スレタイ箱入り無数目を語る部屋29(あほ二人の”アナグマの姿焼き"Part3ｗ)

スレタイ箱入り無数目を語る部屋29(あほ二人の”アナグマの姿焼き"Part3ｗ) (340ﾚｽ)
上下前次1-新
抽出解除ﾚｽ栞

ﾘﾛｰﾄﾞ規制です｡10分ほどで解除するので､他のﾌﾞﾗｳｻﾞへ避難してください｡

179(4): 現代数学の系譜雑談 ◆yH25M02vWFhP [] 06/11(水)18:10 ID:181R6eWz(1)
>>171-174 & >>176-178
言いたいことはそれだけ？
ならば、逝ってよし

>>170 つづき（確率論の基本事項の説明）
１）用語”確率変数”を、いましばし追加説明する
　上記「2枚の硬貨」に即して説明する
　事象は、>>164の通りで
　{(裏、裏),(表、裏),(裏、表),(表、表)}の４通り。これに表を1、裏を0として
　　　↓
　{(０、０),(１、０),(０、１),(１、１)} これで和を作ると確率変数（実数との対応）が出来て
　　　↓
　{ Ｘ＝０ , Ｘ＝１ , Ｘ＝１ , Ｘ＝２ } となる（確率変数は関数で本来Ｘ(１、１)＝２と書くべきだが、面倒なのでみなＸ＝２と略記している）

２）ここから、全事象Ω＝{(裏、裏),(表、裏),(裏、表),(表、表)}
　根源事象 (裏、裏),(表、裏),(裏、表),(表、表) の４つ
　確率は、P(Ω)＝1,
　P(Ｘ＝０)＝1/4, P(Ｘ＝１)＝1/2, P(Ｘ＝０)＝1/4 となる

３）この P(Ｘ＝０)＝1/4, P(Ｘ＝１)＝1/2, P(Ｘ＝０)＝1/4 が、確率分布で
　横軸Ｘ＝０、１、２とし縦軸に 1/4, 1/2, 1/4 をプロットすれば確率分布の図ができる

４）試行との関係では、１つの試行で Ω＝{(裏、裏),(表、裏),(裏、表),(表、表)}のどれかが起きる
　これを抽象的に表現したものが、確率変数と考えるとことができる
　Ｘ＝０は、(裏、裏)
　Ｘ＝１は、(表、裏),(裏、表)の２通り
　Ｘ＝２は、(表、表)

５）これを、箱入り無数目に当てはめてみよう
　いま、１つの試行で
　「2枚の硬貨」を使って、箱にＸ＝０,１,２の数字を入れていくとする
　例えば、（１,２,１,０,１,２,・・・）となったとしょう
　各項の数は、箱の中で出題者にしか分からない（回答者にはまだ見せない）
　>>8の重川一郎 2013年度前期確率論基礎 https://www.math.kyoto-u.ac.jp/~ichiro/lectures/2013bpr.pdf
　のように確率変数に付番をつけると
　Ｘ1＝１,Ｘ2＝２,Ｘ3＝１,Ｘ4＝０,Ｘ5＝１,Ｘ6＝２,・・・
　となる
　Ｘ1＝１のＸ1は付番された確率変数だ。しかし、変数だからコロコロ変化するわけではない！一つの試行では変化しない！！
　別の試行においては、Ｘ1＝２に変化したりＸ1＝０になったりすることはありうる
６）そして、iid（独立同分布）を仮定すると、Ｘi i∈N たちは、すべて上記３）の確率分布に従っている

よって
確率変数について、「変数だから一つの試行中にコロコロ変化する」と妄想する落ちコボレさんが二人いるｗ
しかし、それは妄想ですｗｗ；ｐ）

とりあえず、今回はここまで

182(6): １３２人目の素数さん [] 06/12(木)08:49 ID:ncWNUphu(1/4)
>>167
>箱入り無数目の確率変数は、「さて， 1〜100 のいずれかをランダムに選ぶ.」より　X:{1,2,...,100}→R, X(x)=1/100　であると分かる。
訂正
1/100は確率測度だな。確率変数としてはX(x)=xとでもしとけばよい。P({x})=1/100。

重要なのはΩ={1,2,...,100}であること。Ω=R^NやΩ=(R^N)^100ではない。
箱入り無数目の確率は、オチコボレが誤解している「箱の中身を当てる確率」ではなく「99箱以上の当たり箱を含む100箱から当たり箱を選ぶ確率」だから。

189(3): 現代数学の系譜雑談 ◆yH25M02vWFhP [] 06/12(木)23:02 ID:EWvjXceg(1)
>>180
(引用開始)
wikipedia「確率変数」より引用
確率変数（かくりつへんすう、英: random variable, aleatory variable, stochastic variable）とは、統計学の確率論において、起こりうることがらに割り当てている値（ふつうは実数や整数）を取る変数。各事象は確率をもち、その比重に応じて確率変数はランダム[1]:391に値をとる。
(引用終り)

