WIIS

代表的な確率分布

二項分布(ベルヌーイ試行)

目次

前のページ:

ベルヌーイ分布

次のページ:

離散型の一様分布

Mailで保存
Xで共有

ベルヌーイ試行

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、その値域が、\begin{equation*}X\left( \Omega \right) =\left\{ 0,1\right\}
\end{equation*}であるものとします。つまり、\(X\)は\(0\)か\(1\)の2つの値のみをとり得る離散型の確率変数であるということです。この場合、問題としている試行をベルヌーイ試行(Bernoulli trial)と呼びます。標本点\(\omega \in \Omega \)のもとで、\begin{equation*}X\left( \omega \right) =1
\end{equation*}が成り立つ場合には、そのことを成功(success)と呼び、標本点\(\omega \in \Omega \)のもとで、\begin{equation*}X\left( \omega \right) =0
\end{equation*}が成り立つ場合には、そのことを失敗(failure)と呼ぶこととします。したがって、\(X\left( \omega \right) \)の値は標本点\(\omega \)のもとで「成功」が起こる回数に相当します。

ベルヌーイ試行を表す確率変数\(X\)の確率質量関数\(f_{X}:\mathbb{R} \rightarrow \mathbb{R} \)がそれぞれの\(x\in \mathbb{R} \)に対して定める値が、\begin{equation*}0\leq p\leq 1
\end{equation*}を満たす定数\(p\in \mathbb{R} \)を用いて、\begin{equation*}f_{X}\left( x\right) =\left\{
\begin{array}{cl}
p & \left( if\ x=1\right) \\
1-p & \left( if\ x=0\right) \\
0 & \left( otherwise\right)
\end{array}\right.
\end{equation*}と表されるものとします。つまり、ベルヌーイ試行において「成功」が起こる確率は\(p\)であり、「失敗」が起こる確率が\(1-p\)であるということです。以上の条件が満たされる場合、確率変数\(X\)はパラメータ\(p\)のベルヌーイ分布にしたがうといい、そのことを、\begin{equation*}X\sim Bi\left( 1,p\right)
\end{equation*}で表記します。

例(ベルヌーイ試行)
「1枚のコインを投げて出た面を観察する」という試行の標本空間は、\begin{equation*}
\Omega =\left\{ \text{表},\text{裏}\right\}
\end{equation*}です。表が出る回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) =\left\{
\begin{array}{cl}
1 & \left( if\ \omega =\text{表}\right) \\
0 & \left( if\ \omega =\text{裏}\right)\end{array}\right.
\end{equation*}を定めます。このような確率変数\(X\)に注目する場合、先の試行はベルヌーイ試行とみなされます。「成功」は表が出ることであり、「失敗」は裏が出ることです。仮に、コインに歪みがなく表と裏が等確率で出るのであれば、\begin{equation*}X\sim Bi\left( 1,\frac{1}{2}\right)
\end{equation*}となります。

例(ベルヌーイ試行)
「コンピュータにある難易度の計算処理を一定時間内で行わせる」という試行の標本空間は、\begin{equation*}
\Omega =\left\{ \text{処理は成功},\text{処理は失敗}\right\}
\end{equation*}です。成功する回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) =\left\{
\begin{array}{cl}
1 & \left( if\ \omega =\text{処理は成功}\right)
\\
0 & \left( if\ \omega =\text{処理は失敗}\right)\end{array}\right.
\end{equation*}を定めます。このような確率変数\(X\)に注目する場合、先の試行はベルヌーイ試行とみなされます。「成功」は計算処理が成功することであり、「失敗」は計算処理が失敗することです。仮に、\(90\)パーセントの確率で計算処理が成功するのであれば、\begin{equation*}X\sim Bi\left( 1,\frac{9}{10}\right)
\end{equation*}となります。

例(ベルヌーイ試行)
「\(1\)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\{ 1,2,3,4,5\right\}
\end{equation*}です。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) =\left\{
\begin{array}{cl}
1 & \left( if\ \omega \text{が偶数}\right) \\
0 & \left( if\ \omega \text{が奇数}\right)\end{array}\right.
\end{equation*}を定めるものとします。このような確率変数\(X\)に注目する場合、先の試行はベルヌーイ試行とみなされます。「成功」は偶数が選ばれることであり、「失敗」は奇数が選ばれることです。標本空間\(\Omega \)に含まれる偶数は\(2\)個、奇数は\(3\)個であるため、すべての整数が等しい確率で出るのであれば、\begin{equation*}X\sim Bi\left( 1,\frac{2}{5}\right)
\end{equation*}となります。

