Think Stats 第2版 ―プログラマのための統計入門

223

223

14.6　CLT を適用する

sigma = math.sqrt(1 - rho**2)

for _ in range(n-1):

x = random.gauss(x*rho, sigma)

yield x

最初の値は、標準正規値です。引き続く値は先行値に依存します。前の値が

x

なら、

次の値の平均は

x*rho

で、分散は

1-rho**2

です。

random.gauss

は、分散ではなく標

準偏差を第二引数に取ることに注意してください。

GenerateExpoCorrelated

は、結果の列を取って、指数値に変換します。

def Gen erateExpoCorrelated(rho, n):

normal = list(GenerateCorrelated(rho, n))

uniform = scipy.stats.norm.cdf(normal)

expo = scipy.stats.expon.ppf(uniform)

return exp o

normal

は相関正規値のリストで、

uniform

は

0

から

1

の間の一様値の列です。

expo

は指数値の相関系列です。

ppf

は、「パーセントポイント関数（

percent point

function

）」の頭文字で、逆

CDF

の別名です。

図

14-2

の下の行は、

rho=0.9

の相関指数値の和の分布を示します。相関は、収束

速度を落とします。それにもかかわらず、

n=100

だと正規確率プロットはほぼ直線に

なります。したがって

CLT

は、厳密には、値が相関しているときには使えないので ...