コンテンツへスキップ ナビゲーションに移動

青の統計学

  • 統計学
    • 統計学基礎
    • ベイズ
  • 機械学習
  • 統計検定対策
  • 大学の試験対策
  • マーケティング
  • DS Playground
  • 資料

尤度関数

  1. HOME
  2. 尤度関数
生存時間解析で使えるワイブル分布をわかりやすく解説
07/27/2024 / 最終更新日時 : 01/28/2025 bluest 医薬生物学

【生存時間解析】ワイブル分布をわかりやすく|確率分布とパラメータ推定方法

ワイブル分布は、製品の故障時間や材料の寿命、医療分野の生存時間解析などで広く使われている連続確率分布です。機械部品の寿命データや、生体における生存時間データを扱う際に非常に有用で、信頼性工学や生存分析の分野で欠かせない存 […]

生存時間解析を基礎から理解する
07/27/2024 / 最終更新日時 : 01/04/2025 bluest 大学数学

生存時間解析をわかりやすく解説- ポアソン過程との関係と最尤推定

こんにちは、青の統計学です! 今回は、生存時間解析について解説します。 数学的背景も踏まえて、理解が深まる構成にしているのでぜひ最後までご覧ください。 青の統計学では、noteで統計検定やG検定に関するチートシートを掲載 […]

二項分布を基礎から応用まで解説
06/08/2024 / 最終更新日時 : 01/28/2025 bluest ベイズ

【完全版】二項分布をわかりやすく説明|統計学

二項分布とは ビジネスでも多くの事象が適用できる二項分布について、基礎から解説します。 分布の可視化などは、青の統計学-DsPlayground-の確率分布可視化ツールが便利です。 ぜひご覧ください。 こちらをクリックす […]

超幾何分布を正しく理解する
08/21/2022 / 最終更新日時 : 01/13/2025 bluest ベイズ

超幾何分布をわかりやすく解説|非復元抽出

1. 超幾何分布 1.1 超幾何分布とは 超幾何分布は、有限個からなる母集団から非復元抽出を行うときに、「特定の属性を持つ要素がサンプル中に何個含まれるか」を表す確率分布です。 例示:品質検査への応用 このとき、確率変数 […]

尤度と尤度関数を正しく理解するための記事
06/06/2022 / 最終更新日時 : 01/04/2025 bluest ベイズ

【尤度って?】尤度関数と最尤推定量の解説と例題

確率分布のパラメータ\(θ\)を推定する方法の一つとして、最尤推定というものがあります。 最尤推定には、尤度関数を使うことが必須です。まずは尤度関数については見てみましょう。 尤度(likelihood)について 抑えて […]

人気記事

統計検定2級の完全ガイド
青の統計学DsPlaygroundの販促バナー_統計検定2級
サムネイル_青の統計学_統計検定3級レベルの問題演習
統計検定3級の徹底攻略
青の統計学DsPlaygroundの販促バナー_G検定
青の統計学DsPlaygroundの販促バナー_数学入門
大学生向けのG検定の攻略記事のサムネイル
サムネイル_青の統計学_統計検定準1級レベルの問題演習

Udemy

バナー広告

新サービス

青の統計学|X

Update Contents

統計検定2級の完全ガイド
統計検定2級の難易度と範囲を徹底解説【2025年最新版】
06/29/2025
パレートの法則についてわかりやすく解説
パレートの法則についてわかりやすく解説
06/28/2025
カイ二乗分布をわかりやす く解説【青の統計学】
カイ二乗分布とは?正規分布との関わりとわかりやすく解説
06/23/2025
【カイ2乗検定】独立性検定と適合度検定についてわかりやすく解説
【カイ2乗検定】独立性検定と適合度検定についてわかりやすく解説
06/23/2025
【統計検定】フィッシャー情報量とクラメール・ラオの不等式について解説|python
【統計検定】フィッシャー情報量とクラメール・ラオの不等式について解説|python
06/07/2025
中心極限定理についてわかりやすく解説|大数の法則との違い
中心極限定理についてわかりやすく解説|大数の法則との違い
06/07/2025
標準誤差について数学的背景から解説する
【統計】標準誤差を例題を通してわかりやすく解説|python
06/07/2025
コーシー分布とは?わかりやすく解説
コーシー分布とは?わかりやすく解説
06/07/2025
統計的なサンプルサイズ設計の手引き
サンプルサイズ設計のガイド:基礎理論と実践をわかりやすく
06/07/2025
効果量とは?サンプルサイズ設計を実務で使うには
効果量とは?サンプルサイズ設計を実務で使うには
06/07/2025

