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
(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
$n\rightarrow\infty,p\rightarrow0$ 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
0 件のコメント:
コメントを投稿