|
===================================== 〔語彙分解〕的な部分一致の検索結果は以下の通りです。 ・ 推定 ： [すいてい] 1. (n,vs) presumption 2. assumption 3. estimation
Good–Turing推定 (英語: Good–Turing frequency estimation) は、これまでに観測されていない種の対象に遭遇する確率を、異なる種の対象 (有限個だが総数は不明) についての過去の観測情報から推定するための統計的手法である。壺から玉を取り出すことを考えると、「対象」はボールに対応し、「種」は玉の色に対応する。赤色の玉 黒色の玉 緑色の玉 を引いたあとに、次に赤色の玉、黒色の玉、緑色の玉、あるいはこれまでに観測していない色の玉が出る確率はいくつか、というのがここでの問題である。 == 歴史 == Good–Turing推定はアラン・チューリング (Alan Turing) と彼の助手I. J. グッド (I. J. Good)により、第二次世界大戦中ブレッチリー・パーク (Bletchley Park)におけるドイツ軍のエニグマ暗号を解読する試みの中で提案された。チューリングははじめ頻度を多項分布でモデル化したが、そのモデルは不正確だとわかった。グッドはその推定法の精度を改善すべく、平滑化アルゴリズムを考案した。 その発見はグッドにより1953年に公開され、多大な注目をあつめることとなった 。しかしその計算は難しく、それほど広く使用されることはなかった〔Newsise: Scientists Explain and Improve Upon 'Enigmatic' Probability Formula , a popular review of 〕 。ただ、グッドの手法はロバート・ハリス (Robert Harris) の小説『暗号機エニグマへの挑戦 (''Enigma)』により文学的な名声をいくらか得ることとなった。'' 1990年代、Geoffrey SampsonはAT&TのWilliam A. Galeと共に、次に述べるシンプルで使いやすいGood–Turing推定の手法を考案、実現した〔Sampson, Geoffrey and Gale, William A. (1995) Good‐turing frequency estimation without tears〕''non-primary source needed">non-primary source needed''。 抄文引用元・出典: フリー百科事典『 ウィキペディア（Wikipedia）』 ■ウィキペディアで「Good–Turing推定」の詳細全文を読む スポンサード リンク
|