「ベルヌーイ試行を有限\(n\)回繰り返し行う」という試行が確率空間\(\left( \Omega ,\mathcal{F},P\right) \)として表されているものとします。\(i\ \left( =1,\cdots ,n\right) \)回目のベルヌーイ試行のもとで実現する標本点を\(\omega _{i}\)で表記するのであれば、この試行の標本点を、\begin{equation*}\omega =\left( \omega _{1},\cdots ,\omega _{n}\right) \in \Omega _{1}\times
\cdots \times \Omega _{n}=\Omega
\end{equation*}と表現できます。\(i\)回目のベルヌーイ試行が確率変数\begin{equation*}X_{i}:\Omega _{i}\rightarrow \mathbb{R} \end{equation*}として表されているものとします。ベルヌーイ試行の定義より、\begin{equation*}
X_{i}\left( \Omega \right) =\left\{ 0,1\right\}
\end{equation*}です。さらに、以下の2つの条件が成り立つ状況を想定します。

1つ目の条件は、\(n\)回のベルヌーイ試行が同一の条件のもとで行われるということです。これは、\begin{equation*}\forall i,j\in \left\{ 1,\cdots ,n\right\} :\Omega _{i}=\Omega _{j}
\end{equation*}が成り立つとともに、すべての確率変数\(X_{1},\cdots ,X_{n}\)は同一の確率分布にしたがうことを意味します。つまり、\(X_{1},\cdots ,X_{n}\)はいずれも共通のパラメータ\(p\)のもとでのベルヌーイ分布にしたがうということです。言い換えると、\(0\leq p\leq 1\)を満たすある実数\(p\in \mathbb{R} \)が存在して、\begin{equation*}\forall i\in \left\{ 1,\cdots ,n\right\} :X_{i}\sim Bi\left( 1,p\right)
\end{equation*}が成り立つということです。

2つ目の条件は、\(n\)回のベルヌーイ試行が独立しているということです。つまり、確率変数\(X_{1},\cdots ,X_{n}\)が独立であるということです。

以上の条件がともに満たされる場合、「ベルヌーイ試行を有限\(n\)回繰り返し行う」という試行を\(n\)回のベルヌーイ試行(Bernoulli experiment with \(n\) trials)や\(n\)ベルヌーイ試行(\(n\) Bernoulli trial)などと呼びます。

例((n)回のベルヌーイ試行)
「1枚のコインを投げて出た面を観察する」という試行を有限\(n\)回行います。\(i\ \left( =1,\cdots,n\right) \)回目の試行の標本空間は、\begin{equation*}\Omega _{i}=\left\{ \text{表},\text{裏}\right\}
\end{equation*}です。\(i\)回目に表が出る回数を与える確率変数\(X_{i}:\Omega _{i}\rightarrow \mathbb{R} \)はそれぞれの\(\omega _{i}\in \Omega _{i}\)に対して、\begin{equation*}X_{i}\left( \omega _{i}\right) =\left\{
\begin{array}{cl}
1 & \left( if\ \omega _{i}=\text{表}\right) \\
0 & \left( if\ \omega _{i}=\text{裏}\right)\end{array}\right.
\end{equation*}を定めます。コインに歪みがなく各回において表と裏が等確率で出るものとします。つまり、\begin{equation*}
\forall i\in \left\{ 1,\cdots ,n\right\} :X_{i}\sim Bi\left( 1,\frac{1}{2}\right)
\end{equation*}が成り立つということです。さらに、\(n\)回のコイン投げが独立している場合には、すなわち\(X_{1},\cdots ,X_{n}\)が独立である場合には、これは\(n\)回のベルヌーイ試行です。
例((n)回のベルヌーイ試行)
「コンピュータにある難易度の計算処理を一定時間内で行わせる」という試行を有限\(n\)回行います。\(i\ \left( =1,\cdots ,n\right) \)回目の試行の標本空間は、\begin{equation*}\Omega _{i}=\left\{ \text{処理は成功},\text{処理は失敗}\right\}
\end{equation*}です。\(i\)回目に処理が成功する回数を与える確率変数\(X_{i}:\Omega _{i}\rightarrow \mathbb{R} \)はそれぞれの\(\omega _{i}\in \Omega _{i}\)に対して、\begin{equation*}X_{i}\left( \omega _{i}\right) =\left\{
\begin{array}{cl}
1 & \left( if\ \omega _{i}=\text{成功}\right) \\
0 & \left( if\ \omega _{i}=\text{失敗}\right)\end{array}\right.
\end{equation*}を定めます。各回の計算処理の難易度と制限時間が同一であり、各回において\(90\)パーセントの確率で計算処理が成功するのであれば、\begin{equation*}\forall i\in \left\{ 1,\cdots ,n\right\} :X\sim Bi\left( 1,\frac{9}{10}\right)
\end{equation*}となります。さらに、\(n\)回の計算処理が独立している場合には、すなわち\(X_{1},\cdots ,X_{n}\)が独立である場合には、これは\(n\)回のベルヌーイ試行です。
例((n)回のベルヌーイ試行)
「\(1\)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」という試行を有限\(n\)回行います。\(i\ \left( =1,\cdots ,n\right) \)回目の試行の標本空間は、\begin{equation*}\Omega _{i}=\left\{ 1,2,3,4,5\right\}
\end{equation*}です。確率変数\(X_{i}:\Omega_{i}\rightarrow \mathbb{R} \)はそれぞれの\(\omega _{i}\in \Omega _{i}\)に対して、\begin{equation*}X\left( \omega _{i}\right) =\left\{
\begin{array}{cl}
1 & \left( if\ \omega _{i}\text{が偶数}\right) \\
0 & \left( if\ \omega _{i}\text{が奇数}\right)\end{array}\right.
\end{equation*}を定めるものとします。各回においてすべての整数が等確率で選ばれるのであれば、\begin{equation*}
\forall i\in \left\{ 1,\cdots ,n\right\} :X\sim Bi\left( 1,\frac{2}{5}\right)
\end{equation*}となります。さらに、\(n\)回の試行が独立している場合には、すなわち\(X_{1},\cdots ,X_{n}\)が独立である場合には、これは\(n\)回のベルヌーイ試行です。

