分散の基本性質の証明

公開日:

【2023年3月2週】 【B000】数理統計学 【B020】確率変数と確率分布

この記事をシェアする
  • B!
サムネイル画像

本稿では、分散の基本性質を証明しています。定数関数の分散、線形変換の分散、確率変数が互いに独立なときの加法性、分散の公式(2乗の期待値と期待値の2乗の差で算出できる)が含まれます。

なお、閲覧にあたっては、以下の点にご注意ください。

  • スマートフォンやタブレット端末でご覧の際、数式が見切れている場合は、横にスクロールすることができます。

【定理】分散の基本性質

【定理】
分散の基本性質
Basic Properties of Variance

確率変数 X={X1,X2,,Xn} の分散について、 abc を定数として、以下の式が成り立つ。

(i)定数関数の分散 V(c)=0 (ii)線形変換の分散 V(aX+b)=a2V(X) (iii)確率変数が互いに独立なときの加法性
確率変数が互いに独立ならば、 V(X1+X2++Xn)=V(X1)+V(X2)++V(Xn) 和の記号を用いて表現すると、 V(i=1nXi)=i=1nV(Xi)

証明:定数関数の分散

証明

期待値の性質 E(a)=a,E(aX+b)=aE(X)+b より、X=c として、 V(c)=E[{cE(c)}2]=E[(cc)2]=E(0)=0

証明:線形変換の分散

証明

期待値の性質 E(a)=a,E(aX+b)=aE(X)+b より、 V(aX+b)=E[{aX+bE(aX+b)}2]=E[{aX+baE(X)b}2]=E[a2{XE(X)}2]=a2E[{XE(X)}2] 分散の定義式 V(X)=E[{XE(X)}2] より、 V(aX+b)=a2V(X)

証明:確率変数が互いに独立なときの加法性

証明

任意の自然数 n に関する数学的帰納法によって示す。以下、 E(Xi)=μi とおく。

(i)n=1 のとき V(X)=V(X) となり、命題は成り立つ。

(ii)n=2 のとき
分散の定義式 V(X)=E[{XE(X)}2] より、 V(X1+X2)=E[{X1+X2E(X1+X2)}2]=E[(X1+X2μ1μ2)2]=E[{(X1μ1)+(X2μ2)}2]=E[(X1μ1)2+2(X1μ1)(X2μ2)+(X2μ2)2]=E[(X1μ1)2]+2E[(X1μ1)(X2μ2)]+E[(X2μ2)2] 分散の定義式 V(X)=E[{XE(X)}2] より、 (1)V(X1+X2)=V(X1)+V(X2)+2E[(X1μ1)(X2μ2)] 独立なときの期待値の性質 E{g(X)h(Y)}=E{g(X)}E{h(Y)} より、 E[(X1μ1)(X2μ2)]=E(X1μ1)E(X2μ2)={E(X1)μ1}{E(X2)μ2}={μ1μ1}{μ2μ2}(2)=0 したがって、式 (1),(2) より、 V(X1+X2)=V(X1)+V(X2) となり、命題は成り立つ。 (iii)n=k のときに命題が成り立つ、すなわち、 V(X1+X2++Xk)=V(X1)+V(X2)++V(Xk) を仮定する。 このとき、Y=X1+X2++Xk とすると、 V(X1+X2++Xk+Xk+1)=V(Y+Xk+1) (ii)の結果より、 V(X1+X2++Xk+Xk+1)=V(Y)+V(Xk+1)=V(X1)+V(X2)++V(Xk)+V(Xk+1) となり、命題は成り立つ。

したがって、数学的帰納法により、任意の自然数 n に対し、命題は成り立つ。

【公式】分散の公式

【公式】
分散の公式
Variance Formula

確率変数 X の期待値 E(X)X2 の期待値 E(X2)、分散 V(X) の間には V(X)=E(X2){E(X)}2E(X2)=V(X)+{E(X)}2 という関係式が成り立つ。

証明:分散の公式

証明

分散の定義式を変形すると、 V(X)=E[{XE(X)}2]=E[X22XE(X)+{E(X)}2]=E[X2]2E(X)E(X)+{E(X)}2=E[X2]2{E(X)}2+{E(X)}2=E[X2]{E(X)}2

参考文献

  • 小寺 平治 著. 数理統計:明解演習. 共立出版, 1986, p.29-30
  • 野田 一雄, 宮岡 悦良 著. 入門・演習数理統計. 共立出版, 1990, p.74-76

関連記事

自己紹介

自分の写真

yama

大学時代に読書の面白さに気づいて以来、読書や勉強を通じて、興味をもったことや新しいことを学ぶことが生きる原動力。そんな人間が、その時々に学んだことを備忘録兼人生の軌跡として記録しているブログです。

このブログを検索

ブログ アーカイブ

QooQ