한 모집단에서 추출한 표본에서 모 평균 μ, 모 분산 σ를 추정하는 방법
1. 이 기사에서 정리하고 싶은 것
1개의 모집단으로부터 무작위로 n개의 표본을 추출하고, 그 표본으로부터 모집단의 모수(평균$\mu$나 분산$\sigma^2$)의 구간 추정을 실시하는 방법. 그림으로 말하면 아래.
2. 요약 배경
참고서 등에서 공부하고 있었는데, 아래와 같은 다양한 케이스의 구간 추정 방법이 나왔다.
참고서 등에서 공부하고 있었는데, 아래와 같은 다양한 케이스의 구간 추정 방법이 나왔다.
각각의 경우에, 새롭게 정의하는 확률 변수와, 그 확률 변수가 따르는 분포(표준 정규 분포/t 분포/카이 제곱 분포)가 다르고, 기억할 수 없었다. 정리해 가면, 공통되는 생각이 보였다.
3. 공통 사고 방식
아무도 이 ①~③의 흐름으로 구간 추정을 하고 있다.
4. 각 케이스와 공통된 사고방식에 비추면
아래 그림과 같이 모든 공통 사고 방식으로 구간 추정을 할 수 있습니다. 적자가 포인트라고 생각한다.
그림의 ★ 부분은 5 장에서 설명한다.
5.4장의 그림 중의 ★부분에 대한 설명
5.1. ★1에 대해
대비를 취하면 이런 느낌이 된다.
표본 평균을 사용하면 왜 자유도가 1 내리는지에 대해서는 아래 사이트에서 이해할 수 있었다.
@takayan4 씨 가르쳐 주셔서 감사합니다.
・고등학교 수학의 아름다운 이야기
htps://ま thtらん。 jp / 치니 죠 p 로오 f
5.2. ★2에 대해서
6. 덤 (확률 밀도 함수)
관련 확률 밀도 함수를 MATLAB에서 플롯했습니다.
이 코드를 실행하려면 Statistics and Machine Learning Toolbox가 필요합니다.
6.1. 정규 분포와 t 분포
t분포의 자유도를 늘리면 표준정규분포에 가까워진다.
이것은 n이 커지면 불편 분산이 모분산에 가까워져 가기 때문이다.
코드xrng = [-3,3];
fplot(@(x) normpdf(x,0,1),xrng,'DisplayName','Standard Normal Distribution') % 標準正規分布
hold on
fplot(@(x) tpdf(x,5),xrng,'DisplayName','t Distribution with \nu=5') % 自由度5のt分布
fplot(@(x) tpdf(x,10),xrng,'DisplayName','t Distribution with \nu=10') % 自由度10のt分布
legend
hold off
6.2. 카이 제곱 분포
코드xrng = [0,20];
fplot(@(x) chi2pdf(x,1),xrng,'DisplayName','\nu=1') %自由度1のカイ二乗分布
hold on
fplot(@(x) chi2pdf(x,2),xrng,'DisplayName','\nu=2') %自由度2のカイ二乗分布
fplot(@(x) chi2pdf(x,3),xrng,'DisplayName','\nu=3') %自由度3のカイ二乗分布
fplot(@(x) chi2pdf(x,5),xrng,'DisplayName','\nu=5') %自由度5のカイ二乗分布
fplot(@(x) chi2pdf(x,10),xrng,'DisplayName','\nu=10') %自由度10のカイ二乗分布
legend
hold off
7. 참고문헌
· 마세마 출판사 통계학 캠퍼스 · 세미나 개정 5
https://www.mathema.jp/product/통계학 캠퍼스 세미나 - 개정 5/
· 요비놀리 확률 통계 추정 · 검정 입문
htps //w w. 요츠베. 이 m/pぁyぃst?ぃst=PLDJfzGjtVLHmx7qMP410-9gx0우우C9d90X
・고등학교 수학의 아름다운 이야기
htps://ま thtらん。 jp / 치니 죠 p 로오 f
Reference
이 문제에 관하여(한 모집단에서 추출한 표본에서 모 평균 μ, 모 분산 σ를 추정하는 방법), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/mikannto15/items/1c1907a7901b61a1424f
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
아래 그림과 같이 모든 공통 사고 방식으로 구간 추정을 할 수 있습니다. 적자가 포인트라고 생각한다.
그림의 ★ 부분은 5 장에서 설명한다.
5.4장의 그림 중의 ★부분에 대한 설명
5.1. ★1에 대해
대비를 취하면 이런 느낌이 된다.
표본 평균을 사용하면 왜 자유도가 1 내리는지에 대해서는 아래 사이트에서 이해할 수 있었다.
@takayan4 씨 가르쳐 주셔서 감사합니다.
・고등학교 수학의 아름다운 이야기
htps://ま thtらん。 jp / 치니 죠 p 로오 f
5.2. ★2에 대해서
6. 덤 (확률 밀도 함수)
관련 확률 밀도 함수를 MATLAB에서 플롯했습니다.
