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
(→求めるべき係数の算出の前に〜確率密度関数から考える期待値・平均値と分散値について) |
(→求めるべき係数の算出の前に〜確率密度関数から考える期待値・平均値と分散値について) |
||
| 167行: | 167行: | ||
<big><ymath>$$ E[\text{x}^2] = \int x^2 f(x) \cdot dx $$</ymath></big> | <big><ymath>$$ E[\text{x}^2] = \int x^2 f(x) \cdot dx $$</ymath></big> | ||
<big><ymath>$$ = \int x^2 \frac{1}{\sqrt{2\pi}\sigma}\exp^{-\frac{1}{2\sigma^2}(x-\mu)^2} \cdot dx $$</ymath></big> | <big><ymath>$$ = \int x^2 \frac{1}{\sqrt{2\pi}\sigma}\exp^{-\frac{1}{2\sigma^2}(x-\mu)^2} \cdot dx $$</ymath></big> | ||
| + | |||
| + | ここで、先の期待値の確認でもやったように<ymath>$ z = \frac{x -\mu}{\sigma} $</ymath>…<span>(</span>2<span>)</span>という<ymath>$ z $</ymath>に置き換える式と、この式の両辺に<ymath>$ \sigma $</ymath>をかけて<ymath>$ z \cdot \sigma= \frac{x -\mu}{\sigma} \cdot \sigma $</ymath>、なので右辺の分母分子の<ymath>$ \sigma $</ymath>を約分できて1になるから<ymath>$ z \cdot \sigma= x -\mu $</ymath>となり、両辺に<ymath>$ \mu $</ymath>を足して<ymath>$ z \cdot \sigma + \mu = x $</ymath>つまり<ymath>$ x = z \cdot \sigma + \mu $</ymath>… <span>(</span>3<span>)</span>で、 <span>(</span>2<span>)</span>および<span>(</span>3<span>)</span>の式を当てはめると | ||
| + | <big><ymath>$$ \int^{\infty}_{-\infty}\textcolor{red}{x(←(3)式)} \cdot \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{1}{2\color{blue}{\sigma^{2}}}\textcolor{blue}{(x-\mu)^{2}(←(2)式)}}\cdot dx $$</ymath></big> | ||
| + | を上記のように適用すると | ||
しばらくは工事中で、この説明に必要な数式を試す場所として利用します)。 | しばらくは工事中で、この説明に必要な数式を試す場所として利用します)。 | ||
