
62
5 章 分布をモデル化する
thinkplot.Cdf(cdf, complement=True)
thinkplot.Show(xlabel='minutes',
ylabel='CCDF',
yscale='log')
引数
complement=True
で、
thinkplot.Cdf
は、プロットする前に相補
CDF
を計算
します。そして、
yscale='log'
で、
thinkplot.Show
は、
y
軸を対数目盛にします。
図
5-2
の右側に結果を示します。正確な直線ではありませんが、これは指数分布
がこのデータの完全なモデルでないことを示します。
1
日のどの時間でも新生児が生
まれる確からしさは等しい、という基盤となった前提は厳密には成り立たないので
しょう。それでも、このデータセットを指数分布でモデル化するのは妥当でしょう。
この単純化で、分布を
1
つの母数で要約できるからです。
母数
λ
は比率として解釈できます。すなわち、単位時間に平均して事象の起こる
回数です。この例では、
44
人の新生児が
24
時間で生まれたので、比率は分当たり
λ
=
0.0306
人です。指数分布の平均は
1/
λ
になるので、出産間の平均時間は
32.7
分です。
5.2
正規分布
正規分布(
normal distribution
)はガウス分布とも呼ばれ、少なくとも近似的に多
くの現象を記述できるので、非常によく使われています。実は、正規分布がなぜよく
現れるのかにはまともな理由があり、「
14.4
中心極限定理」で学びます。
正規分布は、
2
つの母数、平均μと標準偏差σで特徴付けられます。μ= ...