19/08/04 07:02:48.64 wYXDzdNx.net
>>121
ここで、
コイントスで、{0,1}
↓
サイコロで、{1,2,3,4,5,6}
としよう
１）独立同分布(IID)を仮定しよう。具体的に、サイコロで、{1,2,3,4,5,6}を入れた
可算無限個の確率変数の族X1,X2,・・・（時枝記事後半にある通り）
で任意のi∈Nで、Xiは確率1/6で、1から6の整数値を取る
２）ところが、時枝の手法では、あるD∈Nがあって、XDは確率1－ε（例えば99/100など）で、実数値rDを取るという
これは、
i)予測値の差：整数値に対し、実数値rD、
ii)確率の差：確率1/6に対し、確率1－ε（例えば99/100など）
の2つの点で矛盾である。
３）独立同分布(IID)を仮定した瞬間、これで終りでしょ
（「IIDにより、変数の交換可能」などという主張はアサッテの話で、ご無用に願いたい）
なお、上記のサイコロは、別のもっと的中確率の低い事象に置き換えることができる
そのとき、ii)の確率1－εとの差の矛盾も大きくなる
（参考）
URLﾘﾝｸ(ja.wikipedia.org)
確率論
(抜粋)
目次
1 歴史
1.1 古典的確率論
1.2 公理的確率論
2 基礎概念の概略
3 基礎概念の数学的定義
3.1 確率空間
3.2 確率変数
3.3 確率空間の例
3.3.1 コイントス
4 期待値、分散
5 独立性
確率変数
Ω 上で定義された実数値関数で、F可測であるものを確率変数と呼ぶ。
確率変数は、例えば「サイコロの目」のように、根元事象に値を割り当てていることを定式化したものである。
この定式化により、事象が起こることは、確率変数が（各確率に応じて）ランダムに値をとることと言い換えられる。
F可測であるというのは、確率変数値を取る Ω の部分集合が必ず事象である（すなわち必ず確率をもつ）という意味である。