# en/00fBgGHTjRCx.xml.gz
# ja/00fBgGHTjRCx.xml.gz

(src)="1"> So now it 's time for the first quiz about mutation .
(trg)="2"> 前の小テストでは文字列Moe、Larry、Curlyの
(src)="2"> In a previous quiz , we defined the variable stooges to hold 3 strings , strings Moe , Larry and Curly .
(trg)="3"> 3つの文字列を保持するリストstoogesを定義しました
(trg)="4"> しかし「Three Stooges」ではカーリーの代わりに シェンプが登場する回もありました
(src)="3"> But in some of the Stooges films ,
(trg)="5"> なのでこの小テストでは
(src)="4"> Curly was replaced by Shemp , so your goal for this quiz is to write 1 line of code that changes the value of stooges to be the list containing 3 strings ,
(trg)="6"> stoogesの値を文字列Moe、Larry、Shempを含む リストに変更するような
(trg)="7"> コードを1行書いてください
(src)="5"> Moe , Larry , and Shemp , but doesn 't create any new list object .
(trg)="8"> ただしリストオブジェクトは新たに作成しません

# en/012tqcJWBTIZ.xml.gz
# ja/012tqcJWBTIZ.xml.gz

(src)="1"> In Kalman filter land , we 're going to build a 2- dimensional estimate .
(trg)="2"> 水平方向は位置で垂直方向は速度です 速度はXドットとします
(src)="2"> 1 for the location , and 1 for the velocity denoted x dot .
(trg)="3"> 速度の値は0だけでなく 正と負両方の可能性があります
(src)="3"> The velocity can be zero .
(src)="4"> It can be negative , or it can be positive .
(trg)="4"> 位置は分かっているのに速度が不明な場合は
(src)="5"> If initially I know my location , but not my velocity , then I represent it with a Gaussian that 's elevated around the correct location , but really , really broad in the space of velocities .
(trg)="5"> その位置周辺に集積するデータを表した ガウス分布を使います
(trg)="6"> 速度の範囲がかなり広い場合です
(trg)="7"> 予測ステップを見てみましょう
(src)="6"> Let 's look at the prediction step .
(trg)="8"> この予測ステップでは速度が分からないため 位置を推測することができません
(src)="7"> In the prediction step , I don 't know my velocity , so I can 't possibly predict for location .
(src)="8"> I 'm going to assume .
(trg)="9"> しかし速度と位置には興味深い相関性があります
(src)="9"> But miraculously , they 'll be some interesting correlation .
(trg)="10"> この分布からある1点を選んでみましょう
(src)="10"> So let 's for a second , just pick a point on this distribution over here .
(trg)="11"> 速度が0であると仮定します
(src)="11"> Let me assume my velocity is 0 .
(trg)="12"> 現実での速度は不明ですがここでは0と仮定します
(src)="12"> Of course , in practice , I don 't know the velocity , but let me assume for a moment the velocity is 0 .
(trg)="13"> 予測後の結果はどうなるでしょう
(src)="13"> Where would my posterior be after the prediction ?
(trg)="14"> 出発点が1であることは分かっています
(src)="14"> Well , we know we started in location 1 .
(trg)="15"> 速度は0なので位置はこのままになるでしょう
(src)="15"> The velocity is 0 , so my location would likely be here .
(trg)="16"> では速度の信念を変えて 1を選んでみることにします
(src)="16"> Now let 's change my belief in velocity and pick a different one .
(src)="17"> Let 's say the velocity is 1 .
(trg)="17"> 1ステップ後の予測はどこになるでしょうか
(src)="18"> Where would my prediction be 1 time step later starting at location 1 and velocity 1 ?
(trg)="18"> 出発点の位置は1で 速度も1という場合の事後予測を求めます
(trg)="19"> では3つの選択肢を与えます
(src)="19"> I 'll give you 3 choices .
(src)="20"> Here ?
(trg)="20"> この中から正しいと思うものを1つ選んでください

# en/016kyyGceHbM.xml.gz
# ja/016kyyGceHbM.xml.gz

(src)="1"> It should print 12 , and 3 plus 4 plus 5 with all the spaces .
(trg)="2"> 皆さんの予想とは違うかもしれません ここでは使っていませんが
(src)="2"> This might have been different from what you expected .
(src)="3"> We didn 't use quotation marks here .
(trg)="3"> 引用符をつけるとテキストを文字どおり表示します ここでは
(src)="4"> The quotation marks mark literal text .
(src)="5"> If we use quotes , it means that we want to write 3 plus 4 plus 5 as it is .
(trg)="4"> 3＋4＋5がそのまま表示されます つけない場合コンピュータは
(src)="6"> But when we don; t use quotes , the computer reads 3 plus 4 plus 5 as numbers .
(trg)="5"> 3＋4＋5を数として読み取ります コンピュータは足し算のやり方を知っているので
(src)="7"> It knows how to add the numbers , so it added the numbers and then it printed the result as you can see here .
(trg)="6"> 計算した答えを表示したのです それがこの数字です
(src)="8"> You can use system . out . println to print numbers and text
(trg)="7"> このように数とテキストを表示させるには system．out．printlnが使えます

