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) (251ﾚｽ)
上下前次 1-新
通常表示 512ﾊﾞｲﾄ分割ﾚｽ栞

179: 現代数学の系譜 雑談 ◆yH25M02vWFhP  [] 2025/06/11(水) 18:10:09.75 ID:181R6eWz

>>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

http://rio2016.5ch.net/test/read.cgi/math/1736907570/179

189: 現代数学の系譜 雑談 ◆yH25M02vWFhP  [] 2025/06/12(木) 23:02:29.23 ID:EWvjXceg

>>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.

http://rio2016.5ch.net/test/read.cgi/math/1736907570/189

199: 現代数学の系譜 雑談 ◆yH25M02vWFhP  [] 2025/06/13(金) 17:48:44.09 ID:MdHzpiss

>>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）

http://rio2016.5ch.net/test/read.cgi/math/1736907570/199

226: 現代数学の系譜 雑談 ◆yH25M02vWFhP  [] 2025/06/14(土) 18:51:48.09 ID:036MevG8

>>221
ID:IMrKek3I は、御大か
巡回ありがとうございます

確率論の数学者には、>>1-2の箱入り無数目の手法が
数学として 不成立なのは自明だが

解析学 ないし 関数論の数学者向けに
箱入り無数目の手法から、どんなトンデモな結果になるか？
再度明記しておくと >>78 より

Sergiu Hart (2013) >>5 http://www.ma.huji.ac.il/hart/puzzle/choice.pdf で
元ネタとして 引用しているのが
http://xorshammer.com/2008/08/23/set-theory-and-weather-prediction/
XOR’s Hammer Written by mkoconnor August 23, 2008
　”Set Theory and Weather Prediction”で
”Then, since all reverse well-founded subsets of R are countable, at most countably many prisoners will be wrong under the Hardin-Taylor strategy. Since all countable subsets of R are measure zero, this gives another way to win the game against Bob with probability one.
In fact, it implies that you can do more: You don’t need Bob to tell you (x0, f(x0) | x0 ≠ x}, just (x0, f(x0) | x0 ＜ x}. Hardin and Taylor express this by imagining that
we represent the weather with respect to time as an arbitrary function f：R→ R.
Then, given that we can observe the past, there is an almost perfect weatherman who can predict the current weather with probability 1.
They further show that the weatherman can almost surely get the weather right for some interval into the future.”
　との記述あり

実関数論に例えると
ある区間[a,b]∈R で、可算無限列 a<a0<a1<a2<・・・ <b を取ることができて
実関数値列 f(a0),f(a1),f(a2),・・・ が構成できる
この実関数値列で、あるf(ai) i∈N の値が 他の関数値から 確率99/100で的中できることになる

区間[a,b]の可算無限列など、好きなだけ作れるし、区間[a,b]なども数直線上に 好きなだけ取ることが出来る
そうすると、解析関数でもない、微分可能関数でもない、単なる連続関数で このような 確率99/100の的中が生じる
ならば 実関数論に革命が起きる

さらに、箱入り無数目の手法では、箱に
実関数値列 f0,f1,f2,・・・ のみを記した紙を入れて
しかし、x＝a0,a1,a2・・・ の値は 教えないとする
そのような状況下で、あるfi i∈N が、fi以外の値から 確率1-ε で的中できるなどと そんなことを是認できるはずがない
（たとえ、関数f が解析函数であったとしても、f(a0),f(a1),f(a2),・・・ として情報が与えられなければ どうしようもない）

さらに、箱入り無数目の手法は、複素数にもそのまま拡張できる
複素数の可算列のしっぽ同値類とその代表を考えれば良いだけだから、複素関数論でも 上記実関数と同じになる
のみならず、複素数の可算列→(任意)多元数の可算列のしっぽ同値類とその代表に そのまま拡張可能

