Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
多変量正規分布に従う確率変数の条件付き期待値・分散
Search
axjack
January 11, 2022
Science
0
890
多変量正規分布に従う確率変数の条件付き期待値・分散
多変量正規分布に従う確率変数の条件付き期待値・分散
axjack
January 11, 2022
Tweet
Share
More Decks by axjack
See All by axjack
実験計画法_フィッシャーの3原則
axjack
0
410
統計学実践ワークブック 第16章 重回帰分析 pp.125-127
axjack
0
2.8k
統計学実践ワークブック 第15章 確率過程の基礎 p.117のεiの分布を導出する
axjack
0
920
第14章マルコフ連鎖
axjack
0
140
修正項を用いて繰り返しのある二元配置分散分析の分散分析表を完成させる
axjack
0
300
Other Decks in Science
See All in Science
SpatialBiologyWestCoastUS2024
lcolladotor
0
150
データマイニング - ウェブとグラフ
trycycle
PRO
0
140
動的トリートメント・レジームを推定するDynTxRegimeパッケージ
saltcooky12
0
170
Agent開発フレームワークのOverviewとW&B Weaveとのインテグレーション
siyoo
0
310
機械学習 - 授業概要
trycycle
PRO
0
220
生成AIと学ぶPythonデータ分析再入門-Pythonによるクラスタリング・可視化をサクサク実施-
datascientistsociety
PRO
4
1.7k
論文紹介 音源分離:SCNET SPARSE COMPRESSION NETWORK FOR MUSIC SOURCE SEPARATION
kenmatsu4
0
270
ウェブ・ソーシャルメディア論文読み会 第25回: Differences in misinformation sharing can lead to politically asymmetric sanctions (Nature, 2024)
hkefka385
0
120
高校生就活へのDA導入の提案
shunyanoda
0
2.2k
データベース14: B+木 & ハッシュ索引
trycycle
PRO
0
410
白金鉱業Meetup Vol.16_数理最適化案件のはじめかた・すすめかた
brainpadpr
4
1.9k
Cross-Media Information Spaces and Architectures (CISA)
signer
PRO
3
31k
Featured
See All Featured
Gamification - CAS2011
davidbonilla
81
5.4k
Why You Should Never Use an ORM
jnunemaker
PRO
58
9.5k
BBQ
matthewcrist
89
9.8k
Faster Mobile Websites
deanohume
308
31k
Java REST API Framework Comparison - PWX 2021
mraible
31
8.7k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
248
1.3M
Improving Core Web Vitals using Speculation Rules API
sergeychernyshev
18
1k
Thoughts on Productivity
jonyablonski
69
4.8k
4 Signs Your Business is Dying
shpigford
184
22k
"I'm Feeling Lucky" - Building Great Search Experiences for Today's Users (#IAC19)
danielanewman
229
22k
Templates, Plugins, & Blocks: Oh My! Creating the theme that thinks of everything
marktimemedia
31
2.4k
Bootstrapping a Software Product
garrettdimon
PRO
307
110k
Transcript
ଟมྔਖ਼نʹै͏֬มͷ ͖݅ظɾࢄ 4BUPBLJ/PHVDIJ BYKBDL!HNBJMDPN  1
ͱ͠ɺ9ฏۉЖɾࢄڞࢄߦྻЄ ͷଟมྔਖ਼ن ʹै͏ͱ͢Δɻ ͜͜Ͱɺ ɹɾ9Λׂ̎ ɹɾЖΛׂ̎ ɹɾЄΛׂ̐ ͓ͯ͘͠ɻ ४උ Λ֬มϕΫτϧ
ΛظϕΫτϧ Λࢄڞࢄߦྻ Σ = ( Σ11 Σ12 Σ21 Σ22 ) X μ Σ X = ( X1 X2 ) μ = ( μ1 μ2 ) X ∼ N(μ, Σ) μi = E[Xi ] ͨͩ͠ Σij = Cov[Xi , Xj ] ͨͩ͠  2
ެࣜ ͖݅֬มͷ ظɾࢄ E[X1 |X2 = x2 ] = μ1
+ Σ12 Σ22 −1(x2 − μ2 ) V[X1 |X2 = x2 ] = Σ11 − Σ12 Σ22 −1Σ21 X1 |X2 = x2 Λɺ9YͰ͚݅ͮͨ9ͷ֬มͱ͢Δɻ ͜ͷ࣌ɺ9c9YͷظɾࢄҎԼͰ͋Δɻ ˞ࢀߟɿʰຊ౷ܭֶձެࣜೝఆɹ౷ܭݕఆ̍ڃରԠɹ౷ܭֶʱຊ౷ܭֶձɹฤ Qఆཧ  3
ྫ ( X Y Z ) ∼ N (( 1
2 3 ) , ( 2 0 1 0 3 2 1 2 4 )) ( X Y Z ) ̏มྔ֬ม ̏มྔਖ਼ن ʹै͏ͱ͢Δɻ ͜ͷ࣌ɺ Z|X = x, Y = y X, Y|Z = z ʹ͓͚ΔɺظɾࢄΛٻΊΑɻ ˞ࢀߟ౷ܭݕఆ४̍ڃ݄  4
ͷղ μ = ( 3 1 2 ) Σ
= ( 4 1 2 1 2 0 2 0 3 ) μ1 = E[Z] μ2 = E[(X Y)′  ] Σ11 Σ12 Σ22 Σ21 ( X1 X2 ) ∼ N (( μ1 μ2 ), ( Σ11 Σ12 Σ21 Σ22 )) E[X1 |X2 = x2 ] = μ1 + Σ12 Σ22 −1(x2 − μ2 ) V[X1 |X2 = x2 ] = Σ11 − Σ12 Σ22 −1Σ21 ( Z X Y ) ∼ N (( 3 1 2 ) , ( 4 1 2 1 2 0 2 0 3 )) ΑΓɺ E[Z|(X = x, Y = y)] = μ1 + Σ12 Σ22 −1 ( x − 1 y − 2) = 3 + (1 2) ( 2 0 0 3) −1 ( x − 1 y − 2) V[Z |(X = x, Y = y)] = Σ11 − Σ12 Σ22 −1Σ21 = 4 − (1 2) ( 2 0 0 3) −1 ( 1 2)  5
ͷղ μ = ( 1 2 3 ) Σ
= ( 2 0 1 0 3 2 1 2 4 ) μ1 = E[(X Y)′  ] μ2 = E[Z] Σ11 Σ12 Σ22 Σ21 ( X1 X2 ) ∼ N (( μ1 μ2 ), ( Σ11 Σ12 Σ21 Σ22 )) E[X1 |X2 = x2 ] = μ1 + Σ12 Σ22 −1(x2 − μ2 ) V[X1 |X2 = x2 ] = Σ11 − Σ12 Σ22 −1Σ21 ( X Y Z ) ∼ N (( 1 2 3 ) , ( 2 0 1 0 3 2 1 2 4 )) ΑΓɺ E[X, Y |Z = z] = ( 1 2) + ( 1 2) 4−1 (z − 3) V[X, Y |Z = z] = Σ11 − Σ12 Σ22 −1Σ21 = ( 2 0 0 3) − ( 1 2) 4−1 (1 2)  6