確率・統計超幾何分布の効率的数値計算法
概要超幾何分布の確率質量関数は$$P(x|N,K,n)=\frac{\binom{K}{x}\binom{N-K}{n-x}}{\binom{N}{n}}$$であり、これをすべての\(x\)について計算することによって累積分布関数を求めるこ...
statistics
確率・統計
確率・統計超幾何分布の性質と近似―二項分布とポワソン分布との関係
概要この記事では、超幾何分布の性質について簡単に説明した後、特定の条件下で、超幾何分布が二項分布、そしてポワソン分布に近似されることを示す。超幾何分布全\(N\)個のうち、\(K\)個が「成功」（赤玉・白玉などで考えて良い）である要素のうち...
確率・統計ポワソン分布の意味―二項分布からの導出
概要ポワソン分布は「所与の時間内での事象の生起回数の確率分布」として広く使われる分布である。この記事の目的は、ポワソン分布を二項分布から導出することによって、この分布の意味するところを実感することである。二項分布確率\(p\)で成功する試行...
確率・統計確率変数の線形変換
公式確率変数\(X\)は確率密度関数\(f(x)\)にしたがうとする。線形変換$$Y=aX+b$$（ただし、\(b\neq0\)）を行ったとき、\(Y\)の確率密度関数\(g(y)\)は$$g(y)=\frac{1}{|a|}f\left(...
機械学習・AI有界な分布を用いたEMアルゴリズムが、なぜ失敗するのか？【一様分布】
EMアルゴリズムは任意の確率分布からなる混合分布に対して適用可能だが、有界な分布を用いた場合には失敗しやすい。この記事では、一様分布を例にその理由を示したあと、Eステップ/Mステップの前にサンプリングを実施することで失敗を回避する方法について解説する。
機械学習・AI任意の確率分布でEMアルゴリズムを理解・実装する【正規分布以外も】
EMアルゴリズムは、混合正規分布の条件下で解説・実装される場合が多い。しかし本来、近似には任意の分布を用いることができる。この記事では、混合正規分布の場合に限らない任意の確率分布に対するEMアルゴリズムについて、理論と実践例をコードとともに提示する。
確率・統計一様分布の最尤推定
公式一様分布\(U(x|a,b)\)のパラメータについて、データ\(X=\{x_1,x_2,\ldots,x_N\}\)を用いて最尤推定を行ったとき$$a=\min(X),b=\max(X)$$となる。ここで、\(\min(A),\max(...
プログラミング仮想データセット配布【逆問題・不良設定問題】
概要不良設定問題に対する機械学習を行うための、仮想データセットを作成した。このデータセットでは、dataに３種類の（仮想の）血液検査値が与えられており、この値から、targetとして与えられた、体内に存在する８種類の（仮想の）細菌の比率を予...
Python尤度と誤差の関係―ガウス誤差モデル下のAIC, BIC
概要WikipediaのBIC（ベイズ情報量基準）のページを読んでいると、BICは$$\mathrm{BIC}=-2\cdot\ln(L)+k\ln(n)\tag{1}$$と定義されるが、ガウス誤差の下では$$\mathrm{BIC}=n\...
確率・統計01-Kendall 順位相関係数の効率的な計算法
概要この記事では、01-Kendall順位相関係数2値Kendall順位相関係数BinaryKendall順位相関係数などと呼ばれそうな、Kendall順位相関係数の特殊な場合の計算法についてまとめる。ようするにRedmanW(2019)A...