 

二項分布の確率質量関数

\(n\)回のベルヌーイ試行が確率空間\(\left( \Omega ,\mathcal{F},P\right) \)として表されているものとします。加えて、各回のベルヌーイ試行を表す確率変数\(X_{i}:\Omega _{i}\rightarrow \mathbb{R} \ \left( i=1,\cdots ,n\right) \)が与えられているものとします。つまり、\(0\leq p\leq 1\)を満たすある実数\(p\in \mathbb{R} \)のもとで、\begin{equation*}\forall i\in \left\{ 1,\cdots ,n\right\} :X_{i}\sim Bi\left( 1,p\right)
\end{equation*}が成り立つとともに、\(X_{1},\cdots ,X_{n}\)は独立であるということです。このとき、それぞれの標本点\(\omega =\left( \omega _{1},\cdots ,\omega_{n}\right) \in \Omega _{1}\times \cdots \times \Omega _{n}=\Omega \)に対して、以下の実数\begin{equation*}X\left( \omega \right) =X_{1}\left( \omega _{1}\right) +\cdots +X_{n}\left(
\omega _{n}\right)
\end{equation*}を値として定める新たな確率変数\begin{equation*}
X:\Omega \rightarrow \mathbb{R} \end{equation*}を定義します。\(X_{i}\left( \omega_{i}\right) \)は\(i\)回目のベルヌーイ試行において「成功」が起こる回数であるため、\(X\left( \omega \right) \)は\(n\)回のベルヌーイ試行において「成功」が起こる合計回数に相当します。以上の条件が満たされる場合、確率変数\(X\)は試行パラメーター\(n\)と成功パラメーター\(p\)の二項分布(binomial distribution with trial parameter \(n\) and success parameter \(p\))にしたがうといい、そのことを、\begin{equation*}X\sim B_{i}\left( n,p\right)
\end{equation*}で表記します。

