正規分布の定義と概要

公開日: 更新日:

【2023年3月5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、正規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、期待値・分散、モーメント母関数、再生性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。

正規分布

確率密度関数

確率変数 $X$ の確率密度関数が \begin{gather} \begin{matrix}f \left(x\right)=\displaystyle\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{ \left(x-\mu\right)^2}{2\sigma^2}}&-\infty \lt x \lt \infty\\\end{matrix}\\ -\infty \lt \mu \lt \infty \quad 0 \lt \sigma \end{gather} で与えられるとき、 $X$ はパラメータ \begin{align} \mu \quad \sigma^2 \end{align} 正規分布 normal distribution に従うという。

略記法

また、正規分布は、 \begin{align} \mathrm{N} \left(\mu,\sigma^2\right) \end{align} と略記されることがある。

標準正規分布

特に、$\mu=0,\sigma^2=1$ の正規分布を 標準正規分布 standard normal distribution という。 確率変数 $Z$ の確率密度関数は、 \begin{align} \begin{matrix}\phi \left(z\right)=\displaystyle\frac{1}{\sqrt{2\pi}}e^{-\frac{z^2}{2}}&-\infty \lt z \lt \infty\\\end{matrix} \end{align} で与えられる。

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、$f \left(x\right) \geq 0$
$0 \lt \sigma\Rightarrow0 \lt \frac{1}{\sqrt{2\pi}\sigma},0 \lt e^a$ より、 \begin{align} f \left(x\right)=\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{ \left(x-\mu\right)^2}{2\sigma^2}} \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}^{\infty}{\frac{1}{\sqrt{2\pi}\sigma}\exp \left\{-\frac{ \left(x-\mu\right)^2}{2\sigma^2}\right\}dx}\\ &=\frac{1}{\sqrt{2\pi}\sigma}\int_{-\infty}^{\infty}\exp \left\{-\frac{ \left(x-\mu\right)^2}{2\sigma^2}\right\}dx \end{align} ガウス積分の公式 $\int_{-\infty}^{\infty}{e^{-at^2}dt}=\sqrt{\frac{\pi}{a}}$ より、$a=\frac{1}{2\sigma^2},t=x-\mu$ とすると、 \begin{align} \int_{-\infty}^{\infty}f \left(x\right)dx=\frac{1}{\sqrt{2\pi}\sigma} \cdot \sqrt{2\pi}\sigma=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。 $\blacksquare$

重要事項のまとめ

略記法

\begin{align} \mathrm{N} \left(\mu,\sigma^2\right) \end{align}

パラメータ

\begin{gather} -\infty \lt \mu \lt \infty\\ 0 \lt \sigma \end{gather}

確率密度関数

\begin{align} \begin{matrix}f \left(x\right)=\displaystyle\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{ \left(x-\mu\right)^2}{2\sigma^2}}&-\infty \lt x \lt \infty\\\end{matrix} \end{align}

期待値

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

分散

\begin{align} V \left(X\right)=\sigma^2 \end{align}

モーメント母関数

\begin{align} M_X \left(\theta\right)=e^{\mu\theta+\frac{1}{2}\sigma^2\theta^2} \end{align}

再生性

正規分布には、再生性がある。

参考文献

  • 小寺 平治 著. 数理統計:明解演習. 共立出版, 1986, p.57
  • 野田 一雄, 宮岡 悦良 著. 入門・演習数理統計. 共立出版, 1990, p.126-134
  • 竹村 彰通 著. 現代数理統計学. 創文社, 1991, p.30-32
  • 稲垣 宣生 著. 数理統計学. 裳華房, 2003, p.36-41
  • 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.40-42
  • 黒木 学 著. 数理統計学:統計的推論の基礎. 共立出版, 2020, p.100-103

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