ふっふ、ほっほ
それな ja.wikipedia だね。必ず英語版を見ておくように！
ja.wikipediaの後半”確率変数とは、Ω 上で定義された実数値関数で F可測であるものといえる”が、英語版に近いぞ

英語版では”Definition
A random variable X is a measurable function
X:Ω→E
from a sample space Ω as a set of possible outcomes to a measurable space
E. ”とあるよ
これを、百回音読してねｗ；ｐ）

(参考)
https://ja.wikipedia.org/wiki/%E7%A2%BA%E7%8E%87%E5%A4%89%E6%95%B0
確率変数
確率変数（かくりつへんすう、英: random variable, aleatory variable, stochastic variable）とは、統計学の確率論において、起こりうることがらに割り当てている値（ふつうは実数や整数）を取る変数。各事象は確率をもち、その比重に応じて確率変数はランダム[1]:391に値をとる。
確率空間 (Ω,F,P) において、標本空間 Ω の大きさが連続体濃度の場合、確率変数とは、Ω 上で定義された実数値関数で F可測であるものといえる

https://en.wikipedia.org/wiki/Random_variable
Random variable
Definition
A random variable X is a measurable function
X:Ω→E
from a sample space Ω as a set of possible outcomes to a measurable space
E.

193(6): 現代数学の系譜雑談 ◆yH25M02vWFhP [] 06/13(金)07:14 ID:2LBXCK3o(2/3)
>>192 補足

英wikipediaに分かり易い図解があるね
https://en.wikipedia.org/wiki/Random_variable
Random variable
Definition
https://upload.wikimedia.org/wikipedia/commons/thumb/c/c4/Random_Variable_as_a_Function-en.svg/500px-Random_Variable_as_a_Function-en.svg.png

This graph shows how random variable is a function from all possible outcomes to real values. It also shows how random variable is used for defining probability mass functions.
（google訳）
このグラフは、確率変数があらゆる可能な結果から実数値へと変化する関数であることを示しています。また、確率変数が確率質量関数の定義にどのように使用されるかを示しています。
(引用終り)

要するに、コイン投げの事象を、数値にして扱うべし
それが、”確率変数”だってこと

箱の中の、コイン投げの結果 0 or 1 を確率変数として扱うと
勘違い男は、「”変数”？変数だと箱の中のコインがくるくる変わっている？」
と勘違い。ああ、勘違い・・ｗ；ｐ）

194(4): 現代数学の系譜雑談 ◆yH25M02vWFhP [] 06/13(金)07:29 ID:2LBXCK3o(3/3)
>>193 補足追加

くどいが
コイン投げの結果 0 or 1

これは、物理現象だが
数学として扱うために
”確率変数”を導入したってこと

そして、確率分布を考えると
”確率変数”は、確率分布のグラフの横軸になる
横軸は、普通はxを当てるが確率では Xで”確率変数”と呼ぶ

”変数”としている意味は、おそらく
”確率分布のグラフの横軸になる”ってことからだろう
（変数だと、”コインがくるくる回る”と勘違いするのは、オチコボレのガキだけだよ）

199(3): 現代数学の系譜雑談 ◆yH25M02vWFhP [] 06/13(金)17:48 ID:MdHzpiss(1)
>>189
(引用開始)
https://ja.wikipedia.org/wiki/%E7%A2%BA%E7%8E%87%E5%A4%89%E6%95%B0
確率変数
確率変数（かくりつへんすう、英: random variable, aleatory variable, stochastic variable）とは、統計学の確率論において、起こりうることがらに割り当てている値（ふつうは実数や整数）を取る変数。
(引用終り)

＜補足＞
１）ここで、”確率変数”という用語が、”統計学”に限らないことは
　>>164 "1.1　確率変数とは" by 独学・ひまわり数学教室高校数学数学B　第3章　確率分布と統計的な推測 https://www.himawari-math.com/note/statistics/statistics1-note/
　にある通り
　そして、大学の確率論では確率変数は、関数としてとらえるのです（ >>193-195 英wikipedia Random variable ご参照）
２）ここが分からないと
　大学の確率論では、入り口の ”確率変数”から、ズッコケることになる
　まあ、大学学部１年の一日目から詰んだオチコボレさんにはここは難しいだろうが
　皆さんには、他山の石としてちゃんと理解してほしいｗ；ｐ）
３）なお、さらに補足すれば統計学の確率論において
　例えば >>179のように「2枚の硬貨」を使って箱に
　{(０、０),(１、０),(０、１),(１、１)}
　　　↓
　{ Ｘ＝０ , Ｘ＝１ , Ｘ＝１ , Ｘ＝２ }
　なる数を入れたとする。その試行を100回繰り返したとする
　そうすれば、約25回が、Ｘ＝０で
　約50回が、Ｘ＝１
　約25回が、Ｘ＝２
　統計処理の結果、Ｘ＝０と２が約25/100＝1/4の確率
　Ｘ＝１が約50/100＝1/2の確率
　となるのです

