大数の弱法則(チェビシェフの大数の弱法則)
確率変数列が独立同一分布にしたがう場合、標本平均の列はもとの確率変数列が共有する期待値に確率収束します。つまり、各回の結果が同一かつ独立な確率分布から決定される試行を繰り返す場合、試行回数を限りなく増やすにつれて、結果の平均は、各回の試行の期待値に限りなく近づきます。
確率変数列が独立同一分布にしたがう場合、標本平均の列はもとの確率変数列が共有する期待値に確率収束します。つまり、各回の結果が同一かつ独立な確率分布から決定される試行を繰り返す場合、試行回数を限りなく増やすにつれて、結果の平均は、各回の試行の期待値に限りなく近づきます。
区間上に定義された2つの連続関数と、それらの差として定義される関数について、それらの原始関数、不定積分、定積分の間に成立する関係について解説します。
区間上に定義された2つの連続関数と、それらの和として定義される関数について、それらの原始関数、不定積分、定積分の間に成立する関係について解説します。
区間上に定義された連続関数と、その定数倍として定義される関数について、両者の原始関数、不定積分、定積分の間に成立する関係について解説します。
2つの離散型確率変数が独立であるとともに同一の確率分布にしたがう場合、それらの確率は独立同一分布にしたがう(i.d.d.)と言います。
マルコフの不等式は期待値だけを頼りとした指標ですが、期待値に加えて分散も明らかである場合には、チェビシェフの不等式を利用することにより、離散型確率変数の確率分布に関するより精度の高い情報を得ることができます。
離散型の確率変数が非負の実数のみを値としてとり得るとともに期待値が有限な実数として定まる場合、マルコフの不等式を用いることにより、その確率変数がある値以上の値をとる確率の上界を特定することができます。
関数変数列が概収束することの意味を様々な形で表現します。これらの表現は概収束の性質について理解を深めたり、他の収束概念との関係を調べる上で有用です。
有限個(3個以上)の連続型確率変数が独立であることの意味を定義するとともに、有限個の連続型確率変数が独立であることを判定する方法について解説します。
連続型確率ベクトルの同時確率分布が同時確率密度関数によって描写されている場合、そこから個々の確率変数の確率分布を描写する確率密度関数を導くことができます。
有限個(3個以上)の離散型確率変数が独立であることの意味を定義するとともに、有限個の離散型確率変数が独立であることを判定する方法について解説します。
離散型確率ベクトルの同時確率分布が同時確率質量関数によって描写されている場合、そこから個々の確率ベクトルの同時確率分布を描写する同時確率質量関数を導くことができます。
1変数のベクトル値関数(曲線)の原始関数および不定積分と呼ばれる概念を定義するとともに、区間上に定義された連続なベクトル値関数に関しては両者は一致することを示します。
1変数のベクトル値関数(曲線)に関しても微分積分学の第2基本定理は成立します。つまり、有界な閉区間上に定義されたベクトル値関数が連続である場合には、その関数の定積分を特定するベクトル値関数を微分すればもとのベクトル値関数が得られます。
1変数のベクトル値関数の導関数を区間上でリーマン積分した場合、得られた定積分の値は、もとの関数の区間上での変化と一致することが保証されます。これを純変化量定理と呼びます。
1変数のベクトル値関数(曲線)に関しても微分積分学の第2基本定理は成立します。つまり、有界閉区間上に定義されたベクトルいt関数がリーマン積分可能であり、原始関数であるような連続なベクトル値関数を持つ場合、原始関数が区間の端点に対して定めるベクトルの差は、もとの関数の定積分と一致します。
無限区間上に定義された関数に関しては、リーマン積分を拡張した広義積分と呼ばれる積分概念のもとで無限区間上における積分可能性を検討します。
有界な閉区間上に定義された有界な1変数のベクトル値関数(曲線)がリーマン積分可能であることの意味を定義するとともに、関連して定積分と呼ばれる概念を定義します。
