[条件付期待値] (大学生の確率統計 p130参照)
Xの確率密度関数が、fX(x) であるとき、
a≤X≤b における条件付き期待値は、 E(X|a≤X≤b)=∫bax⋅fX(x)dxP(a≤X≤b)
条件付き確率密度関数は、 fX|a≤x≤b(x)=fX(x)P(a≤X≤b)
積分を P(a≤X≤b) で割っているだけなので、期待値や分散の線型性は成立する。
[参考]
連続の E(Y|X) のとき、E(Y|X=x)=∫∞−∞yfY|X(y|x)dy=∫∞−∞yf(X,Y)(x,y)fX(x)dy
ただし、fX(x)=∫∞−∞f(X,Y)(x,y)dy (周辺分布)
条件付き期待値も線型性を持つ。標準正規分布に直して計算するとよい。
X=σZ+μ X≥a のとき Z≥c とすると、
E(X|X≥a)=E(σZ+μ|Z≥c)=σE(Z|Z≥c)+E(μ|Z≥c)=σE(Z|Z≥c)+μ
問6.1 条件付期待値(類題2015④)
(1) X∼N(65,102) より、Z=X−6510∼N(0,1)
X=85 のとき、Z=85−6510=2
偏差値は N(50,10) に変換した点数だから、50+2⋅10=70
(2) 60≤X≤85⟺−0.5≤Z≤2
P(−0.5≤Z≤2)=F(2)−F(−0.5)
付表1. 標準正規分布の上側確率の表から、
P(−0.5≤Z≤2)=1−Q(2)−Q(0.5)=1−0.0228−0.3085=0.669
よって、1000人のうち 669人。
(3) 四分位範囲=(第3四分位点)ー(第1四分位点)
第3四分位点は上側25%点だから、0.67
第1四分位点は上側75%点だから、-0.67
よって、Z の四分位範囲は、2⋅(0.67)
X の四分位範囲は、標準偏差をかけて 2⋅(0.67)⋅10=13.4
(4) 本問では、X∼N(65, 102)
X≥65⟺Z≥0
E(X|X≥65)=E(10Z+65|Z≥0)=10E(Z|Z≥0)+E(65|Z≥0)
E(Z|Z≥0)=∫∞0zφ(z)P(Z≥0)dz=2∫∞0zφ(z)dz ただし、φ(z)=1√2πexp(−z22)
ここで、 (exp(−z22))′=−z⋅exp(−z22) より 、{−φ(z)}′=zφ(z)
E(Z|Z≥0)=2[−φ(z)]∞0=2φ(0)=21√2π=√2π
E(X|X≥60)=10E(Z|Z≥0)+E(65|Z≥0)=10√2π+65=10⋅(0.798)+65=72.98
問6.2 二変量正規分布(類題2015⑧)
[基本] 和の分散
V(X+Y)=Cov(X+Y, X+Y)=Cov(X,X)+Cov(Y,Y)+2Cov(X,Y) より
V(X+Y)=V(X)+V(Y)+2Cov(X,Y)
(1) Listeningを X 、Readingを Y とする。
E(X)=305 , E(Y)=250 , V(X)=802 , V(Y)=902 , V(X+Y)=1502
1502=802+902+2Cov(X,Y) から Cov(X,Y)=4000 だから、
ρ(X,Y)=Cov(X,Y)√V(X)√V(Y)=400080⋅90=0.5556
(3) 条件付き期待値
2変量正規分布の確率密度関数は 平均と分散共分散行列によって決まる。
(xy)∼N2((μxμy),(σ2xσxyσxyσ2y))=N2((μxμy),(σ2xρσxσyρσxσyσ2y)) のとき、
Σ−1=1σ2xσ2y(1−ρ2)(σ2y−σxy−σxyσ2x) であり、 f(x,y)=1(√2π)2√|Σ|exp[−12(X−μ)′ Σ−1(X−μ)]
f(x,y)=12πσxσy√1−ρ2exp[−121(1−ρ2)[(x−μxσx)2−2ρ(x−μxσx)(y−μyσy)+(y−μyσy)2]]