これで、お分かりのようにＸ＝０、１、２はすべて過去の試行の結果だから統計学でも変化はしない■
（「変数だから箱の中のコインがくるくる変わっている？」などは、単に勘違い男の妄想にすぎないのです！ｗ　；ｐ）

204(3): 現代数学の系譜雑談 ◆yH25M02vWFhP [] 06/14(土)08:48 ID:036MevG8(1/3)
>>199 補足

”確率変数の定義
［定義］標本空間Ω上の実数値関数
（各根元事象に実数を対応させたもの）を確率変数random variable という”
を追加投稿します
分らない人は、百回音読してねｗ

(参考)
https://www.tmd.ac.jp/
旧東京医科歯科大学（科学大）
https://www.tmd.ac.jp/artsci/math/
教養部　数学分野
Department of Mathematics
准教授徳永伸一
https://www.tmd.ac.jp/artsci/math/tokunaga-j.htm
学歴
1991年3月東京大学教養学部基礎科学科第一卒業
1993年3月東京理科大学大学院理学系研究科数学専攻修士課程終了
1996年3月博士号取得（理学・東京理科大学)

https://www.tmd.ac.jp/artsci/math/lec/tokunaga/statistics09_04.pdf
統計（医療統計）前期・第４回確率変数と確率分布（２）
授業担当：徳永伸一
東京医科歯科大学教養部数学講座

［復習］?．確率変数と確率分布の定義（1）
1-確率変数の定義
［定義］標本空間Ω上の実数値関数
（各根元事象に実数を対応させたもの）を確率変数random variable という．
　とり得る値が離散的→離散型確率変数
　とり得る値が連続的→連続型確率変数

［復習］?．確率変数と確率分布の定義（2）
教科書p.83例1
Ω：サイコロを振ったときの，目の出方で定まる事象全体の集合．
・「サイコロを振って１の目が出る」は事象．
・「サイコロを振ってi の目が出る」という事象ωi
　に整数i を対応させる関数をX（＝X(ωi)）とおく
　と，Xは（離散型）確率変数となる．
・確率変数Xに対し，
　＊「X＝１」「X≦４」
　＊「Xは偶数」
などは事象．

205(3): 現代数学の系譜雑談 ◆yH25M02vWFhP [] 06/14(土)08:56 ID:036MevG8(2/3)
>>204 補足の補足
徳永伸一氏のまとまったサイトが見つからない
なので、代用として下記を提供します

google検索：統計（医療統計）前期第回 site:https://www.tmd.ac.jp/artsci/math/lec/tokunaga/
（注：これで数十のヒットがあります。必要な人はここから手で探すか、あるいは必要キーワードのみで別の人の資料を検索するかして）

(抜粋)
統計? 第1回序説〜確率 - 東京医科歯科大学
tmd.ac.jp
https://www.tmd.ac.jp›tokunaga›statistics09_02
PDF
?．順列と組合せ. ?．確率の基礎概念. ?．確率の定義と性質. ?．条件付き確率と事象の独立性. ?．ベイズの定理. € 大部分は高校数学（受験数学）の範囲です．
34 ページ

統計（医療統計） - 東京医科歯科大学
tmd.ac.jp
http://www.tmd.ac.jp›math›lec›tokunaga
PDF
Ωの事象Aに実数P（A）が対応し，以下の3条. 件（＝確率の公理）を満たすとき，PをΩ上の. 確率という．（1）0≦P(A)≦1. （2） P（Ω）＝1，P（φ）＝0. （3）A，Bが互いに排反事象であるとき.
19 ページ

統計（医療統計） - 東京医科歯科大学

tmd.ac.jp
https://www.tmd.ac.jp›math›lec›tokunaga
PDF
前期・第4回確率変数と確率分布（2）. 授業担当徳永伸. 授業担当：徳永伸一. 東京医科歯科大学教養部数学講座. もういちど Overview. ▫ 確率（9章：6ページ）・・・第1回授業.

