本稿では、ワイブル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。
ワイブル分布
定義・意味
単位時間あたり平均 $a$ 回発生する事象があり、時間の経過とともに比率 $b \left( \gt 1\right)$ で事象が発生しやすくなる($0 \lt b \lt 1$ のときはしにくくなる)とき、 その事象が発生するまでの時間 $X$ が従う連続型確率分布をワイブル分布 Weibull distribution という。
確率密度関数
確率密度関数 $f(x)$ は、 \begin{gather} f \left(x\right)= \left\{\begin{matrix}\displaystyle\frac{b}{a^b}x^{b-1}e^{- \left(\frac{x}{a}\right)^b}&0 \le x\\0&\mathrm{other}\\\end{matrix}\right.\\ 0 \lt a \quad 0 \lt b \end{gather} で与えられる。
略記法
また、ワイブル分布は、 \begin{align} X \sim \mathrm{W} \left(a,b\right) \end{align} と略記されることがある。
他の分布との関係
$b=1$ のときは、指数分布 $\mathrm{Ex} \left(a\right)$ に等しく、$b=2$ のときは、レイリー分布 Rayleigh distribution と呼ばれることもある。
確率密度関数であることの証明
(i)すべての $x$ に関して、$f \left(x\right) \geq 0$
\begin{gather}
0 \lt a,0 \lt b\Rightarrow0 \lt \frac{b}{a^b}\\
0 \lt x\Rightarrow0 \lt x^{b-1}\\
0 \lt e^a\Rightarrow0 \lt e^{- \left(\frac{x}{a}\right)^b}
\end{gather}
したがって、
\begin{align}
f \left(x\right)=\frac{b}{a^b}x^{b-1}e^{- \left(\frac{x}{a}\right)^b} \gt 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}^{0}{0 \cdot d x}+\int_{0}^{\infty}f \left(x\right)dx\\
&=\int_{0}^{\infty}{\frac{bx^{b-1}}{a^b}e^{- \left(\frac{x}{a}\right)^b}dx}\\
&=\frac{b}{a^b}\int_{0}^{\infty}{x^{b-1}e^{- \left(\frac{x}{a}\right)^b}dx}
\end{align}
ここで、以下のように変数変換すると、
\begin{gather}
t= \left(\frac{x}{a}\right)^b\Leftrightarrow x=at^\frac{1}{b}\\
\frac{dx}{dt}=\frac{a}{b}t^{\frac{1}{b}-1}\Rightarrow dx=\frac{a}{b}t^{\frac{1}{b}-1}dt\\
x:0\rightarrow\infty \quad \Rightarrow \quad t:0\rightarrow\infty
\end{gather}
となるので、
置換積分法により、
\begin{align}
\int_{-\infty}^{\infty}f \left(x\right)dx&=\frac{b}{a^b}\int_{0}^{\infty}{ \left(at^\frac{1}{b}\right)^{b-1}e^{-t} \cdot \frac{a}{b}t^{\frac{1}{b}-1}dt}\\
&=\frac{b}{a^b} \cdot \frac{a}{b} \cdot a^{b-1}\int_{0}^{\infty}{t^{ \left(\frac{b-1}{b}+\frac{1-b}{b}\right)}e^{-t}dt}\\
&=\int_{0}^{\infty}{e^{-t}dt}\\
&= \left[-e^{-t}\right]_0^\infty\\
&=- \left(\lim_{t\rightarrow\infty}{e^{-t}}-e^0\right)\\
&=- \left(0-1\right)\\
&=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】ワイブル分布の累積分布関数
【公式】
ワイブル分布の累積分布関数
Cumulative Distribution Function of Weibull Distribution
ワイブル分布 $\mathrm{W} \left(a,b\right)$ の累積分布関数は、 \begin{align} F \left(x\right)= \left\{\begin{matrix}0&x \lt 0\\1-e^{- \left(\frac{x}{a}\right)^b}&0 \le 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)$x \lt 0$ 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)$0 \le x$ のとき
\begin{align}
F \left(x\right)&=\int_{0}^{x}{\frac{bt^{b-1}}{a^b}e^{- \left(\frac{t}{a}\right)^b}dt}\\
&=\frac{b}{a^b}\int_{0}^{x}{t^{b-1}e^{- \left(\frac{t}{a}\right)^b}dx}
\end{align}
ここで、以下のように変数変換すると、
\begin{gather}
s= \left(\frac{t}{a}\right)^b\Leftrightarrow t=as^\frac{1}{b}\\
\frac{dt}{ds}=\frac{a}{b}s^{\frac{1}{b}-1}\Rightarrow dt=\frac{a}{b}s^{\frac{1}{b}-1}ds\\
t:0\rightarrow x \quad \Rightarrow \quad s:0\rightarrow \left(\frac{x}{a}\right)^b
\end{gather}
となるので、
置換積分法により、
\begin{align}
F \left(x\right)&=\frac{b}{a^b}\int_{0}^{ \left(\frac{x}{a}\right)^b}{ \left(as^\frac{1}{b}\right)^{b-1}e^{-s} \cdot \frac{a}{b}s^{\frac{1}{b}-1}ds}\\
&=\frac{b}{a^b} \cdot a^{b-1} \cdot \frac{a}{b}\int_{0}^{ \left(\frac{x}{a}\right)^b}{s^{ \left(\frac{b-1}{b}+\frac{1-b}{b}\right)}e^{-t}ds}\\
&=\int_{0}^{ \left(\frac{x}{a}\right)^b}{e^{-t}dt}\\
&= \left[-e^{-t}\right]_0^{ \left(\frac{x}{a}\right)^b}\\
&=- \left(e^{- \left(\frac{x}{a}\right)^b}-e^0\right)\\
&=1-e^{- \left(\frac{x}{a}\right)^b}
\end{align}
したがって、
\begin{align}
F \left(x\right)= \left\{\begin{matrix}0&x \lt 0\\1-e^{- \left(\frac{x}{a}\right)^b}&0 \le x\\\end{matrix}\right.
\end{align}
$\blacksquare$
重要事項のまとめ
略記法
\begin{align} \mathrm{W} \left(a,b\right) \end{align}
パラメータ
\begin{gather} 0 \lt a\\ 0 \lt b \end{gather}
確率密度関数
\begin{gather} f \left(x\right)= \left\{\begin{matrix}\displaystyle\frac{b}{a^b}x^{b-1}e^{- \left(\frac{x}{a}\right)^b}&0 \le x\\0&\mathrm{other}\\\end{matrix}\right.\\ 0 \lt a \quad 0 \lt b \end{gather}
累積分布関数
\begin{align} F \left(x\right)= \left\{\begin{matrix}0&x \lt 0\\1-e^{- \left(\frac{x}{a}\right)^b}&0 \le x\\\end{matrix}\right. \end{align}
期待値
\begin{align} E \left(X\right)=a\Gamma \left(\frac{b+1}{b}\right) \end{align}
分散
\begin{align} V \left(X\right)=a^2 \left[\Gamma \left(\frac{b+2}{b}\right)- \left\{\Gamma \left(\frac{b+1}{b}\right)\right\}^2\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.59
- 野田 一雄, 宮岡 悦良 著. 入門・演習数理統計. 共立出版, 1990, p.161 章末問題 3.A.3
- 稲垣 宣生 著. 数理統計学. 裳華房, 2003, p.48 演習問題 3.14
0 件のコメント:
コメントを投稿