二項分布の確率分布は以下のような確率質量関数によって記述されます。

命題(二項分布の確率質量関数)
確率変数\(X\)が試行パラメータ\(n\in \mathbb{N} \)と成功パラメータ\(p\in \left[0,1\right] \)の二項分布にしたがう場合、すなわち、\begin{equation*}X\sim B_{i}\left( n,p\right)
\end{equation*}である場合には、\(X\)の値域は、\begin{equation*}X\left( \Omega \right) =\left\{ 0,1,2,\cdots ,n\right\}
\end{equation*}であるとともに、\(X\)の確率質量関数\(f_{X}:\mathbb{R} \rightarrow \mathbb{R} \)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}
\dbinom{n}{x}p^{x}\left( 1-p\right) ^{n-x} & \left( if\ x\in X\left( \Omega
\right) \right) \\
0 & \left( otherwise\right)\end{array}\right.
\end{equation*}を定める。ただし、\(\dbinom{n}{x}\)は\(n\)個から\(x\)個を選ぶ場合の組合せの個数であり、\begin{equation*}\binom{n}{x}=\frac{n!}{\left( n-x\right) !x!}
\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(二項分布)
「1枚のコインを投げて出た面を観察する」という試行を有限\(n\)回行います。\(i\ \left( =1,\cdots,n\right) \)回目の試行の標本空間は、\begin{equation*}\Omega _{i}=\left\{ \text{表},\text{裏}\right\}
\end{equation*}です。\(i\)回目に表が出る回数を与える確率変数\(X_{i}:\Omega _{i}\rightarrow \mathbb{R} \)はそれぞれの\(\omega _{i}\in \Omega _{i}\)に対して、\begin{equation*}X_{i}\left( \omega _{i}\right) =\left\{
\begin{array}{cl}
1 & \left( if\ \omega _{i}=\text{表}\right) \\
0 & \left( if\ \omega _{i}=\text{裏}\right)\end{array}\right.
\end{equation*}を定めます。コインに歪みがなく各回において表と裏が等確率で出るものとします。つまり、\begin{equation*}
\forall i\in \left\{ 1,\cdots ,n\right\} :X_{i}\sim Bi\left( 1,\frac{1}{2}\right)
\end{equation*}が成り立つということです。さらに、\(n\)回のコイン投げが独立している場合には、すなわち\(X_{1},\cdots ,X_{n}\)が独立である場合には、これは\(n\)回のベルヌーイ試行です。それぞれの\(\omega \in \Omega \)に対して、\begin{equation*}X\left( \omega \right) =X_{1}\left( \omega _{1}\right) +\cdots +X_{n}\left(
\omega _{n}\right)
\end{equation*}を定める確率変数\(X:\Omega\rightarrow \mathbb{R} \)を定義すると、\begin{equation*}X\sim Bi\left( n,\frac{1}{2}\right)
\end{equation*}が成り立ちます。先の命題より、\(X\)の値域は、\begin{equation*}X\left( \Omega \right) =\left\{ 0,1,2,\cdots ,n\right\}
\end{equation*}であるとともに、\(X\)の確率質量関数\(f_{X}:\mathbb{R} \rightarrow \mathbb{R} \)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}
\dbinom{n}{x}\left( \frac{1}{2}\right) ^{n} & \left( if\ x\in X\left( \Omega
\right) \right) \\
0 & \left( otherwise\right)\end{array}\right.
\end{equation*}を定めます。

例(二項分布)
「コンピュータにある難易度の計算処理を一定時間内で行わせる」という試行を有限\(n\)回行います。\(i\ \left( =1,\cdots ,n\right) \)回目の試行の標本空間は、\begin{equation*}\Omega _{i}=\left\{ \text{処理は成功},\text{処理は失敗}\right\}
\end{equation*}です。\(i\)回目に処理が成功する回数を与える確率変数\(X_{i}:\Omega _{i}\rightarrow \mathbb{R} \)はそれぞれの\(\omega _{i}\in \Omega _{i}\)に対して、\begin{equation*}X_{i}\left( \omega _{i}\right) =\left\{
\begin{array}{cl}
1 & \left( if\ \omega _{i}=\text{成功}\right) \\
0 & \left( if\ \omega _{i}=\text{失敗}\right)\end{array}\right.
\end{equation*}を定めます。各回の計算処理の難易度と制限時間が同一であり、各回において\(90\)パーセントの確率で計算処理が成功するのであれば、\begin{equation*}X\sim Bi\left( 1,\frac{9}{10}\right)
\end{equation*}となります。さらに、\(n\)回の計算処理が独立している場合には、すなわち\(X_{1},\cdots ,X_{n}\)が独立である場合には、これは\(n\)回のベルヌーイ試行です。それぞれの\(\omega \in \Omega \)に対して、\begin{equation*}X\left( \omega \right) =X_{1}\left( \omega _{1}\right) +\cdots +X_{n}\left(
\omega _{n}\right)
\end{equation*}を定める確率変数\(X:\Omega\rightarrow \mathbb{R} \)を定義すると、\begin{equation*}X\sim Bi\left( n,\frac{9}{10}\right)
\end{equation*}が成り立ちます。先の命題より、\(X\)の値域は、\begin{equation*}X\left( \Omega \right) =\left\{ 0,1,2,\cdots ,n\right\}
\end{equation*}であるとともに、\(X\)の確率質量関数\(f_{X}:\mathbb{R} \rightarrow \mathbb{R} \)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}
\dbinom{n}{x}\left( \frac{9}{10}\right) ^{x}\left( \frac{1}{10}\right) ^{n-x}
& \left( if\ x\in X\left( \Omega \right) \right) \\
0 & \left( otherwise\right)\end{array}\right.
\end{equation*}を定めます。