# en/01D9UwYi1M4v.xml.gz
# ja/01D9UwYi1M4v.xml.gz

(src)="1">
(trg)="2"> 先のビデオと同じ問題を扱います。
(src)="2"> This is the same problem that we had in the last video .
(trg)="3"> エンジンが排出量の規制を満たすかどうか
(src)="3"> But instead of trying to figure out whether the data supplies sufficient evidence to conclude that the engines meet the actual emissions requirement , and all of the hypothesis testing , I thought I would also use the same data that we had in the last video to actually come up with a 95 % confidence interval .
(trg)="4"> 結論する十分な証拠がデータに
(trg)="5"> 存在するか、そして、
(trg)="6"> 仮説の確認をする代わりに、
(src)="4"> So you could ignore the question right here .
(trg)="10"> このすべてを無視できます。
(src)="5"> You can ignore all of this .
(trg)="11"> 同じデータを使用して
(src)="6"> I 'm just using that same data to come up with a 95 % confidence interval for the actual mean emission for this new engine design .
(trg)="12"> 実際の平均排出の９５％の信頼区間を
(trg)="13"> 新しいエンジンの設計のために求めます。
(trg)="14"> だから、95% 信頼区間を見つけたいです。
(src)="7"> So we want to find a 95 % confidence interval .
(trg)="15"> データの数は１０なので、
(src)="8"> And as you could imagine , because we only have 10 samples right here , we 're going to want to use a
(trg)="16"> ここでは、T分布を
(trg)="17"> 利用します。
(src)="9"> T- distribution .
(trg)="18"> ここに T 表があります。
(src)="10"> And right down here I have a T- table .
(trg)="19"> 95% 信頼区間を求めています。
(src)="11"> And we want a 95 % confidence interval .
(trg)="20"> T 値の範囲で、９５ー
(src)="12"> So we want to think about the range of T- values that 95 -- or the range that 95 % of T- values will fall under .
(trg)="21"> T 値の 95% に入る域を考えます。
(trg)="22"> このように考えましょう。
(src)="13"> So let 's think about this way .
(trg)="23"> 描画します。
(src)="14"> So let me draw a
(trg)="24"> ここに T 分布があります。
(src)="15"> T- distribution right over here .
(trg)="25"> だから T 分布は、通常に
(src)="16"> So a T- distribution looks very similar to a normal distribution but it has fatter tails .
(trg)="26"> 正規分布に似ていますが、太った裾を持っています。
(trg)="27"> この端とこの端が、正規分布より
(src)="17"> This end and this end will be fatter than in a normal distribution .
(trg)="28"> 太いです。
(trg)="29"> これから、区間を見つけるに
(src)="18"> And then we want to find an interval , so if this is a normalized T- distribution the mean is going to be 0 .
(trg)="30"> これが正規化された T 分布では、平均値は 0 です。
(trg)="31"> この正数と負数の間の T 値を見て、
(src)="19"> And we want to find interval of T- values between some negative value here and some positive value here that contains 95 % of the probability .
(trg)="32"> 確率の 95 ％ が含まれている区間を
(trg)="33"> 見つけます。
(trg)="34"> これが 95% です。
(src)="20"> So this right here has to be 95 % .
(trg)="35"> これらの両辺の重要な T 値を把握するために
(src)="21"> And to figure what these critical T- values are at this end and this end , we can just use a T- table .
(trg)="36"> T 表を使用できます。
(trg)="37"> 両側を使用します。
(src)="22"> And we 're going to use the two- sided version of this because we 're symmetric around the center .
(trg)="38"> これは、対称です。
(trg)="39"> 95 ％ の信頼区間は、両面に見られ、
(src)="23"> So you look at the two- sided , we want a 95 % confidence interval , so we 're going to look right over here , 95 % confidence interval .
(trg)="40"> ここでは、95 ％
(trg)="41"> 信頼区間はここです。
(trg)="42"> 10 のデータ ポイントでは、
(src)="24"> We have 10 data points , which means we have 9 degrees of freedom .
(trg)="43"> 9 自由度があります。
(trg)="44"> 10 のデータ点では 9 自由度です。
(src)="25"> So 9 degrees of freedom for our 10 data points .
(trg)="45"> 10 から 1 を引いたものです。
(src)="26"> We just took 10 minus 1 .
(trg)="46"> ここを見ると、 T 分布で
(src)="27"> So if we look over here , so for a T- distribution with 9 degrees of freedom , you 're going to have 95 % of the probability is going to be contained within a T- value of -- so the T- value is going to be between negative , so this value right here is 2 . 262 , and this value right here is negative 2 . 262 .
(trg)="47"> ９自由度では、確率が 95 ％ は
(trg)="48"> T 値は
(trg)="49"> 負数側は、
(src)="28"> That 's what this right here tells us .
