WIIS

連続型の確率分布

連続型の同時確率変数

目次

Twitter
Mailで保存

連続型の同時確率変数

「コインを1回投げる」という試行の標本空間が、\begin{equation*}
\Omega =\left\{ \text{表},\text{裏}\right\}
\end{equation*}であるように、試行において起こり得る標本点は数値であるとは限りません。確率に関して定量的な分析を行うためには、それぞれの標本点を数値として表現できれば何かと便利です。そこで、それぞれの標本点\(\omega \in \Omega \)に対して実数\(X\left( \omega \right) \in \mathbb{R} \)を1つずつ定める確率変数\begin{equation*}X:\Omega \rightarrow \mathbb{R} \end{equation*}という概念を導入しました。

確率変数を利用すれば標本点が持つ特定の属性を数値化できます。ただ、確率変数はそれぞれの標本点に対して実数を1つずつ定めるルールであるため、標本点が持つ複数の属性を同時に扱うことはできません。標本点が持つ複数の属性の関係性を分析するためには複数の確率変数を同時に扱う必要があります。まずは、2つの確率変数を同時に扱う方法について解説します。

問題としている試行に関する2つの連続型確率変数\begin{eqnarray*}
X &:&\Omega \rightarrow \mathbb{R} \\
Y &:&\Omega \rightarrow \mathbb{R} \end{eqnarray*}が与えられている状況を想定します。つまり、これらの値域\begin{eqnarray*}
X\left( \Omega \right) &=&\left\{ X\left( \omega \right) \in \mathbb{R} \ |\ \omega \in \Omega \right\} \\
Y\left( \Omega \right) &=&\left\{ Y\left( \omega \right) \in \mathbb{R} \ |\ \omega \in \Omega \right\}
\end{eqnarray*}がともに数直線\(\mathbb{R} \)上の区間や互いに素な区間の和集合であるということです。これらの確率変数はそれぞれの標本点\(\omega \in\Omega \)に対して、以下の実数\begin{eqnarray*}X\left( \omega \right) &\in &\mathbb{R} \\
Y\left( \omega \right) &\in &\mathbb{R} \end{eqnarray*}を1つずつ定めます。以上の2つの確率変数\(X,Y\)が与えられれば、それぞれの\(\omega \in \Omega \)に対して、2次元ベクトル\begin{equation*}\left( X,Y\right) \left( \omega \right) =\left( X\left( \omega \right)
,Y\left( \omega \right) \right) \in \mathbb{R} ^{2}
\end{equation*}を1つずつ定めるベクトル値関数\begin{equation*}
\left( X,Y\right) :\Omega \rightarrow \mathbb{R} ^{2}
\end{equation*}が定義可能です。これを連続型の同時確率変数(continuous joint random variable)や連続型の確率ベクトル(continuous random vector)などと呼びます。

例(連続型の同時確率変数)
「気候を観測する」という試行について考えます。観測した降雨量を\(\omega _{1}\)で、日照時間を\(\omega _{2}\)でそれぞれ表記するのであれば、問題としている試行の標本空間は、\begin{equation*}\Omega =\left\{ \left( \omega _{1},\omega _{2}\right) \ |\ \forall i\in
\left\{ 1,2\right\} :0\leq \omega _{i}<+\infty \right\}
\end{equation*}となります。「降雨量」と「日照時間」の関係性を分析したい場合には、それらを特定する2つの確率変数の同時確率変数を利用することになります。「降雨量」を特定する確率変数\(X:\Omega \rightarrow \mathbb{R} \)はそれぞれの標本点\(\left( \omega _{1},\omega _{2}\right) \in \Omega \)に対して、\begin{equation*}X\left( \omega _{1},\omega _{2}\right) =\omega _{1}
\end{equation*}を定めます。この確率変数の値域は、\begin{equation*}
X\left( \Omega \right) =[0,+\infty )
\end{equation*}という区間であるため、\(X\)は連続型の確率変数です。「日照時間」を特定する確率変数\(Y:\Omega \rightarrow \mathbb{R} \)はそれぞれの標本点\(\left( \omega _{1},\omega _{2}\right) \in \Omega \)に対して、\begin{equation*}Y\left( \omega _{1},\omega _{2}\right) =\omega _{2}
\end{equation*}を定めます。この確率変数の値域は、\begin{equation*}
Y\left( \Omega \right) =[0,+\infty )
\end{equation*}という区間であるため、\(Y\)は連続型の確率変数です。連続型の同時確率変数\(\left( X,Y\right) :\Omega\rightarrow \mathbb{R} ^{2}\)はそれぞれの標本点\(\left( \omega _{1},\omega _{2}\right) \in \Omega \)に対して、\begin{eqnarray*}\left( X,Y\right) \left( \omega _{1},\omega _{2}\right) &=&\left( X\left(
\omega _{1},\omega _{2}\right) ,Y\left( \omega _{1},\omega _{2}\right)
\right) \\
&=&\left( \omega _{1},\omega _{2}\right)
\end{eqnarray*}を定めます。この同時確率変数の値域は、\begin{eqnarray*}
\left( X,Y\right) \left( \Omega \right) &=&[0,+\infty )\times \lbrack
0,+\infty ) \\
&=&X\left( \Omega \right) \times Y\left( \Omega \right)
\end{eqnarray*}です。

