正規分布を標準化する方法と意味と例題と証明 | Avilen Ai Trend

正規分布 正規分布を標準正規分布に変形することを、 標準化 といいます。 (正規分布について詳しく知りたい方は 正規分布とは? をご覧ください。) 正規分布を標準化する式 確率変数\(X\)が正規分布\(N(μ, σ^2)\)に従うとき、 $$ Z = \frac{X-μ}{σ} $$ と変換すると、\(Z\)は標準正規分布\(N(0, 1)\)(平均0, 分散1)に従います。 標準正規分布の確率密度関数 $$ f(X) = \frac{1}{\sqrt{2π}}e^{-\frac{x^2}{2}}$$ 正規分布を標準化する意味 標準正規分布表 をご存知でしょうか?下図のようなものです。何かとよく使うこの表ですが、すべての正規分布に対して用意するのは大変です(というか無理です)。そこで、他の正規分布に関しては標準化によって標準正規分布に直してから、標準正規分布表を使います。 正規分布というのは、実数倍や平行移動を同じものと考えると、一種類しかありません。なので、どの正規分布も標準化によって、標準正規分布に変換できます。そういうわけで、表も 標準正規分布表 一つで十分なのです。 標準化を使った例題 例題 とある大学の男子について身長を調査したところ、平均身長170cm、標準偏差7の正規分布に従うことが分かった。では、身長165cm~175cmの人の数は全体の何%占めるか? 解説 この問題を標準化によって解く。身長の確率変数をXと置く。平均170、標準偏差7なので、Xを標準化すると、 $$ Z = \frac{X-170}{7} $$ となる。よって \begin{eqnarray}165≦X≦175 &⇔& \frac{165-170}{7}≦Z≦\frac{175-170}{7}\\\\&⇔&-0. 71≦Z≦0. 71\end{eqnarray} であるので、標準正規分布が-0. 71~0. 71の値を取る確率が答えとなる。 これは 標準正規分布表 より、0. 5223と分かるので、身長165cm~175cmの人の数は全体の52. 23%である。 ちなみに、この例題では身長が正規分布に従うと仮定していますが、身長が本当に正規分布に従うかの検証を、 【例】身長の分布は本当に正規分布に従うのか!? で行なっております。興味のある方はお読みください。 標準化の証明 初めに標準化の式について触れましたが、どうしてこのような式になるのか、証明していきます。 証明 正規分布の性質を利用する。 正規分布の性質1 確率変数\(X\)が正規分布\(N(μ, σ^2)\)に従うとき、\(aX+b\)は正規分布\(N(aμ+b, a^2σ^2)\)に従う。 性質1において\(a = \frac{1}{σ}, b= -\frac{μ}{σ}\)とおけば、 $$ N(aμ+b, a^2σ^2) = N(0, 1) $$ となるので、これは標準正規分布に従う。また、このとき $$ aX+b = \frac{X-μ}{σ} $$ は標準正規分布に従う。 まとめ 正規分布を標準正規分布に変換する標準化についていかがでしたでしょうか。証明を覚える必要まではありませんが、標準化の式は使えるようにしておきたいところです。 余力のある人は是非証明を自分でやってみて、理解を深めて見てください!

この記事では、「正規分布」とは何かをわかりやすく解説します。 正規分布表の見方や計算問題の解き方も説明しますので、ぜひこの記事を通してマスターしてくださいね! 正規分布とは?

さて、連続型確率分布では、分布曲線下の面積が確率を示すので、確率密度関数を定積分して確率を求めるのでしたね。 正規分布はかなりよく登場する確率分布なのに、毎回 \(f(x) = \displaystyle \frac{1}{\sqrt{2\pi}\sigma}e^{− \frac{(x − m)^2}{2\sigma^2}}\) の定積分をするなんてめちゃくちゃ大変です(しかも高校レベルの積分の知識では対処できない)。 そこで、「 正規分布を標準化して、あらかじめ計算しておいた確率(正規分布表)を利用しちゃおう! 」ということになりました。 \(m\), \(\sigma\) の値が異なっても、 縮尺を合わせれば対応する範囲の面積(確率)は等しい からです。 そうすれば、いちいち複雑な関数を定積分しないで、正規分布における確率を求められます。 ここから、正規分布の標準化と正規分布表の使い方を順番に説明していきます。 正規分布の標準化 ここでは、正規分布の標準化について説明します。 さて、\(m\), \(\sigma\) がどんな値の正規分布が一番シンプルで扱いやすいでしょうか?