ベルヌーイ分布の定義と概要

公開日: 更新日:

【2023年3月3週】 【B000】数理統計学 【B030】離散型の確率分布

この記事をシェアする
  • B!
サムネイル画像

本稿では、ベルヌーイ分布の定義と概要についてまとめています。確率関数であることの証明、累積分布関数の導出、確率関数、期待値・分散、確率母関数、モーメント母関数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。

ベルヌーイ分布

定義・意味

以下の条件を満たす試行をベルヌーイ試行 Bernoulli trials という。
(a)1回の試行の結果が「成功」、または、「失敗」の2通りである
(b)それぞれの試行は独立である
(c)成功の確率は、何度繰り返しても不変である
成功確率と失敗確率がそれぞれ、 \begin{align} \begin{matrix}p&\mathrm{Success}\\1-p&\mathrm{Failure}\\\end{matrix} \end{align} のベルヌーイ試行を1回行い、 \begin{align} X= \left\{\begin{matrix}1&\mathrm{Success}\\0&\mathrm{Failure}\\\end{matrix}\right. \end{align} という値を取る確率変数を $X$ とするとき、 $X \left(=0,1\right)$ が従う離散型確率分布をベルヌーイ分布 Bernoulli distribution と呼ぶ。

確率関数

確率関数 $f(x)$ は、 \begin{align} f \left(x\right)= \left\{\begin{matrix}p^x \left(1-p\right)^{1-x}&x=0,1\\0&\mathrm{other}\\\end{matrix}\right. \end{align} で与えられる。

略記法

また、ベルヌーイ分布は、 \begin{align} \mathrm{Ber} \left(p\right) \end{align} と略記されることがある。

確率関数であることの証明

証明

(i)すべての $x$ に関して、$P \left(x\right) \geq 0$
確率の基本性質 $0 \le p \le 1$ より、$0 \le 1-p$ なので、 \begin{align} f \left(x\right)=\ p^x \left(1-p\right)^{1-x} \geq 0 \end{align} (ii)すべての確率の和が1 \begin{align} \sum_{x=0}^{1}f \left(x\right)&=p^0 \left(1-p\right)^1+\ p^1 \left(1-p\right)^0\\ &= \left(1-p\right)+p\\ &=1 \end{align} よって、確率関数の定義を満たしているため、確率関数である。 $\blacksquare$

【公式】ベルヌーイ分布の累積分布関数

【公式】
ベルヌーイ分布の累積分布関数
Cumulative Distribution Function of Bernoulli Distribution

ベルヌーイ分布 $\mathrm{Ber} \left(p\right)$ の累積分布関数は、 \begin{align} F \left(x\right)= \left\{\begin{matrix}0&x \lt 0\\1-p&0 \le x \lt 1\\1&1 \le x\\\end{matrix}\right. \end{align} で与えられる。

導出

導出

累積分布関数の定義式 $F \left(x\right)=P \left(X \le x\right)$ より、
(i)$x \lt 0$ のとき、$f \left(x\right)=0$ より、 \begin{align} F \left(x\right)=\sum_{k=-\infty}^{x}0=0 \end{align} (ii)$0 \le x \lt 1$ のとき
\begin{align} F \left(x\right)=f \left(0\right)=1-p \end{align} (iii)$1 \le x$ のとき
\begin{align} F \left(x\right)=\sum_{x=0}^{1}f \left(x\right)=1-p+p=1 \end{align} したがって、 \begin{align} F \left(x\right)= \left\{\begin{matrix}0&x \lt 0\\1-p&0 \le x \lt 1\\1&1 \le x\\\end{matrix}\right. \end{align} $\blacksquare$

重要事項のまとめ

略記法

\begin{align} \mathrm{Ber} \left(p\right) \end{align}

パラメータ

\begin{align} 0 \lt p \lt 1 \end{align}

確率関数

\begin{align} f \left(x\right)= \left\{\begin{matrix}p^x \left(1-p\right)^{1-x}&x=0,1\\0&\mathrm{other}\\\end{matrix}\right. \end{align}

累積分布関数

\begin{align} F \left(x\right)= \left\{\begin{matrix}0&x \lt 0\\1-p&0 \le x \lt 1\\1&1 \le x\\\end{matrix}\right. \end{align}

期待値

\begin{align} E \left(X\right)=p \end{align}

分散

\begin{align} V \left(X\right)=p \left(1-p\right) \end{align}

確率母関数

\begin{align} G_X \left(\theta\right)= \left(1-p\right)+p\theta \end{align}

モーメント母関数

\begin{align} M_X \left(\theta\right)= \left(1-p\right)+pe^\theta \end{align}

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.100-101
  • 竹村 彰通 著. 現代数理統計学. 創文社, 1991, p.25
  • 稲垣 宣生 著. 数理統計学. 裳華房, 2003, p.29
  • 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.30
  • 黒木 学 著. 数理統計学:統計的推論の基礎. 共立出版, 2020, p.81-82

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