10分で単位が取れる、理系科目のサクっと講義

17:16

統計学⑮（母分散の区間推定）分散の推定って意味あるの？【大学数学】

3 жыл бұрын

6:56

線形代数④(逆行列とは)逆行列が何かもわからない君へ【大学数学】

3 жыл бұрын

5:05

線形代数テスト対策(不定と不能)解があるとき、ないとき【大学数学】

3 жыл бұрын

16:21

線形代数③(不定と不能)連立方程式の解はいつも１つ、じゃない、、、？【大学数学】

3 жыл бұрын

3:06

統計学テスト対策（母平均の区間推定２）母分散未知の場合【大学数学】

3 жыл бұрын

13:55

統計学⑭（母平均の区間推定２）母分散が未知でも推定できる！【大学数学】

3 жыл бұрын

21:46

線形代数②(掃き出し法)連立方程式は考えて解くな！【大学数学】

3 жыл бұрын

5:02

統計学テスト対策（母平均の区間推定１）母分散既知の場合【大学数学】

3 жыл бұрын

16:12

統計学⑬（母平均の区間推定１）区間推定をどこよりも丁寧に解説したよ【大学数学】

3 жыл бұрын

22:53

統計学⑫（点推定２）最尤推定をチンパンでもギリ分かるレベルで解説したよ【大学数学】

3 жыл бұрын

16:58

統計学⑪（点推定１）不偏分散、n-1で割る理由を懇切丁寧に解説【大学数学】

3 жыл бұрын

15:52

統計学⑩（確率変数の標準化）知らないとさすがにまずい。【大学数学】

3 жыл бұрын

9:13

線形代数①（なぜ勉強するのか）線形代数をサボった理系の末路【大学数学】

3 жыл бұрын

16:17

統計学⑨（中心極限定理と区間推定）中心極限定理って何？なんでそんな重要？【大学数学】

3 жыл бұрын

17:19

統計学⑧（ポアソン分布）使い方から圧倒的分かりやすい導出まで【大学数学】

4 жыл бұрын

15:24

統計学⑦（二項分布と期待値・分散）正規分布の前に理解すべし【大学数学】

4 жыл бұрын

12:37

統計学⑥（連続の確率変数）確率密度関数の考え方【大学数学】

4 жыл бұрын

12:48

【機械学習】単回帰と勾配降下法（前編）【大学数学】

4 жыл бұрын

10:19

統計学⑤（離散の確率変数）確率変数って実は、、、2種類あるんです【大学数学】

4 жыл бұрын

10:04

統計学④（標本と確率変数）標本を理解することは統計学を理解すること【大学数学】

4 жыл бұрын

9:24

統計学③（分散と標準偏差）え？平均値？そんなの意味ねえからｗｗｗ【大学数学】

4 жыл бұрын

10:12

統計学②（度数分布表と平均）階級値で平均計算していいの？【大学数学】

4 жыл бұрын

15:13

統計学①（記述統計と推測統計）統計学を学ぶ意味が分からん奴、とりあえずこれを見ろ【大学数学】

4 жыл бұрын

Пікірлер

@ta1523 11 күн бұрын

細かいところで申し訳ないです…17:58 これもf(x1)×f(x2)×...f(xn)して、それの並べ替えも必要なのでしょうか？結局微分して方程式にするので確かに付けなくてもいい気はしますが…… 追伸：統計検定準1級の勉強をしています。教科書を買ったのですが解説が丁寧じゃないくて、この動画に助けられてます🙇‍♂️

@だいちゃん-s8h 13 күн бұрын

高橋一生ににてる！

@louiskentakikuchi6991 Ай бұрын

最高です！ありがとうございます！

@user-ur9cj4qn1n Ай бұрын

天才yotuberやん

@I_love_sports353 Ай бұрын

まじわかりやすい

@touhokumokou 3 ай бұрын

新課程とかいうやつのせいで高校生なのに大学の範囲勉強することになっちまったぜ

@ゆき-m1j4b 5 ай бұрын

この動画でやっとわかりました！明日いや今日の単位を取れるように頑張ります。

@kyamakyama7403 6 ай бұрын

中年リーマン、学部法学部のリスキル中でも分かり易くて助かりまし☺☺

@auaaoiomtsymtsh 6 ай бұрын

有り難いです、密度の式がハッキリスッキリとしました。

@jiroyukiguni5812 7 ай бұрын

マイナス偏差のマイナス記号をプラス記号に置き換えて、その合計平均を取れば標準偏差とほぼ同じにならないのでしょうか。

@kotokoo4399 7 ай бұрын

この方の説明、とても分かりやすいです。KZbin　以外で教えておられますか？　特に、統計学を全て習いたいのですが。

@orangebananaaaa 7 ай бұрын

最尤推定の解説として最も尤もらしいと思いました

@ファミコン通信1989みんなでレ-z6k 7 ай бұрын

ある有名な先生が分散はなぜ最後に個数で割るのか？という質問に対して、「分散は平均値とのズレの二乗を足し合わせる。しかしそれだけでは数が大きくなってしまうから、最後にその個数で割る」と言っていました。しかし、本当はズレを足し合わせたもの平均を取るために合計の個数で割るのではないでしょうか？つまりその先生の説明は間違えていると思いませんか？

@wingsan333 8 ай бұрын

とても分かりやすい講義ありがとうございます。正解値にばらつきがある場合に興味があります。

@ほしのもも 8 ай бұрын

おもしろい！

@suien 9 ай бұрын

物凄く賢い。分かり易い。

@__yubaaba 9 ай бұрын

分散って平均だから最後データ数で割らないんですか？

@はろひろ-f1j 10 ай бұрын

さっき見たKZbinrよりわかりやす！！

@TS-cu8kv 10 ай бұрын

ヨビノリはオレを置き去りにするけど、この人は寄り添ってくれる。マジありがたや。※ヨビノリも好きだけど！

@一瀬麻理子 11 ай бұрын

わかりやすい！

@komusasabi Жыл бұрын

物理学で素粒子まで分解して原子の構造を調べたり、化学で原子を組み合わせて分子構造を調べたり、生物で分子の構造から生命活動に関わるタンパク質や糖などの物質の構造を調べたりするのと同じで数学でも、基底に分解して関数を再構成します。分析とか解析は分けて（解いて）調べる（析の字が調べるに相当）に由来し、関数をテイラー展開（べき関数を基底としている）したり、フーリエ展開（三角関数を基底としている）します。細かい単位に分解して線形結合の形で組み直すという考え方は他の分野と同じ考え方をしています。線形代数でも基底とか線形独立といった概念が出てくるのは、やはりベクトルを複数の基底ベクトルの線形結合で表そうとするからです。そういう視点で線形代数や微分積分学を見つめ直すと、機械学習におけるスパースモデリングもすんなり頭に入ってきます。スパースモデリングはできるだけ少ない基底だけで表したほうが良い表現（単純な表現）だという考え方です。

@komusasabi Жыл бұрын

ベクトルを何らかの関数の有限領域の定義域の離散化したものと考えると、音でも画像でもCSVに書かれた表のデータでも、テキストデータもベクトルと考えられ、更に、フーリエ変換やウェーブレット変換によってある種の基底（原子）を使って表現し直せば、必要な成分と不必要な成分に分解して表現して用途に応じて必要な部分を抜き出せるようになります。JPGは画像の高周波成分を削っても人間は知覚できないということを利用して高周波成分（不要な部分）と低周波成分（画像として必要な部分）に分解して線形結合していると考え、不要部分を削って圧縮しています。