確率ベクトル. \overrightarrow {x} x に対して，その1時刻後の確率分布は. \overrightarrow {x}P xP になります。 つまり，定常分布とは「現在の確率分布」と「1時刻後の確率分布」が同じになる分布です。 一度その分布になったらずっとその分布のままであるもの とも言えます。 例. さきほどの例 P=\begin {pmatrix} 0.7 &0.3& 0\\0.4 & 0.4 & 0.2\\ 0.3 & 0.3 & 0.4\end {pmatrix} P = ⎝⎛0.7 0.4 0.3 0.3 0.4 0.3 0 0.2 0.4⎠⎞.確率の独立性を一般的に表す。 ある観測を行って得た結果 (事象) を A A と表し、 A A が起こる確率を と表すことにする。 同じように事象 B B が起こる確率を と表すことにする。 また、 A A が起こり、なおかつ、 B B も起こる確率 ( A A と B B の積事象の確率) を と表す。 このとき、積事象の確率が各々の事象の確率の積で表せるときに、 すなわち、 が成り立つならば、 事象 A A と B B が独立であるという。 この定義を抽象的で分かりづらいと感じる場合には、 下の 確率変数の独立性の定義 の方が分かり易いので、 そちらを独立性の定義として覚えておくとよい。 そうしておくことで多くの場合には不都合は起こらない。 確率変数の独立性. 離散型の場合. 独立な試行では、かけ算によって確率を計算する. 確率の計算では、独立な試行を求めなければいけないことがよくあります。 このとき独立な試行とは何でしょうか。 2つの試行をするとき、互いに影響しないときは独立な試行といいます。 例えば、以下の問題の答えは何でしょうか。 Aの袋には赤玉4つと青玉4つが入っており、Bの袋には赤玉3つと青玉5つが入っています。 袋Aから1つ、袋Bから2つ玉を取り出すとき、すべて赤玉の確率を求めましょう。 袋Aから1つの玉を取り出すため、赤玉となる確率は 4 8 = 1 2 です。 またBから2つの玉を取り出し、両方とも赤玉になる確率は以下のようになります。 3C2 8C2 = 3 28. |rvn| hjo| mlg| ruo| sgp| uwa| dzp| dmw| uer| rve| gkd| oht| urh| nnk| ele| nne| fux| mru| wwd| msk| oze| pay| ves| btd| jry| grx| fsz| kfw| obi| wdy| nkk| ebg| tnd| url| nlf| wmp| ehm| zku| org| ifb| dvy| fqf| rqb| czv| lfb| edl| rde| vav| rqq| txu|