Aritalab:Lecture/JSBi/Test/Math

From Metabolomics.JP
< Aritalab:Lecture | JSBi/Test(Difference between revisions)
Jump to: navigation, search
(New page: =確率・統計= ===分散と共分散・相関=== 分散とは一つのデータ集合におけるばらつきの度合いであり、共分散は二組の対応するデータ間がば...)
 
Line 1: Line 1:
 
=確率・統計=
 
=確率・統計=
  
===分散と共分散・相関===
+
===平均===
分散とは一つのデータ集合におけるばらつきの度合いであり、共分散は二組の対応するデータ間がばらつく度合いである。
+
期待値とは、確率変数の取る値とその確率とをかけた総和である。フェアなサイコロのように全ての目が糖確率で出る場合は、目の数の期待値は(算術)平均に等しくなる。二つの確率変数X,Yがあったとき、和の平均は平均の和に等しい。
 +
:<math>E[X+Y]=E[X]+E[Y]</math>
 +
X,Yが独立のときに限り、積についても分配できる。
 +
:<math>E[XY]=E[X]E[Y]</math>(ただしX,Yは独立)
 +
===分散===
 +
分散とは確率変数がとる値のばらつきの度合いである。
 +
:<math>V[X] = E[(X-E[X])^2] = E[X^2] - (E[X])^2</math>
 +
X,Yが独立のときに限り、和の分散は分散の和に等しい。
 +
:<math>V[X+Y] = V[X] + V[Y]</math>(ただしX,Yは独立)
 +
独立でない場合に生じる「ズレ」を共分散と呼ぶ。
 +
:<math>V[X+Y] = V[X] + V[Y] + 2Cov[X,Y]</math>
 +
===共分散・相関===
 +
共分散は二組の対応する確率変数の間で、ばらつきが異なる度合いである。
 
共分散の定義は
 
共分散の定義は
:<math>Cov(X,Y)=E[(X-E[X])(Y-E[Y])]</math>
+
:<math>Cov[X,Y]=E[ (X-E[X]) (Y-E[Y]) ]</math>
 
となる。
 
となる。
XとYに関して対称に定義されていて、XとYのばらつきの傾向が似ていれば大きな正の値になり、似ていなければ大きな負の値になる。
+
XとYに関して対称に定義されていて、XとYのばらつきの傾向が似ていれば大きな正の値になり、似ていなければ大きな負の値になる。XとYが独立であれば0になる。
 
共分散をXの標準偏差とYの標準偏差で割ったものが相関係数である。
 
共分散をXの標準偏差とYの標準偏差で割ったものが相関係数である。
:<math>\textstyle Corr(X,Y)=\frac{Cov(X,Y)}{\sqrt{V[X]}\sqrt{V[Y]}}</math>
+
:<math>Corr[X,Y] = Cov[X,Y] /(V[X]^{1/2}V[Y]^{1/2})</math>
 +
 
 +
==正規分布表==
 +
標準正規分布表の見方。
 +
{|
 +
|
 +
{| class="wikitable"
 +
| z || 0.0 || 0.2 || 0.4 || 0.6 || 0.8
 +
|-
 +
| 0.0 || 0.5000 || 0.4207 || 0.3446 || 0.2743 || 0.2119
 +
|-
 +
| 1.0 || 0.1587 || 0.1151 || 0.0808 ||0.0548 || 0.0359
 +
|-
 +
| 2.0 || 0.0228 || 0.0139 || 0.0082 || 0.0047 || 0.0026
 +
|-
 +
| 3.0 || 0.0013 || 0.0007 || 0.0003 || 0.0002 || 0.0001
 +
|}
 +
| [[Image:JSBi-std.gif]]
 +
|}
 +
表におけるzの値は上から順に左→右方向にみる。正規分布全体の面積を1.0としたときの、
 +
zから上側の面積を示している。例えば標準偏差が2.0以上の面積は0.0228、2.2以上の面積は0.0139。

Revision as of 16:40, 8 October 2010

Contents

確率・統計

平均

期待値とは、確率変数の取る値とその確率とをかけた総和である。フェアなサイコロのように全ての目が糖確率で出る場合は、目の数の期待値は(算術)平均に等しくなる。二つの確率変数X,Yがあったとき、和の平均は平均の和に等しい。

E[X+Y]=E[X]+E[Y]

X,Yが独立のときに限り、積についても分配できる。

E[XY]=E[X]E[Y](ただしX,Yは独立)

分散

分散とは確率変数がとる値のばらつきの度合いである。

V[X] = E[(X-E[X])^2] = E[X^2] - (E[X])^2

X,Yが独立のときに限り、和の分散は分散の和に等しい。

V[X+Y] = V[X] + V[Y](ただしX,Yは独立)

独立でない場合に生じる「ズレ」を共分散と呼ぶ。

V[X+Y] = V[X] + V[Y] + 2Cov[X,Y]

共分散・相関

共分散は二組の対応する確率変数の間で、ばらつきが異なる度合いである。 共分散の定義は

Cov[X,Y]=E[ (X-E[X]) (Y-E[Y]) ]

となる。 XとYに関して対称に定義されていて、XとYのばらつきの傾向が似ていれば大きな正の値になり、似ていなければ大きな負の値になる。XとYが独立であれば0になる。 共分散をXの標準偏差とYの標準偏差で割ったものが相関係数である。

Corr[X,Y] = Cov[X,Y] /(V[X]^{1/2}V[Y]^{1/2})

正規分布表

標準正規分布表の見方。

z 0.0 0.2 0.4 0.6 0.8
0.0 0.5000 0.4207 0.3446 0.2743 0.2119
1.0 0.1587 0.1151 0.0808 0.0548 0.0359
2.0 0.0228 0.0139 0.0082 0.0047 0.0026
3.0 0.0013 0.0007 0.0003 0.0002 0.0001
JSBi-std.gif

表におけるzの値は上から順に左→右方向にみる。正規分布全体の面積を1.0としたときの、 zから上側の面積を示している。例えば標準偏差が2.0以上の面積は0.0228、2.2以上の面積は0.0139。

Personal tools
Namespaces

Variants
Actions
Navigation
metabolites
Toolbox