O slideshow foi denunciado.
Utilizamos seu perfil e dados de atividades no LinkedIn para personalizar e exibir anúncios mais relevantes. Altere suas preferências de anúncios quando desejar.
f(x) =
x↵ 1
(1 x) 1
B(↵, )
B(x, y) =
Z 1
0
tx 1
(1 t)y 1
dt
B(↵, )
0  x  1
↵
↵ +
↵
(↵ + )2(↵ + + 1)
x, y > 0,
↵, > 0,
(́・ω・) ん?
(́・ω・) で、どういう事象がこの分布するの?
0  x  1
f(p) =
p↵ 1
(1 p) 1
B(↵, )
, 0  p  1
0  t  1
B(↵, ) =
Z 1
0
p↵ 1
(1 p) 1
dp
0  x  1
f(p) =
p↵ 1
(1 p) 1
B(↵, )
, 0  p  1
0  t  1
B(↵, ) =
Z 1
0
p↵ 1
(1 p) 1
dp
Z 1
0
f(p) =
Z 1
0
p↵ 1
(1 p) 1
B(↵, )
dp
=
Z 1
0
p↵ 1
(1 p) 1
dp
1
B(↵, )
=
B(↵, )
B(↵, )
= 1
f(p) =
p↵ 1
(1 p) 1
B(↵, )
/ p↵ 1
(1 p) 1
B(↵, )
p) =
p↵ 1
(1 p) 1
B(↵, )
, 0  p  1
) =
p↵ 1
(1 p) 1
B(↵, )
, 0  p  1
(́・ω・) ん?
f(p) =
p↵ 1
(1 p) 1
B(↵, )
,
(́・ω・) ん?
(́・ω・) よく見るとコイン投げ?
f(p) =
p↵ 1
(1 p) 1
B(↵, )
,
x = 1 x = 0
f(x; p) =
8
<
:
p if x = 1,
1 p if x = 0.
f(x; p) = px
(1 p)1 x
, x = {0, 1}
x
p
p
1 p
f(x1, · · · , xn; p) =
nY
i=1
pxi
(1 p)1 xi
, xi = {0, 1}
f(x1, · · · , xn; p) = pa
(1 p)b a =
nX
i=1
xi, b = n a
f(x1, · · · , xn; p) =
nY
i=1
pxi
(1 p)1 xi
, xi = {0, 1}
f(x1, · · · , xn; p) = pa
(1 p)b a =
nX
i=1
xi, b = n a
f(p) =
p...
f(p) = p↵ 1
(1 p) 1
f(x1, · · · , xn; p) = pa
(1 p)b a =
nX
i=1
xi, b = n a
x1, · · · , xn
🌾
f(x1, · · · , xn; p) = pa
(1 p)b a =
nX
i=1
xi, b = n a
x1, · · · , xn
🌾
f(p) = p↵ 1
(1 p) 1
f(x1, · · · , xn; p) = pa
(1 p)b a =
nX
i=1
xi, b = n a
x1, · · · , xn
🌾
f(p) = p↵ 1
(1 p) 1
でもこのpを確率変数とみなしちゃう、
そう、ベイズならね (๑•`ㅁ•́๑)✧
< < < < < < < <
< < < < < < < <
… …
n = i + j 1
f(p) =
(
n!
(i 1)!(n i)! pi 1
(1 p)j 1
if 0  p  1
0 otherwise
<< < < < <
p ⇠ Unif(0, 1)
f(p) =
(
n!
(i 1)!(n i)! pi 1
(1 p)j 1
if 0  p  1
0 otherwise
… …<< < < < <
i-1個
p ⇠ Unif(0, 1)
f(p) =
(
n!
(i 1)!(n i)! pi 1
(1 p)j 1
if 0  p  1
0 otherwise
… …<< < < < <
i-1個
p ⇠ Unif(0, 1)
B(a, b) =
(a) (b)
(a + b)
(n + 1) = n!、
=
1
B(i, j)
n = i + j 1 ! n i = j 1
n!
(i 1)!(n i)!
=
n!
(j 1)!(i 1)!
=
(n + 1)
(i...
f(p) =
(
n!
(i 1)!(j 1)! pi 1
(1 p)j 1
if 0  p  1
0 otherwise
=
(
1
B(i,j)! pi 1
(1 p)j 1
if 0  p  1
0 otherwise
f(p)
🌾
f(p) =
(
n!
(i 1)!(j 1)! pi 1
(1 p)j 1
if 0  p  1
0 otherwise
=
(
1
B(i,j)! pi 1
(1 p)j 1
if 0  p  1
0 otherwise
f(p)
🌾
@interact(a=(1,15,1),	
  b=(1,15,1))	
  
def	
  draw_norm_dist(a=2,	
  b=2):	
  	