例(連続型の同時確率変数の値域)
「平面上の4つの点\(\left(0,0\right) ,\left( 0,1\right) ,\left( 1,0\right) ,\left( 1,1\right) \)を頂点とする正方形またはその内部の1点を選ぶ」という試行において、標本空間\(\Omega \)は問題としている正方形の辺および内部の点からなる集合\begin{equation*}\Omega =\left\{ \left( x,y\right) \in \mathbb{R} ^{2}\ |\ 0\leq x\leq 1\wedge 0\leq y\leq 1\right\}
\end{equation*}です。「選ばれた点の\(x\)座標」と「選ばれた点の\(y\)座標」の関係性を分析したい場合には、それらを特定する2つの確率変数の同時確率変数を利用することになります。「選ばれた点の\(x\)座標」を特定する確率変数\(X:\Omega \rightarrow \mathbb{R} \)はそれぞれの標本点\(\left( x,y\right) \in \Omega \)に対して、\begin{equation*}X\left( x,y\right) =x
\end{equation*}を定めますが、その値域は、\begin{equation*}
X\left( \Omega \right) =\left[ 0,1\right] \end{equation*}という区間であるため、\(X\)は連続型の確率変数です。「選ばれた点の\(y\)座標」を特定する確率変数\(Y:\Omega \rightarrow \mathbb{R} \)はそれぞれの標本点\(\left( x,y\right) \in \Omega \)に対して、\begin{equation*}Y\left( x,y\right) =y
\end{equation*}を定めますが、その値域は、\begin{equation*}
Y\left( \Omega \right) =\left[ 0,1\right] \end{equation*}という区間であるため、\(Y\)は連続型の確率変数です。連続型の同時確率変数\(\left( X,Y\right) :\Omega\rightarrow \mathbb{R} ^{2}\)はそれぞれの標本点\(\left( x,y\right) \in \Omega \)に対して、\begin{eqnarray*}\left( X,Y\right) \left( x,y\right) &=&\left( X\left( x,y\right) ,Y\left(
x,y\right) \right) \\
&=&\left( x,y\right)
\end{eqnarray*}を定めますが、その値域は、\begin{eqnarray*}
\left( X,Y\right) \left( \Omega \right) &=&\left\{ \left( x,y\right) \in \mathbb{R} ^{2}\ |\ 0\leq x\leq 1\wedge 0\leq y\leq 1\right\} \\
&=&X\left( \Omega \right) \times Y\left( \Omega \right)
\end{eqnarray*}です。

 

同時確率変数の値域

同時確率変数\(\left( X,Y\right) :\Omega\rightarrow \mathbb{R} \)がそれぞれの標本点\(\omega \in \Omega \)に対して定める値は、\begin{eqnarray*}\left( X,Y\right) \left( \omega \right) &=&\left( X\left( \omega \right)
,Y\left( \omega \right) \right) \quad \because \left( X,Y\right) \text{の定義} \\
&\in &X\left( \Omega \right) \times Y\left( \Omega \right)
\end{eqnarray*}を満たすため、\(\left( X,Y\right) \)の値域は、\begin{equation*}\left( X,Y\right) \left( \Omega \right) \subset X\left( \Omega \right)
\times Y\left( \Omega \right)
\end{equation*}を満たします。つまり、\(\left( X,Y\right) \)の値域は\(X\)の値域と\(Y\)の値域の直積の部分集合です。ちなみに、\begin{equation*}\left( X,Y\right) \left( \Omega \right) =X\left( \Omega \right) \times
Y\left( \Omega \right)
\end{equation*}という関係は成立するとは限りません。以下の例より明らかです。

