本稿では、連続一様分布の定義と概要についてまとめています。確率密度関数であることの証明、累積分布関数の導出、期待値・分散、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。
連続一様分布
定義・意味
確率変数 $X$ が 区間 $ \left[a,b\right]$ の値を等確率で取るとき、 $X$ は連続一様分布 continuous uniform distribution に従うという。
確率密度関数
確率密度関数 $f(x)$ は、 \begin{align} f \left(x\right)= \left\{\begin{matrix}\displaystyle\frac{1}{b-a}&a \le x \le b\\0&\mathrm{other}\\\end{matrix}\right. \end{align} で与えられる。
略記法
また、連続一様分布は、 \begin{align} \mathrm{U} \left(a,b\right) \end{align} と略記されることがある。
確率密度関数であることの証明
(i)すべての $x$ に関して、$f \left(x\right) \geq 0$
$a \lt b\Rightarrow0 \lt b-a$ より、
\begin{align}
f \left(x\right)=\frac{1}{b-a} \geq 0
\end{align}
(ii)すべての確率の和が1
\begin{align}
\int_{-\infty}^{\infty}f \left(x\right)dx&=\int_{-\infty}^{a}{0 \cdot d x}+\int_{a}^{b}{\frac{1}{b-a}dx}+\int_{b}^{\infty}{0 \cdot d x}\\
&=\int_{a}^{b}{\frac{1}{b-a}dx}\\
&=\frac{1}{b-a}\int_{a}^{b}{1 \cdot d x}\\
&=\frac{1}{b-a} \left[x\right]_a^b\\
&=\frac{b-a}{b-a}\\
&=1
\end{align}
よって、確率密度関数の定義を満たしているため、確率密度関数である。
$\blacksquare$
【公式】連続一様分布の累積分布関数
【公式】
連続一様分布の累積分布関数
Cumulative Distribution Function of Continuous Uniform Distribution
連続一様分布 $\mathrm{U} \left(a,b\right)$ の累積分布関数は、 \begin{align} F \left(x\right)= \left\{\begin{matrix}0&x \lt a\\\displaystyle\frac{x-a}{b-a}&a \le x \le b\\1&b \lt x\\\end{matrix}\right. \end{align} で与えられる。
導出
累積分布関数の定義式 $F \left(x\right)=\int_{-\infty}^{x}f \left(t\right)dt$ より、
(i)$x \lt a$ のとき
\begin{align}
F \left(x\right)=\int_{-\infty}^{x}f \left(t\right)dt=\int_{-\infty}^{x}{0 \cdot d t}=0
\end{align}
(ii)$a \le x \le b$ のとき
\begin{align}
F \left(x\right)&=\int_{-\infty}^{a}f \left(t\right)dt+\int_{a}^{x}f \left(t\right)dt\\
&=\int_{-\infty}^{a}{0 \cdot d t}+\int_{a}^{x}{\frac{1}{b-a}dt}\\
&=\frac{1}{b-a}\int_{a}^{x}{1 \cdot d t}\\
&=\frac{1}{b-a} \left[t\right]_a^x\\
&=\frac{x-a}{b-a}
\end{align}
(iii)$b \lt x$ のとき
\begin{align}
F \left(x\right)&=\int_{-\infty}^{a}f \left(t\right)dt+\int_{a}^{b}f \left(t\right)dt+\int_{b}^{x}f \left(t\right)dt\\
&=\int_{-\infty}^{a}{0 \cdot d t}+\int_{a}^{b}{\frac{1}{b-a}dt}+\int_{b}^{x}{0 \cdot d t}\\
&=1
\end{align}
したがって、
\begin{align}
F \left(x\right)= \left\{\begin{matrix}0&x \lt a\\\displaystyle\frac{x-a}{b-a}&a \le x \le b\\1&b \lt x\\\end{matrix}\right.
\end{align}
$\blacksquare$
重要事項のまとめ
略記法
\begin{align} \mathrm{U} \left(a,b\right) \end{align}
パラメータ
\begin{gather} -\infty \lt a \lt b \lt \infty \end{gather}
確率密度関数
\begin{align} f \left(x\right)= \left\{\begin{matrix}\displaystyle\frac{1}{b-a}&a \le x \le b\\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 a\\\displaystyle\frac{x-a}{b-a}&a \le x \le b\\1&b \lt x\\\end{matrix}\right. \end{align}
期待値
\begin{align} E \left(X\right)=\frac{a+b}{2} \end{align}
分散
\begin{align} V \left(X\right)=\frac{ \left(b-a\right)^2}{12} \end{align}
モーメント母関数
\begin{align} M_X \left(\theta\right)=\frac{e^{\theta b}-e^{\theta a}}{\theta \left(b-a\right)} \end{align}
参考文献
- 小寺 平治 著. 数理統計:明解演習. 共立出版, 1986, p.60
- 竹村 彰通 著. 現代数理統計学. 創文社, 1991, p.30
- 稲垣 宣生 著. 数理統計学. 裳華房, 2003, p.35
- 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.39
- 黒木 学 著. 数理統計学:統計的推論の基礎. 共立出版, 2020, p.97-100
0 件のコメント:
コメントを投稿