WIIS

代表的な確率分布

離散型の一様分布

目次

次のページ:

ポアソン分布

Twitter
Mailで保存

離散型の一様分布

確率空間\(\left( \Omega ,\mathcal{F},P\right) \)に対して確率変数\(X:\Omega\rightarrow \mathbb{R} \)が定義されており、その値域\(X\left( \Omega \right) \)が非空の有限集合であるものとします。つまり、\(X\)は離散型の確率変数です。その上で、\(X\)の確率分布を描写する確率質量関数\(f_{X}:\mathbb{R} \rightarrow \mathbb{R} \)がそれぞれの\(x\in \mathbb{R} \)に対して定める値が、\begin{equation*}f_{X}\left( x\right) =\left\{
\begin{array}{cl}
\frac{1}{\left\vert X\left( \Omega \right) \right\vert } & \left( if\ x\in
X\left( \Omega \right) \right) \\
0 & \left( otherwise\right)
\end{array}\right.
\end{equation*}であるものとします。ただし、\(\left\vert X\left( \Omega \right)\right\vert \)は集合\(X\left( \Omega \right) \)に属する要素の個数です。仮定より\(X\left( \Omega \right) \)は非空の有限集合であるため\(\left\vert X\left( \Omega \right)\right\vert \)は自然数であることに注意してください。以上の定義は、\(X\)がそれぞれの値をとる確率がいずれも\(\frac{1}{\left\vert X\left( \Omega \right) \right\vert }\)で等しいことを意味します。以上の条件が満たされる場合、確率変数\(X\)は離散型の一様分布(discrete uniform distribution)にしたがうといいます。

確率変数\(X\)が離散型の一様分布にしたがう場合、その確率分布の形状は値域\(X\left( \Omega \right) \)に属する要素の個数によって完全に決定されます。ただ、値域\(X\left( \Omega \right) \)をどのように表現するかによって離散型の一様分布は以下のように様々な形で表現可能です。

離散型一様分布にしたがう確率変数\(X\)の値域\(X\left( \Omega \right) \)は非空かつ有限な\(\mathbb{R} \)の部分集合ですが、より具体的に、\begin{equation*}x_{1}<x_{2}<\cdots <x_{n}
\end{equation*}を満たす有限\(n\)個の実数\(x_{1},x_{2},\cdots ,x_{n}\in \mathbb{R} \)を用いて、\begin{equation*}X\left( \Omega \right) =\left\{ x_{1},x_{2},\cdots ,x_{n}\right\}
\end{equation*}と表される場合には、\begin{equation*}
\left\vert X\left( \Omega \right) \right\vert =n
\end{equation*}となるため、\(X\)の確率分布を描写する確率質量関数\(f_{X}:\mathbb{R} \rightarrow \mathbb{R} \)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}
\frac{1}{n} & \left( if\ x\in X\left( \Omega \right) \right) \\
0 & \left( otherwise\right)
\end{array}\right.
\end{equation*}となります。このとき、確率変数\(X\)はパラメータ\(x_{1},x_{2},\cdots ,x_{n}\)の離散型一様分布(discrete uniform distribution with parameter \(x_{1},x_{2},\cdots ,x_{n}\))にしたがうといい、そのことを、\begin{equation*}X\sim U\left( x_{1},x_{2},\cdots ,x_{n}\right)
\end{equation*}で表記します。

例(離散型一様分布)
「以下の標本空間\(\Omega \)から1つの数字をランダムに選ぶ」という試行について考えます。\begin{equation*}\Omega =\left\{ \frac{1}{5},\frac{1}{4},\frac{1}{3},\frac{1}{2},1\right\}
\end{equation*}選んだ数字を特定する確率変数\(X:\Omega \rightarrow \mathbb{R} \)はそれぞれの\(\omega \in \Omega \)に対して、\begin{equation*}X\left( \omega \right) =\omega
\end{equation*}を定めます。このとき、\begin{equation*}
X\left( \Omega \right) =\Omega
\end{equation*}が成り立ちます。つまり、\(X\left( \Omega \right) \)は\(5\)個の有理数からなる集合であるため、仮に、それぞれの数が等しい確率で選ばれるのであれば、確率質量関数\(f_{X}:\mathbb{R} \rightarrow \mathbb{R} \)はそれぞれの\(x\in \mathbb{R} \)に対して、\begin{equation*}f_{X}\left( x\right) =\left\{
\begin{array}{cl}
\frac{1}{5} & \left( if\ x\in X\left( \Omega \right) \right) \\
0 & \left( otherwise\right)
\end{array}\right.
\end{equation*}を定めます。以上の事実は、確率変数\(X\)がパラメータ\(\frac{1}{5},\frac{1}{4},\frac{1}{3},\frac{1}{2},1\)の離散型一様分布にしたがうこと、すなわち、\begin{equation*}X\sim U\left( \frac{1}{5},\frac{1}{4},\frac{1}{3},\frac{1}{2},1\right)
\end{equation*}であることを意味します。