離散型確率ベクトルの同時確率分布が同時確率質量関数によって描写されている場合、そこから個々の確率変数の確率分布を描写する確率質量関数を導くことができます。
定義域である区間の端点において無限大を値としてとる有界ではない関数に関しては、リーマン積分を拡張した広義積分と呼ばれる積分概念のもとで積分可能性を検討します。
関数の導関数を区間上でリーマン積分した場合、得られた定積分の値は、もとの関数の区間上での変化と一致することが保証されます。これを純変化量定理と呼びます。
有界な閉区間上に定義された有界関数が定義域の端点において片側連続でない場合においても、一定の条件のもとではリーマン積分可能です。また、定義域上の有限個の点においてのみ不連続な関数はリーマン積分可能です。
離散型確率ベクトルの同時分布関数とは、確率ベクトルがあるベクトル以下の値をとる確率を特定することを通じてその同時確率分布を記述する関数です。
連続型の確率ベクトルの同時確率分布を表現する際に同時確率質量関数を利用できません。連続型の確率ベクトルの同時確率分布を描写する際には同時確率密度関数を利用します。
離散型の確率ベクトルが与えられたとき、それぞれのベクトルに対して、確率ベクトルがそのベクトルを値としてとる確率を特定する巻数を同時確率質量関数と呼びます。
それぞれの標本点に対してベクトルを1つずつ割り当てる写像を確率ベクトルと呼びます。特に、有限個の離散型確率変数から定義される確率ベクトルを離散型の確率ベクトルと呼びます。
それぞれの標本点に対してベクトルを1つずつ割り当てる写像を確率ベクトルと呼びます。特に、有限個の離散型確率変数から定義される確率ベクトルを離散型の確率ベクトルと呼びます。
多変数のベクトル値関数が連続微分可能な点に関しては、その多変数ベクトル値関数を方向微分するプロセスは1変数ベクトル値関数を微分するプロセスと実質的に等しくなります。
多変数関数が全微分可能である場合には偏微分可能であることが保証される一方、その逆は成り立つとは限りません。ただ、多変数関数が連続微分可能である場合には全微分可能であることが保証される一方、その逆は成り立つとは限りません。
関数変数列が各点収束する標本点からなる事象の確率が1である場合、その確率変数列は概収束するとか、ほとんど確率に収束するなどと言います。
関数変数列が各点収束することの意味を定義するとともに、その場合の確率変数列の極限、すなわち極限関数を具体的に特定する方法を解説します。
多変数のベクトル値関数(ベクトル場)の偏導関数が偏微分可能である場合には偏導関数の偏導関数が得られますが、これを2階の偏導関数と呼びます。同様に、3階の偏導関数、4階の偏導関数なども定義可能です。これらを高階の偏導関数と呼びます。
多変数のベクトル値関数(ベクトル場)の変数を特定の線分に沿ってまっすぐ動かす状況を想定した微分概念を方向微分と呼びます。
多変数のベクトル値関数は偏微分可能な点において連続であるとは限りません。微分可能性から連続性を保証するためには全微分と呼ばれる微分概念が必要です。
偏微分可能な多変数のベクトル値関数(ベクトル場)と、すべての成分関数が全微分可能な多変数のベクトル値関数の合成関数として定義される多変数のベクトル値関数もまた偏微分可能です。
一様収束する関数列は必ず各点収束する一方、その逆は成立するとは限りません。つまり、各点収束する関数列は一様収束するとは限りません。
関数列が一様コーシーであることの意味を定義するとともに、関数列が一様コーシーであることと一様収束であることは必要十分であることを示します。
関数列が各点コーシーであることの意味を定義するとともに、関数列が各点コーシーであることと各点収束であることは必要十分であることを示します。
連続な多変数のベクトル値関数(ベクトル場)と連続な多変数関数(スカラー場)の合成関数として定義される多変数関数もまた連続です。