이 코드를 실행하려면 Statistics and Machine Learning Toolbox가 필요합니다.
6.1. 정규 분포와 t 분포
t분포의 자유도를 늘리면 표준정규분포에 가까워진다.
이것은 n이 커지면 불편 분산이 모분산에 가까워져 가기 때문이다.
코드xrng = [-3,3];
fplot(@(x) normpdf(x,0,1),xrng,'DisplayName','Standard Normal Distribution') % 標準正規分布
hold on
fplot(@(x) tpdf(x,5),xrng,'DisplayName','t Distribution with \nu=5') % 自由度5のt分布
fplot(@(x) tpdf(x,10),xrng,'DisplayName','t Distribution with \nu=10') % 自由度10のt分布
legend
hold off
6.2. 카이 제곱 분포
코드xrng = [0,20];
fplot(@(x) chi2pdf(x,1),xrng,'DisplayName','\nu=1') %自由度1のカイ二乗分布
hold on
fplot(@(x) chi2pdf(x,2),xrng,'DisplayName','\nu=2') %自由度2のカイ二乗分布
fplot(@(x) chi2pdf(x,3),xrng,'DisplayName','\nu=3') %自由度3のカイ二乗分布
fplot(@(x) chi2pdf(x,5),xrng,'DisplayName','\nu=5') %自由度5のカイ二乗分布
fplot(@(x) chi2pdf(x,10),xrng,'DisplayName','\nu=10') %自由度10のカイ二乗分布
legend
hold off
7. 참고문헌
· 마세마 출판사 통계학 캠퍼스 · 세미나 개정 5
https://www.mathema.jp/product/통계학 캠퍼스 세미나 - 개정 5/
· 요비놀리 확률 통계 추정 · 검정 입문
htps //w w. 요츠베. 이 m/pぁyぃst?ぃst=PLDJfzGjtVLHmx7qMP410-9gx0우우C9d90X
・고등학교 수학의 아름다운 이야기
htps://ま thtらん。 jp / 치니 죠 p 로오 f
Reference
이 문제에 관하여(한 모집단에서 추출한 표본에서 모 평균 μ, 모 분산 σ를 추정하는 방법), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/mikannto15/items/1c1907a7901b61a1424f
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
관련 확률 밀도 함수를 MATLAB에서 플롯했습니다.
이 코드를 실행하려면 Statistics and Machine Learning Toolbox가 필요합니다.
6.1. 정규 분포와 t 분포
t분포의 자유도를 늘리면 표준정규분포에 가까워진다.
이것은 n이 커지면 불편 분산이 모분산에 가까워져 가기 때문이다.
코드
xrng = [-3,3];
fplot(@(x) normpdf(x,0,1),xrng,'DisplayName','Standard Normal Distribution') % 標準正規分布
hold on
fplot(@(x) tpdf(x,5),xrng,'DisplayName','t Distribution with \nu=5') % 自由度5のt分布
fplot(@(x) tpdf(x,10),xrng,'DisplayName','t Distribution with \nu=10') % 自由度10のt分布
legend
hold off
6.2. 카이 제곱 분포
코드
xrng = [0,20];
fplot(@(x) chi2pdf(x,1),xrng,'DisplayName','\nu=1') %自由度1のカイ二乗分布
hold on
fplot(@(x) chi2pdf(x,2),xrng,'DisplayName','\nu=2') %自由度2のカイ二乗分布
fplot(@(x) chi2pdf(x,3),xrng,'DisplayName','\nu=3') %自由度3のカイ二乗分布
fplot(@(x) chi2pdf(x,5),xrng,'DisplayName','\nu=5') %自由度5のカイ二乗分布
fplot(@(x) chi2pdf(x,10),xrng,'DisplayName','\nu=10') %自由度10のカイ二乗分布
legend
hold off
7. 참고문헌
· 마세마 출판사 통계학 캠퍼스 · 세미나 개정 5
https://www.mathema.jp/product/통계학 캠퍼스 세미나 - 개정 5/
· 요비놀리 확률 통계 추정 · 검정 입문
htps //w w. 요츠베. 이 m/pぁyぃst?ぃst=PLDJfzGjtVLHmx7qMP410-9gx0우우C9d90X
・고등학교 수학의 아름다운 이야기
htps://ま thtらん。 jp / 치니 죠 p 로오 f
Reference
이 문제에 관하여(한 모집단에서 추출한 표본에서 모 평균 μ, 모 분산 σ를 추정하는 방법), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/mikannto15/items/1c1907a7901b61a1424f
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
Reference
이 문제에 관하여(한 모집단에서 추출한 표본에서 모 평균 μ, 모 분산 σ를 추정하는 방법), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/mikannto15/items/1c1907a7901b61a1424f텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)