--- ---復元コンテンツ始まります
生物統計学
古典的な確率のタイプ：
理論的には、試験結果は、以前に、すべての以前に推定された結果が試料空間と呼ぶことができる、実験条件に応じて得られたセットではないかもしれ Ω。サンプル点wはΩの要素です。これは確率の古典的な定義であり、イベント自体の特性に応じて、直接確率。これは、ここまで来ることが多い事前確率です。
ランダムイベントのコレクションで、サンプル空間のサブセットです。
イベントは、すべてのサンプル点を含むコレクションにバインドされています。
そうイベントのコレクションである、すべてのサンプル点が含まれていません。
今日：
異なる定義と古典確率、そして今、私たちはものの頻度が起こったことを知っており、多数のベルヌーイの法則によってほぼ等しい確率の大きなサンプルの周波数は、多くの場合、ここでの事後確率となっていること。サンプルの配布、推論を行うために、確率論の使用、すなわち、その後予測。
あなたが起こるしたい事象の確率を計算した数学的確率の知ら確率の前提の下で確率論です。
得られた合計確率式およびベイズ式を用いて加算、乗算式包括的な式：
合計確率式の理由（通常は既知で確率Bの発生確率+ 結果をプッシュする発生確率）
ベイズ式：理由原因事象Bが発生し、その結果は、（イベント条件付き確率の下で発生している）原因をプッシュする（イベントが発生した、それは特定の原因の確率である）、多くの場合、結果を知っています。
ランダム変数：
2つのタイプがあります：
離散変数：
分配比：変数は、単一の値の対応する出現確率です。
分布関数：特定の変数がある場合に発生確率は、単一の値を対応します
連続変数：
対応する変数がある場合に特定の確率値である：確率密度曲線
発生確率を対応する一定値である場合、可変：分布関数
数式は、上記パラメータを用いて計算することができます。
一般的な確率分布：
二項のn 、正規分布に近い時間のポアソンロット
ポアソン分布：レアイベント
正規分布：
有意水準： 0.05
多数のヒンチン法則：サンプルの数は無限大になる傾向、及びパラメータが意味するサンプルの平均に等しいです。
---終わり---コンテンツを復元