例(二項分布)
「\(1\)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」という試行を有限\(n\)回行います。\(i\ \left( =1,\cdots ,n\right) \)回目の試行の標本空間は、\begin{equation*}\Omega _{i}=\left\{ 1,2,3,4,5\right\}
\end{equation*}です。確率変数\(X_{i}:\Omega_{i}\rightarrow \mathbb{R} \)はそれぞれの\(\omega _{i}\in \Omega _{i}\)に対して、\begin{equation*}X\left( \omega _{i}\right) =\left\{
\begin{array}{cl}
1 & \left( if\ \omega _{i}\text{が偶数}\right) \\
0 & \left( if\ \omega _{i}\text{が奇数}\right)\end{array}\right.
\end{equation*}を定めるものとします。各回においてすべての整数が等確率で選ばれるのであれば、\begin{equation*}
\forall i\in \left\{ 1,\cdots ,n\right\} :X\sim Bi\left( 1,\frac{2}{5}\right)
\end{equation*}となります。さらに、\(n\)回の試行が独立している場合には、すなわち\(X_{1},\cdots ,X_{n}\)が独立である場合には、これは\(n\)回のベルヌーイ試行です。それぞれの\(\omega \in \Omega \)に対して、\begin{equation*}X\left( \omega \right) =X_{1}\left( \omega _{1}\right) +\cdots +X_{n}\left(
\omega _{n}\right)
\end{equation*}を定める確率変数\(X:\Omega\rightarrow \mathbb{R} \)を定義すると、\begin{equation*}X\sim Bi\left( n,\frac{2}{5}\right)
\end{equation*}が成り立ちます。先の命題より、\(X\)の値域は、\begin{equation*}X\left( \Omega \right) =\left\{ 0,1,2,\cdots ,n\right\}
\end{equation*}であるとともに、\(X\)の確率質量関数\(f_{X}:\mathbb{R} \rightarrow \mathbb{R} \)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}
\dbinom{n}{x}\left( \frac{2}{5}\right) ^{x}\left( \frac{3}{5}\right) ^{n-x}
& \left( if\ x\in X\left( \Omega \right) \right) \\
0 & \left( otherwise\right)\end{array}\right.
\end{equation*}を定めます。

二項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(二項分布の確率質量関数)
確率変数\(X\)が試行パラメータ\(n\in \mathbb{N} \)と成功パラメータ\(p\in \left[0,1\right] \)の二項分布にしたがう場合、すなわち、\begin{equation*}X\sim B_{i}\left( n,p\right)
\end{equation*}である場合には、\(X\)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

 

二項分布の分布関数

二項分布にしたがう確率変数の分布関数は以下の通りです。

命題(二項分布の分布関数)
確率変数\(X\)が試行パラメータ\(n\in \mathbb{N} \)と成功パラメータ\(p\in \left[0,1\right] \)の二項分布にしたがう場合、すなわち、\begin{equation*}X\sim B_{i}\left( n,p\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<0\right) \\
\sum\limits_{y=0}^{k}\dbinom{n}{y}p^{y}\left( 1-p\right) ^{n-y} & \left( if\
k\leq x<k+1\wedge k\in \left\{ 0,1,\cdots ,n-1\right\} \right) \\
1 & \left( if\ x\geq n\right)\end{array}\right.
\end{equation*}を定める。ただし、\(\dbinom{n}{y}\)は\(n\)個から\(y\)個を選ぶ場合の組合せの個数であり、\begin{equation*}\binom{n}{y}=\frac{n!}{\left( n-y\right) !y!}
\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

