正規分布の確率密度関数(PDF)

Core idea

Overview

正規分布の確率密度関数(PDF)について、主要な入力値と式の関係を整理し、計算結果の意味を解釈するための説明です。条件、単位、前提を確認しながら使うことで、結果を比較、判断、見積もり、リスク確認に結びつけやすくなります。必要に応じて値を変え、結果の変化も確認してください。

When to use: 正規分布の確率密度関数(PDF)は、与えられた値から必要な結果を求めたいときに使います。入力の単位、範囲、前提条件を確認してから代入し、計算結果を現実の条件や問題文の目的と照らし合わせてください。

Why it matters: 正規分布の確率密度関数(PDF)の結果は、数値を比較し、傾向、制約、リスク、設計上の判断を説明するために役立ちます。答えを単独の数値として扱わず、条件が変わったときの意味や妥当性も確認できます。

Symbols

Variables

x = Random Variable, $μ$ = Mean, $σ^{2}$ = Variance

x

Random Variable

Variable

μ

Mean

Variable

σ^{2}

Variance

Variable

Walkthrough

Derivation

正規分布確率密度関数 (PDF) の導出

正規分布は、独立な観測値の平均に対する最尤推定量が算術平均であるという要件から導出され、ガウスの関数方程式に至ります。

確率密度関数 f(x) は平均からの距離のみに依存します。
独立した観測の同時確率は、個々の確率の積です。
関数は、曲線の下の総面積が1になるように正規化されなければなりません。

1

関数方程式の定式化

平均の最も確からしい値が算術平均であると仮定すると、密度の積は観測値の二乗和の関数でなければなりません。

f (x_{1}) f (x_{2}) ... f (x_{n}) = ϕ (\sum x_{i}^{2})

Note: これはしばしば、算術平均の仮定に基づくガウスの導出と呼ばれます。

2

対数微分による解法

両辺の自然対数を取ると、積が和に変換されるため、微分は線形でなければならないことが示され、結果として f(x) = Ce^{ax^2} の形になる。

ln (f (x_{1})) + ln (f (x_{2})) + ... + ln (f (x_{n})) = ln (ϕ (\sum x_{i}^{2}))

Note: |x| が増加するにつれて関数が減衰するように、'a' を負と特定する。

3

定数の決定

ガウス積分の恒等式を用いて正規化定数 C を求め、総確率が1になるようにする。

\int_{- \infty}^{\infty} C e^{- k (x - μ)^{2}} d x = 1

Note: $e^{- x^{2}}$ の積分は π の平方根であることを思い出してほしい。

4

最終的な正規化

広がりのパラメータを分散 σ² で置き換えると、正規分布の確率密度関数の標準形が得られる。

f (x) = \frac{1}{2 π σ ^{2}} e^{- \frac{( x - μ ) ^{2}}{2 σ ^{2}}}

Note: この最終形は、分布が平均 μ を中心とし、分散 σ² を持つという性質を満たす。

Result

f (x) = \frac{1}{2 π σ ^{2}} e^{- \frac{( x - μ ) ^{2}}{2 σ ^{2}}}

Source: Gauss, C. F. (1809). Theoria motus corporum coelestium.

Free formulas

Rearrangements

Solve for $x$

xについて解く

x = μ \pm - 2 σ^{2} ln (f (x ∣ μ, σ^{2}) 2 π σ^{2})

自然対数を取り、代数的操作を行うことで変数xを分離する。

Difficulty: 3/5

Solve for $μ$

$μ$ を主題にする

μ = x \mp - 2 σ^{2} ln (f 2 π σ^{2})

指数内の二乗項を分離することで平均を解く。

Difficulty: 3/5

Solve for $σ^{2}$

$σ^{2}$ を主題にする

σ^{2} = - \frac{( x - μ ) ^{2}}{W ( - 2 π f ^{2} ( x - μ ) ^{2} )}

底と指数の両方に $σ^{2}$ が現れるため、ランベルトのW関数または反復法を用いて分散を解く。

Difficulty: 4/5

The static page shows the finished rearrangements. The app keeps the full worked algebra walkthrough.

