確率概念の概要

確率変数

　　確率変数とは何ですか？即ち、所与の試料空間であり、実数値関数（実数値の）確率変数と呼びます。

期待します

　　離散ランダム変数これに対応するすべての可能な値の積は、確率Pと数学と呼ばれる期待

分散

　　ランダム変数の分散（分散）が所望の値から、すなわち距離可変分散の程度、に記載されています

共分散

　　確率論と統計では二つの変数の全体の誤差を測定するために使用されます。分散は、ある共分散 2つの変数が同じ状況である場合、すなわち、特別なケース。

相関係数

　　方法に関連性の確率変数XとYの尺度は、相関係数は範囲[-1,1]です。相関係数の絶対値が大きいほど、X及びYは、相関度が高いことを示します。場合X及びYリニア、1の相関係数の値（正の線形相関）または負（負の線形相関）。

中心極限定理

　心臓の極限定理は、適切な条件下で、独立した多数のランダム変数が適切に正規化された平均が後に分布に収束する正規分布。このグループの定理がある数理統計学理論の基礎とエラー解析、確率変数とおおよそ正規分布の大多数のための条件と指摘しました。そして、正規分布。

ベイズ式

　　P （H | D ）= P （H ）P （D | H ）/ P （D ）

　　ベイズの定理は、ランダムイベントAと確率Bの条件の定理です。ここで、Pが発生し、Bの場合に発生する可能性がある、Yの事後確率Xは、YがXに対して事前確率と事後確率を変換し、単に条件付き確率乏しい変換の計算確率の計算のために良好な状態

完全確率式

サンプル空間を実験E Sが設けられて、Aは、B1、B2、...、BnがSのパーティションイベントEであり、そしてP（BI）> 0（I = 1,2、...、N）、その後、
　P（A）= P（A | B 1）* P（B1）+ P（A | B2）* P（B2）+ ... + P.（| BN）* P（BN）
前記式で全体の確率式について

　　さまざまな状況の合計で発生し、単純な確率事象に複雑な事象の確率を解決するすべての確率式の効果

サンプル空間

　　定義：E Eの全ての無作為化試験のセットが試料空間と呼ばれるが、S = {E}を付し、サンプル点の要素e S、基点イベントとして知られている要素の単一のセットは述べています。

大数の法則

同じ試験条件下で、試験は、その確率と同様ランダムイベントの頻度を数回繰り返されます。時折それは避けられないのいくつかの種類が含まれています。

共通のサンプリング配布

仮説検定

人口分布全体のシーンでは不明であるかの形でのみ知られている、様々なパラメータが不明で、サンプル・データの唯一のいくつかのテストは、我々は仮説を提唱しました。サンプルを使用して、合理的な仮定が検証されます。

プリオリ確率

物事は起こるが、過去の統計に基づいて、何が起こったかの可能性を分析し、事前確率ことはなかったです。

事後確率

何が起きたか、結果があったが、これらの事の要因が起こる原因の可能性のために、によって勧誘フルーツがあり、事後確率います。事後確率は、原因は、可能性のあるエラーの尺度です。

事前確率の前提条件に基づいて事後確率を計算します。あなたが唯一知っていた場合には事前確率（なし以前の統計を）知らずの結果は、事後確率を計算することができないものです。

ベイズの公式を適用する必要の事後確率を計算します

信頼区間

確率の範囲を満たすために探しています。これは、特定の信頼性、信頼区間を達成するために、この文脈では、として理解することができます。

主成分分析

　これは、統計的な手法です。直交線形独立の組、主成分と呼ばれる変換された変数のセットに可能な相関変数の変数セットが存在することによって変換します。次元削減の内側に行くために広く使用されています

条件付き確率、同時確率、周辺確率

　　条件付き確率は、条件が別のイベントBに発生中のイベントAの確率が発生してあります条件付き確率Pとして表さ（| B）、「条件AにおけるBの確率」として読み出されます

　　同時確率2つのイベントを一緒発生の確率を表します。AとBの同時確率を表し、または。

　　周辺確率は、発生した事象の確率です。周辺確率は、この方法で得られる：関節の確率で、これらのイベントの最終結果は、その合計の確率事象をマージする必要はありません（確率の総和と離散確率変数がいっぱいだっ消え、連続確率変数は、完全な統合を持っています確率）。これは、疎外（疎外）と呼ばれています。周辺確率をP（A）のように表され、Bは、エッジ確率P（B）で表されます。

最尤推定値

知られている実験結果の場合には、これらのサンプルの分布を推定するために使用されるパラメータ、パラメータの最も可能性の高い満たすために $θ$

しかし、の最尤推定解の手順：

1>は、同様のサイズの可能性の大きさのサンプル値のセットの平均発現値が発生する確率の発現はまた、可能性発現を呼び出すことができ書き込みます。
必要に応じて2>尤度発現誘導は、対数（必要ロジスティック回帰）として、前処理、誘導体は、尤度関数を得るために、0に許されます。
尤度関数を解く3>溶液、最尤推定により得られたパラメータ溶液。

離散確率変数

（0-1）の配布

　　私たちはしばしば、コイントスは、このテスト（0-1）分布を満たすことを言います。

二項式

　　Nは、二項分布は、各試行の成功の確率がpである離散確率/不成功のテスト分布の数とは無関係です。このようなシングルパス/またベルヌーイ試験として知られている試験を失敗。正と負の半分と半分の確率：例えば独立している繰り返しコインn回、各回2つだけの可能な結果を投げます。

　　ベルヌーイ試行が設けられている量がXでn回発生し、そして、Xは、パラメータpの二項の対象であることを特徴と呼ばれます。

（C）ポアソン分布（ポアソン分布）

確率変数Xの確率分布は法律であれば

何、ポアソン分布、数学的期待値と分散は、すべてのパラメータλ等しいと言うには少し早い：彼は示さポアソン分布のXのオベイパラメータλを、と述べました。

連続確率変数

様々なディストリビューションの比較

上記では、離散確率変数分布から：一様分布、指数分布、正規分布、（0-1）分布、ポアソン分布、二項分布は、連続的な確率変数に言及しました

おすすめ