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<0\right) \\
\sum\limits_{y=0}^{0}\dbinom{n}{y}p^{y}\left( 1-p\right) ^{n-y} & \left( if\
0\leq x<1\right) \\
\sum\limits_{y=0}^{1}\dbinom{n}{y}p^{y}\left( 1-p\right) ^{n-y} & \left( if\
1\leq x<2\right) \\
\vdots & \\
\sum\limits_{y=0}^{n-1}\dbinom{n}{y}p^{y}\left( 1-p\right) ^{n-y} & \left(
if\ n-1\leq x<n\right) \\
1 & \left( if\ x\geq n\right)\end{array}\right.
\end{equation*}となります。

例(二項分布の分布関数)
先のコイン投げの事例において、\(n\)回において表が出る枚数を表す確率変数\(X\)は、\begin{equation*}X\sim Bi\left( n,\frac{1}{2}\right)
\end{equation*}を満たします。先の命題より、\(X\)の分布関数\(F:\mathbb{R} \rightarrow \mathbb{R} \)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<0\right) \\
\sum\limits_{y=0}^{k}\dbinom{n}{y}\left( \frac{1}{2}\right) ^{n} & \left(
if\ k\leq x<k+1\wedge k\in \left\{ 0,1,\cdots ,n-1\right\} \right) \\
1 & \left( if\ x\geq n\right)\end{array}\right.
\end{equation*}を定めます。

例(二項分布の分布関数)
先の計算処理の事例において、\(n\)回において計算処理が成功する回数を表す確率変数\(X\)は、\begin{equation*}X\sim Bi\left( n,\frac{9}{10}\right)
\end{equation*}を満たします。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<0\right) \\
\sum\limits_{y=0}^{k}\dbinom{n}{y}\left( \frac{9}{10}\right) ^{y}\left(
\frac{1}{10}\right) ^{n-y} & \left( if\ k\leq x<k+1\wedge k\in \left\{
0,1,\cdots ,n-1\right\} \right) \\
1 & \left( if\ x\geq n\right)\end{array}\right.
\end{equation*}を定めます。

例(二項分布の分布関数)
先の整数を選ぶ事例において、\(n\)回において偶数が選ばれる回数を表す確率変数\(X\)は、\begin{equation*}X\sim Bi\left( n,\frac{2}{5}\right)
\end{equation*}を満たします。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<0\right) \\
\sum\limits_{y=0}^{k}\dbinom{n}{y}\left( \frac{2}{5}\right) ^{y}\left( \frac{3}{5}\right) ^{n-y} & \left( if\ k\leq x<k+1\wedge k\in \left\{ 0,1,\cdots
,n-1\right\} \right) \\
1 & \left( if\ x\geq n\right)\end{array}\right.
\end{equation*}を定めます。

 

二項分布にしたがう確率変数の期待値

二項分布にしたがう確率変数の期待値は以下の通りです。

命題(二項分布にしたがう確率変数の期待値)
確率変数\(X\)が試行パラメータ\(n\in \mathbb{N} \)と成功パラメータ\(p\in \left[0,1\right] \)の二項分布にしたがう場合、すなわち、\begin{equation*}X\sim B_{i}\left( n,p\right)
\end{equation*}である場合には、\(X\)の期待値は、\begin{equation*}E\left( X\right) =np
\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(二項分布にしたがう確率変数の期待値)
先のコイン投げの事例において、\(n\)回において表が出る枚数を表す確率変数\(X\)は、\begin{equation*}X\sim Bi\left( n,\frac{1}{2}\right)
\end{equation*}を満たします。先の命題より、\(X\)の期待値は、\begin{equation*}E\left( X\right) =\frac{n}{2}
\end{equation*}です。

例(二項分布にしたがう確率変数の期待値)
先の計算処理の事例において、\(n\)回において計算処理が成功する回数を表す確率変数\(X\)は、\begin{equation*}X\sim Bi\left( n,\frac{9}{10}\right)
\end{equation*}を満たします。先の命題より、\(X\)の期待値は、\begin{equation*}E\left( X\right) =\frac{9}{10}n
\end{equation*}です。

例(二項分布にしたがう確率変数の期待値)
先の整数を選ぶ事例において、\(n\)回において偶数が選ばれる回数を表す確率変数\(X\)は、\begin{equation*}X\sim Bi\left( n,\frac{2}{5}\right)
\end{equation*}を満たします。先の命題より、\(X\)の期待値は、\begin{equation*}E\left( X\right) =\frac{2}{5}n
\end{equation*}です。

 