  
	
  	
  	
  	
  set_size	
  =	
  a+b-...
おわり
どうしても順序統計量が
気になる人のためのAPPENDIX
FX (x)
fX (x)
X1, X2, · · · , Xn FX (x) fX (x)
X(1), X(2), · · · , X(n) Xi
X(j), j = 1, 2, · · · , n
fX(j)
=
n!
(j 1)!(n j...
Y = #{Xj, j = 1, 2, · · · , n|Xj  x}
x
Y個
Zj =
(
1 if {Xj  x}
0 otherwise
x
Z4=1
Z3=1
Z9=1
Z8=1 Z6=1
Z2=1 Z1=0
Z5=0
Z7=0...
P(Zj = 1) = Pi = FX(x)
1
1O
FX(x)
Xi
Zi
Zi
xP(Zj = 1) = Pi = FX (x)
x
Zi
Pi
FX(j)
(x) = P(Y j) =
nX
k=j
✓
n
k
◆
[FX (x)]k
[1 FX(x)]n k
1
FX (x) = P6
x
Y j
Xi x
FX(j)
(x) fX(j)
(x)
fX(j)
(x) =
dFX(j)
(x)
dx
(f · g)0
= f0
g + fg0
=
d
dx
nX
k=j
✓
n
k
◆
[FX(x)]k
[1 FX(x)]n k
[f(g(x))]0...
=
n!
(j 1)!(n j)!
fX (x)[FX (x)]j 1
[1 FX (x)]n j
+
n 1X
k=j
✓
n
k + 1
◆
(k + 1)fX (x)[FX (x)]k
[1 FX (x)]n k 1
n 1X
k=j
✓...
=
n!
(j 1)!(n j)!
fX (x)[FX(x)]j 1
[1 FX (x)]n j
+
n 1X
k=j
✓
n
k + 1
◆
(k + 1)fX(x)[FX (x)]k
[1 FX (x)]n k 1
n 1X
k=j
✓
n...
【証明】(cont.)
X1, X2, · · · , Xn
fX(j)
(x) =
n!
(j 1)!(n j)!
fX (x)[FX (x)]j 1
[1 FX (x)]n j
fX(x) =
(
1 0 < x < 1
0 otherwi...
「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料
「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料
「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料
「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料
「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料
「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料
「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料
「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料
「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料
「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料
「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料
Próximos SlideShares
Carregando em…5
×

「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料

「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 発表資料 (2016/3/19[sat])
確率・統計を学んだことがある方向けに、ベータ分布とは何かを解説してみた記事です。特にベイズ統計学を学んでいるとベータ分布が出現しますが、いまいちどんな事象が対応している分布かわかりにくいので、その辺りに迫ります。