238(3): 現代数学の系譜雑談 ◆yH25M02vWFhP [] 06/15(日)09:59 ID:lv2xCBEK(1/4)
>>204 つづき
(引用開始)
”確率変数の定義
［定義］標本空間Ω上の実数値関数
（各根元事象に実数を対応させたもの）を確率変数random variable という”
(引用終り)

さて、”確率変数の定義”は、上記の通りでその本性は関数であって
”変数”に引き摺られて 1試行でコロコロ変わるなどの妄想は、ダメですよｗ

さらに、確率の用語を確認し整備しょう
試行：サイコロを投げる、コインを投げるといった実験のことを試行と呼びます
事象：試行をして観測された結果のことは事象と呼びます
全事象（標本空間）：事象が対応する部分集合が全体集合の場合、その事象を全事象（標本空間）という
根元事象：事象が対応する部分集合が集合の一つの要素の場合、その事象を根元事象と言います

（参考）
https://wakara.co.jp/mathlog/20230419
wakara.co
やさしく学ぶ統計学〜試行と事象とは？〜 2023年4月19日
１. 試行、事象とは？
確率を考える際、サイコロを投げる、コインを投げるといった実験のことを試行と呼びます。
また、試行をして観測された結果のことは事象と呼びます。
これらの言葉はやや紛らわしいですが、例えばサイコロ投げの場合は、サイコロを投げるという実験そのものが試行であり、「1の目が出た」などの結果が事象となります。

https://www.hmathmaster.com/matha/%E9%9B%86%E5%90%88%E3%81%AB%E3%82%88%E3%82%8B%E5%A0%B4%E5%90%88%E3%81%AE%E6%95%B0%E3%81%A8%E7%A2%BA%E7%8E%87%E3%81%AE%E8%80%83%E3%81%88%E6%96%B9/
数学Ａ > 場合の数と確率 > 集合による場合の数と確率の考え方
著者：L&M個別オンライン教室　瀬端隼也修正日：２０２１年４月１３日
事象
事象が対応する部分集合が全体集合の場合、その事象を全事象といい、事象が対応する部分集合が空集合の場合、その事象を空事象といい、事象が対応する部分集合が集合の一つの要素の場合、その事象を根元事象と言います。
そうすると、場合の数における全体の事柄が全事象と対応し、事柄が事象に対応し、一つ一つの場合が根元事象に対応するという、対応関係があります。

https://ja.wikipedia.org/wiki/%E6%A8%99%E6%9C%AC%E7%A9%BA%E9%96%93
標本空間
確率論にて、試行結果全体の集合のことである[4]
標本空間はふつう Ω で表す。全事象という意味では U（Universe の頭文字）で表すことも多い
測度論により、標本空間の部分集合で確率をもつものには可測であることが必要になる。標本空間の部分集合のうち確率をもつものを事象、事象空間をふつう
F⊂2^Ω で表す。
F は Ω の完全加法族である。
これ以上分解できない事象を根元事象または単純事象 (elementary event / simple event) という。注意したいのは、根元事象は標本空間の1点を表す集合であり、元ではない。1点を表す集合か元であるかはそれぞれ「根元事象」「標本点」で区別される（例えば、サイコロを振ったとき、根元事象は {1}, …, {6}）

239(5): 現代数学の系譜雑談 ◆yH25M02vWFhP [] 06/15(日)10:12 ID:lv2xCBEK(2/4)
>>238 つづき
さて、用語が整備出来たところで
　冒頭>>1に戻る
(引用開始)
時枝問題（数学セミナー201511月号の記事）の最初の設定はこうだった。
「箱がたくさん，可算無限個ある.箱それぞれに，私が実数を入れる.
どんな実数を入れるかはまったく自由，例えばn番目の箱にe^nを入れてもよいし，すべての箱にπを入れてもよい.
もちろんでたらめだって構わない.そして箱をみな閉じる.
今度はあなたの番である.片端から箱を開けてゆき中の実数を覗いてよいが，一つの箱は開けずに閉じたまま残さねばならぬとしよう.
どの箱を閉じたまま残すかはあなたが決めうる.
勝負のルールはこうだ. もし閉じた箱の中の実数をピタリと言い当てたら，あなたの勝ち. さもなくば負け.
勝つ戦略はあるでしょうか?」
(引用終り)

ここまでが、一つの試行だ
つまり
1）可算無限個の箱に実数を入れる
　ある一つの数を残して、他の箱を開ける
　最後に残した箱の数を予測する
2）最後に残した箱の数の予測が、ピタリと的中すれば
　あなたの勝ち。的中でなければ、負け
3）よって、全事象Ω（標本空間）は、
　実数列の集合 R^N s = (s1，s2，s3 ，・・・)∈R^N
　を集めたものと見ることができる

さて、箱入り無数目では、s'=(s'1， s'2， s'3，・・・ )∈R^Nなる
数列のしっぽ同値を考えるという戦略を提唱する
しっぽ同値の数列を加えると
この場合には
s = (s1，s2，s3 ，・・・) と s'=(s'1， s'2， s'3，・・・ )∈R^N
を、一つの試行と考えることもできる

240(5): 現代数学の系譜雑談 ◆yH25M02vWFhP [] 06/15(日)10:29 ID:lv2xCBEK(3/4)
>>239 つづき

s = (s1，s2，s3 ，・・・) と s'=(s'1， s'2， s'3，・・・ )∈R^N
を、一つの試行と考えたとき >>1のような決定番号dを考えることができる