離散型一様分布にしたがう確率変数\(X\)の値域\(X\left( \Omega \right) \)は非空かつ有限な\(\mathbb{R} \)の部分集合ですが、より具体的に、\(a\leq b\)を満たす整数\(a,b\in \mathbb{Z} \)を用いて、\begin{eqnarray*}X\left( \Omega \right) &=&\left[ a,b\right] \cap \mathbb{Z} \\
&=&\left\{ a,a+1,\cdots ,b-1,b\right\}
\end{eqnarray*}と表されるものとします。つまり、\(X\left( \Omega\right) \)は\(a\)以上\(b\)以下の整数からなる集合です。この場合には、\begin{equation*}\left\vert X\left( \Omega \right) \right\vert =b-a+1
\end{equation*}となるため、\(X\)の確率分布を描写する確率質量関数\(f_{X}:\mathbb{R} \rightarrow \mathbb{R} \)がそれぞれの\(x\in \mathbb{R} \)に対して定める値が、\begin{equation*}f_{X}\left( x\right) =\left\{
\begin{array}{cl}
\frac{1}{b-a+1} & \left( if\ x\in X\left( \Omega \right) \right) \\
0 & \left( otherwise\right)
\end{array}\right.
\end{equation*}となります。このとき、確率変数\(X\)はパラメータ\(a,b\)の離散型一様分布(discrete uniform distribution with parameter \(a,b\))にしたがうといい、そのことを、\begin{equation*}X\sim U\left( a,b\right)
\end{equation*}で表記します。

例(離散型一様分布)
「\(-5\)から\(5\)までの整数の中から1つの整数をランダムに選ぶ」という試行の標本空間は、\begin{equation*}\Omega =\left\{ -5,-4,-3,-2,-1,0,1,2,3,4,5\right\}
\end{equation*}です。選んだ数字を特定する確率変数\(X:\Omega\rightarrow \mathbb{R} \)はそれぞれの\(\omega \in \Omega \)に対して、\begin{equation*}X\left( \omega \right) =\omega
\end{equation*}を定めます。このとき、\begin{equation*}
X\left( \Omega \right) =\Omega
\end{equation*}が成り立ちます。つまり、\(X\left( \Omega \right) \)は\(-5\)以上\(5\)以下の合計\(5-\left( -5\right) +1=11\)個の整数からなる集合です。仮に、すべての整数が等しい確率で選ばれるのであれば、確率質量関数\(f_{X}:\mathbb{R} \rightarrow \mathbb{R} \)はそれぞれの\(x\in \mathbb{R} \)に対して、\begin{equation*}f_{X}\left( x\right) =\left\{
\begin{array}{cl}
\frac{1}{11} & \left( if\ x\in X\left( \Omega \right) \right) \\
0 & \left( otherwise\right)
\end{array}\right.
\end{equation*}を定めます。以上の事実は、確率変数\(X\)がパラメータ\(-5,5\)の離散型一様分布にしたがうこと、すなわち、\begin{equation*}X\sim U\left( -5,5\right)
\end{equation*}であることを意味します。

離散型一様分布にしたがう確率変数\(X\)の値域\(X\left( \Omega \right) \)は非空かつ有限な\(\mathbb{R} \)の部分集合ですが、より具体的に、\begin{equation*}X\left( \Omega \right) =\left\{ 1,2,\cdots ,n-1,n\right\}
\end{equation*}と表されるものとします。つまり、\(X\left( \Omega\right) \)は\(1\)以上\(n\)以下の整数からなる集合です。この場合には、\begin{equation*}\left\vert X\left( \Omega \right) \right\vert =n
\end{equation*}となるため、\(X\)の確率分布を描写する確率質量関数\(f_{X}:\mathbb{R} \rightarrow \mathbb{R} \)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}
\frac{1}{n} & \left( if\ x\in X\left( \Omega \right) \right) \\
0 & \left( otherwise\right)
\end{array}\right.
\end{equation*}となります。このとき、確率変数\(X\)はパラメータ\(n\)の離散型一様分布(discrete uniform distribution with parameter \(n\))にしたがうといい、そのことを、\begin{equation*}X\sim U\left( n\right)
\end{equation*}で表記します。定義より、確率変数\(X\)がパラメータ\(n\)の離散型一様分布にしたがうことと、\(X\)がパラメータ\(1,n\)の離散型一様分布にしたがうことは必要十分です。

