WIIS

離散型の確率分布

離散型同時確率変数の周辺化(周辺分布関数)

目次

関連知識

Mailで保存
Xで共有

同時分布関数から導かれる周辺分布関数

確率空間\(\left( \Omega ,\mathcal{F},P\right) \)に加えて離散型の同時確率変数\(\left( X,Y\right) :\Omega\rightarrow \mathbb{R} ^{2}\)の同時確率分布が同時確率質量関数\(f_{XY}:\mathbb{R} ^{2}\rightarrow \mathbb{R} \)によって記述されているものとします。つまり、同時確率変数\(\left( X,Y\right) \)の値がベクトル\(\left( x,y\right) \in \mathbb{R} ^{2}\)と一致する確率は、\begin{equation*}P\left( X=x\wedge Y=y\right) =f_{XY}\left( x,y\right)
\end{equation*}であり、同時確率変数\(\left( X,Y\right) \)の値が集合\(A\times B\subset \mathbb{R} ^{2}\)に属する確率は、\begin{equation*}P\left( \left( X,Y\right) \in A\times B\right) =\sum_{\left( x,y\right) \in
A\times B}f_{XY}\left( x,y\right)
\end{equation*}であるということです。この場合、確率変数\(X:\Omega \rightarrow \mathbb{R} \)の周辺確率質量関数\(f_{X}:\mathbb{R} \rightarrow \mathbb{R} \)が存在するとともに、これはそれぞれの\(x\in \mathbb{R} \)に対して、\begin{equation*}f_{X}\left( x\right) =\left\{
\begin{array}{cc}
\sum\limits_{\left( x_{i},y_{i}\right) \in \left( X,Y\right) \left( \Omega
\right) \ s.t.\ x_{i}=x}f_{XY}\left( x_{i},y_{i}\right) & \left( if\ x\in
X\left( \Omega \right) \right) \\
0 & \left( if\ x\not\in X\left( \Omega \right) \right)
\end{array}\right.
\end{equation*}を定めることを示しました。加えて、確率変数\(X\)の値が集合\(A\subset \mathbb{R} \)に属する確率は、\begin{equation*}P\left( X\in A\right) =\sum_{x\in A}f_{X}\left( x\right)
\end{equation*}として定まることを明らかにしました。

それぞれの集合\(A\subset \mathbb{R} \)に対して確率\(P\left( X\in A\right) \)が明らかになっている場合、そのような情報の集まりを確率変数\(X\)の周辺確率分布と呼びます。離散型の確率変数\(X\)に対して周辺確率質量関数\(f_{X}\)が与えられれば、上の関係を用いて任意の集合\(A\)に関する確率\(P\left( X\in A\right) \)を特定できるため、周辺確率質量関数は離散型の確率変数の周辺分布を表現する手段の1つです。ただ、離散型の確率変数の確率分布は、周辺確率質量関数とは異なる概念を用いて表現することもできます。順番に解説します。

 

離散型確率変数の周辺分布関数

確率空間\(\left( \Omega ,\mathcal{F},P\right) \)に加えて離散型の同時確率変数\(\left( X,Y\right) :\Omega\rightarrow \mathbb{R} ^{2}\)が与えられている場合、一方の確率変数\(X:\Omega \rightarrow \mathbb{R} \)が特定の実数\(x\in \mathbb{R} \)以下の値をとる確率\begin{equation*}P\left( X\leq x\right)
\end{equation*}をどのように評価すればよいでしょうか。

