ポアソン分布の定義と概要(確率関数の導出付き)

公開日: 更新日:

【2023年3月4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、ポアソン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、確率関数の導出、累積分布関数、期待値・分散、確率母関数、モーメント母関数、最頻値、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。

ポアソン分布

定義・意味

単位時間あたり平均 $\lambda$ 回発生する極めて稀な事象があるとき、 単位時間内にその事象が発生する回数 $X$ が従う離散型確率分布をポアソン分布 Poisson distribution と呼ぶ。

確率関数

確率関数 $f(x)$ は、 \begin{align} f \left(x\right)= \left\{\begin{matrix}\displaystyle\frac{\lambda^xe^{-\lambda}}{x!}&x=0,1,2, \cdots \\0&\mathrm{other}\\\end{matrix}\right. \end{align} で与えられる。

略記法

また、ポアソン分布は、 \begin{align} \mathrm{Po} \left(\lambda\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、$P \left(x\right) \geq 0$
パラメータの定義 $0 \lt \lambda$ より \begin{align} 0 \lt \lambda^x \quad 0 \lt e^{-\lambda} \quad 1 \le x! \end{align} したがって、 \begin{align} f \left(x\right)=\frac{\lambda^xe^{-\lambda}}{x!} \geq 0 \end{align} (ii)すべての確率の和が1 \begin{align} \sum_{x=0}^{\infty}f \left(x\right)=e^{-\lambda}\sum_{x=0}^{\infty}\frac{\lambda^x}{x!} \end{align} 指数関数のマクローリン展開 $\sum_{x=0}^{\infty}\frac{\lambda^x}{x!}=e^\lambda$ より、 \begin{align} \sum_{x=0}^{\infty}f \left(x\right)=e^{-\lambda} \cdot e^\lambda=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。 $\blacksquare$

【定理】確率関数の導出(二項分布のポアソン近似)

【定理】
二項分布のポアソン近似
Derivation of Probability Function of Poisson Distribution: Poisson Approximation to the Binomial Distribution

確率変数 $X$ が二項分布 \begin{align} X \sim B \left(n,p\right) \end{align} に従い、 試行回数 $n$ が十分に大きく、かつ1回の試行における成功確率 $p$ が非常に小さい、すなわち、 \begin{align} n\rightarrow\infty \quad p\rightarrow0 \end{align} のとき、 \begin{align} \lambda=np \end{align} が一定値を取るとの仮定の下で、 確率変数 $X$ は近似的にポアソン分布 \begin{align} \mathrm{Po} \left(\lambda\right) \end{align} に従う。

