→
「偶然で起きる確率が1%未満である」→
「それって滅茶苦茶珍しくない?」→
「それは偶然じゃないだろう? というよりは前提の『偶然で本当は差がない』というのがそもそも間違い何じゃないの?」→
「ということは,本当は差があるんだ!」

となって「やっぱり,一般レベルでも男性と女性の体重平均値には差がある」吐血論を下すことができるのです.

このように「t検定」の代表的な使用法としては「二つの平均値に本当に差があるか?」の検討があります(これを使えば,ある数値が本当に「0」よりも大きな数値であるか,なども検討できますが,今回は省略します).

大学院で研究をする際に道具として統計学を使っている者です.

>質問:統計学のP検定とt検定について教えてください.

P検定……? あまり聞き覚えがない検定名ですが,できましたら正式名称あるいはどのような場合に使用される検定か具体例を示して下さい.とりあえず「t検定」について説明します.

t検定とは正式な定義はともかくとして「t分布を利用した有意性検定」と考えていただくとよいでしょう.……ただしこの説明で分かる人はある程度統計学を勉強した人であって,統計学初心者の人にとっ...続きを読む


人気Q&Aランキング