  • Seja o primeiro a comentar

「ベータ分布の謎に迫る」第6回 プログラマのための数学勉強会 LT資料

  1. 1. f(x) = x↵ 1 (1 x) 1 B(↵, ) B(x, y) = Z 1 0 tx 1 (1 t)y 1 dt B(↵, ) 0  x  1 ↵ ↵ + ↵ (↵ + )2(↵ + + 1) x, y > 0, ↵, > 0,
  2. 2. (́・ω・) ん? (́・ω・) で、どういう事象がこの分布するの?
  3. 3. 0  x  1 f(p) = p↵ 1 (1 p) 1 B(↵, ) , 0  p  1 0  t  1 B(↵, ) = Z 1 0 p↵ 1 (1 p) 1 dp
  4. 4. 0  x  1 f(p) = p↵ 1 (1 p) 1 B(↵, ) , 0  p  1 0  t  1 B(↵, ) = Z 1 0 p↵ 1 (1 p) 1 dp
  5. 5. Z 1 0 f(p) = Z 1 0 p↵ 1 (1 p) 1 B(↵, ) dp = Z 1 0 p↵ 1 (1 p) 1 dp 1 B(↵, ) = B(↵, ) B(↵, ) = 1
  6. 6. f(p) = p↵ 1 (1 p) 1 B(↵, ) / p↵ 1 (1 p) 1 B(↵, )
  7. 7. p) = p↵ 1 (1 p) 1 B(↵, ) , 0  p  1 ) = p↵ 1 (1 p) 1 B(↵, ) , 0  p  1
  8. 8. (́・ω・) ん? f(p) = p↵ 1 (1 p) 1 B(↵, ) ,
  9. 9. (́・ω・) ん? (́・ω・) よく見るとコイン投げ? f(p) = p↵ 1 (1 p) 1 B(↵, ) ,
  10. 10. x = 1 x = 0 f(x; p) = 8 < : p if x = 1, 1 p if x = 0. f(x; p) = px (1 p)1 x , x = {0, 1} x p p 1 p
  11. 11. f(x1, · · · , xn; p) = nY i=1 pxi (1 p)1 xi , xi = {0, 1} f(x1, · · · , xn; p) = pa (1 p)b a = nX i=1 xi, b = n a
  12. 12. f(x1, · · · , xn; p) = nY i=1 pxi (1 p)1 xi , xi = {0, 1} f(x1, · · · , xn; p) = pa (1 p)b a = nX i=1 xi, b = n a f(p) = p↵ 1 (1 p) 1 B(↵, ) / p↵ 1 (1 p) 1
  13. 13. f(p) = p↵ 1 (1 p) 1 f(x1, · · · , xn; p) = pa (1 p)b a = nX i=1 xi, b = n a x1, · · · , xn 🌾
  14. 14. f(x1, · · · , xn; p) = pa (1 p)b a = nX i=1 xi, b = n a x1, · · · , xn 🌾 f(p) = p↵ 1 (1 p) 1
  15. 15. f(x1, · · · , xn; p) = pa (1 p)b a = nX i=1 xi, b = n a x1, · · · , xn 🌾 f(p) = p↵ 1 (1 p) 1
  16. 16. でもこのpを確率変数とみなしちゃう、 そう、ベイズならね (๑•`ㅁ•́๑)✧
  17. 17. < < < < < < < < < < < < < < < <
  18. 18. … … n = i + j 1 f(p) = ( n! (i 1)!(n i)! pi 1 (1 p)j 1 if 0  p  1 0 otherwise << < < < < p ⇠ Unif(0, 1)
  19. 19. f(p) = ( n! (i 1)!(n i)! pi 1 (1 p)j 1 if 0  p  1 0 otherwise … …<< < < < < i-1個 p ⇠ Unif(0, 1)
  20. 20. f(p) = ( n! (i 1)!(n i)! pi 1 (1 p)j 1 if 0  p  1 0 otherwise … …<< < < < < i-1個 p ⇠ Unif(0, 1)
  21. 21. B(a, b) = (a) (b) (a + b) (n + 1) = n!、 = 1 B(i, j) n = i + j 1 ! n i = j 1 n! (i 1)!(n i)! = n! (j 1)!(i 1)! = (n + 1) (i) (j) = (i + j) (i) (j)
  22. 22. f(p) = ( n! (i 1)!(j 1)! pi 1 (1 p)j 1 if 0  p  1 0 otherwise = ( 1 B(i,j)! pi 1 (1 p)j 1 if 0  p  1 0 otherwise f(p) 🌾
  23. 23. f(p) = ( n! (i 1)!(j 1)! pi 1 (1 p)j 1 if 0  p  1 0 otherwise = ( 1 B(i,j)! pi 1 (1 p)j 1 if 0  p  1 0 otherwise f(p) 🌾
