【機械学習の統計学】尤度(ゆうど)って何?もっともらしさ??
今回は尤度(ゆうど)について
アウトプットしていきます。
なかなか聴き馴染みのない言葉で
ちょっと拒否反応を示してしまう方も
いるかもしれません。
しかし、尤度の考え方を発展させたもの
としてベイズ統計学があります。
これは機械学習でよく使われる考え方に
なりますのでのでしっかり学んでいきましょう。
1.尤度とは
【尤度とは】
データの尤も(もっとも)らしさを推測する
※今までの統計学とは逆の考え方になります。
標本から母集団を予測するのに似ており
データからその裏にある法則性を予測
する方法です。
今までは分散の値がわかった状態で
平均の値を予測していました。
しかし尤度においては平均や分散も
わからない事を前提に予測していきます。
もう少し詳しくいうと
変数(平均、分散など)と生起確率の
関係について整理する考え方です。
2.尤もらしさを理解する為に必要な考え方
ここからは尤度関数について学んでいく
に当たって今まで学んだ考え方を整理
していきましょう。
①分布からデータの生起確率を推測する(統計学)
平均と分散から標本が取れる確率を推測する
②データから分布の前提条件を推測(推測統計)
分散から2つの標本が平均に入る確率を推測する
③データから分布の前提条件を推測(尤度関数)
2つの標本から平均・分散の尤度関数を推測する
③が尤度関数の考え方になりますが
これだけではまだわかりづらいですね。
そこで次からは事例を元に考えて
いきましょう。
3.事例を元に尤度関数を考えてみよう
それでは事例を元に尤度関数について
考えてみましょう。
コイン投げを例に考えていきましょう。
①分布から生起確率を求める
表と裏が1/2ずつの確率で出るコインがある
5回投げた時に表が3回出る確率は?
これは二項分布の考え方になります。
これは過去にアウトプットしていますので
わからなければこちらを参照してください。
それではここからは尤度の考え方について
やっていきましょう。
②データからパラメータを求める
どんな形かわからないコインがある。
5回投げた時、表が3回でた。
このコインはどんな形状(パラメータ)か?
これはこの式の様に計算する事で求める事ができ
結論としては表が出る確率が60%のコインがもっとも
らしいと言えることができます。
4.事例を元に尤度関数を考えてみよう
次は正規分布を使った尤度について
考えていきます。
【事例】
3匹の魚の重さ:119g,120g,121g
重さの平均の尤度はどの様になるか?
まずは3匹それぞれの正規分布の式は
こちらになります。
正規分布がわからない方は参考に
過去の記事をご覧ください。
ここから尤度関数を求めるにはこの3匹の
正規分布の式をかけるだけです。
【ポイント】
分散σ2には仮に1という値を入れておきます。
分散σはグラフの広がりを表すだけなので
平均の値には影響しません。
今回の計算では直感的にもわかりますが
計算した結果、平均は120gであることが
わかりました。
正規分布を使って尤度を求める場合は
この様に行っていきます。
今回はここまでです。
もしまだ理解できなければ過去の記事や
この記事を読み返してみてはいかがでしょうか。
5.おすすめ書籍
最後に統計学を学ぶ上でお勧めの書籍を
紹介しますのでよろしければこちらも
ご覧ください。
では。
【Follow Me】
INSTAGRAM@shishi_maru.440
Twitter@shishi_maru
よろしければサポートお願いします。