もし、問題列 s = (s1，s2，s3 ，・・・) について
決定番号d を推測できる方法があれば
問題列で、d+1以降の数列のしっぽの箱を開けて
問題列の属する同値類を特定して
同値類代表 s'=(s'1， s'2， s'3，・・・ )を知り
決定番号の定義から(>>1)
sd＝s'd
とできて sdを箱を開けずに的中できて
回答者の勝ち

ところで、このような決定番号d は、存在するけれども
あたかも測度論の零集合類似の性質を持つのです

つまり、決定番号dはあきらかに →∞ に発散するので
その集合は無限集合になる
例えれば、可算無限列の長さを考えると明らかに可算無限長で
一方、決定番号dまでの長さ 1〜d は、有限長さ
よって、d/∞＝0
よって、決定番号dは、可算無限長において、先頭の長さ0部分（零集合）での確率計算にすぎない

ここが、箱入り無数目のトリック部分
可算無限長の先頭の長さ0部分（零集合）で
確率99/100を導く
どっこいその実 (99/100)*0＝0 の議論でしかない

ここは、我々の日常が数学的には無限集合のNやRを想定しているが
その実、有限の数の中で暮らしていること
それが、日常生活では全く無意識で当たり前になっている
真に無限大を考えることが殆ど無いので
箱入り無数目のような場合に遭遇すると
無意識の日常有限の思考に引き摺られて
無限トリックだとなかなか気づかない
そういう箱入り無数目トリックの仕掛けなのです

241(3): 現代数学の系譜雑談 ◆yH25M02vWFhP [] 06/15(日)10:52 ID:lv2xCBEK(4/4)
>>240 補足
>つまり、決定番号dはあきらかに →∞ に発散するので

専門的には、>>8 の非正則な分布（発散する分布）を
使っていると言うことです

249(3): 現代数学の系譜雑談 ◆yH25M02vWFhP [] 06/18(水)13:52 ID:1ZjEJMOG(1)
>>247 & >>239 補足

１）いま、出題の列 s = (s1，s2，s3 ，・・・) で
　コイントスの 0,1 の2進値をランダム入れたとする
　対するしっぽ同値列 s'=(s'1， s'2， s'3，・・・ )で
　決定番号d のとき、(s1，s2，s3 ，・・,sd-1) と(s'1， s'2， s'3，・・,s'd-1)
　で場合を数を考えると、sd-1≠s'd-1で無ければならないが、1からd-2は自由だから
　2^(d-2)通り
２）dには上限なく自然数全体を渡るから決定番号の集合濃度は 2^Nで、アレフ ℵ1 非可算無限濃度
　つまり、同値類は集合としてみた場合は、全体は非可算集合です
　一方、有限の決定番号d の場合の数は 2^(d-2)で、有限です
３）いま、『箱入り無数目』の>>2のように
　100個の決定番号d1〜d100とその最大値dmaxについて考えると
　"d1〜d100 ≦ dmax"の議論は、可算無限長の先頭の長さ dmax の有限の議論であり
　それは、非可算無限中に比べれば無限小に等しい（即ち確率零の集合の中の話）
　即ち、これを出題列を有限長さの針に例えると、有限di≦dmaxの議論は、あたかもほんの針の先の中の議論なのです
４）さて、これを>>240-241の確率分布の減衰の視点で見ると
　『箱入り無数目』においては、減衰どころか裾が増大し全体として発散している
　即ち、上記2進値のとき、dが１増えると場合の数は2倍になる
　10進値ならば10倍、n進値ならばn倍、全自然数NならばN倍、全実数Rならば非可算倍*)となる
　（ *)n次元R^n→n+1次元R^n+1 ということ）
５）さて、最後の例全実数Rなら非可算倍で、ユークリッド空間で次元が違う話です（全体では無限次元空間）
　『箱入り無数目』はトリックで、有限の99/100の話に矮小化される
　そのトリックとは、本来は可算無限長の数列について、うまく列先頭の有限長の話にすり替える**)
　そこが、人は日常真無限に不慣れでかつ有限の世界に暮らしているゆえ
　まんまと d1〜d100 ≦ dmaxに乗せられ騙されるのです
　分かってしまえば、他愛もない子供だましにすぎないのです

**)ここを、確率論の観点から補強すると
１）0,1 の2進値を、箱に入れた場合、決定番号d とは、上記の通り
　二つの数列 s = (s1，s2，s3 ，・・・) s'=(s'1， s'2， s'3，・・・ )で
　d番目以降の可算無限の数が一致する
　即ちその確率 P=(1/2)^N＝0
２）勿論、10進値でも P=(1/10)^N＝0
　n進値でも P=(1/n)^N＝0
３）そして、任意実数ならば、P=(1/R)^N＝(0)^N (即ち(1/連続濃度)^N(可算乗)です)
　『箱入り無数目』のトリックとは、可算無限長の数列の先頭の確率零の集合内の話にすり替えて
　99/100を導く。結局 (99/100)x0=0 なのです■