  24. 24. @interact(a=(1,15,1),  b=(1,15,1))   def  draw_norm_dist(a=2,  b=2):            set_size  =  a+b-­‐1          trial_size  =  30000          bin_width  =  51          def  gen_orderd_unif(size):                  unif  =  rd.rand(size)                        unif.sort()                                          return  unif                    result  =  [gen_orderd_unif(set_size)[a-­‐1]  for  _  in  np.arange(trial_size)]          plt.hist(result,  bins=np.linspace(0,1,bin_width))                    plt.plot(p,  st.beta.pdf(p,  a,  b)*trial_size/bin_width,  c="g",  lw=3)              plt.show()
  25. 25. おわり
  26. 26. どうしても順序統計量が 気になる人のためのAPPENDIX
  27. 27. FX (x) fX (x) X1, X2, · · · , Xn FX (x) fX (x) X(1), X(2), · · · , X(n) Xi X(j), j = 1, 2, · · · , n fX(j) = n! (j 1)!(n j)! fX(x)[FX(x)]j 1 [1 FX(x)]n j 1 FX(x)FX(x) x fX (x) i j
  28. 28. Y = #{Xj, j = 1, 2, · · · , n|Xj  x} x Y個 Zj = ( 1 if {Xj  x} 0 otherwise x Z4=1 Z3=1 Z9=1 Z8=1 Z6=1 Z2=1 Z1=0 Z5=0 Z7=0 Y = nX j=1 Zj
  29. 29. P(Zj = 1) = Pi = FX(x) 1 1O FX(x) Xi Zi Zi xP(Zj = 1) = Pi = FX (x) x Zi Pi
  30. 30. FX(j) (x) = P(Y j) = nX k=j ✓ n k ◆ [FX (x)]k [1 FX(x)]n k 1 FX (x) = P6 x Y j Xi x
  31. 31. FX(j) (x) fX(j) (x) fX(j) (x) = dFX(j) (x) dx (f · g)0 = f0 g + fg0 = d dx nX k=j ✓ n k ◆ [FX(x)]k [1 FX(x)]n k [f(g(x))]0 = f0 (g(x))g0 (x) = nX k=j ✓ n k ◆ kfX(x)[FX(x)]k 1 [1 FX(x)]n k (n k)fX(x)[FX(x)]k [1 FX(x)]n k 1 = ✓ n k ◆ jfX (x)[FX (x)]j 1 [1 FX (x)]n j + nX k=j+1 ✓ n k ◆ kfX (x)[FX (x)]k 1 [1 FX (x)]n k n 1X k=j (n k)fX (x)[FX (x)]k [1 FX (x)]n k 1
  32. 32. = n! (j 1)!(n j)! fX (x)[FX (x)]j 1 [1 FX (x)]n j + n 1X k=j ✓ n k + 1 ◆ (k + 1)fX (x)[FX (x)]k [1 FX (x)]n k 1 n 1X k=j ✓ n k ◆ (n k)fX (x)[FX (x)]k [1 FX (x)]n k 1 = ✓ n k ◆ jfX (x)[FX (x)]j 1 [1 FX (x)]n j + nX k=j+1 ✓ n k ◆ kfX (x)[FX(x)]k 1 [1 FX (x)]n k n 1X k=j ✓ n k ◆ (n k)fX(x)[FX (x)]k [1 FX (x)]n k 1
  33. 33. = n! (j 1)!(n j)! fX (x)[FX(x)]j 1 [1 FX (x)]n j + n 1X k=j ✓ n k + 1 ◆ (k + 1)fX(x)[FX (x)]k [1 FX (x)]n k 1 n 1X k=j ✓ n k ◆ (n k)fX (x)[FX (x)]k [1 FX(x)]n k 1 = n! (j 1)!(n j)! fX(x)[FX(x)]j 1 [1 FX(x)]n j + fX(x)[FX(x)]k [1 FX(x)]n k 1 0 @ n 1X k=j ✓ n k + 1 ◆ (k + 1) n 1X k=j ✓ n k ◆ (n k) 1 A = 0 ✓ n k + 1 ◆ (k + 1) = n! k!(n k 1)! = ✓ n k ◆ (n k) = n! (j 1)!(n j)! fX(x)[FX(x)]j 1 [1 FX(x)]n j
  34. 34. 【証明】(cont.) X1, X2, · · · , Xn fX(j) (x) = n! (j 1)!(n j)! fX (x)[FX (x)]j 1 [1 FX (x)]n j fX(x) = ( 1 0 < x < 1 0 otherwise FX (x) = 8 >< >: 0 x  0, x 0 < x < 1, 1 x 1 = 1, (0 < x < 1) = x, (0 < x < 1) fX(j) (x) = ( 0 otherwise n! (j 1)!(n j)! xj 1 (1 x)n j , 0 < x < 1 n = j + i 1 ! n j = i 1 ! n! (j 1)!(i 1)! xj 1 (1 x)i 1

×