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) |
||
238行: | 238行: | ||
というxの式をzで微分するという意味で、 | というxの式をzで微分するという意味で、 | ||
<big><ymath>$$ \frac{dx}{dz} = \sigma $$</ymath></big> | <big><ymath>$$ \frac{dx}{dz} = \sigma $$</ymath></big> | ||
− | + | になるので、zで置換した積分の式に<ymath>$ \frac{dx}{dz}$</ymath>を掛けるのが置換積分ですから、以下のようになります。 | |
− | <big><ymath>$$ \sigma^2 \cdot \frac{1}{\sqrt{2\pi}\sigma} \cdot \color{red}{\sigma} \cdot (\int^{\infty}_{-\infty}-z e^{-\frac{z^{2}}{2}}\cdot dz $$</ymath></big> | + | <big><ymath>$$ \sigma^2 \cdot \frac{1}{\sqrt{2\pi}\sigma} \cdot \color{red}{ \sigma } \cdot (\int^{\infty}_{-\infty}-z e^{-\frac{z^{2}}{2}}\cdot dz $$</ymath></big> |
なので、 | なので、 | ||
<big><ymath>$$ \sigma^2 \cdot \frac{1}{\sqrt{2\pi}} \cdot (\int^{\infty}_{-\infty}-z e^{-\frac{z^{2}}{2}}\cdot dz $$</ymath></big> | <big><ymath>$$ \sigma^2 \cdot \frac{1}{\sqrt{2\pi}} \cdot (\int^{\infty}_{-\infty}-z e^{-\frac{z^{2}}{2}}\cdot dz $$</ymath></big> | ||
249行: | 249行: | ||
になります。なので、 | になります。なので、 | ||
<big><ymath>$$ E[\mathrm{X^2}] = \sigma^2 + 0 + \mu^2 $$</ymath></big> | <big><ymath>$$ E[\mathrm{X^2}] = \sigma^2 + 0 + \mu^2 $$</ymath></big> | ||
− | ですから、分散<ymath>$ V[X] = \color{red}{E | + | ですから、分散<ymath>$ V[X] = \color{red}{ E[\mathrm{X^2}] } - \color{blue}{ E\[\mathrm{X}\]^2 } $</ymath>は |
− | <big><ymath>$$ V[X] = \color{}{\sigma^2 + 0 + \mu^2} - \color{blue}{\mu^2} $$</ymath></big> | + | <big><ymath>$$ V[X] = \color{red}{\sigma^2 + 0 + \mu^2} - \color{blue}{\mu^2} $$</ymath></big> |
<big><ymath>$$ V[X] = \sigma^2 $$</ymath></big> | <big><ymath>$$ V[X] = \sigma^2 $$</ymath></big> | ||
となるので、 | となるので、 |