252(4): 現代数学の系譜雑談 ◆yH25M02vWFhP [] 06/20(金)16:48 ID:S3g1Aii2(1)
>>249 追加
１）いま、出題の列 s = (s1，s2，s3 ，・・・) で
　箱入り無数目では、100列に並べ替える (mod 100を使えば良い)
　勿論、2列でも可です (mod 2を使えば良い)
　また、箱入り無数目の決定番号を使う確率99/100が正しいならば
　2列なら確率1/2となる
２）だが、出題の列 s = (s1，s2，s3 ，・・・) の並べ変えなど面倒なことをせずに
　ダミーの列 t = (t1，t2，t3 ，・・・) を、（回答者が勝手に作って）隣に作ればいいのです
　ダミーの列の決定番号 dt に対し、問題の列の決定番号 ds として
　ds ≦ dt となる確率は 1/2 だという*) ( *)箱入り無数目論法より>>2)
　よって、ダミーの列の箱を開けて決定番号dtを得て
　さらには、ds = dt を考慮すれば、dt+2を使って
　出題の列 sのdt+2番目以降の箱を開け、出題の列 sの代表を得て
　「その代表のdt番目数＝出題の列のdt番目数」と唱えれば
　あ〜らふしぎ dt番目の箱の数を、箱を開けずに確率1/2で適中できるとさ！ｗ　；ｐ）
３）さて、上記２）項の手法が、本来の箱入り無数目より、奇妙奇天烈なのは
　ダミーの列 t は、そもそも出題の列 s とは何の関係も無い列であるにも関わらず
　出題の列 sの dt番目数の任意実数を、箱を開けずに確率1/2で適中できるのに使えるとは
　これ如何に？ｗ；ｐ）
４）さらに、箱入り無数目の>>2通りに、99列を出題の列 sのとなりに並べて
　列 t1,t2,t3,・・,t99 とやれば
　dt1〜dt99 までの99個の決定番号が手に入る。その最大値 dtmax＝max(dt1,・・,dt99) を取って
　ds ≦ dtmax となる確率は 99/100 となる (箱入り無数目論法より)
　上記２）項の手法で、出題の列 sのdtmax+2番目以降の箱を開け、出題の列 sの代表を得て
　「その代表のdtmax番目数＝出題の列のdtmax番目数」と唱えれば
　あ〜らふしぎ dtmax番目の箱の数を、箱を開けずに確率99/100で適中できるとさ！ｗ　；ｐ）
（箱入り無数目論法>>2の通り、99列をもっと大きな任意の数の列にすれば、”確率1-ε で勝てることも明らかであろう”ｗ）
　これまた、本来の箱入り無数目よりも奇妙奇天烈な数学パズルなり〜！

要するに、>>249で述べた如く
決定番号dなる量は、本質的に発散している量であって
非正則分布を成すゆえ（>>154の4)項ご参照）
複数 n個の決定番号を選んで
n個の中のある決定番号dが、最大値となる確率1/nとして
”確率1-ε で勝てることも明らかであろう” (ここにε＝1/n)
と主張するのだが
ここが、数学トリックで数学パズルなのです！ｗ　；ｐ）

257(3): １３２人目の素数さん [sage] 06/22(日)09:09 ID:e5q/Q8+J(1)
>>253-256
>dが確率変数ならDも確率変数であって定数ではない

ふっふ、ほっほ

確率変数→変数→ 変数vs定数という中学生レベルの連想ゲーム
大間違いですよ
確率変数は、基本的には関数ですよ
下記を百回音読してね

(参考)
https://ja.wikipedia.org/wiki/%E7%A2%BA%E7%8E%87%E5%A4%89%E6%95%B0
確率変数
実例
例えば、任意に抽出した人の身長を確率変数とする場合を考える。
数学的には、確率変数は対象となる人→その身長という関数を意味する。
確率変数は確率分布に対応し、妥当にあり得る範囲の確率（身長180cm以上190cm以下である確率や 150cm未満または200cm超である確率）を計算できるようになる。

https://wiis.info/math/probability/random-variable/random-variables/
wiis
確率変数の定義
標本点に対して実数を1つずつ割り当てる写像を確率変数と呼びます。

＜動画解説＞
https://youtu.be/6_XXwZlZi1Y?t=1

[数B] [統計#1]確率変数を基礎から徹底解説！初心者でもすぐに理解できる統計授業！[統計的な推測]
たにぐち授業ちゃんねる
2022/11/11
0:48 確率変数とは？
（文字起こし）
3:18
Xを1つ決めると
確率が
定まるこの
Xを確率変数という風に
言います
4:00
Xを1つ決めると
確率が1つ
決まるわけですよね
ちょうど
関数みたいな
振る舞いをしていますよねこれを
確率版の関数と考えて
確率関数という風に呼びこのように
表すことにします

