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

離散型分布


離散分布と関連分布

ベルヌーイ分布

XBer(p) のとき

     E(X)=p  ,  V(X)=pq

     GX(t)=E(tX)=t0q+t1p=q+pt

     MX(t)=E(etX)=et0q+et1p=q+pet

     ϕX(t)=E(eitX)=q+peit

XBer(p)=Bin(1,p) :1回しか行わない二項分布と考えることもできる。

二項分布

X1,X2,,XnBer(p):i.i.d :起こった回数をカウントする確率変数

     X=X1+X2++XnBin(n,p) :n回の試行で起こった回数

独立な確率変数の和で表されるので応用がしやすい。

     E(X)=np  ,  V(X)=npq

     GX(t)=E(tX1++Xn)=(t0q+t1p)n=(q+pt)n

     MX(t)=E(et(X1++Xn))=(et0q+et1p)n=(q+pet)n

     ϕX(t)=E(eitX)=(q+peit)n

 

多次元ベルヌーイ分布

X=(X(1), X(2), X(k))M(1;p1,,pk) :k種の事柄 A1,,Ak について起こった回数をカウント

     E(X)=(p1,,pk)  ,  Σ=(p1q1p1p2p1pkpkp1pkp2pkqk)

     GX(t1,tk)=E(tX(1)1tX(k)k)=t11p1++t1kpk=t1p1++tkpk

多項分布

X1,X2,,XnM(1;p1,,pk):i.i.dA1,,Ak について起こった回数をn回カウント

     E(X)=(np1,,npk)  ,  Σ=(np1q1np1p2np1pknpkp1npkp2npkqk)

     GX(t1,tk)=GX1++Xn(t1,tk)=(t1p1++tkpk)n

 

幾何分布(定義1)

あつまれ統計の森 様 「統計検定準1級問題解説 ~2019年6月実施 問2 幾何分布~」
     https://www.hello-statisticians.com/toukei-kentei-semi1-kakomon-cat/kakomon-semi1-2019/201906-02.html
「離散型確率分布の数式まとめ」(ベルヌーイ分布、二項分布、ポアソン分布、幾何分布 etc)
     https://www.hello-statisticians.com/explain-terms-cat/probdist1.html#i-3

[基本]

成功確率 p の独立なベルヌーイ試行を繰り返したとき、はじめて成功するまでの試行回数

Xの分布を幾何分布 Ge(p) という。初めて成功するのが x 回目であり、

     P(X=n)=p(1p)n1    E(X)=1p  ,  V(X)=1pp2=qp2

期待値は、1(1x)2=n=1nxn1 を用いて計算。 また、
2(1x)3=n=2n(n1)xn2

E[X(X1)]=x=2x(x1)p(1p)x1=p(1p)x=2x(x1)(1p)x2=p(1p)2(1(1p))3=2(1p)p2 に注意

q=1p とおくと、

確率母関数      GX(t)=E(tX)=txpqx1=pt(qt)x1=pt1qt   (等比級数の和)

モーメント母関数   MX(t)=E(etX)=etxp(1p)x1=pet(qet)x1=pet1qet

期待値、分散も確率母関数を用いると

GX(t)=p(1qt)pt(q)(1qt)2=p(1qt)2 から E(X)=GX(1)=pp2=1p

GX(t)=2pq(1qt)(1qt)4=2pq(1qt)3 から E(X(X1))=2qp2 、   V(X)=2qp2+1p1p2=qp2=1pp2

(負の二項分布も確率母関数を使ったほうがよい)

もう1つの定義

はじめて成功するまでの失敗回数 の分布と定義するとどう変わるか整理しよう。

成功するまでの試行回数 XX=Y+1 であり

     E(Y+1)=1p  ,  V(Y+1)=1pp2=qp2

     E(Y)=1p1=qp  ,  V(Y)=1pp2=qp2

このほうがまとまりがよいように思う。

     GY(t)=E(tX1)=tx1pqx1=p1qt

     MY(t)=E(et(X1))=et(x1)p(1p)x1=p1qet

ワークは「もう一つの定義」によっているので整理しておこう。

幾何分布(定義2)

