0
2

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 3 years have passed since last update.

推計統計学のPythonでの簡単な実装

Posted at

推計統計学

様々な種類を持つ統計学ですが、代表的なものとして「記述統計学」、「推計統計学」、「ベイズ統計学」の3種類があります。(今回は「ベイズ統計学」に関しては置いておきます。)
「記述統計学」と「推計統計学」はそれぞれ、記述統計学 = 手持ちのデータを集計する方法の学問
推計統計学 = 手持ちのデータを分析して、まだ手に入れていないデータについて議論する方法を学ぶ学問と説明されます。
(引用:Logic of Blue 記述統計の基礎)
つまり、記述統計学ではデータ(標本)から平均や標準偏差を求めるのに対して、推計統計学では標本をベースに統計的な分析を実施して、その背後にあるデータ全体(母集団)を求めます。

            m-1.jpg

大数の法則

サイコロを投げて出目を調べる事を考えます。
サイコロをどんどん振っていき、それまでの平均値の軌跡をたどります。具体的には、1回目投げた時の目が $1$の時は平均 $1$、次に投げたときに $3$が出た場合は、$(1+3)/2$で平均は $2$というように、続けて平均値を計算します。

# 大数の法則
# 計算回数
calc_times =1000
# サイコロ
sample_array = np.array([1, 2, 3, 4, 5, 6])
number_cnt = np.arange(1, calc_times + 1)

# 4つのパスを生成
for i in range(4):
    p = np.random.choice(sample_array, calc_times).cumsum()
    plt.plot(p / number_cnt)

スクリーンショット 2021-10-06 18.35.09.png

中心極限定理

中心極限定理は「ある母集団から無作為に抽出された標本の平均は、サンプルのサイズを大きくすると母集団の平均(母平均)に近づく」と言うもので、今の場合、サイコロを投げる回数 $N$ が増えれば増えるほど、標本平均が正規分布の形になっていく法則です。

# 中心極限定理
def function_central_theory(N):
    
    sample_array = np.array([1, 2, 3, 4, 5, 6])
    numaber_cnt = np.arange(1, N + 1) * 1.0
 
    mean_array = np.array([])
 
    for i in range(1000):   
        cum_variables = np.random.choice(sample_array, N).cumsum()*1.0
        mean_array = np.append(mean_array, cum_variables[N-1] / N)
 
    plt.hist(mean_array)

上記の関数function_central_theory(N)を用いて、 $N$ を増加させていき、その日ストグラフを見てみます。

# N=3
function_central_theory(3)

スクリーンショット 2021-10-06 18.35.38.png

# N=6
function_central_theory(6)

スクリーンショット 2021-10-06 18.35.43.png

# N= 10^4
function_central_theory(10**4)

スクリーンショット 2021-10-06 18.35.49.png

$N$ をどんどん増やしていくと、正規分布に近づいていくのが確認できます。

参考文献:
記述統計学と推計統計学の違い

0
2
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
2

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?