New Contents

【カイ2乗検定】独立性検定と適合度検定についてわかりやすく解説
【カイ2乗検定】独立性検定と適合度検定についてわかりやすく解説
06/23/2025
中心極限定理についてわかりやすく解説|大数の法則との違い
中心極限定理についてわかりやすく解説|大数の法則との違い
06/07/2025
大学生向けのG検定の攻略記事のサムネイル
【体験談】G検定は大学生でも受かる?合格率、難易度、試験範囲を徹底解説
05/17/2025
スペクトラルクラスタリングとは?非線形データの分類
スペクトラルクラスタリングとは?非線形データの分類
03/18/2025
DBSCANとは?密度ベースのクラスタリング
DBSCANとは?密度ベースのクラスタリングを解説
03/16/2025
確率密度関数とは?確率質量関数との違いも解説
確率密度関数とは?確率質量関数との違いも解説
02/25/2025
効果量とは?サンプルサイズ設計を実務で使うには
効果量とは?サンプルサイズ設計を実務で使うには
02/03/2025
統計的なサンプルサイズ設計の手引き
サンプルサイズ設計のガイド:基礎理論と実践をわかりやすく
01/10/2025
グラフニューラルネットワークの基礎と応用事例
グラフニューラルネットワークの基礎と応用事例
01/08/2025
パレートの法則についてわかりやすく解説
パレートの法則についてわかりやすく解説
01/07/2025

Tag Cloud

AIC F統計量 GBDT GLM K-means法 KL divergence MCMC法 MSE PCA p値 ridge回帰 t検定 カイ2乗分布 ガンマ分布 ブートストラップ法 ポアソン分布 マルコフ連鎖 ラグランジュの未定乗数法 ランダムウォーク ランダムフォレスト ロジスティック回帰 一様分布 不偏性 中心極限定理 二項分布 信頼区間 共分散 再生性 分散分析 回帰分析 固定効果 多重共線性 大数の法則 尤度関数 層化抽出法 幾何分布 指数分布 最小二乗法 最尤法 標準偏差 標準誤差 正規分布 決定木 深層学習 相関係数

Recent

統計検定2級の完全ガイド
統計検定2級の難易度と範囲を徹底解説【2025年最新版】
06/29/2025
パレートの法則についてわかりやすく解説
パレートの法則についてわかりやすく解説
06/28/2025
カイ二乗分布をわかりやす く解説【青の統計学】
カイ二乗分布とは?正規分布との関わりとわかりやすく解説
06/23/2025
【カイ2乗検定】独立性検定と適合度検定についてわかりやすく解説
【カイ2乗検定】独立性検定と適合度検定についてわかりやすく解説
06/23/2025
【統計検定】フィッシャー情報量とクラメール・ラオの不等式について解説|python
【統計検定】フィッシャー情報量とクラメール・ラオの不等式について解説|python
06/07/2025
中心極限定理についてわかりやすく解説|大数の法則との違い
中心極限定理についてわかりやすく解説|大数の法則との違い
06/07/2025
標準誤差について数学的背景から解説する
【統計】標準誤差を例題を通してわかりやすく解説|python
06/07/2025
コーシー分布とは?わかりやすく解説
コーシー分布とは?わかりやすく解説
06/07/2025
統計的なサンプルサイズ設計の手引き
サンプルサイズ設計のガイド:基礎理論と実践をわかりやすく
06/07/2025
効果量とは?サンプルサイズ設計を実務で使うには
効果量とは?サンプルサイズ設計を実務で使うには
06/07/2025

サイトマップはこちら

青の統計学|Follow Me!

青の統計学DsPlaygroundの販促バナー_統計検定2級
青の統計学DsPlaygroundの販促バナー_G検定

チートシート

バナー広告


バナー広告

バナー広告
バナー広告
バナー広告

シミュレーション

サンプルサイズ設計ツールのサムネイル

問題演習

統計検定2級問題演習へのリンク
  • 統計学
  • 機械学習
  • 統計検定対策
  • 大学の試験対策
  • マーケティング
  • DS Playground
  • 資料

Copyright © 青の統計学 All Rights Reserved.

Powered by WordPress with Lightning Theme & VK All in One Expansion Unit

MENU

  • 統計学
    • 統計学基礎
    • ベイズ
  • 機械学習
  • 統計検定対策
  • 大学の試験対策
  • マーケティング
  • DS Playground
  • 資料
PAGE TOP