例(離散型一様分布)
「1個のサイコロを投げて出た目を観察する」という試行の標本空間は、\begin{equation*}
\Omega =\left\{ 1,2,3,4,5,6\right\}
\end{equation*}です。出た目数を与える確率変数\(X:\Omega \rightarrow \mathbb{R} \)はそれぞれの\(\omega \in \Omega \)に対して、\begin{equation*}X\left( \omega \right) =\omega
\end{equation*}を定めます。このとき、\begin{equation*}
X\left( \Omega \right) =\Omega =\left\{ 1,2,3,4,5,6\right\}
\end{equation*}が成り立ちます。仮に、サイコロに歪みがなくそれぞれの目が等確率で出るのであれば、確率質量関数\(f_{X}:\mathbb{R} \rightarrow \mathbb{R} \)はそれぞれの\(x\in \mathbb{R} \)に対して、\begin{equation*}f_{X}\left( x\right) =\left\{
\begin{array}{cl}
\frac{1}{6} & \left( if\ x\in X\left( \Omega \right) \right) \\
0 & \left( otherwise\right)
\end{array}\right.
\end{equation*}を定めますが、これは、確率変数\(X\)がパラメータ\(6\)の離散型一様分布にしたがうこと、すなわち、\begin{equation*}X\sim U\left( 6\right)
\end{equation*}であることを意味します。

離散型の一様分布にしたがう確率変数の確率質量関数が確率質量関数としての性質を満たすことを確認しておきます。

命題(離散型一様分布の確率質量関数)
確率変数\(X\)が離散型の一様分布にしたがう場合には、\(X\)の確率質量関数\(f_{X}:\mathbb{R} \rightarrow \mathbb{R} \)は、\begin{eqnarray*}&&\left( a\right) \ \forall x\in \mathbb{R} :f_{X}\left( x\right) \geq 0 \\
&&\left( b\right) \ \sum_{x\in X\left( \Omega \right) }f_{X}\left( x\right)
=1
\end{eqnarray*}をともに満たす。

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

上の命題は最も一般的な離散型一様分布にしたがう確率変数を対象としたものであるため、パラメータ\(x_{1},x_{2},\cdots ,x_{n}\)の離散型一様分布やパラメータ\(a,b\)の離散型一様分布、パラメータ\(n\)の離散型一様分布に関する主張を内包しています。

 

離散型一様分布にしたがう確率変数の分布関数

確率変数\(X\)がパラメータ\(x_{1},x_{2},\cdots ,x_{n}\)の離散型一様分布にしたがう場合の分布関数は以下の通りです。

命題(離散型一様分布にしたがう確率変数の分布関数)
確率変数\(X\)がパラメータ\(x_{1},x_{2},\cdots ,x_{n}\)の離散型一様分布にしたがう場合、すなわち、\begin{equation*}X\sim U\left( x_{1},x_{2},\cdots ,x_{n}\right)
\end{equation*}である場合には、\(X\)の分布関数\(F_{X}:\mathbb{R} \rightarrow \mathbb{R} \)はそれぞれの\(x\in \mathbb{R} \)に対して、\begin{equation*}F_{X}\left( x\right) =\left\{
\begin{array}{cl}
0 & \left( if\ x<x_{1}\right) \\
\frac{k}{n} & \left( if\ x_{k}\leq x<x_{k+1}\wedge k\in \left\{ 1,2,\cdots
,n-1\right\} \right) \\
1 & \left( if\ x\geq x_{n}\right)
\end{array}\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

以上の結果を具体的に表現すると、\begin{equation*}
F_{X}\left( x\right) =\left\{
\begin{array}{cl}
0 & \left( if\ x<x_{1}\right) \\
\frac{1}{n} & \left( if\ x_{1}\leq x<x_{2}\right) \\
\frac{2}{n} & \left( if\ x_{2}\leq x<x_{3}\right) \\
& \vdots \\
\frac{n-1}{n} & \left( if\ x_{n-1}\leq x<x_{n}\right) \\
1 & \left( if\ x\geq x_{n}\right)
\end{array}\right.
\end{equation*}となります。

例(離散型一様分布にしたがう確率変数の分布関数)
確率変数\(X:\Omega \rightarrow \mathbb{R} \)がパラメータ\(\frac{1}{5},\frac{1}{4},\frac{1}{3},\frac{1}{2},1\)の離散型一様分布にしたがうものとします。つまり、\begin{equation*}X\sim U\left( \frac{1}{5},\frac{1}{4},\frac{1}{3},\frac{1}{2},1\right)
\end{equation*}であるということです。この場合、先の命題より、\(X\)の分布関数\(F_{X}:\mathbb{R} \rightarrow \mathbb{R} \)はそれぞれの\(x\in \mathbb{R} \)に対して、\begin{equation*}F\left( x\right) =\left\{
\begin{array}{cl}
0 & \left( if\ x<\frac{1}{5}\right) \\
\frac{1}{5} & \left( if\ \frac{1}{5}\leq x<\frac{1}{4}\right) \\
\frac{2}{5} & \left( if\ \frac{1}{4}\leq x<\frac{1}{3}\right) \\
\frac{3}{5} & \left( if\ \frac{1}{3}\leq x<\frac{1}{2}\right) \\
\frac{4}{5} & \left( if\ \frac{1}{2}\leq x<1\right) \\
1 & \left( if\ x\geq 1\right)
\end{array}\right.
\end{equation*}を定めます。