f(x)=1√2πσxexp[−12(x−μxσx)2] 、f(y|x)=f(x,y)f(x) から
f(y|x)∼N(μy+ρσy(x−μxσx) , (1−ρ2)σ2y) を得る。
よって、 E(y|x)=μy+ρσy(x−μxσx) V(y|x)=(1−ρ2)σ2y
x を固定したときの条件付き期待値は y の x による回帰直線に等しいことが分かる。
以下、ノートに基づいて計算してみる。(証明は略する)
(一般の計算は、当サイト「2変量正規分布と線形回帰」参照)
本問では、
E(y|x)=μy+ρσy(x−μxσx)=250+(59)90(x−30580)=0.625x+59.375
x=335 のとき、E(y|x)=268.75
問6.3 生存関数(類題2015⑧)
[基本事項]
T は生存時間(死亡時刻・イベントが起きる時刻)を表す確率変数とすると、
分布関数 F(t)=P(T<t)=∫t0f(u)du
生存関数 S(t)=P(T≥t)=1−F(t)=∫∞tf(u)du
ハザード関数 h(t)=F′(t)1−F(t)=−S′(t)S(t)
理想的な状態として、瞬間故障率(ハザード関数)が一定の場合を考える。
F′(t)1−F(t)=λ この微分方程式を解く。( 初期条件: F(0)=0 )
11−F⋅dFdt=λ より、 dF1−F=λdt よって ∫dF1−F=∫λdt
−log(1−F)=λt+C 1−F=e−λt⋅e−C
初期条件 F(0)=0 から、 e−C=1 ∴1−F=e−λt
F(t)=1−e−λt S(t)=1−F(t)=e−λt
確率密度関数:f(t)=λe−λt 生存関数: S(t)=e−λt
これは指数分布である。つまり、指数分布は瞬間故障率が一定であるような分布である。
(1) S(t)=e−λt となるのは指数分布であるから、確率密度関数は f(t)=λe−λt である。
(2)上側25%点は F(t)=0.75 ∴S(t)=0.25
S(t)=e−λt=0.25=14 λt=log4 よって t=log4λ
参考までに、中央値は、 F(t)=12 より S(t)=12 ∴e−λt=12
eλt=2 λt=log2 よって中央値は t=log2λ (類題2015⑧)
(3) 標本平均を期待値の推定値と考え、パラメーター λ を推定する。
本問では、生存時間 T は、指数分布 f(t)=λe−λt に従っており、
E(T)=∫∞0tλe−λtdt=[−te−λt]∞0+∫∞0e−λt=[−1λe−λt]∞0=1λ
1λ=3 と考えると、
上側25%点は t=3log4=4.2
問6.4 混合正規分布(類題2018⑥)
[基本]混合正規分布
p(x)=π1N(x∣μ1,Σ1)+π2N(x∣μ2,Σ2) ( π1,π2 は混合率:π1+π2=1 )
本問では、
混合率 π1=35,π2=25 、ガウス分布 N(x∣65, 42),N(x∣85, 32)
p(x)=35N(x∣65, 42)+25N(x∣85, 32)
(1) Aさんについては、
X∼N(65,42) より、Z=X−654∼N(0,1)
X=67 のとき、Z=67−654=0.5
偏差値は N(50,102) に変換した点数だから、50+(0.5)⋅10=55
(2) P(x≥60) を求める。
P(x≥60)=35N(x≥60∣65, 42)+25N(x≥60∣85, 32)
N(x≥60∣65, 42)=N(x−654≥−1.25∣65, 42)=1−0.1056=0.8944
N(x≥60∣85, 32)=N(x−853≥−8.3∣85, 32)=1
よって、35⋅(0.8944)+25⋅1=0.9366 と考えられる。
(参考)
人文2018⑤に混合正規分布が2峰となる条件についての問題がある。
混合率が同じで等分散のとき、2群の平均の差が 2σ より大きくなると、分布は2峰。