Python matplotlibを使って学ぶ統計処理 正規分布 新しいページはコチラ
提供: yonewiki
(→■正規分布の確率密度を算出する式の作り方) |
(→■正規分布の確率密度を算出する式の作り方) |
||
| 94行: | 94行: | ||
となります。<span>(</span>2<span>)</span>式は<ymath>$ \frac{1}{\sigma^{2}}(x-\mu)^{2} $</ymath>を<ymath>$ z^{2} $</ymath>と置き換えてます。そして上記の式を分配法則<ymath>$ (a + b)x = ax + bx $</ymath>のような計算と同じ要領を適用して | となります。<span>(</span>2<span>)</span>式は<ymath>$ \frac{1}{\sigma^{2}}(x-\mu)^{2} $</ymath>を<ymath>$ z^{2} $</ymath>と置き換えてます。そして上記の式を分配法則<ymath>$ (a + b)x = ax + bx $</ymath>のような計算と同じ要領を適用して | ||
<big><ymath>$$ \int^{\infty}_{-\infty} z \cdot \sigma \cdot \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{z^{2}}{2}}\cdot dz + \int^{\infty}_{-\infty}\mu \cdot \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{z^{2}}{2}}\cdot dz $$</ymath></big> | <big><ymath>$$ \int^{\infty}_{-\infty} z \cdot \sigma \cdot \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{z^{2}}{2}}\cdot dz + \int^{\infty}_{-\infty}\mu \cdot \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{z^{2}}{2}}\cdot dz $$</ymath></big> | ||
| − | + | 上記のようになり、2つの積分の和の構造の最初の積分の部分はちょっと確かめれば原点を通過する奇関数と呼ばれる形式になっています。要するに積分をすると0になるということです。グラフをプロットして確かめてみると以下の通りです。 | |
| + | <big><ymath>$$ 0 + \int^{\infty}_{-\infty}\mu \cdot \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{z^{2}}{2}}\cdot dz $$</ymath></big> | ||
| + | となります。そうすると | ||
| + | <big><ymath>$$ \int^{\infty}_{-\infty} \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{z^{2}}{2}}\cdot dz $$</ymath></big> | ||
| + | は確率密度関数で積分<span>(</span>グラフのプロットとy=0に囲まれた部分面積を求める操作でマイナス領域とプラス領域の差し引きをする<span>)</span>をすると1になるものですから、最終的には | ||
| + | <big><ymath>$$ \mu \cdot 1 $$</ymath></big> | ||
| + | となりますから、元々の式の計算結果は平均値を意味する<ymath>$ \mu $</ymath>であると言えます。確率密度関数<ymath>$ f(x) $</ymath>を<ymath>$ x $</ymath>倍したものの積分は<ymath>$ \mu $</ymath>になることが確認でき、 | ||
| + | <big><ymath>$$ \mu = \int^{\infty}_{-\infty} x \cdot \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{1}{2\sigma^{2}}(x-\mu)^{2}}\cdot dx $$</ymath></big> | ||
| + | であると言えます。 | ||
