条件付き確率分布の特性値

公開日: 更新日:

【2023年3月3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、条件付き確率分布の特性値についてまとめています。条件付き期待値、条件付き分散、条件付き共分散の定義や条件付き期待値の基本性質、条件付き分散の公式、全分散の法則、条件付き共分散の公式、全共分散の法則の紹介が含まれます。

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。

条件付き期待値

確率変数 $X,Y$ に対し、$Y=y$ を与えたときの $X$ の条件付き確率(密度)関数を $g \left(\ x\ \middle|\ y\ \right)$ としたとき、 \begin{align} E \left(\ X\ \middle|\ Y=y\ \right)= \left\{\begin{matrix}\sum_{x=-\infty}^{\infty}{x \cdot g \left(\ x\ \middle|\ y\ \right)}&\mathrm{\mathrm{Discrete}}\\\int_{-\infty}^{\infty}{x \cdot g \left(\ x\ \middle|\ y\ \right)dx}&\mathrm{\mathrm{Continuous}}\\\end{matrix}\right. \end{align} を $Y=y$ を与えたときの $X$ の条件付き期待値 conditional expected value という。 なお、条件付き期待値を \begin{align} E \left(\ X\ \middle|\ y\ \right) \end{align} と書くこともある。

一般に、確率変数 $X$ の関数 $h \left(X\right)$ の条件付き期待値は、 \begin{align} E \left\{\ h \left(X\right)\ \middle|\ y\ \right\}= \left\{\begin{matrix}\sum_{x=-\infty}^{\infty}{h \left(x\right) \cdot g \left(\ x\ \middle|\ y\ \right)}&\mathrm{\mathrm{Discrete}}\\\int_{-\infty}^{\infty}{h \left(x\right) \cdot g \left(\ x\ \middle|\ y\ \right)dx}&\mathrm{\mathrm{Continuous}}\\\end{matrix}\right. \end{align} で与えられる。 条件付き期待値 $E \left(\ X\ \middle|\ y\ \right)$ は、確率変数 $Y$ の関数であり、それ自体確率変数であると言える。

条件付き期待値の基本性質

【定理】
条件付き期待値の基本性質
Basic Properties of Conditional Expected Value

(I)独立な確率変数の条件付き期待値
確率変数 $X,Y$ が互いに独立のとき、 \begin{gather} E \left(\ X\ \middle|\ Y=y\ \right)=E \left(X\right)\\ E \left(\ Y\ \middle|\ X=x\ \right)=E \left(Y\right) \end{gather} が成り立つ。

(II)期待値の繰り返し公式
『確率変数 $X$ の期待値』は、『「$Y=y$ を与えたときの $X$ の条件付き期待値」の期待値』に等しい、すなわち、 \begin{align} E \left(X\right)=E \left[E \left(X\middle| y\right)\right] \end{align} が成り立つ。

(III)期待値の繰り返し公式の一般化
確率変数 $X,Y$ の任意の関数 $m \left(X,Y\right)$ の期待値は、『「$Y=y$ を与えたときの $m \left(X,y\right)$ ($X$ の関数)の条件付き期待値」の期待値』、あるいは、『「$X=x$ を与えたときの $m \left(x,Y\right)$ ($Y$ の関数)の条件付き期待値」の期待値』に等しい、すなわち、 \begin{align} E \left[m \left(X,Y\right)\right]=E \left[E \left\{m \left(X,y\right)\middle| y\right\}\right]=E \left[E \left\{m \left(x,Y\right)\middle| x\right\}\right] \end{align} が成り立つ。

条件付き分散

確率変数 $X,Y$ に対し、$Y=y$ を与えたときの $X$ の分散 \begin{align} V \left(\ X\ \middle|\ y\ \right)=E \left[ \left. \left\{X-E \left(\ X\ \middle|\ y\ \right)\right\}^2\right|y\right] \end{align} を $Y=y$ を与えたときの $X$ の条件付き分散 conditional variance という。

条件付き分散の公式

【公式】
条件付き分散の公式
Conditional Variance Formula

確率変数 $X,Y$ に対し、$Y=y$ を与えたときの $X$ の条件付き分散について、 \begin{align} V \left(X\middle| y\right)=E \left(X^2\middle| y\right)- \left\{E \left(X\middle| y\right)\right\}^2 \end{align} が成り立つ。

全分散の法則

【定理】
条件付き分散の基本性質(全分散の法則)
Basic Property of Conditional Variance (Law of total variance)

確率変数 $X,Y$ について、「確率変数 $X$ の分散」は、 「$Y=y$ を与えたときの $X$ の条件付き分散の期待値」 「$Y=y$ を与えたときの $X$ の条件付き期待値の分散」 の和に等しい、 すなわち、 \begin{align} V \left(X\right)=E \left[V \left(X\middle| y\right)\right]+V \left[E \left(X\middle| y\right)\right] \end{align} が成り立つ。

条件付き共分散

確率変数 $X,Y,Z$ に対し、$Z=z$ を与えたときの $X,Y$ の共分散 \begin{align} \mathrm{Cov} \left(X,Y\middle| z\right)=E \left[ \left\{X-E \left(X\middle| z\right)\middle| z\right\} \left\{Y-E \left(Y\middle| z\right)\middle| z\right\}\right] \end{align} を $Z=z$ を与えたときの $X,Y$ の条件付き共分散 conditional covariance という。

条件付き共分散の公式

【公式】
条件付き共分散の公式
Conditional Covariance Formula

$Z=z$ を与えたときの $X,Y$ の条件付き共分散は、 \begin{align} \mathrm{Cov} \left(X,Y\middle| z\right)=E \left(XY\middle| z\right)-E \left(X\middle| z\right)E \left(Y\middle| z\right) \end{align} で与えられる。

全共分散の法則

【定理】
条件付き共分散の基本性質(全共分散の法則)
Basic Property of Conditional Covariance (Law of Total Covariance)

確率変数 $X,Y,Z$ について、$X$ と $Y$ の共分散は、 「$Z=z$ を与えたときの $X,Y$ の条件付き共分散の期待値」 「$Z=x$ を与えたときの $X,Y$ の条件付き期待値の共分散」 の和に等しい、 すなわち、 \begin{align} \mathrm{Cov} \left(X,Y\right)=E \left[\mathrm{Cov} \left(X,Y\middle| z\right)\right]+\mathrm{Cov} \left[E \left(X\middle| z\right),E \left(Y\middle| z\right)\right] \end{align} が成り立つ。

参考文献

  • 野田 一雄, 宮岡 悦良 著. 入門・演習数理統計. 共立出版, 1990, p.91-95
  • 竹村 彰通 著. 現代数理統計学. 創文社, 1991, p.51-55
  • 東京大学教養学部統計学教室 編. 基礎統計学 1 統計学入門. 東京大学出版会, 1991, p.142-145
  • 久保川 達也 著, 新井 仁之, 小林 俊行, 斎藤 毅, 吉田 朋広 編. 現代数理統計学の基礎. 共立出版, 2017, p.65-68
  • 黒木 学 著. 数理統計学:統計的推論の基礎. 共立出版, 2020, p.48-50

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