同時確率変数\(\left( X,Y\right) \)はそれぞれの標本点\(\omega \in\Omega \)に対してベクトル\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つずつ定めるため、「確率変数\(X\)の値が\(x\)以下である」という事象は、\(X\left( \omega \right) \leq x\)を満たす標本点\(\omega \)からなる集合\begin{equation*}\left\{ \omega \in \Omega \ |\ X\left( \omega \right) \leq x\right\}
=\left\{ \omega \in \Omega \ |\ X\left( \omega \right) \leq x\wedge Y\left(
\omega \right) \in Y\left( \Omega \right) \right\} \quad \because Y\left(
\omega \right) \in Y\left( \Omega \right) \text{は恒真式}
\end{equation*}として表現されます。したがって、「確率変数\(X\)の値が\(x\)以下である」という事象が起こる確率は、\begin{equation*}P\left( X\leq x\right) =P\left( \left\{ \omega \in \Omega \ |\ X\left(
\omega \right) \leq x\wedge Y\left( \omega \right) \in Y\left( \Omega
\right) \right\} \right)
\end{equation*}となります。以上を踏まえた上で、それぞれの実数\(x\in \mathbb{R} \)に対して、確率変数\(X\)が\(x\)以下の値をとる確率\begin{equation*}F_{X}\left( x\right) =P\left( X\leq x\right)
\end{equation*}を特定する関数\begin{equation*}
F_{X}:\mathbb{R} \rightarrow \mathbb{R} \end{equation*}を定義し、これを\(X\)の周辺分布関数(marginal distribution function)や周辺累積分布関数(cumulative marginal distribution function)などと呼びます。

離散型の確率変数\(X\)の周辺確率質量関数\(f_{X}:\mathbb{R} \rightarrow \mathbb{R} \)が与えられている場合には、点\(x\in \mathbb{R} \)を任意に選んだとき、\begin{equation*}F_{X}\left( x\right) =\sum_{x_{i}\leq x}f_{X}\left( x_{i}\right)
\end{equation*}という関係が成り立つことが保証されます。つまり、\(x\)以下のそれぞれの値\(x_{i}\)に対して\(f_{X}\)が定める値を特定し、それらの総和をとれば\(F_{X}\left( x\right) \)が得られるということです。言い換えると、離散型の確率変数\(X\)に関しては、周辺分布関数\(F_{X}\)が周辺確率質量関数\(f_{X}\)から導出可能であるということです。

命題(離散型確率変数の周辺分布関数)
確率空間\(\left( \Omega ,\mathcal{F},P\right) \)に加えて離散型の同時確率変数\(\left( X,Y\right) :\Omega\rightarrow \mathbb{R} ^{2}\)の同時確率質量関数\(f_{XY}:\mathbb{R} ^{2}\rightarrow \mathbb{R} \)が与えられているものとする。このとき、確率変数\(X:\Omega \rightarrow \mathbb{R} \)の確率質量関数\(f_{X}:\mathbb{R} \rightarrow \mathbb{R} \)が存在するとともに、周辺分布関数\(F_{X}:\mathbb{R} \rightarrow \mathbb{R} \)はそれぞれの\(x\in \mathbb{R} \)に対して、\begin{equation*}F_{X}\left( x\right) =\sum_{x_{i}\leq x}f_{X}\left( x_{i}\right)
\end{equation*}を定める。

証明

プレミアム会員専用コンテンツです
ログイン】【会員登録

上の命題は、周辺分布関数\(F_{X}\)が周辺確率質量関数\(f_{X}\)から導出可能であることを示唆します。つまり、周辺分布関数\(F_{X}\)が点\(x\)に対して定める値は、周辺確率質量関数\(f_{X}\)が\(x\)以下のそれぞれの点に対して定める値の総和と一致します。

