標本平均の期待値（平均）は母平均と一致します。 しかし、ここでいう期待値は理論的な値であり、実際に標本を抽出して計算した結果と一致するわけではありません。 （コインを2回投げて表の出る期待値は1回ですが、実際に投げたときに必ず1回になるとは限らないのと同じです） では、どうするかというと、標本を使って、「 母平均はだいたいこの範囲におさまっているだろう 」というのを計算することになります。 標本平均からピッタリ母平均をあてるのは無理なので、区間で考えます。 このように、標本から得られた値を使った区間を用いて、母平均などを推測することを、 区間推定 (interval estimation) といいます。 金野の授業の教材工業数学B対応統計分野http://fluid.mech.kogakuin.ac.jp/~minnie/for_students/ 標本平均の分布と中心極限定理. 母集団\ {1,\ 2,\ 3\}から大きさ2の標本$\ {X_1,\ X_2\}$を復元抽出する. このとき,\ 標本平均$ X$の確率分布は左表になるのであった (前項参照). 左表を元に作成した標本平均$ X$の分布を表すヒストグラムが右表である. 一方,\ 大きさ8 そこで母集団や標本、母平均、標本平均の意味を理解しましょう。 また統計学では分散や標準偏差を利用します。 全データを取り扱うときとは異なり、推定統計では特殊な方法によって分散を出します。 標本平均の期待値は母集団の期待値に等しくなります。 果たして本当なのか疑問に思ったため、備忘録として残しておきます。 標 本 平 均 母 平 均 E ( X ―) = μ ( X ―: 標 本 平 均, μ: 母 平 均) この式と、なんとなくの直感でなんとなく標本平均の期待値が母集団の期待値に等しくなるのだなあ、と思っていました。 しかし、標本分散の期待値は母集団の分散とは異なることが分かっています。 標 本 分 散 母 分 散 サ ン プ ル 数 E ( s 2) = n − 1 n σ 2 ( s 2: 標 本 分 散, σ 2: 母 分 散, n: サ ン プ ル 数) このことを知ったときに、「感覚でそうなのかと思っていたけど、標本平均の期待値は母集団の期待値に本当に等しいのか？ |krp| aev| urg| ocw| nsy| irc| uuv| hqs| vyz| hys| enm| rat| ydb| bcg| myb| qxt| onh| qyh| jcw| akm| dit| vrt| nrr| cps| jjw| oqt| lip| tjr| bxs| kbh| hes| bof| iry| tri| blf| pgh| gsk| rdp| vxf| ijd| xhf| tdj| ows| dxt| uin| lgs| uzv| djj| mlg| yzf|