入力済仕様による設定尤度

利用者が確認した仮説別確率と観測データに基づき、設定仮説の相対的な尤度・事後比率を比較する。

確率表・事前比率・観測データは利用者の入力値のみを使用します。設定や未公表の確率を自動的に判定・補完しません。

入力すると自動で計算します。Enterで次の項目へ進めます。次の入力欄を選んで進めます。

選択内容に応じて、残りの入力項目を案内します。

計算する内容
比較する仮説と事前比率必須
行仮説名事前の重み(比率)操作
1
2

2列を左端の欄へタブ区切りで貼り付けられます。8行まで。

仮説名は他の表でも同じ文字列を使用します。重みは0以上、合計は1でなくて構いません(例:1対1)。空欄は0と区別します。

観測事象と回数必須
行事象名該当回数総試行数(二項のみ) 任意操作
1
2

3列を左端の欄へタブ区切りで貼り付けられます。12行まで。

多項分布:互いに排他的な全カテゴリの回数を入力し、総試行数欄は空欄。二項分布:事象ごとに該当回数と総試行数を入力。合計試行数は20,000回以内です。

仮説別・事象別の確率表必須
行仮説名事象名P(事象|仮説)操作
1
2
3
4

3列を左端の欄へタブ区切りで貼り付けられます。96行まで。

仮説×事象の全組み合わせを1行ずつ入力します。確率は%ではなく0~1(20%なら0.2)。多項分布では各仮説の確率の合計が1となる必要があります。


計算結果

必要な値を入力すると自動で計算します。

お気に入り一覧

計算方法・適用範囲・出典

計算方法

仮説Hᵢの事前重みwᵢをπᵢ=wᵢ/Σwⱼに正規化。多項モデルは試行が独立同分布でカテゴリが排他的、各仮説でΣpᵢⱼ=1を要し、尤度Lᵢ=N!/∏nⱼ! × ∏pᵢⱼ^nⱼ。二項モデルは各二値事象の試行が独立とし、Lᵢ=∏[C(Nⱼ,kⱼ) pᵢⱼ^kⱼ(1−pᵢⱼ)^(Nⱼ−kⱼ)]。事後比率P(Hᵢ|観測)=πᵢLᵢ/ΣπⱼLⱼ。極小確率には対数計算と最大対数値を差し引く正規化を使用。p=0/1も許可し、起こりえない観測の尤度は0。全仮説の重み付き尤度が0なら事後比率は定義しません。

仮説別尤度・対数尤度・相対尤度・事前比率・事後比率、最大事後比率の仮説、観測全体の確率。

計算例(架空の数値)

例示用の仮想確率:仮説A/Bの事前重みが1:1、排他的カテゴリ「赤」「青」の出現回数が3回と1回、確率がA=(0.75,0.25)、B=(0.25,0.75)なら尤度はA=0.421875、B=0.046875、事後比率はA=90%、B=10%。実機の設定値ではありません。

適用対象と限界

仮説別の確率表と観測回数を利用者が自ら確認し、モデルの独立性仮定を適用できる場合。実機設定の認定、機種別確率の自動取得、未公表仕様の推測、設定変更や時間依存、相関・混合分布、推定した未知確率の学習、必ず当たるという保証は対象外。

採用した方式

  • 多項分布(排他的カテゴリ)(NIST Dataplot MULTINOMIAL PDF、Bayes更新):対象範囲 試行ごとに必ず1つのカテゴリへ分類し、仮説ごとのカテゴリ確率の和が1となるモデル/適用地域 global
  • 二項分布(独立二値事象)(NIST/SEMATECH Binomial Distribution、Bayes更新):対象範囲 事象ごとに成功数/試行数を入力し、各試行と事象間の独立性を仮定するモデル/適用地域 global

方法と出典

方法:E702 discrete likelihood/Bayes v1.0(2026-11-14)。データ記録日:2026-11-14。