統計学 ル
北門 利英 海洋生物資源学科
Lecture↑ブ
今日 容
基本事項
簡単 い
簡単 い
確率変数 特性値 期待値 分散 標準偏差 )
統計ソ R 使い方
例題
分散投資
分散投資
周率 ン カ 推定
確率変数 特性値
期待値 分散 標準偏差
期待値 分散 標準偏差
株
確率変数 特性値
銘柄
株価 1 万 対 確率 0 5 500 利益 確率 0 5 300
株価 1 万 対 確率 0.5 500 利益 確率 0.5 300
損失 生 こ 株 10 万 分買 収益 期待値
いく ?
いく ?
10 × (0.5 × 500 + 0.5 × ( ‐300) )= 1000
銘柄
株価 1 万 対 確率 0 3 6000 利益 確率 0 7 2000
株価 1 万 対 確率 0.3 6000 利益 確率 0.7 2000
損失 生 こ 株 10 万 分買 収益 期待
値 いく ?
10 × (0.3 × 6000 + 0.7 × ( ‐2000) )= 4000
株 数学的 表現
確率変数 特性値
銘柄 ( 500) 0.5
( 300) 0 5
P Y
AP Y
( 300) 0.5
[ ] 500 ( 500) ( 300) ( 300) 100
A
A A A
P Y
E Y P Y P Y
[
A] [10
A] 10 [
A] 1000
E T E Y E Y
銘柄 ( 6000) 0.3
( 2000) 0.7
B B
P Y
P Y
( )
[ ] 6000 ( 6000) ( 2000) ( 2000) 400
[ ] [10 ] 10 [ ] 4000
B
B B B
E Y P Y P Y
E T E Y E Y
[
B] [10
B] 10 [
B] 4000
E T E Y E Y
[ A ] [ B ]
E T [ A ] E T [ B ]
証券 引 関 故事 (I)
確率変数 特性値
虎穴 入(い) 虎児 得
故事こ わ 辞典
故事こ わ 辞典
虎 子 得 虎 住 ほ 穴 険
入 いこ 険 け 大
成功や功 得 い いうこ
成功や功 得 い いうこ
あ 程度 ク 冒 け 大 収益 得 い
あ 程度 スク 冒 け 大 収益 得 い
証券 引 関 故事 (II)
確率変数 特性値
卵 一 カ 盛
野村証券証券用語解説集
野村証券証券用語解説集
卵 一 カ 盛 そ カ 落 場合
全部 卵 割 まう い 複数 カ
分け 卵 盛 け そ う カ 落
分け 卵 盛 け そ う 一 カ 落
カ 卵 割 駄目 他 カ
卵 影響 け いうこ
卵 影響 け いうこ
特定 商品 け 投資 く 複数 商品 投
特定 商品 け 投資 く 複数 商品 投
資 行い スク 分散 方 い いう教え
=銘柄分散投資 資
株 対 分散投資
確率変数 特性値
( 10)
A A B B A B
T A Y A B Y B ( A B )
こ
こ
期待値 ?
T 期待値 ?
T 期待値 最大 分散投資 ?
分散投資 スク う 測 ?
確率変数 和 期待値
確率変数 特性値
一般
[ ] [ ]
E cY [ ] cE Y [ ]
E cY cE Y
[ ] [ ] [ ]
E Y Y E Y E Y
こ う 期待値 線形性 あ
[ A B ] [ A ] [ B ]
E Y Y E Y E Y
う 期待値 線形性 あ
[ ] [
A A B B]
E T E Y Y E T [ ]
[ ] [ ]
100 (10 ) 400
A
E Y
A BE Y
B
[ ]
100 (10 ) 400
4000 300
A A
A
A株 対 分散投資
スク 測 方 確率変数 特性値
( 10)
A A B B A B
T Y Y
投資 期待値 最大
A 0
時 損失 確率 大 く
A
例え 0
A P T ( min 20000) 0.7
例え
分散投資 ク う 測 特徴 け ?
A 10
P T ( min 3000) 0.5
分散投資 スク う 測 特徴 け ?