確率変数\(X\)がパラメータ\(a,b\)の離散型一様分布にしたがう場合の分布関数は以下の通りです。

命題(離散型一様分布にしたがう確率変数の分布関数)
確率変数\(X\)がパラメータ\(a,b\)の離散型一様分布にしたがう場合、すなわち、\begin{equation*}X\sim U\left( a,b\right)
\end{equation*}である場合には、\(X\)の分布関数\(F_{X}:\mathbb{R} \rightarrow \mathbb{R} \)はそれぞれの\(x\in \mathbb{R} \)に対して、\begin{equation*}F_{X}\left( x\right) =\left\{
\begin{array}{cl}
0 & \left( if\ x<a\right) \\
\frac{\left\vert \left\lfloor x\right\rfloor \right\vert }{b-a+1} & \left(
if\ a\leq x<b\right) \\
1 & \left( if\ x\geq b\right)
\end{array}\right.
\end{equation*}を定める。ただし、\(\left\lfloor x\right\rfloor :\mathbb{R} \rightarrow \mathbb{Z} \)は床関数であり、それぞれの\(x\in \mathbb{R} \)に対して、\begin{equation*}\left\lfloor x\right\rfloor \leq x<\left\lfloor x\right\rfloor +1
\end{equation*}を満たすものとして定義される。

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

以上の結果を具体的に表現すると、\begin{equation*}
F_{X}\left( x\right) =\left\{
\begin{array}{cl}
0 & \left( if\ x<a\right) \\
\frac{1}{b-a+1} & \left( if\ a\leq x<a+1\right) \\
\frac{2}{b-a+1} & \left( if\ a+1\leq x<a+2\right) \\
& \vdots \\
\frac{b-a}{b-a+1} & \left( if\ b-1\leq x<b\right) \\
1 & \left( if\ x\geq b\right)
\end{array}\right.
\end{equation*}となります。

例(離散型一様分布にしたがう確率変数の分布関数)
確率変数\(X:\Omega \rightarrow \mathbb{R} \)がパラメータ\(-5,5\)の離散型一様分布にしたがうものとします。つまり、\begin{equation*}X\sim U\left( -5,5\right)
\end{equation*}であるということです。この場合、先の命題より、\(X\)の分布関数\(F_{X}:\mathbb{R} \rightarrow \mathbb{R} \)はそれぞれの\(x\in \mathbb{R} \)に対して、\begin{equation*}F_{X}\left( x\right) =\left\{
\begin{array}{cl}
0 & \left( if\ x<-5\right) \\
\frac{\left\vert \left\lfloor x\right\rfloor \right\vert }{n} & \left( if\
-5\leq x<5\right) \\
1 & \left( if\ x\geq 5\right)
\end{array}\right.
\end{equation*}を定めます。具体的には、\begin{equation*}
F_{X}\left( x\right) =\left\{
\begin{array}{cl}
0 & \left( if\ x<-5\right) \\
\frac{1}{11} & \left( if\ -5\leq x<-4\right) \\
\frac{2}{11} & \left( if\ -4\leq x<-3\right) \\
& \vdots \\
\frac{10}{11} & \left( if\ 4\leq x<5\right) \\
1 & \left( if\ x\geq 5\right)
\end{array}\right.
\end{equation*}となります。

確率変数\(X\)がパラメータ\(n\)の離散型一様分布にしたがう場合の分布関数は以下の通りです。

命題(離散型一様分布にしたがう確率変数の分布関数)
確率変数\(X\)がパラメータ\(n\)の離散型一様分布にしたがう場合、すなわち、\begin{equation*}X\sim U\left( n\right)
\end{equation*}である場合には、\(X\)の分布関数\(F_{X}:\mathbb{R} \rightarrow \mathbb{R} \)はそれぞれの\(x\in \mathbb{R} \)に対して、\begin{equation*}F_{X}\left( x\right) =\left\{
\begin{array}{cl}
0 & \left( if\ x<1\right) \\
\frac{\left\lfloor x\right\rfloor }{n} & \left( if\ 1\leq x<n\right) \\
1 & \left( if\ x\geq n\right)
\end{array}\right.
\end{equation*}を定める。ただし、\(\left\lfloor x\right\rfloor :\mathbb{R} \rightarrow \mathbb{Z} \)は床関数であり、それぞれの\(x\in \mathbb{R} \)に対して、\begin{equation*}\left\lfloor x\right\rfloor \leq x<\left\lfloor x\right\rfloor +1
\end{equation*}を満たすものとして定義される。

