確率・統計 解答(1) 1. c 変化無し 2. e Chi-squared 3. (1-0.03)*(1-0.02) = .9506 4. Pr(機嫌良| 上手)= :9; Pr(機嫌良| 下手) = :3; Pr(上手) = :2 Pr(上手| 機嫌良) = Pr(機嫌良| 上手)/[Pr(上手)=(Pr(機嫌良|上手)Pr(上手) +Pr(機嫌良|下手)Pr(下手)] =0.9 × 0.2=(0.9×0.2 +0.3×0.8) = 0.18・0.42=0.42857 5. Pr(X > 100) = Pr((X - 110)/ 10 > (100 - 110)/ 10) = Pr(Z >- 1) = Pr(Z < 1) = :84 6. a. 分布関数、 b. 平均、 c. 分散 n 7. 尤度関数= i 1 f (x i | ) 尤度関数のθに関する一次微分が 0 で二次微分が正であること。 8. 順序尺度水準の変数間の相関としては、積率相関係数では無く変数の順序情報のみを利用する順 位相関係数を計算すべきである。 9. たとえば、x が - 5 < x < 5 の範囲で変化し、x と y との間に y = x2 +error という関係があ るような場合。 -1- 解答(2) 1) 1 (x a F (x ) 1 E (x ) 0 Var (x ) a 2 if x 0 a a ) if 2 2 x a 2 if x a 2 a2 12 2) if x 0 a 2 2x 2 2x 1 a if x 0 2 a 2 2 a 2x 2 2x 1 a if 0 x 2 a 2 2 a a 1 if x 2 0 F (x ) E (x ) Var (x ) a2 24 2. exp(-xi)exp(-exp(-xi)) P(u1>u2)= = F (v 1 v2 x 1)f (x 1)dx 1 exp( exp( (v 1 v2 =(1/(exp(-(v1-v2)) =1/(exp(-(v1-v2))+1) x 1)))exp( x 1)exp( exp( x 1))dx 1 1) x -a/2 のとき F(x)=0, -a/2<x<a/2 のとき F(x)=1/a(x+a/2), a/2 x のとき F(x)=1 2) E(x)=0, Var(x)=a2/12 x -a/2 のとき F(x)=0, -a/2<x<0 のとき F(x)=2x2/a2 +2x/a+1/2 0 x<a/2 のとき F(x)=-2x2/ a2 +2x/a+1/2 a/2 x のとき F(x)=1 E(x)=0, Var(x)=a2/24 2. exp(-xi)exp(-exp(-xi)) P(u1>u2)= = F (v 1 v2 x 1)f (x 1)dx 1 exp( exp( (v 1 v2 =(1/(exp(-(v1-v2)) =1/(exp(-(v1-v2))+1) x 1)))exp( x 1)exp( exp( x 1))dx 1 解答例 (3-1) 確率変数 X が期待値 X 、分散 X の分布をしている。単調増加関数 f () を用いて新しい確 2 率変数Y f (X ) を作った。この確率変数Y の期待値 Y と分散 Y をテイラー展開(1 階の 2 線形近似)を用いて、 X 、 2X で表しなさい。 確率変数 X は期待値と誤差を用いて X X (0, 2X ) と表すことができる。ゆえに新たな確率変数Y f (X ) を確率変数 X の期待値 X の近傍 でテイラー展開し 1 階線形近似すると Y f (X ) f (X ) f (X ) f (X ) と表せる。ゆえに、確率変数Y f (X ) の期待値は Y E [Y ] E [ f (X ) f (X )] f (X ) f (X )E [ ] f (X ) E [ ] 0 とあらわせる。また確率変数Y f (X ) の分散は Y2 Var[Y ] E [(Y E [Y ])2 ] E [{f (X ) f (X ) f (X )}2 ] E [{f (X )}2 ] f (X )2 E [ 2 ] f (X )2 2X -1- (3-2) 非線形の期待値に加法的に誤差をつける形式のモデルではなく、期待値と分散を別個にモ デル化することにより、対数変換することで、線形の統計モデルに最小自乗法を適用しパ ラメーター推定できることが示せること。 このとき、(3-1)の成果を利用し、対数変換により誤差の分散同質性が確保できるこ とを示せること。 為替レートの期待値は E [ X ] M そして分散は Var [X ] (E [X ])2 2X (M )2 比例係数を2Xとする 2X 2M 2 このような確率変数の自然対数をY とすると、その期待値は E [Y ] E [ln(X )] ln(M ) ln ln M とあらわせ、分散は Var [Y ] f (E [X ])2Var [X ] 1 2 1 ) Var [X ] f (E [X ]) ( E [X ] E [X ] 1 2 2 2 2 ) X M E [X ] M , Var [X ] 2X 2M 2 ( M 2X const . となり、分散同質性が確保されていることがわかる。ゆえに以下の統計モデル ln X ln ln M k ln M (0, 2 ) を単回帰分析し、以下の複合仮説 k 0 0 を検定すれば良いことになる。 -2-
© Copyright 2025 ExpyDoc