⇒変動 注目
⇒変動 注目
確率変数 変動 測 方
確率変数 変動 確率変数 特性値
銘柄
(
A500) 0.5
P Y
[
A] 100
E Y
( )
( 300) 0.5
[ ] 100
A A A
P Y
E Y
‐300 0 500
2 2[
A]
( 300) 100
20.5 500 100
20.5
[
A]
V Y
160,000
銘柄
(
B6000) 0.3
P Y E Y [
A] 400
( 2000) 0.7
[ ] 400
B B
P Y
E Y
‐2000 ‐2000 0 0 6000 6000
( 2000) 400
20.7 6000 400
20.3
[
B]
V Y
13 440 000
13,440,000
確率変数 変動 測 方
確率変数 変動 確率変数 特性値
銘柄
(
A500) 0.5
P Y
[
A] 100
E Y
( )
( 300) 0.5
[ ] 100
A A A
P Y
E Y
‐300 0 500
[
A]
銘柄
(
B6000) 0.3
P Y E Y [
A] 400
( 2000) 0.7
[ ] 400
B B
P Y
E Y
‐2000 ‐2000 0 0 6000 6000
確率変数 分散
分散 定義 確率変数 特性値
確率変数 Y
A
分散
( 300) 100
20 5 500 100
20 5
[ ]
V Y
分散(Variance) 定義
( 300) 100 0.5 500 100
20.5
[
A]
V Y
分散(Variance) 定義
2 2
1 1 2 2
[ ] ( [ ]) ( ) ( [ ]) ( )
V Y y E Y P Y y y E Y P Y y
(
i[ ])
2(
i)
i
y E Y P Y y
以下 期待値 定義 見比べ , 分散 散 期待値
あ こ 分
1 1 2 2
[ ] ( ) ( )
i(
i)
i
E Y y P Y y y P Y y y P Y y
あ こ 分
i
確率変数 標準偏差
分散 定義 確率変数 特性値
分散 定義
2 2
[ ] ( [ ]) ( ) ( [ ]) ( )
V Y
1E Y
2P Y
1 2E Y
2P Y
22
[ ] ( [ ]) ( ) ( [ ]) ( )
(
i[ ]) (
i)
V Y y E Y P Y y y E Y P Y y
y E Y P Y y
(
i[ ]) (
i)
i
y E Y P Y y
標準偏差(Standard Deviation) 定義
標準偏差(Standard↑Deviation) 定義
[ ] [ ]
SD Y V Y (2乗和 平方根 元 数 単位 揃う)
[ ] [ ] 400
SD Y [ ] V Y [ ] 400
[ ] [ ] 3,666
A A
B B
SD Y V Y
SD Y V Y
B B
確率変数 和 期待値
確率変数 特性値
一般
[ ] 2 [ ]
V Y [ ] 2 V Y [ ]
V cY c V Y
[ ] [ ] [ ]
V Y Y V Y V Y (Y Y 独立 )
従
[ A B ] [ A ] [ B ]
V Y Y V Y V Y (Y
AY
B
独立 )
2 2
[ ] [ ]
[ ] [ ]
A A B B
V T V Y Y
V Y V Y
2 2
2 2
[ ] [ ]
160000 (10 ) 13440000
A A B B
A A
V Y V Y
2 2
( )
[ ] [ ] 160000 (10 ) 13440000
A A
A A
SD T V T
株 対 分散投資
確率変数 特性値
( 10)
A A B B A B
T Y Y
虎穴 入(い) 虎児 得 スク 冒
卵 一 カ 盛 うまく配分
株 対 分散投資
確率変数 特性値
( 10)
A A B B A B
T Y Y
R 練習
• 皆 Z ォ ダー 作成 く
例え 統計学I
R ン ダ ク ク R 起動
• R ン ダ ク ック R 起動
• ク 変更 参照 作業
ォ ダ 統計学I 選択
ォ ダー 統計学I 選択
• 例え 次 計算 実行
a↑<- 1
a
R 終了 保 選ぶ
• R 終了 保 選ぶ
R 練習
注:入力 べ 半角 ま 文 間違う ダ !
