- 英
- likelihood
- 関
- 可能性、見込み
WordNet
- the probability of a specified outcome (同)likeliness
PrepTutorEJDIC
- (…が)ありそうなこと,(…の)見込み,可能性(probability)《+『of』+『名』》
Wikipedia preview
出典(authority):フリー百科事典『ウィキペディア(Wikipedia)』「2012/11/21 22:04:36」(JST)
[Wiki ja表示]
尤度関数(ゆうどかんすう)とは統計学用語で、ある前提条件に従って結果が出現する場合に、逆に観察結果からみて前提条件が「何々であった」と推測する尤もらしさ(もっともらしさ)を表す数値を、「何々」を変数とする関数として捉えたものである。また単に尤度ともいう。 B = b であることが確定している場合に、 A が起きる確率(条件付確率)を
とする。このとき、逆に A が観察で確認されていることを基にして、上記の条件付確率を変数 b の関数として尤度関数という。また一般には、それに比例する関数からなる同値類
(ここでは任意の正の比例定数)をも尤度関数という。重要なのは数値自体ではなく、むしろ比例定数を含まない比(尤度比)である。もしならば、と考えるよりもと考えるほうが尤もらしい、ということになる。 が与えられた場合には、それからについて推論するのには条件付確率を用いる。 逆に、が与えられた場合に、それからについて推論するのには条件付確率(事後確率)を用いるが、これは尤度関数であるあるいはから、次のベイズの定理によって求められる:
ただし、尤度関数は後に示すように確率密度関数とは別の概念である。
目次
- 1 簡単な例
- 2 母数を含むモデルの尤度関数
- 3 歴史
- 4 関連項目
|
簡単な例
コインを投げるときに、表が出る('H')確率が pH であれば、2回の試行で2回とも表が出る('HH')確率は pH2 である。 pH = 0.5 であれば、2回とも表が出る確率は0.25である。このことを次のように示す:
これのもう1つの言い方として、「観察結果が'HH'ならば pH = 0.5 の尤度は 0.25である」、つまり
- .
と言える。一般には
と書ける。 しかしこれを、「観察値が0.25ならば、1回投げて表の出る確率は pH = 0.5」という意味にとってはならない。 極端な場合を例にとると、「観察結果が'HH'ならば pH = 1 の尤度は1」とはいえる。しかし明らかに、観察値が1だからといって表の出る確率 pH = 1 ということはない。'HH'という事象は pH の値が0より大きく1以下のいくつであっても起こりうるのだ。 の値はxが1に近づくほど大きくなる(しかし現実にはpH はおよそ0.5である場合が多い)。観察はたった2回の試行に基づくもので、それからとりあえず「pH = 1 が尤もらしい」といっているにすぎない。 また尤度関数は確率密度関数ではなく、積分しても一般に1にはならない。上の例では pH に関する[0, 1]区間の尤度関数の積分は1/3で、これからも尤度密度関数を pH に対する確率密度関数としては解釈できないことがわかる。
母数を含むモデルの尤度関数
統計学では標本の観察結果から母集団の分布を表現する母数(パラメータ)を求めることが重要であるが、母集団の母数がある特定の値であることを前提条件として観察結果が得られると考え、統計学の問題に尤度の概念を適用できる。尤度関数は特に最尤法、尤度比検定で重要な意味を持ち、尤度を最大にするという原理により多くの統計学的推定法が導かれる。 次のような母数を含む確率密度関数族を考える:
ここで x が確率変数、 θ が母数である。尤度関数は
ここで x は実験の観察値である。θ を定数として、 f(x | θ) を x の関数として見たときには、これは確率密度関数であり、逆に x を定数として θ の関数として見たときには、尤度関数である。 この場合も尤度を、観察標本が与えられたときに「この母数が正しい」という確率と混同してはいけない。観察結果はあくまでも少数の標本にすぎず、仮説の尤度を仮説の確率として解釈するのは危険である。
歴史
尤度に関する初期の考察はデンマークの数学者トルバルド・ティエレ(Thorvald N. Thiele)による1889年の著書にみられる。 尤度についての完全な考察が現れた最初の論文は、ロナルド・フィッシャーによる1922年の"On the mathematical foundations of theoretical statistics"である。ここでフィッシャーはまた「最尤法」(method of maximum likelihood)の語を初めて用いている。フィッシャーは統計学的推計の基礎として事後確率を用いることに反対し、代わりに尤度関数に基づく推計を提案している。
関連項目
- 推計統計学
- 確率分布
- ベイズの定理
- ベイズ推計
- 尤度比検定
- 最尤法
- 最大エントロピー原理
UpToDate Contents
全文を閲覧するには購読必要です。 To read the full text you will need to subscribe.
