Loading [MathJax]/jax/output/CommonHTML/jax.js

ワーク6章


6_連続型分布と標本分布

[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、

      aXb における条件付き期待値は、  E(X|aXb)=baxfX(x)dxP(aXb)

      条件付き確率密度関数は、         fX|axb(x)=fX(x)P(aXb)

積分を P(aXb) 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  Xa のとき Zc とすると、

     E(X|Xa)=E(σZ+μ|Zc)=σE(Z|Zc)+E(μ|Zc)=σE(Z|Zc)+μ

問6.1 条件付期待値(類題2015④)

(1) XN(65,102) より、Z=X6510N(0,1)

X=85 のとき、Z=856510=2

偏差値は N(50,10) に変換した点数だから、50+210=70

(2) 60X850.5Z2

     P(0.5Z2)=F(2)F(0.5)

付表1. 標準正規分布の上側確率の表から、

     P(0.5Z2)=1Q(2)Q(0.5)=10.02280.3085=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、XN(65, 102)

X65Z0

     E(X|X65)=E(10Z+65|Z0)=10E(Z|Z0)+E(65|Z0)

     E(Z|Z0)=0zφ(z)P(Z0)dz=20zφ(z)dz   ただし、φ(z)=12πexp(z22)

ここで、 (exp(z22))=zexp(z22) より 、{φ(z)}=zφ(z)

     E(Z|Z0)=2[φ(z)]0=2φ(0)=212π=2π

E(X|X60)=10E(Z|Z0)+E(65|Z0)=102π+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)=40008090=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、

Σ1=1σ2xσ2y(1ρ2)(σ2yσxyσxyσ2x) であり、 f(x,y)=1(2π)2|Σ|exp[12(Xμ) Σ1(Xμ)]

f(x,y)=12πσxσy1ρ2exp[121(1ρ2)[(xμxσx)22ρ(xμxσx)(yμyσy)+(yμyσy)2]]

f(x)=12πσxexp[12(xμxσx)2]  、f(y|x)=f(x,y)f(x) から

     f(y|x)N(μy+ρσy(xμxσx) , (1ρ2)σ2y)   を得る。

よって、 E(y|x)=μy+ρσy(xμxσx)   V(y|x)=(1ρ2)σ2y

x を固定したときの条件付き期待値は yx 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(xμxσx)=250+(59)90(x30580)=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(Tt)=1F(t)=tf(u)du

     ハザード関数  h(t)=F(t)1F(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)1F(t)=λ   この微分方程式を解く。( 初期条件: F(0)=0

11FdFdt=λ  より、 dF1F=λdt  よって dF1F=λdt

     log(1F)=λt+C    1F=eλteC

初期条件 F(0)=0 から、 eC=1    1F=eλt   

     F(t)=1eλt     S(t)=1F(t)=eλt

確率密度関数:f(t)=λeλt     生存関数: S(t)=eλt

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)=eλt となるのは指数分布であるから、確率密度関数は f(t)=λeλt である。

(2)上側25%点は   F(t)=0.75   S(t)=0.25

     S(t)=eλt=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  eλt=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)=λeλt に従っており、

     E(T)=0tλeλtdt=[teλt]0+0eλt=[1λeλt]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(xμ1,Σ1)+π2N(xμ2,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(x65, 42),N(x85, 32)

     p(x)=35N(x65, 42)+25N(x85, 32)

(1) Aさんについては、

     XN(65,42) より、Z=X654N(0,1)

X=67 のとき、Z=67654=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(x60) を求める。

     P(x60)=35N(x6065, 42)+25N(x6085, 32)

     N(x6065, 42)=N(x6541.2565, 42)=10.1056=0.8944

     N(x6085, 32)=N(x8538.385, 32)=1

よって、35(0.8944)+251=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。


© hyoccori-toukei 2021