• 終了 際 作業 保
.Rdata いう 統計学I 保
• 次 .Rdata R 起動 過去
セス 利用可能 矢 キー 過去 履歴
見 こ
R 練習
# ベクトル 配列 扱い
a <‐ c(1,2,3,4,5)
a
# 繰 返し計算
ss < ‐ 0
for(i in 1:10){
sum(a)
mean(a)
a+10
for(i in 1:10){
ss < ‐ss + i
}
a+10 ss
5*a
a^2
log(a)
ss
a< ‐ seq(1,10)
log(a)
a[3]
[ (1 2 3)]
a
sum(a)
a[c(1,2,3)]
a[ ‐c(2,4)]
b <‐ seq(10,50,10)
a+b
a*b
b/a
R 練習
カ 法 計算
# モンテカルロ法によ π 計算
Nit <‐ 100 Nit <‐ 1000
x <‐ runif(Nit, 0, 1)
y <‐ runif(Nit, 0, 1)
plot(x, y)
x <‐ runif(Nit, 0, 1)
y <‐ runif(Nit, 0, 1)
plot(x y)
plot(x, y)
curve( sqrt(1‐x^2), xlim=c(0,1), add=T)
4*mean(x^2+y^2<1)
plot(x, y)
curve( sqrt(1‐x^2), xlim=c(0,1), add=T)
4*mean(x^2+y^2<1)
R 練習 プ
#モンテカルロ法によ π 計算(1)
#モンテカル 法によ π 計算(1) win.graph()
par(mfrow=c(2,2))
Nit 50 if(Nit 0 1) if(Nit 0 1)
Nit <‐ 50; x <‐ runif(Nit, 0, 1); y <‐ runif(Nit, 0, 1) plot(x, y, main="Nit=50")
curve( sqrt(1‐x^2), xlim=c(0,1), add=T) 4*mean(x^2+y^2<1)( y )
Nit <‐ 200; x <‐ runif(Nit, 0, 1); y <‐ runif(Nit, 0, 1) plot(x, y, main="Nit=200")
( t(1 ^2) li (0 1) dd T)
curve( sqrt(1‐x^2), xlim=c(0,1), add=T) 4*mean(x^2+y^2<1)
Nit <‐ 1000; x <‐ runif(Nit, 0, 1); y <‐ runif(Nit, 0, 1); ( , , ); y ( , , ) plot(x, y, main="Nit=1000")
curve( sqrt(1‐x^2), xlim=c(0,1), add=T) 4*mean(x^2+y^2<1)
pi.vec <‐ numeric(Nit)
for( i in 1:Nit){pi.vec[i] <‐ 4*mean(x[1:i]^2+y[1:i]^2 < 1)} plot( seq(1,Nit), pi.vec, type="l", ylim=c(0,4),
p ( q( , ), p , yp , y ( , ),
xlab="# Iterations", ylab="Estimate of Pi" ) # "l" エル 小文字
R 練習 6
#モンテカルロ法によ π 計算(2)
#モンテカルロ法によ π 計算(2) win.graph()
par(mfrow=c(2,2)) Nit <‐ 1000
Nr <‐ 1000
pi.mat <‐ array(NA, c(Nr,Nit)) for(h in 1:Nr){
x <‐ runif(Nit, 0, 1) y <‐ runif(Nit, 0, 1)
for(i in 1:Nit){ pi.mat[h,i] <‐ 4*mean(x[1:i]^2+y[1:i]^2 < 1) } if(h==1) plot( seq(1,Nit), pi.mat[h,], type="l", col="gray",
ylim=c(0,4), xlab="# Iterations", ylab="Estimate of Pi" ) if(h>1) points( seq(1 Nit) pi mat[h ] type="l" col="gray") if(h>1) points( seq(1,Nit), pi.mat[h,], type= l , col= gray ) }
abline(pi, 0, col="red")
hist(pi.mat[,50], main="Nit=50", xlab="Estiamte of Pi", xlim=c(2,4), col="orange") hist(pi.mat[,20], main="Nit=200", xlab="Estiamte of Pi", xlim=c(2,4), col="orange") hist(pi.mat[,1000], main="Nit=1000", xlab="Estiamte of Pi", xlim=c(2,4), col="orange")