＜補足説明＞
関数X：事象→x(実数）
（記号の濫用というか記号の節約で関数Xとその値x(実数）をしばしば区別せずにXを使います）
X（実数）→ 確率
です
高校レベルでは、これで十分です（大学レベルでもおよそこの程度で十分です）

295(4): 現代数学の系譜雑談 ◆yH25M02vWFhP [sage] 09/24(水)07:03 ID:j35MrpIq(1/2)
転載
2chｽﾚ:math
<純粋・応用数学・数学隣接分野（含むガロア理論）21>

補足
(引用開始)
いま、下記都築暢夫多項式環F[x]（今の場合R[x]）は、線形空間として（可算）無限次元だったことを思い出そう
無限次元線形空間から、作為をもって有限次元の多項式を要素として多項式を選択することは可能だが
しかし、ランダムに無限次元線形空間から任意の要素を選べばどうなるか？
その答えは、無限次元線形空間とランダム性とは馴染まないってことだね
（直観的には無限次元空間だから無限次元の要素であるべきだが多項式でそれは成り立たないので矛盾）
つまり、下記の非正則事前分布と同じで、非正則分布を成すので
コルモゴロフによる公理系 P(Ω)=1 （全事象Ωに1を与える）を満たすことが出来ない（ランダム性は考えられない）■
これが、箱入り無数目トリックです
(引用終り)

分りにくいので補足しよう
いま、簡単に Ω=N={1,2,3,・・,n,・・・} 自然数全体
を考えよう
これは、下記で離散一様分布{1,2,3,・・,n}で n→∞ の極限を考えることに相当する
1〜nの離散一様分布では、平均(期待値) E[X] (n+1)/2 だね
ここで、n→∞とすると平均(期待値) E[X] →∞ と無限大に発散する

つまり、自然数全体 N={1,2,3,・・,n,・・・}において
平均(期待値)は、 E[X] →∞に発散するのです（標準偏差も同様に →∞に発散する）

個々の元 n は有限なのだが上限がなく発散しているがゆえに平均(期待値) E[X] →∞に発散する
つまり、N={1,2,3,・・,n,・・・} からランダム（無作為）に一つ元を選べばその期待値は →∞に発散する
一方、どの元ｎも有限
つまり、矛盾
よって、自然数全体N={1,2,3,・・,n,・・・}のランダム(無作為)抽出は不成立！■

(参考)
https://mathlandscape.com/unif-distrib/
mathlandscape.com
一様分布の定義と性質のわかりやすいまとめ〜離散型・連続型〜
2022.03.06
離散一様分布
定義（離散一様分布）
確率変数
X が 1,2,3,…,n 上離散一様分布 (discrete uniform distribution) に従うとは，
P(X=k)= 1/n (1≤k≤n)
となることである。
X=1,2,3,…,n となる確率が等しいということ
<一様分布の諸性質まとめ>
平均(期待値) E[X] (n+1)/2
標準偏差 1/2√{(n^2-1)/3}

297(3): 現代数学の系譜雑談 ◆yH25M02vWFhP [sage] 09/26(金)20:31 ID:GhrkeCh0(1/2)
転載
2chｽﾚ:math
<純粋・応用数学・数学隣接分野（含むガロア理論）21>

>数学辞典の第5版に入るかどうかは微妙

ID:fkgyLEZd は、御大か
巡回ご苦労さまです

1）さて、下記の重川一郎確率論基礎と対比してみよう
・まず、現代確率論では、下記の通り確率変数Xtで
　添え字として、可算Z+={0,1,2,・・・} あるいは連続の [0,∞)が扱える
　いま、簡単に iid(独立同分布)を仮定する
・時枝手法により可算無限個の確率変数Xt の列から一つ iid(独立同分布)の反例が出来る
　即ち、例えばコイントスなら1/2,サイコロなら1/6の確率であるにもかかわらず
　可算無限個の確率変数Xt のある一つが、確率99/100になるこれは同分布に矛盾
　可算無限個の確率変数Xt のある一つが、他の値から確率99/100で推定可能これは独立に矛盾
・また、Xtで連続添え字 [0,∞)の場合には、可算無限個の確率変数Xtから
　可算無限個もの列で矛盾例が生じる
2）厳密を重んじる数学テキストでは
　重川先生は、時枝先生の論を認めるならば、テキストの書き換え要だよね
3）しかし、寡聞にして確率論のテキストに時枝氏の記事を取り入れた大学確率論テキストはない！■

