第4回　正規分布［前編］ | gihyo.jp

テクノロジーカテゴリーの変更を依頼記事元:

gihyo.jp

20 usersがブックマークコメント

コメント

3

記事へのコメント3件

注目コメント
新着コメント

yumu19 正規分布大好き＼(^o^)／世の中全て正規分布。

機械学習

2012/05/16 リンク

uk-ar では確率密度関数の値 f(x) は何を表しているのかというと，確率変数が値 x をとる相対的な可能性を指していると考えられます。上のグラフで言えば，X=3.5 である可能性は X=3.25 である可能性の倍，などということを表して

2011/01/26 リンク

janus_wel まだ正規分布は出てこない。連続確率や確率分布の説明と平均・分散のけいさんについて

2011/01/04 リンク

注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています

規約違反を報告

アプリのスクリーンショット

いまの話題をアプリでチェック！

バナー広告なし
ミュート機能あり
ダークモード搭載

アプリをダウンロード

関連記事

第4回　正規分布［前編］ | gihyo.jp

今回と次回では前後編に分けて、統計においてもっともよく使われる確率分布である「正規分布」のお話を... 今回と次回では前後編に分けて、統計においてもっともよく使われる確率分布である「正規分布」のお話をします。第2回・第3回の復習最初に、前回までのおさらいを簡単にしておきましょう。まず確率を定義するものとして、確率変数 X と確率分布 p(X) を紹介しました。これが「確率」であるためには、以下の2つの重要な条件を満たしている必要がありました。確率の値は0以上1以下すべての取り得る値の確率の合計は1 これらの条件は、今後機械学習を学んでいく上で、常に意識しておかないといけません。今回も使いますよ。それから、確率変数が複数ある場合の「同時確率」「⁠条件付き確率」「⁠周辺確率⁠」⁠、そして「事後確率」を導入し、「⁠確率の加法定理と乗法定理」という2つの定理と、「⁠ベイズの公式」を導きました。加法定理と乗法定理については、今回も使いますのでその時に確認しましょう。最後に、「⁠条件付き独

ブックマークしたユーザー

satojkovic2013/05/21
yumu192012/05/16
uk-ar2011/01/26
janus_wel2011/01/04
kyohei_hamada2010/09/29
todogzm2010/09/15
seneca2010/09/12
kei_kei2010/09/12
kazkaz032010/09/09
techman9992010/09/08
Vitamin_Lemon2010/09/08
Itisango2010/09/08
Tensor2010/09/08

同じサイトの新着

同じサイトの新着をもっと読む

いま人気の記事

いま人気の記事をもっと読む

いま人気の記事 - テクノロジー

いま人気の記事 - テクノロジーをもっと読む

新着記事 - テクノロジー

新着記事 - テクノロジーをもっと読む

設定を変更しましたx