Japanese Journal
- 単眼カメラとパーティクルフィルタによる車両追跡と車間距離推定法式の研究 xy座標とスケールの3次元パラメータ表現によるパーティクルフイルタの提案
- 辻 和史,藤津 聖也,横田 孝義
- 情報処理学会研究報告. ITS, [高度交通システム] 2014-ITS-58(14), 1-5, 2014-09-12
- … 本稿では,快適な道路評価のために低コストな単眼カメラより得られた画像を用いて前方車両を追従しつつ,車間距離の推定を行う手法を研究する.尤度関数を自由に設定できるパーティクルフィルタを用いて,単眼車載カメラの画像から前方の車両のトラッキングを行い,大まかな車間距離を推定する方式を考案した.X,y 座標,スケールの 3 次元の状態変数を元に車両の追従及び,車間距離の推定を行うものである.今回は,車間 …
- NAID 110009822833
- 大域データ対応付けの反復実行による細胞追跡精度の改善手法
- 藏重昂平 ,瀬尾茂人 ,間下以大 ,竹中要一 ,松田秀雄
- 情報処理学会研究報告. BIO, バイオ情報学 2014-BIO-39(1), 1-8, 2014-09-12
- … た手法がある.大域データ対応付けでは,フレーム単位の対応付けにより短い細胞移動の軌跡であるトラックレットを生成し,細胞移動の仮説の尤度に基づきトラックレットの対応付けを行うことで,全体の軌跡を最適化する.しかし,細胞移動の仮説の適切な尤度計算は難しく,トラックレット対応付けの間違いが生じる問題がある.本研究では,大域データ対応付けを一定フレーム領域でスライドしながら …
- NAID 110009822246
- 混合メンバシップ・ブロックモデルのテンソルスペクトル分解を用いた推定法の改良
- 貝ヶ石 亘,鹿島 久嗣
- 情報処理学会研究報告. CVIM, [コンピュータビジョンとイメージメディア] 2014-CVIM-193(23), 1-6, 2014-08-25
- … 混合メンバシップ・ブロックモデルの推定法としては尤度最大化に基づく手法が一般的であるが,大きなグラフに対しては大きな計算コストが必要となることが知られている.近年,Anandkumar らによってテンソルのスペクトル分解を用いた手法が提案され,尤度最大化に代わる推定手法として注目されている.しかし,Anandkumar らの手法ではクラスタ間の接続行列がフルランクであることを仮定しており,フル …
- NAID 110009815620
Related Links
- 事後確率と尤度――系統推定における最尤法とベイズ法の最前線尤度(likelihood)とはある仮説(モデル)のもとで観察されたデータが生じる確率を意味しています.以下では,この尤度が ...
- 尤度で始まる言葉の辞書すべての検索結果。ゆうど【尤度】 - goo辞書は無料で使える日本最大級の辞書サービスです。 ... 尤度関数 尤度関数(ゆうどかんすう)とは統計学用語で、ある前提条件に従って結果が出現する場合に、逆に ...
Related Pictures
★リンクテーブル★
[★]
- 英
- perspective、expectation、promise、estimate、prospect、chance、odds、likelihood
- 関
- 遠近、確率、可能性、機会、偶然、しそう、推定、測定、待機、展望、評価、見積、見積もる、見通し、約束、尤度、予期、予算、予想、チャンス
[★]
- 英
- potential、probability、feasibility、likelihood、possibility、odds、capability、potentiality
- 関
- 確率、可能、性能、潜在的、電位、能力、ポテンシャル、見込み、尤度、有望、実行可能、成否
[★]
- 関
- capability、chance、estimate、expectation、feasibility、odds、perspective、possibility、potential、potentiality、probability、promise、prospect
[★]
- 英
- positive likelihood ratio, LR+
- 関
- 感度、特異度、尤度比、陰性尤度比。相対危険度と混同するな
|
疾患あり
|
疾患なし
|
検査陽性
|
a 真陽性
|
b 偽陽性
|
検査陰性
|
c 偽陰性
|
d 真偽性
|
- 「疾患を有する人」が「陽性」になる確率と「疾患を有さない人」が「陽性」になる確率の比
使用例
- A疾患の検査前確率がPb (%)の人がいる。
- B検査を行ったところ陽性であった。
- 検査後確率 Pa (%)はどのくらいか?
- 検査前オッズ:Odb = Pb / ( 1- Pb )
- 陽性尤度比 :Lp = 真陽性 / 偽陽性 = ( a / ( a + c ) ) / ( b / ( b + d ) )
- 検査後オッズ:Oda = Odb x Lp
- 検査後確率 :Oda = Pa / ( 1- Pa ) → Pa = Oda / ( 1 + Oda )
国試
[★]
- 英
- likelihood ratio, LR
- 関
- 陽性尤度比、陰性尤度比
- 疾患を有する人がその検査結果になる確率と疾患を有さない人がその検査結果になる確率の比 (SUB.203)
例
se 感度
sp 特異度
- のとき
|
疾患
|
あり
|
なし
|
検査
|
陽性
|
se
|
1-sp
|
陰性
|
1-se
|
sp
|
- 検査が陽性の例(陽性尤度比)を考えると、「疾患を有する人が陽性になる確率」と「疾患を有さない人が陽性になる確率」の比を考えるので次の通りとなる。
- se / ( se + 1 - sp ) / { (1 - sp) / ( se + 1 - sp ) } = se / ( 1 - sp ) = 感度 / ( 1 - 特異度 )
- 検査が陰性の例(陰性尤度比)を考えると、「疾患を有する人が陰性になる確率」と「疾患を有さない人が陰性になる確率」の比を考えるので次の通りとなる。
- { (1 - se ) / ( 1 - se + sp ) } / { sp / ( 1 - se + sp ) } = ( 1 - se ) / sp = ( 1 - 感度 ) / 特異度
国試
[★]
- 英
- negative likelihood ratio, LR-
- 「疾患を有する人」が「陰性」になる確率と「疾患を有さない人」が「陰性」になる確率の比
[★]
- 英
- degree
- 関
- 温度