なぜビンゴゲームで同じ数字を書いてはいけないのか
先日、結婚式の二次会に招待していただきました。新郎・新婦ともに大学時代からの友人です。 歓談中にビンゴゲームが開催されました。私はビンゴゲームに完全に勝利にしたにも関わらず、景品をもらうことができませんでした。 あまりに理不尽な経験だったので、泣き寝入りしてたまるものかと思い、Qiita に初投稿してみようと思います。 ビンゴゲームとは ビンゴはビンゴですよね。「ビンゴ！」って叫ぶやつです。 今回のビンゴゲームは $3 \times 3 = 9$ マスのカードを利用しました。縦・横・ナナメに一直線に 3 マス穴を開ければ「ビンゴ！」になります。 実は、各参加者には白紙のビンゴカードが配られ、各テーブルにはビンゴゲームのルールが書かれた紙が配られていました。下記がその内容です。 真ん中のマスに "free" と書いてください。（i.e. 真ん中のマスはゲーム開始時に穴を開けて良い） それ以外
「確率変数」の正体は米田埋め込み - 檜山正幸のキマイラ飼育記 (はてなBlog)
確率変数（random variable, stochastic variable）という言葉の意味が分からない！ と何度か書いています。 2015-05-26 「確率変数」と言うのはやめよう 2015-05-27 「分布、測度、密度」は同じか違うか 2015-06-17 まだ「確率変数」が分からない 結局分からないままでした。「慣れ」の問題かも？ と思ったこともあります。 2015-05-28 「慣れれば分かる」問題 慣れることも出来ませんでした。 最近、「これなら納得できるかな」という解釈に出会いました。 [追記 date="翌日"]最後に分かりやすいマトメを付けました。[/追記] 内容： 「確率変数」はなぜ分からないのか アレックス・シンプソンのアイディア 「確率変数」の2つの用法 確率空間と圏Prob 測度論的確率変数 曖昧な確率変数 前層と米田埋め込み 米田埋め込みとしての確率変
確率統計を学ぶにあたって 金谷健一 岡山大学工学部情報系学科
確率統計を学ぶにあたって 金谷健一 岡山大学工学部情報系学科 1 確率統計は大学の一番難しい科目？ 私の知っている人で（中には大学の理科系の先生もいる），確率統計は習ったがよく分からない という人が多い．私自身もそうであった．大学で確率統計を習ったが（私の場合は 3 年次であっ た），まったく分からなかった．期末試験のためにいろいろな本を読んだが，どうしても理解でき ない．個々の例題の計算の仕方の説明を読めば，そのやり方は分かるし，導出も書いてあるので， そのようになるのだということに疑いは起きない．しかし，どうしても「分かった」という気に ならない．自分の頭で考えることができない．そのため覚えらないのである． 大学に入ると難しい科目をいろいろ学ぶ．特に 1 年次の解析学（微分積分学）と線形代数学（ベ クトルと行列）を学んだときは，あまりに抽象的な記述に愕然とした記憶がある．しかし，その
fmlMain.dvi
* * 2006-05-21 1 3 1.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.5 . . . .