例(連続型の同時確率変数の値域)
「平面上の3つの点\(\left(0,0\right) ,\left( 1,0\right) ,\left( 1,1\right) \)を頂点とする三角形上またはその内部の1点を選ぶ」という試行において、標本空間\(\Omega \)は問題としている三角形の辺および内部の点からなる集合\begin{equation*}\Omega =\left\{ \left( x,y\right) \in \mathbb{R} ^{2}\ |\ 0\leq y\leq x\leq 1\right\}
\end{equation*}です。「選ばれた点の\(x\)座標」と「選ばれた点の\(y\)座標」の関係性を分析したい場合には、それらを特定する2つの確率変数の同時確率変数を利用することになります。「選ばれた点の\(x\)座標」を特定する確率変数\(X:\Omega \rightarrow \mathbb{R} \)はそれぞれの標本点\(\left( x,y\right) \in \Omega \)に対して、\begin{equation*}X\left( x,y\right) =x
\end{equation*}を定めますが、その値域は、\begin{equation*}
X\left( \Omega \right) =\left[ 0,1\right] \end{equation*}です。「選ばれた点の\(y\)座標」を特定する確率変数\(Y:\Omega \rightarrow \mathbb{R} \)はそれぞれの標本点\(\left( x,y\right) \in \Omega \)に対して、\begin{equation*}Y\left( x,y\right) =y
\end{equation*}を定めますが、その値域は、\begin{equation*}
Y\left( \Omega \right) =\left[ 0,1\right] \end{equation*}です。したがって、\begin{equation*}
\left( X,Y\right) \left( \Omega \right) =\left\{ \left( x,y\right) \in \mathbb{R} ^{2}\ |\ 0\leq x\leq 1\wedge 0\leq y\leq 1\right\}
\end{equation*}となります。同時確率変数\(\left( X,Y\right) :\Omega \rightarrow \mathbb{R} ^{2}\)はそれぞれの標本点\(\left( x,y\right) \in \Omega \)に対して、\begin{eqnarray*}\left( X,Y\right) \left( x,y\right) &=&\left( X\left( x,y\right) ,Y\left(
x,y\right) \right) \\
&=&\left( x,y\right)
\end{eqnarray*}を定めますが、その値域は、\begin{equation*}
\left( X,Y\right) \left( \Omega \right) =\left\{ \left( x,y\right) \in \mathbb{R} ^{2}\ |\ 0\leq y\leq x\leq 1\right\}
\end{equation*}です。以上より、\begin{equation*}
\left( X,Y\right) \left( \Omega \right) \subset X\left( \Omega \right)
\times Y\left( \Omega \right)
\end{equation*}は成り立つ一方で、\begin{equation*}
\left( X,Y\right) \left( \Omega \right) =X\left( \Omega \right) \times
Y\left( \Omega \right)
\end{equation*}は成り立たないことが明らかになりました。例えば、点\(\left( 0,1\right) \)は\(X\left( \Omega \right) \times Y\left( \Omega \right) \)の要素ですが\(\left( X,Y\right) \left( \Omega\right) \)の点ではありません。

 

演習問題

問題(連続型の同時確率変数)
「身体測定を行う」という試行において、測定した「身長」と「体重」の関係性を分析するためにはどのような同時確率変数を利用すればよいでしょうか。定式化してください。また、その値域を明らかにしてください。

解答を見る

プレミアム会員専用コンテンツです
ログイン】【会員登録

問題(連続型の同時確率変数)
「平面上の4つの点\(\left(0,0\right) ,\left( 0,1\right) ,\left( 1,1\right) ,\left( 1,2\right) \)を頂点とする平行四辺形上またはその内部の1点を選ぶ」という試行において、「選ばれた点の\(x\)座標」と「選ばれた点の\(y\)座標」の関係性を分析するためにはどのような同時確率変数を利用すればよいでしょうか。定式化してください。また、その値域を明らかにしてください。
解答を見る

プレミアム会員専用コンテンツです
ログイン】【会員登録

Twitter
Mailで保存

質問とコメント

プレミアム会員専用コンテンツです
ログイン】【会員登録

関連知識

離散型の同時確率変数

それぞれの標本点に対して2次元ベクトルを1つずつ割り当てる写像を同時確率変数と呼びます。離散型の2個の確率変数から定義される同時確率変数を離散型の同時確率変数と呼びます。

離散型同時確率変数の同時確率質量関数

離散型の同時確率変数が与えられたとき、それぞれの実数の順序対に対して、同時確率変数がその順序対を値としてとる確率を特定する関数を同時確率関数や同時確率質量関数などと呼びます。

同時確率変数の定義

標本点に対して2次元ベクトルを1つずつ割り当てる写像を同時確率変数と呼びます。確率論の公理と整合的な形で同時確率変数の概念を定義します。

2つの確率変数の独立性

2つの確率変数が生成するσ代数どうしが独立である場合、それらの確率変数は独立であると言います。2つの独立変数が独立であることを様々な形で表現するとともに、独立性を判定する方法について解説します。

連続型同時確率変数の同時確率密度関数

連続型の同時確率変数の確率分布を同時確率(質量)関数を通じて表現することはできません。連続型の同時確率変数の確率分布を描写する際には同時確率密度関数と呼ばれる概念を利用します。