Why it behaves this way

Intuition

平らな面に砂を落としてできる物理的な山脈を想像してみてほしい。頂上(平均)はほとんどの砂が集まる場所であり、中心から離れるにつれて高さは指数関数的に減少する。この曲線は「重力で重み付けされた」形状であり、斜面の急峻さは砂の広がりによって制御される。広い山(大きな分散)は緩やかであり、高くて細いスパイク(小さな分散)は急峻である。

f (x ∣ μ, σ^{2})

確率密度関数

任意の点 x における曲線の「高さ」であり、平均と広がりが与えられたときに特定の値に出会う相対的な尤度を表す。

μ

平均(期待値)

中心のアンカーポイント、またはベル曲線の頂点の水平位置。

σ^{2}

Variance

「幅」の因子であり、データが中心からどれだけ広く散らばっているかを決定する。

e

オイラー数

減衰の底として機能し、平均から離れるにつれて確率が滑らかかつ予測可能に減少することを保証する。

Signs and relationships

-(x - μ)²: 負の符号により指数が常に負またはゼロになり、平均値(x=μ)でピークが生じ、xが平均から離れるにつれて関数がゼロに向かって減衰します。
1 / sqrt(2πσ²): これは「正規化定数」です。曲線全体の下の面積が正確に1になることを保証し、これは100%の総確率を表します。

One free problem

Practice Problem

次の条件を使って、正規分布の確率密度関数(PDF)を求めてください。必要な値を式に代入し、単位と桁数を確認して答えてください。条件: 0, 1, 0。

Hint: 正規分布の確率密度関数(PDF)の式に既知の値を代入し、単位、符号、分母と分子の対応を確認しながら計算してください。問題文で与えられた条件を先に整理すると解きやすくなります。関連する記号: $e^{0}$ 。

The full worked solution stays in the interactive walkthrough.

Where it shows up

Real-World Context

正規分布の確率密度関数(PDF)は、実務、学習、分析の場面で具体的な値を代入して結果を確認するときに使えます。計算結果を単なる数値として扱うのではなく、条件の比較、判断、見積もり、リスク確認に結びつけて解釈するのに役立ちます。

Study smarter

Tips

曲線下の総面積は常に正確に1であることを覚えておいてください。
複雑な計算を簡単にするため、μ=0、σ=1 として標準正規分布（Zスコア）を使ってください。
データのおよそ68%、95%、99.7%は、それぞれ平均から1、2、3標準偏差以内に入ることに注意してください。

Avoid these traps

Common Mistakes

標準偏差 (σ) と分散 (σ²) を混同すること。
PDFの値が確率そのものであると誤解し、密度ではないと考えること(正確な一点の確率は0です)。

Keep going

Related Formulas

Common questions

Frequently Asked Questions

正規分布は、独立な観測値の平均に対する最尤推定量が算術平均であるという要件から導出され、ガウスの関数方程式に至ります。

正規分布の確率密度関数(PDF)は、与えられた値から必要な結果を求めたいときに使います。入力の単位、範囲、前提条件を確認してから代入し、計算結果を現実の条件や問題文の目的と照らし合わせてください。

正規分布の確率密度関数(PDF)の結果は、数値を比較し、傾向、制約、リスク、設計上の判断を説明するために役立ちます。答えを単独の数値として扱わず、条件が変わったときの意味や妥当性も確認できます。

標準偏差 (σ) と分散 (σ²) を混同すること。 PDFの値が確率そのものであると誤解し、密度ではないと考えること(正確な一点の確率は0です)。

正規分布の確率密度関数(PDF)は、実務、学習、分析の場面で具体的な値を代入して結果を確認するときに使えます。計算結果を単なる数値として扱うのではなく、条件の比較、判断、見積もり、リスク確認に結びつけて解釈するのに役立ちます。

曲線下の総面積は常に正確に1であることを覚えておいてください。複雑な計算を簡単にするため、μ=0、σ=1 として標準正規分布（Zスコア）を使ってください。データのおよそ68%、95%、99.7%は、それぞれ平均から1、2、3標準偏差以内に入ることに注意してください。

References

Sources

Feller, W. (1968). An Introduction to Probability Theory and Its Applications.
Ross, S. M. (2014). A First Course in Probability.
Gauss, C. F. (1809). Theoria motus corporum coelestium.

Overview

Variables

Derivation

関数方程式の定式化

対数微分による解法

定数の決定

最終的な正規化

Rearrangements

Intuition

Practice Problem

Real-World Context

Tips

Common Mistakes

Related Formulas

Standard Normal Distribution

Frequently Asked Questions

Sources