食事内容を書いてみるスレッド000002 - 1221026446

1725：Pawn　 ◆D5XKTza9aY：2011/12/01(木) 22:19:40 ID:???: >>1719
マルチモーダルは複数の母集団からなる分布だと思います。
本来は、特徴の異なる母集団をひとくくりにすることは、
分析の邪魔になると思います。
ちなみに、猫さんに一番身近な例は、勉強しない学生と勉強意欲がある学生
の試験結果なんかですかね。超大雑把ですけれど、二つのピークがあることを観測したことはありませんか？＜点数分布

こういうのも当然、想定される確率分布の一つなので
最初に母集団と呼ぶべき集団を特定しないといけませんね。
でもやはり使えるのは部分的な情報だけです。
密度関数（連続型だけを考慮する）を考えるだけでも
密度関数の非負性と積分して１となるだけだとうまくいかないので
例えば、最大値を達成する点が閉区間または一点からなる（単純な山型）
という条件も入れて、そうでない分布は
なんらかの方法でふくすうの山に分解しないといけません。
複数の山が起きるのは、学生の試験の得点分布であれば、例えば
やる気みたいな隠れた情報を検査対象にしたら分解可能なのかもしれません。

>（経験と
かの過去のデータを参照する事に拠って）「その場に応じた単純化を巧く選択
するのが鍵」だろうと理解されます。コレがその『「えいや」の正体』ではな
いでしょうか。

なるほど。隠れた情報が仮に残っていても私はヒストグラムがある程度正規分布に近いのであれば
使われる可能性があると思うのですが、その単純化の一つという解釈ができます。
その場に応じた単純化もデータを得て整形して「検定において考慮しなければならない隠されたパラメータ」が
とりあえずはないと確認するところが「えいや」なのかなと思いました。
似たようなことをいっているつもりですが、具体的に単純化の基準はなんだろうと思いました。
単純化されたことというのは何をもってそうだと考えるのかを考えると「正規分布とヒストグラムがフィットする」
なのかと思いました。

ちなみに主観確率の考え方はむしろベイズです。
ベイズも、Kolmogorovの公理系のうち、確率Pのσ加法性を加法性にしてしまえば
要請から得られるものがそれらの公理系を満たすということは示されています。
初期の分布な何でも良くてそれが主観で決めたものであっても
だんだんとデータが入ってきてベイズの定理でその初期確率が補正されていって
それを学習といって、学習が十分になされると初期分布は見る影もなくなって
（初期分布の与え方は学習時間に影響を与えるような認識です）
十分に学習されたあとの確率は、例えばスパムメールの識別（スパムか否か）
については９割近くの識別精度になるという話があります。

保険会社は頻度確率ベースじゃないでしょうか。
どちらかといえば、アンチウイルスソフトにはかなり疑念を抱くことになるでしょう。
人間の認識も、ベイズ的だというのをどこかで読みましたけれど
実際にそうなのかはよくわかりません。