例(離散型確率変数の周辺分布関数)
離散型の同時確率変数\(\left( X,Y\right) :\Omega \rightarrow \mathbb{R} ^{2}\)の値域が、\begin{equation*}\left( X,Y\right) \left( \Omega \right) =\left\{ \left( 1,1\right) ,\left(
1,0\right) ,\left( 2,0\right) \right\}
\end{equation*}であるとともに、\(\left(X,Y\right) \)の同時確率質量関数\(f_{XY}:\mathbb{R} ^{2}\rightarrow \mathbb{R} \)はそれぞれの\(\left( x,y\right) \in \mathbb{R} ^{2}\)に対して、\begin{equation*}f_{XY}\left( x,y\right) =\left\{
\begin{array}{cl}
\frac{1}{3} & \left( if\ \left( x,y\right) =\left( 1,1\right) \right) \\
\frac{1}{3} & \left( if\ \left( x,y\right) =\left( 1,0\right) \right) \\
\frac{1}{3} & \left( if\ \left( x,y\right) =\left( 2,0\right) \right) \\
0 & \left( otherwise\right)
\end{array}\right.
\end{equation*}を定めるものとします。確率変数\(X\)の値域は、\begin{equation*}X\left( \Omega \right) =\left\{ 1,2\right\}
\end{equation*}であるとともに、\(X\)の周辺確率質量関数\(f_{X}:\mathbb{R} \rightarrow \mathbb{R} \)がそれぞれの\(x\in X\left( \Omega\right) \)に対して定める値は、\begin{equation*}f_{X}\left( x\right) =\left\{
\begin{array}{cl}
\frac{2}{3} & \left( if\ x=1\right) \\
\frac{1}{3} & \left( if\ x=2\right) \\
0 & \left( otherwise\right)
\end{array}\right.
\end{equation*}です。すると、先の命題より、周辺分布関数\(F_{X}:\mathbb{R} \rightarrow \mathbb{R} \)がそれぞれの\(x\in \mathbb{R} \)に対して定める値は、\begin{equation*}F_{X}\left( x\right) =\left\{
\begin{array}{cl}
0 & \left( if\ x<1\right) \\
\frac{2}{3} & \left( if\ 1\leq x<2\right) \\
1 & \left( if\ x\geq 2\right)
\end{array}\right.
\end{equation*}です。

もう一方の確率変数\(Y\)についても同様の議論が成立します。証明は先の命題と同様です。

命題(離散型確率変数の周辺分布関数)
確率空間\(\left( \Omega ,\mathcal{F},P\right) \)に加えて離散型の同時確率変数\(\left( X,Y\right) :\Omega\rightarrow \mathbb{R} ^{2}\)の同時確率質量関数\(f_{XY}:\mathbb{R} ^{2}\rightarrow \mathbb{R} \)が与えられているものとする。このとき、確率変数\(Y:\Omega \rightarrow \mathbb{R} \)の確率質量関数\(f_{Y}:\mathbb{R} \rightarrow \mathbb{R} \)が存在するとともに、周辺分布関数\(F_{Y}:\mathbb{R} \rightarrow \mathbb{R} \)はそれぞれの\(y\in \mathbb{R} \)に対して、\begin{equation*}F_{Y}\left( y\right) =\sum_{y_{i}\leq y}f_{Y}\left( y_{i}\right)
\end{equation*}を定める。

上の命題は、周辺分布関数\(F_{Y}\)が周辺確率質量関数\(f_{Y}\)から導出可能であることを示唆します。つまり、周辺分布関数\(F_{Y}\)が点\(y\)に対して定める値は、周辺確率質量関数\(f_{Y}\)が\(y\)以下のそれぞれの点に対して定める値の総和と一致します。

 

同時分布関数と周辺分布関数の関係

確率空間\(\left( \Omega ,\mathcal{F},P\right) \)に加えて離散型の同時確率変数\(\left( X,Y\right) :\Omega\rightarrow \mathbb{R} ^{2}\)の同時確率分布が同時分布関数\(F_{XY}:\mathbb{R} ^{2}\rightarrow \mathbb{R} \)によって記述されているものとします。つまり、同時確率変数\(\left( X,Y\right) \)の値がベクトル\(\left( x,y\right) \in \mathbb{R} ^{2}\)以下である確率が、\begin{equation*}P\left( X\leq x\wedge Y\leq y\right) =F_{XY}\left( x,y\right)
\end{equation*}であるということです。

