ベルヌーイ分布
X∼Ber(p) のとき
E(X)=p , V(X)=pq
GX(t)=E(tX)=t0q+t1p=q+pt
MX(t)=E(etX)=et⋅0q+et⋅1p=q+pet
ϕX(t)=E(eitX)=q+peit
X∼Ber(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,⋯,Xn∼Ber(p):i.i.d :起こった回数をカウントする確率変数
X=X1+X2+⋯+Xn∼Bin(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))=(et⋅0q+et⋅1p)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=(p1q1−p1p2⋯−p1pk⋮⋮⋮−pkp1−pkp2⋯pkqk)
GX(t1,⋯tk)=E(tX(1)1⋯tX(k)k)=t11p1+⋯+t1kpk=t1p1+⋯+tkpk
多項分布
X1,X2,⋯,Xn∼M(1;p1,⋯,pk):i.i.d : A1,⋯,Ak について起こった回数をn回カウント
E(X)=(np1,⋯,npk) , Σ=(np1q1−np1p2⋯−np1pk⋮⋮⋮−npkp1−npkp2⋯npkqk)
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(1−p)n−1 E(X)=1p , V(X)=1−pp2=qp2
期待値は、1(1−x)2=∞∑n=1nxn−1 を用いて計算。 また、
2(1−x)3=∞∑n=2n(n−1)xn−2
E[X(X−1)]=∞∑x=2x(x−1)p(1−p)x−1=p(1−p)∞∑x=2x(x−1)(1−p)x−2=p(1−p)2(1−(1−p))3=2(1−p)p2 に注意
q=1−p とおくと、
確率母関数 GX(t)=E(tX)=∑tx⋅pqx−1=∑pt(qt)x−1=pt1−qt (等比級数の和)
モーメント母関数 MX(t)=E(etX)=∑etx⋅p(1−p)x−1=∑pet⋅(qet)x−1=pet1−qet
期待値、分散も確率母関数を用いると
G′X(t)=p(1−qt)−pt(−q)(1−qt)2=p(1−qt)2 から E(X)=G′X(1)=pp2=1p
G″X(t)=2pq(1−qt)(1−qt)4=2pq(1−qt)3 から E(X(X−1))=2qp2 、 V(X)=2qp2+1p−1p2=qp2=1−pp2
(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 X は X=Y+1 であり
E(Y+1)=1p , V(Y+1)=1−pp2=qp2
E(Y)=1p−1=qp , V(Y)=1−pp2=qp2
このほうがまとまりがよいように思う。
GY(t)=E(tX−1)=∑tx−1⋅pqx−1=p1−qt
MY(t)=E(et(X−1))=∑et(x−1)⋅p(1−p)x−1=p1−qet
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)=∑ketk⋅pqk=p1−qet
GX(t)=E(tX)=∑ktk⋅pqk=p1−qt
G′X(t)=pq(1−qt)2 から、 E(X)=G′X(1)=pq(1−q)2=qp
G″X(t)=2pq2(1−qt)3 から、 E(X(X−1))=G″X(1)=2pq2(1−q)3=2q2p
V(X)=E(X(X−1))+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。
¯A⋯A1,¯A⋯A2,⋯,¯A⋯Ar
¯A の場所の決め方は、x+r−1Cx 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+x−1Cx 通り
P(X=x)=x+r−1Cxpr(1−p)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、Xi∼Ge(p):i.i.d. (i=1,2,⋯,r )
X=X1+X2+⋯+Xr∼NB(r,p) ( negative binomial dist. )
¯A⋯A1,¯A⋯A2,⋯,¯A⋯Ar 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+y−1Cy 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)=r∑k=1E(Xk)=rqp V(X)=rqp2
GX(t)=E(tX1+⋯+Xn)=r∏k=1E(tXk)=(p1−qt)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(1−p)y,y=0,1,2,…
P(X=k|r,p)=r+k−1Ck(1−p)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
Y∼HG(N,M,n)
P(Y=y)=MCy×N−MCn−yNCn
[復元で取り出す場合]
Z∼Bin(n,MN) E(Z)=n⋅MN , V(Z)=n⋅MN(1−MN)
二項分布に従う。
[非復元で取り出す場合]
Y∼HG(N,M,n) E(Y)=n⋅MN , V(Y)=n⋅MN(1−MN)×N−nN−1
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! e−λ
[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。
X∼Po(λ) : ポアソン分布に従うとき、E(X)=λ 、V(X)=λ