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(離散型一様分布にしたがう確率変数の分布関数)
確率変数\(X:\Omega \rightarrow \mathbb{R} \)がパラメータ\(6\)の離散型一様分布にしたがうものとします。つまり、\begin{equation*}X\sim U\left( 6\right)
\end{equation*}であるということです。この場合、先の命題より、\(X\)の分布関数\(F_{X}:\mathbb{R} \rightarrow \mathbb{R} \)はそれぞれの\(x\in \mathbb{R} \)に対して、\begin{equation*}F_{X}\left( x\right) =\left\{
\begin{array}{cl}
0 & \left( if\ x<1\right) \\
\frac{\left\lfloor x\right\rfloor }{n} & \left( if\ 1\leq x<6\right) \\
1 & \left( if\ x\geq 6\right)
\end{array}\right.
\end{equation*}を定めます。具体的には、\begin{equation*}
F_{X}\left( x\right) =\left\{
\begin{array}{cl}
0 & \left( if\ x<1\right) \\
\frac{1}{6} & \left( if\ 1\leq x<2\right) \\
\frac{2}{6} & \left( if\ 2\leq x<3\right) \\
\frac{3}{6} & \left( if\ 3\leq x<4\right) \\
\frac{4}{6} & \left( if\ 4\leq x<5\right) \\
\frac{5}{6} & \left( if\ 5\leq x<6\right) \\
1 & \left( if\ x\geq 6\right)
\end{array}\right.
\end{equation*}となります。

 

離散型一様分布にしたがう確率変数の期待値

確率変数\(X\)がパラメータ\(x_{1},x_{2},\cdots ,x_{n}\)の離散型一様分布にしたがう場合の期待値は以下の通りです。

命題(離散型一様分布にしたがう確率変数の期待値)
確率変数\(X\)がパラメータ\(x_{1},x_{2},\cdots ,x_{n}\)の離散型一様分布にしたがう場合、すなわち、\begin{equation*}X\sim U\left( x_{1},x_{2},\cdots ,x_{n}\right)
\end{equation*}である場合には、\(X\)の期待値は、\begin{equation*}E\left( X\right) =\frac{1}{n}\sum_{i=1}^{n}x_{i}
\end{equation*}となる。

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(離散型一様分布にしたがう確率変数の期待値)
確率変数\(X:\Omega \rightarrow \mathbb{R} \)がパラメータ\(\frac{1}{5},\frac{1}{4},\frac{1}{3},\frac{1}{2},1\)の離散型一様分布にしたがうものとします。つまり、\begin{equation*}X\sim U\left( \frac{1}{5},\frac{1}{4},\frac{1}{3},\frac{1}{2},1\right)
\end{equation*}であるということです。この場合、先の命題より、\(X\)の期待値は、\begin{eqnarray*}E\left( X\right) &=&\frac{1}{5}\left( \frac{1}{5}+\frac{1}{4}+\frac{1}{3}+\frac{1}{2}+1\right) \\
&=&\frac{137}{300}
\end{eqnarray*}となります。

確率変数\(X\)がパラメータ\(a,b\)の離散型一様分布にしたがう場合の期待値は以下の通りです。

命題(離散型一様分布にしたがう確率変数の期待値)
確率変数\(X\)がパラメータ\(a,b\)の離散型一様分布にしたがう場合、すなわち、\begin{equation*}X\sim U\left( a,b\right)
\end{equation*}である場合には、\(X\)の期待値は、\begin{equation*}E\left( X\right) =\frac{a+b}{2}
\end{equation*}となる。

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(離散型一様分布にしたがう確率変数の期待値)
確率変数\(X:\Omega \rightarrow \mathbb{R} \)がパラメータ\(-5,5\)の離散型一様分布にしたがうものとします。つまり、\begin{equation*}X\sim U\left( -5,5\right)
\end{equation*}であるということです。この場合、先の命題より、\(X\)の期待値は、\begin{equation*}X=\frac{-5+5}{2}=0
\end{equation*}となります。

確率変数\(X\)がパラメータ\(n\)の離散型一様分布にしたがう場合の期待値は以下の通りです。

命題(離散型一様分布にしたがう確率変数の期待値)
確率変数\(X\)がパラメータ\(n\)の離散型一様分布にしたがう場合、すなわち、\begin{equation*}X\sim U\left( n\right)
\end{equation*}である場合には、\(X\)の期待値は、\begin{equation*}E\left( X\right) =\frac{n+1}{2}
\end{equation*}となる。