18_Boltzmann
1 相互結合ネットワークとボルツマンマシン Recurrent network and Boltzmann machine この小論では、相互結合するニューロンネットワーク recurrent network を考えて、その時間 発展を議論します。その際、ネットワークが確率的に振る舞うと考えると、ネットワークの状 態遷移はマルコフ過程と見なせます。一般にエルゴード的 (⇔ 既約かつ非周期的) なマルコフ 過程は定常確率分布を持つのですが、それはボルツマン分布 Boltzmann distribution になるとい う特徴をもちますので、この recurrent network をボルツマンマシン Boltzmann machine と呼びま す。1982 年に Hopfield が相互結合回路網にネットワークのエネルギーを導入し、 1983 年に Farlman et al. が確率
Spontaneous knotting of an agitated string
Abstract It is well known that a jostled string tends to become knotted; yet the factors governing the “spontaneous” formation of various knots are unclear. We performed experiments in which a string was tumbled inside a box and found that complex knots often form within seconds. We used mathematical knot theory to analyze the knots. Above a critical string length, the probability P of knotting at
マグニチュード8程度の想定東海地震が30年以内に発生する確率87%について
Haruhiko Okumura @h_okumura 竹中氏の計算を批判する人のかなりは，0.87/30じゃなく1-(1-0.87)^(1/30)だよということでもBPTモデルで計算せよということでもなく，明日起こる確率も0.87じゃないかと言っているようだ 2011-05-11 19:30:37 Haruhiko Okumura @h_okumura 地震の発生確率で使うBPT分布は計算がややこしいが，東海地震は予定時刻を過ぎているのでポアソンに近づいており，1-(1-0.87)^(1/30)で計算しても大きな違いはないようだ。少なくとも0.87/30よりずっといい 2011-05-11 23:08:01
Bayesianって<br>どういう考え方なんだろう
*********** お知らせ *********** YukiWikiによるベイズ統計ファンサイト を開設しました。 このページ「Bayesianってどういう考え方なんだろう」は、 以上のファンサイトへ発展的解消いたします。 どうぞご贔屓に！ ********************************* ベイズ理論は、 普通の確率論とは一風異なる確率理論です。 この小文では、ベイズ理論の意味・意義について 私がこれまでに学び、考えたことについて整理を試みます。 とかく、＜宗教的信念＞のごとくに扱われがちのベイジアン思想ですが そのおかしいところ、よいところなど、基準を明確にして検証していけたら いいな、というのが目標です。 私自身勉強中の身なので定説と異なることを述べていたり、 明らかな間違いもあるかもしれません。 そのつもりでだまされ
確率論、統計学関連のWeb上の資料 - yasuhisa's blog
確率論と統計学は俺がまとめるから、他の分野はお前らの仕事な。 確率論 Index of /HOME/higuchi/h18kogi 確率空間 生成されたσ-加法族 確率の基本的性質 確率変数とその分布 分布の例 分布関数 期待値、分散、モーメント 期待値の性質 独立確率変数列の極限定理 大数の弱法則(Weak Law of Large Numbers) 確率1でおこること 大数の強法則 中心極限定理 特性関数 Higuchi's Page Brown運動 Brown運動のモーメントの計算 連続性 Brown運動の構成:Gauss系として Brown運動に関する確率積分 空間L^2の元の確率積分 伊藤の公式(Ito formula) 日本女子大学理学部数物科学科の今野良彦先生のところにあった資料 最尤法とその計算アルゴリズム 収束のモード 大数の法則と中心極限定理 指数分布族モデルにおける最
大学教員の日常・非日常:直感の敗北
クビにされそうだった大学教員です。現役大学生とか、これから大学生になる人とか、大学生の親になる人向けのつもりで。 面白かったときにブログランキング【ココ】を押してもらうと、中の人が喜びます。 中学数学教材研究ノート＋＋(http://d.hatena.ne.jp/jizobosatsu/20060314/p1)経由、One for オレ。All for オレ。からの出題。サイコロが二つあります。 そのサイコロは当然立方体です。 当然６つ面があります。 （図を入れられれば見やすいんですがね・・・。すみません。テクがないです。） その２つのさいころは、６つの面のうち、 ３つの面が○マーク。 ２つの面が△マーク。 １つの面が×マークが書かれているとします。 この二つのサイコロを同時に振ります。 何マークと何マークの組み合わせが、 一番確率が高いですか？深く考えずに直感で答えてみましょう。 はい、
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Amazon.co.jp: 確率論へようこそ (シュプリンガー数学リーディングス): ブロム,グンナー (著), サンデル,デニス (著), ホルスト,ラルス (著), Blom,Gunnar (原名), Sandell,Dennis (原名), Holst,Lars (原名), 真,森 (翻訳): 本
Amazon.co.jp: 確率微分方程式: 舟木直久: 本
Amazon.co.jp: 測度と確率: 小谷眞一: 本
Amazon.co.jp: 確率過程の基礎: R. デュレット (著), 紀雄,今野 (翻訳), 隆洋,曽雌 (翻訳), 和敬,中村 (翻訳), 霞,馬 (翻訳), Durrett,Rick (原名): 本