本稿では、①定義に沿った方法、②モーメント母関数を用いる方法の2通りの方法で、連続一様分布の期待値と分散を導出しています。②の方法は、ロピタルの定理を必要とし、計算も非常に煩雑なため、実用的ではありませんが、計算練習としてはかなり骨のある問題です。
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。
【公式】連続一様分布の期待値・分散
【公式】
連続一様分布の期待値・分散
Expected Value and Variance of Continuous Uniform Distribution
連続一様分布 $\mathrm{U} \left(a,b\right)$ の期待値 $E(X)$ と分散 $V \left(X\right)$ は、 \begin{gather} E \left(X\right)=\frac{a+b}{2}\\ V \left(X\right)=\frac{ \left(b-a\right)^2}{12} \end{gather} で与えられる。
導出法①:定義に沿った方法
(i)期待値
期待値の定義式 $E \left(X\right)=\int_{-\infty}^{\infty}{x \cdot f \left(x\right)dx}$ より、
\begin{align}
E \left(X\right)&=\frac{1}{b-a}\int_{a}^{b}{x \cdot d x}\\
&=\frac{1}{b-a} \left[\frac{1}{2}x^2\right]_a^b\\
&=\frac{1}{b-a} \left(\frac{b^2}{2}-\frac{a^2}{2}\right)\\
&=\frac{1}{b-a} \cdot \frac{ \left(b+a\right) \left(b-a\right)}{2}\\
&=\frac{a+b}{2}
\end{align}
$\blacksquare$
(ii)分散
2乗の期待値の定義式 $E \left(X^2\right)=\int_{-\infty}^{\infty}{x^2 \cdot f \left(x\right)dx}$ より、
\begin{align}
E \left(X^2\right)&=\frac{1}{b-a}\int_{a}^{b}{x^2dx}\\
&=\frac{1}{b-a} \left[\frac{1}{3}x^3\right]_a^b\\
&=\frac{1}{b-a} \left(\frac{b^3}{3}-\frac{a^3}{3}\right)\\
&=\frac{1}{b-a} \cdot \frac{ \left(b-a\right) \left(b^2+ab+a^2\right)}{3}\\
&=\frac{a^2+ab+b^2}{3}
\end{align}
分散の公式 $V \left(X\right)=E \left(X^2\right)- \left\{E \left(X\right)\right\}^2$ より、
\begin{align}
V \left(X\right)&=\frac{a^2+ab+b^2}{3}- \left(\frac{a+b}{2}\right)^2\\
&=\frac{a^2+ab+b^2}{3}-\frac{a^2+2ab+b^2}{4}\\
&=\frac{a^2-2ab+b^2}{12}\\
&=\frac{ \left(b-a\right)^2}{12}
\end{align}
$\blacksquare$
導出法②:モーメント母関数を用いる方法
(i)期待値
連続一様分布のモーメント母関数の公式より、
\begin{align}
M_X \left(\theta\right)=\frac{e^{\theta b}-e^{\theta a}}{\theta \left(b-a\right)}
\end{align}
モーメント母関数の1階微分を求めると、商の微分公式と合成関数の微分法より、
\begin{align}
M_X^{ \left(1\right)} \left(\theta\right)&=\frac{e^{\theta b}-e^{\theta a}}{b-a} \cdot \frac{d}{d\theta} \left(\frac{1}{\theta}\right)+\frac{1}{\theta \left(b-a\right)} \cdot \frac{d}{d\theta} \left(e^{\theta b}-e^{\theta a}\right)\\
&=-\frac{e^{\theta b}-e^{\theta a}}{\theta^2 \left(b-a\right)}+\frac{be^{\theta b}-ae^{\theta a}}{\theta \left(b-a\right)}\\
&=-\frac{e^{\theta b}-e^{\theta a}}{\theta^2 \left(b-a\right)}+\frac{b\theta e^{\theta b}-e^{\theta b}-a\theta e^{\theta a}+e^{\theta a}}{\theta^2 \left(b-a\right)}\\
&=\frac{e^{\theta b} \left(b\theta-1\right)-e^{\theta a} \left(a\theta-1\right)}{\theta^2 \left(b-a\right)}
\end{align}
1次モーメントとモーメント母関数の関係 $M_X^{ \left(1\right)} \left(0\right)=E \left(X\right)$ より、
\begin{align}
E \left(X\right)&=\frac{e^0 \left(0-1\right)-e^0 \left(0-1\right)}{0^2 \left(b-a\right)}\\
&=\frac{-1+1}{0^2 \left(b-a\right)}\\
&=\frac{0}{0}
\end{align}
ここで、
\begin{gather}
f \left(\theta\right)=\theta^2 \left(b-a\right)\\
g \left(\theta\right)=g_1 \left(\theta\right)-g_2 \left(\theta\right)\\
g_1 \left(\theta\right)=e^{\theta b} \left(b\theta-1\right) \quad g_2 \left(\theta\right)=e^{\theta a} \left(a\theta-1\right)
\end{gather}
とすると、
\begin{gather}
f^\prime \left(\theta\right)=2\theta \left(b-a\right)\\
f^{\prime\prime} \left(\theta\right)=2 \left(b-a\right)