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(離散型一様分布にしたがう確率変数の期待値)
確率変数\(X:\Omega \rightarrow \mathbb{R} \)がパラメータ\(6\)の離散型一様分布にしたがうものとします。つまり、\begin{equation*}X\sim U\left( 6\right)
\end{equation*}であるということです。この場合、先の命題より、\(X\)の期待値は、\begin{equation*}E\left( X\right) =\frac{1+6}{2}=\frac{7}{2}
\end{equation*}となります。

 

離散型一様分布にしたがう確率変数の分散

確率変数\(X\)がパラメータ\(x_{1},x_{2},\cdots ,x_{n}\)の離散型一様分布にしたがう場合の分散は以下の通りです。

命題(離散型一様分布にしたがう確率変数の分散)
確率変数\(X\)がパラメータ\(x_{1},x_{2},\cdots ,x_{n}\)の離散型一様分布にしたがう場合、すなわち、\begin{equation*}X\sim U\left( x_{1},x_{2},\cdots ,x_{n}\right)
\end{equation*}である場合には、\(X\)の分散は、\begin{equation*}\mathrm{Var}\left( X\right) =\frac{1}{n}\sum_{i=1}^{n}\left[ x_{i}-E\left(
X\right) \right] ^{2}
\end{equation*}となる。ただし、\begin{equation*}
E\left( X\right) =\frac{1}{n}\sum_{i=1}^{n}x_{i}
\end{equation*}である。

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(離散型一様分布にしたがう確率変数の分散)
確率変数\(X:\Omega \rightarrow \mathbb{R} \)がパラメータ\(\frac{1}{5},\frac{1}{4},\frac{1}{3},\frac{1}{2},1\)の離散型一様分布にしたがうものとします。つまり、\begin{equation*}X\sim U\left( \frac{1}{5},\frac{1}{4},\frac{1}{3},\frac{1}{2},1\right)
\end{equation*}であるということです。先の例より、\(X\)の期待値は、\begin{equation*}E\left( X\right) =\frac{137}{300}
\end{equation*}となります。したがって、上の命題より、\(X\)の分散は、\begin{eqnarray*}\mathrm{Var}\left( X\right) &=&\frac{1}{5}\left[ \left( \frac{1}{5}-\frac{137}{300}\right) ^{2}+\left( \frac{1}{4}-\frac{137}{300}\right) ^{2}+\left( \frac{1}{3}-\frac{137}{300}\right) ^{2}+\left( \frac{1}{2}-\frac{137}{300}\right)
^{2}+\left( 1-\frac{137}{300}\right) ^{2}\right] \\
&=&\frac{947}{11250}
\end{eqnarray*}となります。

確率変数\(X\)がパラメータ\(a,b\)の離散型一様分布にしたがう場合の期待値は以下の通りです。

命題(離散型一様分布にしたがう確率変数の分散)
確率変数\(X\)がパラメータ\(a,b\)の離散型一様分布にしたがう場合、すなわち、\begin{equation*}X\sim U\left( a,b\right)
\end{equation*}である場合には、\(X\)の分散は、\begin{equation*}\mathrm{Var}\left( X\right) =\frac{\left( b-a+1\right) ^{2}-1}{12}
\end{equation*}となる。

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(離散型一様分布にしたがう確率変数の期待値)
確率変数\(X:\Omega \rightarrow \mathbb{R} \)がパラメータ\(-5,5\)の離散型一様分布にしたがうものとします。つまり、\begin{equation*}X\sim U\left( -5,5\right)
\end{equation*}であるということです。この場合、先の命題より、\(X\)の分散は、\begin{eqnarray*}\mathrm{Var}\left( X\right) &=&\frac{\left[ 5-\left( -5\right) +1\right] ^{2}-1}{12} \\
&=&10
\end{eqnarray*}となります。

確率変数\(X\)がパラメータ\(n\)の離散型一様分布にしたがう場合の期待値は以下の通りです。

命題(離散型一様分布にしたがう確率変数の分散)
確率変数\(X\)がパラメータ\(n\)の離散型一様分布にしたがう場合、すなわち、\begin{equation*}X\sim U\left( n\right)
\end{equation*}である場合には、\(X\)の分散は、\begin{equation*}\mathrm{Var}\left( X\right) =\frac{n^{2}-1}{12}
\end{equation*}となる。