二項分布にしたがう確率変数の分散

二項分布にしたがう確率変数の分散は以下の通りです。

命題(二項分布にしたがう確率変数の分散)
確率変数\(X\)が試行パラメータ\(n\in \mathbb{N} \)と成功パラメータ\(p\in \left[0,1\right] \)の二項分布にしたがう場合、すなわち、\begin{equation*}X\sim B_{i}\left( n,p\right)
\end{equation*}である場合には、\(X\)の分散は、\begin{equation*}\mathrm{Var}\left( X\right) =np\left( 1-p\right)
\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(二項分布にしたがう確率変数の分散)
先のコイン投げの事例において、\(n\)回において表が出る枚数を表す確率変数\(X\)は、\begin{equation*}X\sim Bi\left( n,\frac{1}{2}\right)
\end{equation*}を満たします。先の命題より、\(X\)の分散は、\begin{equation*}\mathrm{Var}\left( X\right) =n\cdot \frac{1}{2}\cdot \frac{1}{2}=\frac{n}{4}
\end{equation*}です。

例(二項分布にしたがう確率変数の分散)
先の計算処理の事例において、\(n\)回において計算処理が成功する回数を表す確率変数\(X\)は、\begin{equation*}X\sim Bi\left( n,\frac{9}{10}\right)
\end{equation*}を満たします。先の命題より、\(X\)の分散は、\begin{equation*}\mathrm{Var}\left( X\right) =n\cdot \frac{9}{10}\cdot \frac{1}{10}=\frac{9}{10}n
\end{equation*}です。

例(二項分布にしたがう確率変数の分散)
先の整数を選ぶ事例において、\(n\)回において偶数が選ばれる回数を表す確率変数\(X\)は、\begin{equation*}X\sim Bi\left( n,\frac{2}{5}\right)
\end{equation*}を満たします。先の命題より、\(X\)の分散は、\begin{equation*}\mathrm{Var}\left( X\right) =n\cdot \frac{2}{5}\cdot \frac{3}{5}=\frac{6}{25}n
\end{equation*}です。

 

二項分布にしたがう確率変数のモーメント母関数

二項分布にしたがう確率変数はモーメント母関数を持ちます。具体的には以下の通りです。

命題(二項分布にしたがう確率変数のモーメント母関数)
確率変数\(X\)が試行パラメータ\(n\in \mathbb{N} \)と成功パラメータ\(p\in \left[0,1\right] \)の二項分布にしたがう場合、すなわち、\begin{equation*}X\sim B_{i}\left( n,p\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) =\left( 1-p+e^{t}p\right) ^{n}
\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(二項分布にしたがう確率変数のモーメント母関数)
先のコイン投げの事例において、\(n\)回において表が出る枚数を表す確率変数\(X\)は、\begin{equation*}X\sim Bi\left( n,\frac{1}{2}\right)
\end{equation*}を満たします。先の命題より、\(X\)のモーメント母関数\(M_{X}:\mathbb{R} \rightarrow \mathbb{R} \)が存在して、これはそれぞれの\(t\in \mathbb{R} \)に対して、\begin{eqnarray*}M_{X}\left( t\right) &=&\left( 1-\frac{1}{2}+\frac{e^{t}}{2}\right) ^{n} \\
&=&\left( \frac{1+e^{t}}{2}\right) ^{n}
\end{eqnarray*}を定めます。

例(二項分布にしたがう確率変数のモーメント母関数)
先の計算処理の事例において、\(n\)回において計算処理が成功する回数を表す確率変数\(X\)は、\begin{equation*}X\sim Bi\left( n,\frac{9}{10}\right)
\end{equation*}を満たします。先の命題より、\(X\)のモーメント母関数\(M_{X}:\mathbb{R} \rightarrow \mathbb{R} \)が存在して、これはそれぞれの\(t\in \mathbb{R} \)に対して、\begin{eqnarray*}M_{X}\left( t\right) &=&\left( 1-\frac{9}{10}+\frac{9e^{t}}{10}\right) ^{n}
\\
&=&\left( \frac{1+9e^{t}}{10}\right) ^{n}
\end{eqnarray*}を定めます。

例(二項分布にしたがう確率変数のモーメント母関数)
先の整数を選ぶ事例において、\(n\)回において偶数が選ばれる回数を表す確率変数\(X\)は、\begin{equation*}X\sim Bi\left( n,\frac{2}{5}\right)
\end{equation*}を満たします。先の命題より、\(X\)のモーメント母関数\(M_{X}:\mathbb{R} \rightarrow \mathbb{R} \)が存在して、これはそれぞれの\(t\in \mathbb{R} \)に対して、\begin{eqnarray*}M_{X}\left( t\right) &=&\left( 1-\frac{2}{5}+\frac{2e^{t}}{5}\right) ^{n} \\
&=&\left( \frac{3+2e^{t}}{55}\right) ^{n}
\end{eqnarray*}を定めます。