\end{gather}
\begin{align}
g_1^\prime \left(\theta\right)&= \left(b\theta-1\right) \cdot \frac{d}{d\theta}e^{\theta b}+e^{\theta b} \cdot \frac{d}{d\theta} \left(b\theta-1\right)\\
&=be^{\theta b} \left(b\theta-1\right)+be^{\theta b}\\
&=be^{\theta b} \left(b\theta-1+1\right)\\
&=b^2 \cdot \theta e^{\theta b}
\end{align}
\begin{align}
g_1^{\prime\prime} \left(\theta\right)&=b^2\theta \cdot \frac{d}{d\theta}e^{\theta b}+b^2e^{\theta b} \cdot \frac{d\theta}{d\theta}\\
&=b^2\theta \cdot be^{\theta b}+b^2e^{\theta b}\\
&=b^2e^{\theta b} \left(b\theta+1\right)\\
\end{align}
同様に、
\begin{gather}
g_1^{\prime\prime} \left(\theta\right)=a^2e^{\theta a} \left(a\theta+1\right)
\end{gather}
したがって、
\begin{gather}
g^{\prime\prime} \left(\theta\right)=b^2e^{\theta b} \left(b\theta+1\right)-a^2e^{\theta a} \left(a\theta+1\right)
\end{gather}
$f^{\prime\prime} \left(\theta\right),g^{\prime\prime} \left(\theta\right)$ の $\theta\rightarrow0$ のときの極限を取ると、
\begin{gather}
\lim_{\theta\rightarrow0}{f^{\prime\prime} \left(\theta\right)}=2 \left(b-a\right)\\
\lim_{\theta\rightarrow0}{g^{\prime\prime} \left(\theta\right)}=b^2e^0 \left(0+1\right)-a^2e^0 \left(0+1\right)=b^2-a^2
\end{gather}
したがって、
\begin{align}
\lim_{\theta\rightarrow0}{f^{\prime\prime} \left(\theta\right)} \neq 0 \quad \lim_{\theta\rightarrow0}{\frac{g \left(\theta\right)}{f \left(\theta\right)}}=\frac{0}{0}
\end{align}
よって適用条件を満たすので、ロピタルの定理により、
\begin{align}
E \left(X\right)&=\lim_{\theta\rightarrow0}{\frac{g \left(\theta\right)}{f \left(\theta\right)}}\\
&=\lim_{\theta\rightarrow0}{\frac{g^{\prime\prime} \left(\theta\right)}{f^{\prime\prime} \left(\theta\right)}}\\
&=\frac{b^2-a^2}{2 \left(b-a\right)}\\
&=\frac{ \left(b+a\right) \left(b-a\right)}{2 \left(b-a\right)}\\
&=\frac{b+a}{2}
\end{align}
$\blacksquare$
(ii)分散
\begin{align}
M_X^{ \left(1\right)} \left(\theta\right)=\frac{e^{\theta b} \left(b\theta-1\right)}{\theta^2 \left(b-a\right)}-\frac{e^{\theta a} \left(a\theta-1\right)}{\theta^2 \left(b-a\right)}
\end{align}
ここで、
\begin{gather}
h_1 \left(\theta\right)=\frac{e^{\theta b} \left(b\theta-1\right)}{\theta^2 \left(b-a\right)} \quad h_2 \left(\theta\right)=\frac{e^{\theta a} \left(a\theta-1\right)}{\theta^2 \left(b-a\right)}
\end{gather}
として微分すると、
\begin{align}
h_1^\prime \left(\theta\right)&=\frac{e^{\theta b} \left(b\theta-1\right)}{b-a} \cdot \frac{d}{d\theta} \left(\frac{1}{\theta^2}\right)+\frac{1}{\theta^2 \left(b-a\right)} \cdot \frac{d}{d\theta} \left\{e^{\theta b} \left(b\theta-1\right)\right\}\\
&=-\frac{2e^{\theta b} \left(b\theta-1\right)}{\theta^3 \left(b-a\right)}+\frac{1}{\theta^2 \left(b-a\right)} \left\{e^{\theta b} \cdot \frac{d}{d\theta} \left(b\theta-1\right)+ \left(b\theta-1\right) \cdot \frac{d}{d\theta}e^{\theta b}\right\}\\
&=-\frac{2e^{\theta b} \left(b\theta-1\right)}{\theta^3 \left(b-a\right)}+\frac{b^2\theta e^{\theta b}}{\theta^2 \left(b-a\right)}\\
&=\frac{b^2\theta^2e^{\theta b}-2e^{\theta b} \left(b\theta-1\right)}{\theta^3 \left(b-a\right)}\\
&=\frac{ \left(b^2\theta^2-2b\theta+2\right)e^{\theta b}}{\theta^3 \left(b-a\right)}
\end{align}
同様に、
\begin{align}