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(離散型一様分布にしたがう確率変数の期待値)
確率変数\(X:\Omega \rightarrow \mathbb{R} \)がパラメータ\(6\)の離散型一様分布にしたがうものとします。つまり、\begin{equation*}X\sim U\left( 6\right)
\end{equation*}であるということです。この場合、先の命題より、\(X\)の分散は、\begin{eqnarray*}\mathrm{Var}\left( X\right) &=&\frac{6^{2}-1}{12} \\
&=&\frac{35}{12}
\end{eqnarray*}となります。

 

離散型一様分布にしたがう確率変数のモーメント母関数

確率変数\(X\)がパラメータ\(x_{1},x_{2},\cdots ,x_{n}\)の離散型一様分布にしたがう場合のモーメント母関数は以下の通りです。

命題(離散型一様分布にしたがう確率変数のモーメント母関数)
確率変数\(X\)がパラメータ\(x_{1},x_{2},\cdots ,x_{n}\)の離散型一様分布にしたがう場合、すなわち、\begin{equation*}X\sim U\left( x_{1},x_{2},\cdots ,x_{n}\right)
\end{equation*}である場合には、モーメント母関数\(M_{X}:\mathbb{R} \rightarrow \mathbb{R} \)が存在して、それぞれの\(t\in \mathbb{R} \)に対して、\begin{equation*}M_{X}\left( t\right) =\frac{1}{n}\sum_{i=1}^{n}\left( e^{t}\right) ^{x_{i}}
\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(離散型一様分布にしたがう確率変数のモーメント母関数)
確率変数\(X:\Omega \rightarrow \mathbb{R} \)がパラメータ\(\frac{1}{5},\frac{1}{4},\frac{1}{3},\frac{1}{2},1\)の離散型一様分布にしたがうものとします。つまり、\begin{equation*}X\sim U\left( \frac{1}{5},\frac{1}{4},\frac{1}{3},\frac{1}{2},1\right)
\end{equation*}であるということです。この場合、先の命題より、モーメント母関数\(M_{X}:\mathbb{R} \rightarrow \mathbb{R} \)が存在して、それぞれの\(t\in \mathbb{R} \)に対して、\begin{equation*}M_{X}\left( t\right) =\frac{1}{n}\left( e^{\frac{t}{5}}+e^{\frac{t}{4}}+e^{\frac{t}{3}}+e^{\frac{t}{2}}+e^{t}\right)
\end{equation*}を定めます。

確率変数\(X\)がパラメータ\(a,b\)の離散型一様分布にしたがう場合のモーメント母関数は以下の通りです。

命題(離散型一様分布にしたがう確率変数の分散)
確率変数\(X\)がパラメータ\(a,b\)の離散型一様分布にしたがう場合、すなわち、\begin{equation*}X\sim U\left( a,b\right)
\end{equation*}である場合には、モーメント母関数\(M_{X}:\mathbb{R} \rightarrow \mathbb{R} \)が存在して、それぞれの\(t\in \mathbb{R} \)に対して、\begin{equation*}M_{X}\left( t\right) =\frac{1}{n}\sum_{x=a}^{b}\left( e^{t}\right) ^{x}
\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(離散型一様分布にしたがう確率変数のモーメント母関数)
確率変数\(X:\Omega \rightarrow \mathbb{R} \)がパラメータ\(-5,5\)の離散型一様分布にしたがうものとします。つまり、\begin{equation*}X\sim U\left( -5,5\right)
\end{equation*}であるということです。この場合、先の命題より、モーメント母関数\(M_{X}:\mathbb{R} \rightarrow \mathbb{R} \)が存在して、それぞれの\(t\in \mathbb{R} \)に対して、\begin{equation*}M_{X}\left( t\right) =\frac{1}{n}\sum_{x=-5}^{5}\left( e^{t}\right) ^{x}
\end{equation*}を定めます。

確率変数\(X\)がパラメータ\(n\)の離散型一様分布にしたがう場合のモーメント母関数は以下の通りです。

命題(離散型一様分布にしたがう確率変数のモーメント母関数)
確率変数\(X\)がパラメータ\(n\)の離散型一様分布にしたがう場合、すなわち、\begin{equation*}X\sim U\left( n\right)
\end{equation*}である場合には、モーメント母関数\(M_{X}:\mathbb{R} \rightarrow \mathbb{R} \)が存在して、それぞれの\(t\in \mathbb{R} \)に対して、\begin{equation*}M_{X}\left( t\right) =\frac{e^{t}\left( 1-e^{tn}\right) }{n\left(
1-e^{t}\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(離散型一様分布にしたがう確率変数のモーメント母関数)
確率変数\(X:\Omega \rightarrow \mathbb{R} \)がパラメータ\(6\)の離散型一様分布にしたがうものとします。つまり、\begin{equation*}X\sim U\left( 6\right)
\end{equation*}であるということです。この場合、先の命題より、モーメント母関数\(M_{X}:\mathbb{R} \rightarrow \mathbb{R} \)が存在して、それぞれの\(t\in \mathbb{R} \)に対して、\begin{equation*}M_{X}\left( t\right) =\frac{e^{t}\left( 1-e^{6t}\right) }{6\left(
1-e^{t}\right) }
\end{equation*}を定めます。

