連続一様分布の定義と概要

公開日: 更新日:

【2023年3月4週】 【B000】数理統計学 【B040】連続型の確率分布

この記事をシェアする
  • B!
サムネイル画像

本稿では、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

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

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

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