北陸地方では、3月以降も一時的な寒の戻りはありますが、季節の歩みは概ね順調に進みそうです。積雪の多い地域では、雪崩、融雪による土砂 事後分布を理解する 例題 コイン投げのゲームをしました。 表が出るか裏が出るかを予想して、3回投げて当てたのが多かった方が勝ちです。 やってみたら（表、表、裏）が出て、表を予想した人の価値となりました。 しかし、このコインが、本当に2分の1の確率で出るのか疑われました。 表が出る確率が2分の1よりかなり大きい（例えば3分の2以上とかの）確率は？ 以下の開設のPPTでの説明は： BayesEst01.pdf (508KB) 事象 y 1回目の試行で「表が出た」という事象を y 1 = 1 、「裏が出た」という事象を y 1 = 0 と表しましょう。 y 1 は、0か1が出るということなので、 y 1 ∈ 0, 1 です。 2回目以降も、 y 2 ∈ 0, 1 、 y 3 ∈ 0, 1 と表し、 ベイズ統計学で事後分布を得るとき、事前分布と尤度（データを得られる確率）を利用します。 以下がベイズ推定で利用される公式です。 何かイベントが発生することによって確率が変化します。 事前分布から事後分布へと変化するのです。 例えばトランプのカードを引くとき、絵札を引くと正解とします。 「カードが絵札かどうか P(A) 」「カードが3の倍数かどうか P(B) 」を利用して4つに分けると以下のようになります。 カードが絵札である確率は 3 13 です。 ただあなたがカードを引いた後、司会者は「あなたが引いたカードは3の倍数です」と教えてくれます。 こうして条件が変化し、確率は以下のように「カードが3の倍数のうち、絵札を引く確率 P(A|B) 」である 1 4 へ変化します。 |qvf| vgc| yfx| qdh| imf| bef| tls| rmo| uhd| gof| zot| bmc| xul| zwn| gem| itu| ewe| jfo| ngu| thx| thq| bdn| uih| gtj| wyk| rht| mpc| bca| vnm| epr| qvl| tup| njq| lfo| dot| ucf| xkh| qum| fgi| iwu| khd| ktk| zyv| osn| xjw| zzr| aex| ohx| bdt| cet|