 

演習問題

問題(離散型の一様分布)
「1個のサイコロを投げて出た目を観察する」という試行の標本空間は、\begin{equation*}
\Omega =\left\{ 1,2,3,4,5,6\right\}
\end{equation*}です。それぞれの目が等しい確率で出るものとします。以下の問いに答えてください。

  1. 出た目を与える確率変数\(X\)を定式化した上で、その確率分布を記述してください。
  2. 「偶数の目が出る」という事象の確率を求めてください。
  3. 「\(3\)より小さい目が出る」という事象の確率を求めてください。
  4. 確率変数\(X\)の期待値と分散を求めてください。
  5. 確率変数\(X\)のモーメント母関数を求めてください。
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(離散型の一様分布)
「3ケタの数字を1つランダムに選択する」という試行について考えます。ただし、すべての数字は等しい確率で選ばれるものとします。以下の問いに答えてください。

  1. 選んだ数字の末尾の数字を与える確率変数\(X\)を定式化した上で、その確率分布を記述してください。
  2. 「選んだ数字の末尾の数字が\(3\)より小さい」という事象の確率を求めてください。
  3. 「選んだ数字の末尾の数字が\(8\)以上」という事象の確率を求めてください。
  4. 確率変数\(X\)の期待値と分散を求めてください。
  5. 確率変数\(X\)のモーメント母関数を求めてください。
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

次のページ:

ポアソン分布

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

離散型の確率変数

それぞれの標本点に対して実数を1つずつ割り当てる写像を確率変数と呼びます。値域が有限集合または可算集合であるような確率変数を離散型の確率変数と呼びます。

離散型確率変数の確率質量関数

離散型の確率変数が与えられたとき、それぞれの実数に対して、確率変数がその実数を値としてとる確率を特定する関数を確率質量関数などと呼びます。

離散型確率変数の期待値

確率変数がとり得るそれぞれの値に対して、その値が実現する確率との積をとった上で、得られた積の総和をとると期待値と呼ばれる指標が得られます。

離散型確率変数の分散と標準偏差

離散型の確率変数がとり得るそれぞれの値に対して、その値と期待値の差の平方をとった上で、得られた平方の総和をとると分散と呼ばれる指標が得られます。分散の正の平方根を標準偏差と呼びます。

離散型確率変数の中央化・標準化・正規化

期待値が0になるように確率変数を変換する操作を中央化と呼び、期待値が0で分散が1になるように確率変数を変換する操作を標準化と呼び、確率変数がとり得る値の範囲が0以上1以下になるように確率変数を変換する操作を正規化と呼びます。

連続型の一様分布

連続型の確率変数の確率分布を記述する確率密度関数が定数関数である場合、その確率変数は連続型の一様分布にしたがうと言います。連続型一様分布にしたがう確率変数を定義するとともに、その期待値と分散を求めます。

確率変数の分布関数

それぞれの実数に対して、確率変数がその実数以下の値をとる確率を特定する関数を分布関数と呼びます。分布関数の概念を定義するとともに、その基本的な性質について解説します。

離散型同時確率変数の期待値

離散型の同時確率変数の期待値を定義するとともに、同時確率変数と2変数関数の合成関数として定義される確率変数の期待値を求める方法を解説します。また、独立な確率変数の積の期待値は個々の確率変数の期待値の積と一致することを示します。

離散型同時確率変数の分散と標準偏差

離散型の同時確率変数の分散を定義するとともに、同時確率変数と2変数関数の合成関数として定義される確率変数の分散を求める方法を解説します。また、独立な確率変数の和の分散は個々の確率変数の分散の和と一致することを示します。

条件付き確率

試行によって事象 A が起きているか否かは観察できないものの、何らかの事情により、別の事象 B が起きているか否かは観察可能である場合(もしくは、事象 B が起きているものと仮定する場合)には、事象 A が起こる確率を条件付き確率という概念のもとで評価することができます。

連続型確率変数の期待値

連続型の確率変数の値と確率密度関数の値の積を全区間上で積分することにより得られる値を確率変数の期待値と呼びます。期待値は確率変数の実現値の見込みの値を表す指標です。

連続型確率変数の分散と標準偏差

連続型の確率変数がとり得るそれぞれの値と期待値の差の平方をとった上で、得られた平方を積分すると分散と呼ばれる指標が得られます。分散の正の平方根を標準偏差と呼びます。