導出

導出

$n\rightarrow\infty,p\rightarrow0$ とき、$X$ の期待値 \begin{align} E \left(X\right)=np \end{align} は、ほぼ同じ値(一定値)を取ると考えられる。 これを \begin{align} np=\lambda \end{align} とする。 これを用いて、二項分布の確率関数を変形すると、 \begin{align} f \left(x\right)&={}_{n}C_xp^x \left(1-p\right)^{n-x}\\ &=\frac{n!}{x! \left(n-x\right)!} \left(\frac{\lambda}{n}\right)^x \left(1-\frac{\lambda}{n}\right)^{n-x}\\ &=\frac{1}{x!} \cdot \frac{n!}{ \left(n-x\right)!} \cdot \frac{\lambda^x}{n^x} \cdot \left(1-\frac{\lambda}{n}\right)^{-x} \left(1-\frac{\lambda}{n}\right)^n\\ &=\frac{\lambda^x}{x!} \left(1-\frac{\lambda}{n}\right)^n \cdot \frac{n \left(n-1\right) \cdots \left(n-x+1\right)}{n^x} \cdot \left(1-\frac{\lambda}{n}\right)^{-x}\\ &=\frac{\lambda^x}{x!} \left(1-\frac{\lambda}{n}\right)^n \left(\frac{n}{n} \cdot \frac{n-1}{n} \cdot \cdots \cdot \frac{n-x+1}{n}\right) \left(1-\frac{\lambda}{n}\right)^{-x} \end{align} 両辺の $n\rightarrow\infty$ のときの極限を取ると、 \begin{align} \lim_{n\rightarrow\infty}{f \left(x\right)}&=\lim_{n\rightarrow\infty}{ \left\{\frac{\lambda^x}{x!} \left(1-\frac{\lambda}{n}\right)^n \left(\frac{n}{n} \cdot \frac{n-1}{n} \cdot \cdots \cdot \frac{n-x+1}{n}\right) \left(1-\frac{\lambda}{n}\right)^{-x}\right\}}\\ &=\frac{\lambda^x}{x!}\lim_{n\rightarrow\infty}{ \left(1-\frac{\lambda}{n}\right)^n} \cdot \lim_{n\rightarrow\infty}{ \left(\frac{n}{n} \cdot \frac{n-1}{n} \cdot \cdots \cdot \frac{n-x+1}{n}\right)} \cdot \lim_{n\rightarrow\infty}{ \left(1-\frac{\lambda}{n}\right)^{-x}} \end{align} ここで、 \begin{gather} \lim_{n\rightarrow\infty}{ \left(\frac{n}{n} \cdot \frac{n-1}{n} \cdot \cdots \cdot \frac{n-x+1}{n}\right)}=1 \cdot 1 \cdot \cdots \cdot 1=1\\ \lim_{n\rightarrow\infty}{ \left(1-\frac{\lambda}{n}\right)^{-x}}= \left(1-0\right)^{-x}=1 \end{gather} したがって、 \begin{align} \lim_{n\rightarrow\infty}{f \left(x\right)}=\frac{\lambda^x}{x!}\lim_{n\rightarrow\infty}{ \left(1-\frac{\lambda}{n}\right)^n} \end{align} また、ネイピアの数の定義式より、 \begin{align} \lim_{n\rightarrow\infty}{ \left(1-\frac{\lambda}{n}\right)^n}=e^{-\lambda} \end{align} したがって、 \begin{align} \lim_{n\rightarrow\infty}{f \left(x\right)}=\frac{\lambda^xe^{-\lambda}}{x!} \end{align} これは、ポアソン分布の確率関数の定義式である。 $\blacksquare$

重要事項のまとめ

略記法

\begin{align} \mathrm{Po} \left(\lambda\right) \end{align}

パラメータ

\begin{gather} 0 \lt \lambda \end{gather}

確率関数

\begin{align} f \left(x\right)= \left\{\begin{matrix}\displaystyle\frac{\lambda^xe^{-\lambda}}{x!}&x=0,1,2, \cdots \\0&\mathrm{other}\\\end{matrix}\right. \end{align}

累積分布関数

\begin{gather} F \left(x\right)=\int_{2\lambda}^{\infty}{f_n \left(t\right)dt}\\ 0 \lt \lambda \quad n=2 \left(x+1\right) \end{gather} ただし、$f_n \left(t\right)$ は、自由度 $n$ の $\chi^2$分布 $\chi^2 \left(n\right)$ の確率密度関数とする。

期待値

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

分散

\begin{align} V \left(X\right)=\lambda \end{align}

最頻値

\begin{align} Mo \left(X\right)= \left\{\begin{matrix}\lambda-1,\lambda&\lambda\in\boldsymbol{N}\\ \left\lceil\lambda\right\rceil&\lambda\notin\boldsymbol{N}\\\end{matrix}\right. \end{align} $x\in\boldsymbol{N}$ は整数であることを表す。 $ \left\lceil x\right\rceil$ は、「$x$ を超えない最大の整数」を表す。

確率母関数

\begin{align} G_X \left(\theta\right)=e^{\lambda \left(\theta-1\right)} \end{align}

モーメント母関数

\begin{align} M_X \left(\theta\right)=e^{\lambda \left(e^\theta-1\right)} \end{align}

再生性

ポアソン分布には、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.54
  • 野田 一雄, 宮岡 悦良 著. 入門・演習数理統計. 共立出版, 1990, p.112-115
  • 竹村 彰通 著. 現代数理統計学. 創文社, 1991, p.26-27
  • 稲垣 宣生 著. 数理統計学. 裳華房, 2003, p.31-32
  • 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.33-35
  • 黒木 学 著. 数理統計学:統計的推論の基礎. 共立出版, 2020, p.85-88

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