ラムダ計算

SPCの中核となる原則は、プロセス変動を2つのタイプに区別することです。共通要因による変動とは、プロセス内に内在するランダムな「ノイズ」であり、安定しており予測可能です。一方、特殊要因による変動（または帰属要因）は、外部の特定可能な要因に起因するものであり、プロセスの不安定性を示しています。その目的は、特殊要因を排除し、共通要因による変動を低減することにあります。

SPCで使用されるグラフツールで、プロセス変数を時間経過とともに監視するために使用されます。プロセス平均を表す中心線（CL）と、上限管理限界（UCL）および下限管理限界（LCL）の間にデータポイントをプロットします。これらの限界は通常、平均値から3標準偏差（[latex]mu pm 3sigma[/latex]）に設定され、想定される共通原因変動の範囲を定義します。

一元配置分散分析は、3つ以上の独立したグループの平均値間に統計的に有意な差があるかどうかを判断するために使用されます。これは、因子と呼ばれる単一のカテゴリカル独立変数が連続従属変数に及ぼす影響を分析します。帰無仮説は、すべてのグループの平均が等しいことを示しています。[latex]H_0: mu_1 = mu_2 = dots = mu_k[/latex]。

ゲーデル数化は、形式言語におけるすべての記号、数式、証明に固有の自然数（ゲーデル数）を割り当てる基礎的な手法です。この構文の算術化により、形式体系に関するメタ数学的な記述（例えば、「この数式は証明可能である」）を数値に関する算術的な記述として符号化することが可能になり、体系内でそれらの記述について推論を行うことができます。

ベイズ因子は、2 つの競合する仮説（多くの場合、帰無仮説（[latex]M_1[/latex]）と対立仮説（[latex]M_2[/latex]））の周辺尤度の比です。これは、観測データ [latex]D[/latex] に基づいて、一方の仮説が他方の仮説よりもどれだけ支持されているかを定量化します。式は [latex]K = frac{P(D|M_1)}{P(D|M_2)}[/latex] です。K の値が 1 より大きい場合は、データが [latex]M_1[/latex] を [latex]M_2[/latex] よりも支持していることを示します。

信頼区間は、頻度論的信頼区間のベイズ版です。これは、事後確率分布に基づいて、特定の確率でパラメータが含まれる値の範囲です。たとえば、パラメータ[latex]theta[/latex]の95%信頼区間とは、データとモデルが与えられた場合、[latex]theta[/latex]の真の値がその区間内に含まれる確率が95%であることを意味します。

位相空間は、順序対 [latex](X, tau)[/latex] であり、[latex]X[/latex] は集合、[latex]tau[/latex] の部分集合の集合（開集合と呼ばれる）で、次の 3 つの公理を満たします。1) 空集合 [latex]emptyset[/latex] と [latex]X[/latex] 自体は [latex]tau[/latex] に含まれます。2) [latex]tau[/latex] 内の任意の数の集合の和集合も [latex]tau[/latex] に含まれます。3) [latex]tau[/latex] 内の任意の有限個の集合の共通部分も [latex]tau[/latex] に含まれます。

ツェルメロ＝フレンケル集合論（一般にZFCと略記され、公理は選択する）は、現代数学における標準的な公理系である。これは、一階述語論理で表現された一連の公理から成り、集合の性質を形式化する。今日用いられている数学定理のほぼすべては、ZFCの枠組みの中で定式化および証明することができる。

分散分析（ANOVA）は、データセットにおける観測された全変動を、異なる要因に起因する成分に分解する統計的手法です。その核心は、異なるグループ間の平均値の分散と、各グループ内の平均値の分散を比較することです。グループ間の分散が有意に大きい場合、グループ間の平均値は実際に異なっていることを示唆します。

クーラン・フリードリヒス・レヴィ（CFL）条件は、陽的時間積分スキームを用いた双曲型偏微分方程式の数値解法に必要な安定性基準です。この条件は、時間ステップサイズが十分に小さくなければならず、情報が時間ステップごとに1つの空間グリッドセルを超えて移動しないことを規定しています。1次元の場合、[latex]C = u frac{Delta t}{Delta x} le C_{max}[/latex]となり、数値的な安定性が保証されます。

ANOVAの結果が有効であるとみなされるためには、データに関するいくつかの重要な仮定を満たす必要があります。それらは次のとおりです。(1) 観測値の独立性、つまり誤差が無相関であること。(2) 正規性、つまり各グループの残差がほぼ正規分布に従うこと。(3) 等分散性、つまりすべてのグループで残差の分散が等しいこと。

モンテカルロ法は、数値結果を得るために繰り返しランダムサンプリングを行う計算アルゴリズムの幅広い分類群です。その根底にある概念は、原理的には決定論的な問題をランダム性を用いて解決することです。モンテカルロ法は、他の手法が困難または不可能な場合、特に複雑なシステムのシミュレーションや高次元関数の積分などによく用いられます。

有限要素法（FEM）は、偏微分方程式で記述される複雑な工学および物理学の問題を解くための強力な数値解析手法です。連続領域を「有限要素」と呼ばれるより小さく単純なサブドメインの集合に離散化することで機能します。これにより、構造解析、熱伝達、流体流れ、電磁気学などの問題の近似的な数値解を求めることが可能になります。