よって、数学辞典の第5版に入るはずもない　；ｐ）

(参考)
https://www.math.kyoto-u.ac.jp/~ichiro/index_j.html
重川一郎
https://www.math.kyoto-u.ac.jp/~ichiro/lectures/2013bpr.pdf
2013年度前期確率論基礎
Ｐ7
確率空間例サイコロ投げの場合
確率空間として次のものを準備すればよい．
Ω＝{1,2,・・・,6}^N∋ω＝{ω1,ω2,・・・}
ωnは1,2,・・・,6のいずれかで，n回目に出た目を表す．
確率はη1,η2,・・・ηnを与えて
P(ω1=η1,ω2=η2,・・・ωn=ηn)＝(1/6)^n
と定めればよい．これが実際にσ-加法的に拡張できることは明らかではないが，Kolmogorovの拡張定理と呼ばれる定理により証明できる．

P47
第4章ランダム・ウォーク
単純ランダム・ウォーク
定義1.1 時間t∈T をパラメーターとして持つ確率変数の族(Xt)を確率過程という．
Tとして[0,∞), Z+={0,1,2,・・・}などがよく使われる．
[0,∞)のとき連続時間，
Z+のとき離散時間という．
定義1.2. X1,X2,・・・をiidで各分布は
略
ベルヌーイ列とする

https://ja.wikipedia.org/wiki/%E7%8B%AC%E7%AB%8B%E5%90%8C%E5%88%86%E5%B8%83
独立同分布
独立同分布に従う（英: be independent and identically distributed; IID, i.i.d., iid）とは、
2つ以上の確率変数がそれぞれ全く同じ確率分布に従っていて、
かつ互いに独立している状態のことを指す。

303(3): １３２人目の素数さん [] 09/30(火)22:47 ID:JTSEwgcW(1/2)
何度同じことを言ってもわからない相手に
もし本当にわからせたいと思うのであれば
言い方を変えたりする工夫が必要なのではないだろうか

330(4): 現代数学の系譜雑談 ◆yH25M02vWFhP [] 10/01(水)23:52 ID:Y4ope7xu(2/2)
>>325 追加
>ロジックに傷がない理論は何通りもありうる

箱入り無数目のなかなか気づかない傷は、決定番号の分布が裾が減衰しない分布（非正則>>295）で
従って、確率が考えられない(確率を考えてはいけない)ことです

下記の裾の重い分布とPower law （べき乗則）で説明します

・確率分布の裾がガウス分布のように指数関数的に減衰する場合、平均値や標準偏差が求まります
　しかし、裾の重い分布では平均値を持たなくなります（標準偏差も定義できない）
・これは　下記の（べき乗則）Power law で説明できる
　べき乗則 x^−kで k>2 の場合にのみ平均値を持ちます
・もし x^−k でk=1の場合は、積分値が発散します即ち ∫ x=1〜∞ 1/x dx ＝∞ です
　この場合は、当然平均値も∞に発散します
　また、確率を考えること自身ができなくなります

ここが、箱入り無数目トリックです

(参考)
https://ja.wikipedia.org/wiki/%E8%A3%BE%E3%81%AE%E9%87%8D%E3%81%84%E5%88%86%E5%B8%83
裾の重い分布あるいはヘヴィーテイルとは、確率分布の裾がガウス分布のように指数関数的には減衰せず[1]、それよりも緩やかに減衰する分布の総称。また類似の用語に、ファットテイル、裾の厚い分布、ロングテール、劣指数的 (subexponential) などがある。

https://en.wikipedia.org/wiki/Power_law
Power law （べき乗則）
Lack of well-defined average value
A power-law x^−k has a well-defined mean over
x∈[1,∞) only if k>2 and it has a finite variance only if k>3; most identified power laws in nature have exponents such that the mean is well-defined but the variance is not, implying they are capable of black swan behavior.[2]
(google訳)
明確に定義された平均値の欠如
べき乗則 x^−k 明確に定義された平均値を持つ
x∈[1,∞) k>2 の場合にのみであり、有限分散となるのは k>3;自然界で確認されているべき乗法則のほとんどは、平均は明確に定義されているが分散は定義されていない指数を持ち、ブラックスワン挙動を起こす可能性があることを意味しています。[ 2 ]

The median does exist, however: for a power law x^ –k, with exponent ⁠k>1⁠, it takes the value 2^(1/(k – 1))xmin, where xmin is the minimum value for which the power law holds.[2]
(google訳)
しかし、中央値は存在します。べき乗則x^ – kの場合、指数は k>1 、2^(1/(k – 1))xminという値をとります。ここで、xmin はべき乗法則が成り立つ最小値です。[ 2 ]

上下前次1-新書関写板覧索設栞歴

ｽﾚ情報赤ﾚｽ抽出画像ﾚｽ抽出歴の未読ｽﾚ AAｻﾑﾈｲﾙ

ぬこの手ぬこTOP 0.037s