解析学 ないし 関数論の数学者は
絶対に、この箱入り無数目の手法を認めないだろうｗ ；ｐ）

http://rio2016.5ch.net/test/read.cgi/math/1736907570/226

238: 現代数学の系譜 雑談 ◆yH25M02vWFhP  [] 2025/06/15(日) 09:59:45.64 ID:lv2xCBEK

>>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}）

http://rio2016.5ch.net/test/read.cgi/math/1736907570/238

247: 現代数学の系譜 雑談 ◆yH25M02vWFhP  [] 2025/06/17(火) 17:17:06.83 ID:5DT6XHJJ

>>240-241 補足
さて、箱入り無数目のトリック部分の
決定番号dの問題点について
さらに掘り下げてみよう

１）世に、確率・統計で”裾の重い分布”と称される分布がある（下記）
　普通は、正規分布のような 裾の軽い分布が多く、平均値や標準偏差が考えられる
　即ち、正規分布では、裾は指数関数的に減衰するのです
２）ところが、”裾の重い分布”とは 減衰が遅い分布であり
　よって、平均値や標準偏差を持たない分布であったりするのです（下記のコーシー分布 ja.wikipedia ご参照）
３）さて、決定番号dは、”裾の重い分布”どころか、”裾の減衰しない分布”あるいは”裾の増大し発散する分布”
　なのです。このような、分布では まっとうな 確率・統計の計算ができないことは 専門家には自明なのです
　（ところが、一般の数学徒はご存じない）
　ここが、箱入り無数目のトリックの部分です！ｗ　（＾＾

(参考)
google検索：
確率・統計で、裾の重い分布とは どのようなものか？
AI による概要
確率・統計における「裾の重い分布」とは、確率分布の裾の部分（分布の両端）が、正規分布などの一般的な分布に比べて厚く、つまり、極端な値が出現する確率が高い分布のことです。このような分布は、極端な事象が起こる可能性を考慮する必要があるため、リスク管理や金融工学などで重要になります。
裾の重い分布の例:
・パレート分布:経済学や金融工学で、所得分布や資産分布などに用いられます。
・t分布:サンプルサイズが小さい場合の統計解析で、正規分布の代わりに用いられることがあります。
・コーシー分布:物理学や工学で、共鳴現象などをモデル化する際に用いられます。
裾の重い分布を理解することで、リスク管理やデータ分析において、より正確な判断をすることが可能になります。

https://reference.wolfram.com/language/guide/HeavyTailDistributions.html.ja
Wolfram言語 ＆ システム
ドキュメントセンター
裾の重い分布
裾の重い分布は，非常に大きい値を得る確率の方がより高いことを意味する．したがって裾の重い分布は一般に弱いランダム性とは対照的に強いランダム性を表す．収入の分布，財務収益，保険の支払金，Web上の参照リンク等，結果が裾の重い分布であると見なされる種類は増え続けている．裾の重い分布に含まれる特筆すべきものは，確率密度関数がベキであるベキ乗則である．技術的に難しいのは，これらの分布にすべてのモーメントが存在する訳ではないということである．代りに分位数等の順序統計量が使われる．また，これは中心極限定理が成り立たないことも意味する．代りに，平均等の一次結合のための新しい標準極限分布，つまり安定分布を得る．

https://ja.wikipedia.org/wiki/%E3%82%B3%E3%83%BC%E3%82%B7%E3%83%BC%E5%88%86%E5%B8%83
コーシー分布
性質
コーシー分布は、期待値（平均値）や分散（およびより高次のモーメント（標準偏差など））が定義されない分布の例として知られる。最頻値と中央値は常に定義され

http://rio2016.5ch.net/test/read.cgi/math/1736907570/247

249: 現代数学の系譜 雑談 ◆yH25M02vWFhP  [] 2025/06/18(水) 13:52:59.74 ID:1ZjEJMOG

>>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■

http://rio2016.5ch.net/test/read.cgi/math/1736907570/249

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 1.421s*