同時分布関数\(F_{XY}\)から確率変数\(X\)の周辺分布関数\(F_{X}\)を以下の要領で導くこともできます。

命題(同時分布関数と周辺分布関数の関係)
確率空間\(\left( \Omega ,\mathcal{F},P\right) \)に加えて離散型の同時確率変数\(\left( X,Y\right) :\Omega\rightarrow \mathbb{R} ^{2}\)の同時分布関数\(F_{XY}:\mathbb{R} ^{2}\rightarrow \mathbb{R} \)が与えられているものとする。このとき、確率変数\(X:\Omega \rightarrow \mathbb{R} \)の周辺分布\(F_{X}:\mathbb{R} \rightarrow \mathbb{R} \)が存在するとともに、それぞれの\(x\in \mathbb{R} \)に対して、\begin{equation*}F_{X}\left( x\right) =\lim_{y\rightarrow \infty }F_{XY}\left( x,y\right)
\end{equation*}を定める。

証明

プレミアム会員専用コンテンツです
ログイン】【会員登録

例(同時分布関数と周辺分布関数の関係)
同時確率変数\(\left( X,Y\right) :\Omega\rightarrow \mathbb{R} ^{2}\)の値域が、\begin{equation*}\left( X,Y\right) \left( \Omega \right) =\left\{ \left( 1,1\right) ,\left(
1,-1\right) ,\left( -1,1\right) ,\left( -1,-1\right) \right\}
\end{equation*}であるとともに、同時分布関数\(F_{XY}:\mathbb{R} ^{2}\rightarrow \mathbb{R} \)はそれぞれの\(\left( x,y\right) \in \mathbb{R} ^{2}\)に対して、\begin{equation*}F_{XY}\left( x,y\right) =\left\{
\begin{array}{cl}
0 & \left( if\ x<-1\vee y<-1\right) \\
\frac{1}{4} & \left( if\ -1\leq x<1\wedge -1\leq y<1\right) \\
\frac{1}{2} & \left( if\ -1\leq x<1\wedge y\geq 1\right) \\
\frac{1}{2} & \left( if\ x\geq 1\wedge -1\leq y<1\right) \\
1 & \left( if\ x\geq 1\wedge y\geq 1\right)
\end{array}\right.
\end{equation*}を定めるものとします。先の命題より、周辺分布関数\(F_{X}:\mathbb{R} \rightarrow \mathbb{R} \)がそれぞれの\(x\in \mathbb{R} \)に定める値は、\(x<-1\)の場合には、\begin{eqnarray*}F_{X}\left( x\right) &=&\lim_{y\rightarrow \infty }F_{XY}\left( x,y\right)
\\
&=&\lim_{y\rightarrow \infty }0\quad \because F_{XY}\text{の定義} \\
&=&0
\end{eqnarray*}であり、\(-1\leq x<1\)の場合には、\begin{eqnarray*}F_{X}\left( x\right) &=&\lim_{y\rightarrow \infty }F_{XY}\left( x,y\right)
\\
&=&\lim_{y\rightarrow \infty }\frac{1}{2}\quad \because F_{XY}\text{の定義} \\
&=&\frac{1}{2}
\end{eqnarray*}であり、\(x\geq 1\)の場合には、\begin{eqnarray*}F_{X}\left( x\right) &=&\lim_{y\rightarrow \infty }F_{XY}\left( x,y\right)
\\
&=&\lim_{y\rightarrow \infty }1\quad \because F_{XY}\text{の定義} \\
&=&1
\end{eqnarray*}となります。結論をまとめると、\begin{equation*}
F_{X}\left( x\right) =\left\{
\begin{array}{cl}
0 & \left( if\ x<-1\right) \\
\frac{1}{2} & \left( if\ -1\leq x<1\right) \\
1 & \left( if\ x\geq 1\right)
\end{array}\right.
\end{equation*}となります。

もう一方の確率変数\(Y\)についても同様の議論が成立します。証明は先の命題と同様です。

命題(同時分布関数と周辺分布関数の関係)
確率空間\(\left( \Omega ,\mathcal{F},P\right) \)に加えて離散型の同時確率変数\(\left( X,Y\right) :\Omega\rightarrow \mathbb{R} ^{2}\)の同時分布関数\(F_{XY}:\mathbb{R} ^{2}\rightarrow \mathbb{R} \)が与えられているものとする。このとき、確率変数\(Y:\Omega \rightarrow \mathbb{R} \)の周辺分布\(F_{Y}:\mathbb{R} \rightarrow \mathbb{R} \)が存在するとともに、それぞれの\(y\in \mathbb{R} \)に対して、\begin{equation*}F_{Y}\left( y\right) =\lim_{x\rightarrow \infty }F_{XY}\left( x,y\right)
\end{equation*}を定める。