成功確率 p の独立なベルヌーイ試行を繰り返したとき、

はじめて成功するまでの失敗回数 Xの分布を幾何分布Ge(p) という。

      P(X=k)=pqk     モーメント母関数から求めよう。

     MX(t)=E(etX)=ketkpqk=p1qet

     GX(t)=E(tX)=ktkpqk=p1qt

GX(t)=pq(1qt)2 から、 E(X)=GX(1)=pq(1q)2=qp

GX(t)=2pq2(1qt)3 から、 E(X(X1))=GX(1)=2pq2(1q)3=2q2p

     V(X)=E(X(X1))+E(X)E(X)2=qp2

負の二項分布

幾何分布を一般化したもので、ベルヌーイ試行を繰り返し行ったとき
r 回目の事象 Aが起こったときまでに 、事象 ¯A が起こった回数を確率変数 X とする。

r 回のA( A1,A2,,Ar とかく)に x 回の ¯A が挟まれている。

     ¯AA1,¯AA2,,¯AAr

¯A の場所の決め方は、x+r1Cx 通り。

A1,A2,,Ar から繰り返しを許して x 回選び、選んだ Ai の左に ¯A を入れる方法と考えると、

     rHx=r+x1Cx 通り
     P(X=x)=x+r1Cxpr(1p)x=rHxqxpr

これを負の二項分布という。

幾何分布の定義をもう1つの定義にしておけば、XiGe(p):i.i.d.i=1,2,,r

     X=X1+X2++XrNB(r,p)    ( negative binomial dist. )

¯AA1,¯AA2,,¯AAr の各ブロックの中の ¯A の個数が X1,X2,,Xr であり、

x=X1+X2++Xr を満たす のパターン数は、

     重複組合せ rHy=r+y1Cy 通り。

各パターンの確率は qypr だから

     P(X=x)=rHxqxpr P(X=x)=rHxqxpr

     E(X)=rk=1E(Xk)=rqp    V(X)=rqp2

     GX(t)=E(tX1++Xn)=rk=1E(tXk)=(p1qt)r

高知工科大学 井上 昌昭 様 基礎数学ワークブック番外編「確率分布」
     http://www.core.kochi-tech.ac.jp/m_inoue/work/pdf/2005/bangai01/03.pdf

統計科学研究所 様 確率変数と確率分布
     https://statistics.co.jp/reference/Toukeidatakaiseki_Nyumon/datakaiseki_nyumon3.pdf

r 回成功するまでの回数 Y は、独立な r 個の幾何分布の和で表され、負の二項分布という。

パラメーターは p のみであることに注意する。

     P(Y=y|r,p)=rHypr(1p)y,y=0,1,2,

     P(X=k|r,p)=r+k1Ck(1p)kpr

負の二項分布のNB(r,p)は、表が出る確率がpのコイン投げを考える際に、
     r回表が出るまでにX=k回裏が出る確率P(X=k|r,p)について考える分布である。

 

超幾何分布

N個からn個を非復元で取り出すとき、M個の種族 からの個数が従う分布

     YHG(N,M,n)

     P(Y=y)=MCy×NMCnyNCn

[復元で取り出す場合]

     ZBin(n,MN)    E(Z)=nMN   ,   V(Z)=nMN(1MN)

     二項分布に従う。

[非復元で取り出す場合]

     YHG(N,M,n)    E(Y)=nMN   ,   V(Y)=nMN(1MN)×NnN1

     有限母集団修正という。(期待値は変わらず、分散は小さくなる)

 

ポアソン分布

単位時間中にある事象が発生する平均回数をλとする。

単位時間中にその事象が発生する回数をXとするとき、X はポアソン分布に従う。

     p(x|λ)=λxx! eλ

[前提条件]

・独立性:次に起きる確率は、これまでの経過に関係しない。

・定常性:確率は、対象とする期間中は一定である。

・希少性:微小時間内では2回起こらない。

XPo(λ) : ポアソン分布に従うとき、E(X)=λV(X)=λ


© hyoccori-toukei 2021