 

演習問題

問題(二項分布)
確率変数\(X\)について、\begin{equation*}X\sim Bi\left( 2,p\right)
\end{equation*}が成り立つものとします。\(X\)の確率質量関数\(f_{X}:\mathbb{R} \rightarrow \mathbb{R} \)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(二項分布)
確率変数\(X\)について、\begin{equation*}X\sim B_{i}\left( 3,p\right)
\end{equation*}が成り立つものとします。\(X\)の確率質量関数\(f_{X}:\mathbb{R} \rightarrow \mathbb{R} \)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(歪みのないコイン投げ)
コイン投げを\(4\)回行います。コインに歪みがなく各回において表と裏が等確率で出るものとします。加えて、\(4\)回のコイン投げは独立しているものとします。表がちょうど\(2\)回出る確率を求めてください。
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(歪みのあるコイン投げ)
コイン投げを\(6\)回行います。ただし、コインは歪んでいるため、表がである確率は裏が出る確率の\(2\)倍です。加えて、\(6\)回のコイン投げは独立しているものとします。表がちょうど\(2\)回出る確率、表が\(3\)回以上出る確率、表が\(3\)回以下出る確率をそれぞれ求めてください。
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(ボール投げ)
ボールを的めがけて\(10\)回投げます。各回においてボールが的に当たる確率は\(\frac{3}{4}\)であるものとします。加えて、\(10\)回のボール投げは独立しているものとします。ボールが的に当たる回数が\(5\)回未満である確率を求めてください。
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(不良品の個数)
ある工場で商品を製造すると\(5\)パーセントの確率で不良品になるものとします。その工場で商品を\(100\)個製造したとき、その中の\(2\)個が不良品である確率を求めてください。
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(検品)
目の前にある\(100\)個の製品の中の\(20\)個が不良品であるものとします。\(100\)個の中から\(10\)個をランダムに選んで検品したとき、その中の少なくとも\(1\)個が不良品である確率、不良品が最大で\(3\)個である確率、不良品が\(0\)個である確率をそれぞれ求めてください。
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(目標の爆破)
爆弾を落とした時にターゲットに着弾する確率が\(0.6\)であるものとします。ターゲットである橋を爆破するためには\(2\)個の爆弾を着弾させる必要があるものとします。\(10\)個の爆弾を落とした時に橋を爆破できる確率を求めてください。
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(二項分布)
確率変数\(X\)が以下の2つの条件\begin{eqnarray*}&&\left( a\right) \ \exists p\in \left( 0,1\right) :X\sim Bi\left(
5,p\right) \\
&&\left( b\right) \ 8P\left( X=4\right) =P\left( X=2\right)
\end{eqnarray*}を満たすものとします。\(p\)を特定した上で、さらに、以下の確率\begin{equation*}P\left( X\geq 1\right)
\end{equation*}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(二項分布の期待値と分散から分布を特定する)
確率変数\(X\)は二項分布にしたがうものとします。つまり、以下の条件\begin{equation*}X\sim Bi\left( n,p\right)
\end{equation*}を満たす\(n\in \mathbb{N} \)および\(p\in \left[ 0,1\right] \)が存在するということです。加えて、\begin{eqnarray*}E\left( X\right) &=&12 \\
\mathrm{Var}\left( X\right) &=&4
\end{eqnarray*}が成り立つものとします。以上の情報をもとに\(n\)と\(p\)を特定できるでしょうか。議論してください。
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(二項分布にしたがう確率変数のモーメント)
確率変数\(X\)について、\begin{equation*}X\sim Bi\left( 3,\frac{1}{2}\right)
\end{equation*}が成り立つものとします。この確率変数の\(3\)次のモーメントを求めてください。
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(マルコフの不等式)
偏りがあるコインを繰り返し投げる状況を想定します。各回において確率\(\frac{1}{5}\)で表が出て確率\(\frac{4}{5}\)で裏が出ます。このコインを\(20\)回投げたとき、表が\(16\)回以上出る確率の上界を求めてください。
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

関連知識

前のページ:

ベルヌーイ分布

次のページ:

離散型の一様分布

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