(trg)="53"> 中心から
(src)="29"> That if you contain all the values that are less than 2 . 262 away from the center of your T- distribution , you will contain 95 % of the probability .
(trg)="54"> 2.262以内のすべての値を含むと
(trg)="55"> 95% の確率を含みます。
(trg)="56"> T 分布がここです。
(src)="30"> So that is our T- distribution right there .
(trg)="57"> 明確にします。
(src)="31"> Let me make it very clear .
(trg)="58"> これは、T 分布です。
(src)="32"> This is our T- distribution .
(trg)="59"> いいですか？
(trg)="60"> このT分布から T 値をランダムに選択する場合
(src)="33"> So if you randomly pick a T- value from this
(trg)="61"> 95% チャンスで
(src)="34"> T- distribution , it has a 95 % chance of being within this far from the mean .
(trg)="62"> この中心からの区間に含まれる可能性があります。
(trg)="63"> 書き換えると、
(src)="35"> Or maybe we should write this way .
(trg)="64"> ランダムな T 値を選ぶ場合に
(src)="36"> If I pick a random T- value , if I take a random T- statistic --
(trg)="65"> 95 ％ の確率で
(src)="37"> let me write it this way -- there 's a 95 % chance that a random T- statistic is going to be less than 2 . 262 , and greater than negative 2 . 262 .
(trg)="66"> ランダムの T 統計は、 2.262より少なく
(trg)="67"> ー 2.262 より大きくなります。
(trg)="68"> 95% のチャンス。
(src)="38"> 95 % percent chance .
(trg)="69"> このサンプルで、ランダムT統計を
(src)="39"> Now when we took this sample , we could also derive a random
(trg)="70"> 導くことができます。
(src)="40"> T- statistic from this .
(trg)="71"> このサンプルの平均と、標本の標準偏差があります。
(src)="41"> We have our sample mean and our sample standard deviation , our sample mean here is 17 . 17 -- figured that out in the last video , just add these up , divide by 10 -- and our sample standard deviation here is 2 . 98 .
(trg)="72"> このサンプルの平均は
(trg)="73"> 17.17で、これは先のビデオで得られました。
(trg)="74"> これらを加算し、１０で割り、
(src)="42"> So the T- statistic that we can derive from this information right over here -- so let me write it over here -- the
(trg)="77"> ここに書きます。
(trg)="78"> T 統計をこれから導出することができ
(src)="43"> T- statistic that we could derive from this , and you can view this T- statistic as being a random sample from a
(trg)="79"> つまり、このT 統計値は、T分布のランダム サンプルと
(trg)="80"> 見ることができます。
(src)="44"> T- distribution .
(trg)="81"> 9 自由度の T 分布です。
(src)="45"> A T- distribution with 9 degrees of freedom .
(trg)="82"> それからT 統計が導出することができ
(src)="46"> So the T- statistic that we could derive from that is going to be our mean , 17 . 17 minus the true mean of our population .
(trg)="83"> これが、平均の 17.17 から
(trg)="84"> 実の平均を引いた値です。
(trg)="85"> 実際、サンプルの分布の真の平均値、
(src)="47"> Or actually you would say the true mean of our sampling distribution , which is also going to be the same as the true mean of our population , because that 's our population mean over there , divided by s , which is 2 . 98 over the square root of our number of samples .
(trg)="86"> または、この集団の真の平均値と言えます。
(trg)="87"> なぜなら、集団の平均を
(trg)="88"> 2.98をサンプル数の平方根で割ったsで
(src)="48"> We 've seen this multiple times .
(trg)="91"> これが、T 統計です。
(src)="49"> This right here is the T- statistic .
(trg)="92"> このサンプルを取ることで、
(src)="50"> So by taking this sample you can say that we 've randomly sampled a T- statistic from this 9 degree of freedom
(trg)="93"> 9 自由度の T 分布から、
(trg)="94"> ランダムにサンプルを得たと言えます。
(src)="51"> T- distribution .
(trg)="95"> だから、 95% チャンスで
(src)="52"> So there 's a 95 % chance that this thing right over here is going to be between -- is going to be less than 2 . 262 and greater than negative 2 . 262 .
(trg)="96"> 2.262と
(trg)="97"> ー 2.262 の間にあたります。
(trg)="98"> だから、95% の確率はまだここに適用されます。
(src)="53"> So the 95 % probability still applies to this right here .
(trg)="99"> これらの事を計算する必要があります。
(src)="54"> Now we just have to do some math , calculate these things .
(trg)="100"> 電卓を使用します。
(src)="55"> So let me get my calculator out .
(trg)="101"> いいですか？
(trg)="102"> これを計算すると
(src)="56"> And so let me just calculate this denominator right over here .
(trg)="103"> ここで分母はこれです。
(trg)="104"> 10 の平方根で 2.98 を割ります。