 

演習問題

問題(周辺分布関数)
離散型の同時確率変数\(\left( X,Y\right) :\Omega \rightarrow \mathbb{R} ^{2}\)の値域が、\begin{equation*}\left( X,Y\right) \left( \Omega \right) =\left\{ \left( x,y\right) \in \mathbb{R} ^{2}\ |\ x\in \left\{ 1,2,3\right\} \wedge y\in \left\{ 1,2,3\right\}
\right\}
\end{equation*}であるとともに、その同時確率質量関数\(f_{XY}:\mathbb{R} ^{2}\rightarrow \mathbb{R} \)はそれぞれの\(\left( x,y\right) \in \mathbb{R} ^{2}\)に対して、\begin{equation*}f_{XY}\left( x,y\right) =\left\{
\begin{array}{cc}
\frac{xy}{36} & \left( if\ \left( x,y\right) \in \left( X,Y\right) \left(
\Omega \right) \right) \\
0 & \left( if\ \left( x,y\right) \not\in \left( X,Y\right) \left( \Omega
\right) \right)
\end{array}\right.
\end{equation*}を定めるものとします。確率変数\(X:\Omega \rightarrow \mathbb{R} \)の周辺分布関数\(F_{X}:\mathbb{R} \rightarrow \mathbb{R} \)を求めてください。
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(同時分布関数と周辺分布関数の関係)
同時確率変数\(\left( X,Y\right) :\Omega\rightarrow \mathbb{R} ^{2}\)の値域が、\begin{equation*}\left( X,Y\right) \left( \Omega \right) =\left\{ \left( 1,1\right) ,\left(
1,-1\right) ,\left( -1,1\right) ,\left( -1,-1\right) \right\}
\end{equation*}であるとともに、同時分布関数\(F_{XY}:\mathbb{R} ^{2}\rightarrow \mathbb{R} \)はそれぞれの\(\left( x,y\right) \in \mathbb{R} ^{2}\)に対して、\begin{equation*}F_{XY}\left( x,y\right) =\left\{
\begin{array}{cl}
0 & \left( if\ x<-1\vee y<-1\right) \\
\frac{1}{4} & \left( if\ -1\leq x<1\wedge -1\leq y<1\right) \\
\frac{1}{2} & \left( if\ -1\leq x<1\wedge y\geq 1\right) \\
\frac{1}{2} & \left( if\ x\geq 1\wedge -1\leq y<1\right) \\
1 & \left( if\ x\geq 1\wedge y\geq 1\right)
\end{array}\right.
\end{equation*}を定めるものとします。周辺分布関数\(F_{Y}:\mathbb{R} \rightarrow \mathbb{R} \)を求めてください。
証明

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

Mailで保存
Xで共有

質問とコメント

プレミアム会員専用コンテンツです

会員登録

有料のプレミアム会員であれば、質問やコメントの投稿と閲覧、プレミアムコンテンツ(命題の証明や演習問題とその解答)へのアクセスなどが可能になります。

ワイズのユーザーは年齢・性別・学歴・社会的立場などとは関係なく「学ぶ人」として対等であり、お互いを人格として尊重することが求められます。ユーザーが快適かつ安心して「学ぶ」ことに集中できる環境を整備するため、広告やスパム投稿、他のユーザーを貶めたり威圧する発言、学んでいる内容とは関係のない不毛な議論などはブロックすることになっています。詳細はガイドラインをご覧ください。

誤字脱字、リンク切れ、内容の誤りを発見した場合にはコメントに投稿するのではなく、以下のフォームからご連絡をお願い致します。

プレミアム会員専用コンテンツです
ログイン】【会員登録