h_2^\prime \left(\theta\right)&=\frac{ \left(a^2\theta^2-2a\theta+2\right)e^{\theta a}}{\theta^3 \left(b-a\right)}\\
\end{align}
したがって、モーメント母関数の2階微分は、
\begin{align}
M_X^{ \left(2\right)} \left(\theta\right)=\frac{ \left(b^2\theta^2-2b\theta+2\right)e^{\theta b}- \left(a^2\theta^2-2a\theta+2\right)e^{\theta a}}{\theta^3 \left(b-a\right)}
\end{align}
2次モーメントとモーメント母関数の関係 $M_X^{ \left(2\right)} \left(0\right)=E \left(X^2\right)$ より、
\begin{align}
E \left(X^2\right)&=\frac{ \left(b^2 \cdot 0^2-2b \cdot 0+2\right)e^0- \left(a^2 \cdot 0^2-2a \cdot 0+2\right)e^0}{0^3 \left(b-a\right)}\\
&=\frac{2-2}{0^3 \left(b-a\right)}\\
&=\frac{0}{0}
\end{align}
ここで、
\begin{gather}
f \left(\theta\right)=\theta^3 \left(b-a\right)\\
g \left(\theta\right)=g_1 \left(\theta\right)-g_2 \left(\theta\right)\\
g_1 \left(\theta\right)= \left(b^2\theta^2-2b\theta+2\right)e^{\theta b} \quad g_2 \left(\theta\right)= \left(a^2\theta^2-2a\theta+2\right)e^{\theta a}
\end{gather}
とすると、
\begin{gather}
f^\prime \left(\theta\right)=3\theta^2 \left(b-a\right)\\
f^{\prime\prime} \left(\theta\right)=6\theta \left(b-a\right)\\
f^{\prime\prime\prime} \left(\theta\right)=6 \left(b-a\right)
\end{gather}
\begin{align}
g_1^\prime \left(\theta\right)&=e^{\theta b} \cdot \frac{d}{d\theta} \left(b^2\theta^2-2b\theta+2\right)+ \left(b^2\theta^2-2b\theta+2\right) \cdot \frac{d}{d\theta}e^{\theta b}\\
&= \left(2b^2\theta-2b\right)e^{\theta b}+ \left(b^3\theta^2-2b^2\theta+2b\right)e^{\theta b}\\
&=b^3\theta^2e^{\theta b}
\end{align}
\begin{align}
g_1^{\prime\prime} \left(\theta\right)&=b^3\theta^2 \cdot \frac{d}{d\theta}e^{\theta b}+b^3e^{\theta b} \cdot \frac{d}{d\theta}\theta^2\\
&=b^4\theta^2e^{\theta b}+2b^3\theta e^{\theta b}\\
&=b^3 \left(b\theta^2+2\theta\right)e^{\theta b}
\end{align}
\begin{align}
g_1^{\prime\prime\prime} \left(\theta\right)&=b^3 \left(b\theta^2+2\theta\right) \cdot \frac{d}{d\theta}e^{\theta b}+b^3e^{\theta b} \cdot \frac{d}{d\theta} \left(b\theta^2+2\theta\right)\\
&=b^4 \left(b\theta^2+2\theta\right)e^{\theta b}+b^3e^{\theta b} \left(2b\theta+2\right)\\
&=b^3 \left(b^2\theta^2+4b\theta+2\right)e^{\theta b}
\end{align}
同様に、
\begin{align}
g_2^{\prime\prime\prime} \left(\theta\right)&=a^3 \left(a^2\theta^2+4a\theta+2\right)e^{\theta a}\\
\end{align}
したがって、
\begin{gather}
g^{\prime\prime\prime} \left(\theta\right)=b^3 \left(b^2\theta^2+4b\theta+2\right)e^{\theta b}-a^3 \left(a^2\theta^2+4a\theta+2\right)e^{\theta a}
\end{gather}
$f^{\prime\prime} \left(\theta\right),g^{\prime\prime} \left(\theta\right)$ の $\theta\rightarrow0$ のときの極限を取ると、
\begin{align}
\lim_{\theta\rightarrow0}{f^{\prime\prime\prime} \left(\theta\right)}=6 \left(b-a\right)
\end{align}
\begin{align}
\lim_{\theta\rightarrow0}{g^{\prime\prime\prime} \left(\theta\right)}&=b^3 \left(b^2 \cdot 0^2+4b \cdot 0+2\right)e^0-a^3 \left(a^2 \cdot 0^2+4a \cdot 0+2\right)e^0\\
&=2 \left(b^3-a^3\right)
\end{align}
したがって、
\begin{align}
\lim_{\theta\rightarrow0}{f^{\prime\prime\prime} \left(\theta\right)} \neq 0 \quad \lim_{\theta\rightarrow0}{\frac{g \left(\theta\right)}{f \left(\theta\right)}}=\frac{0}{0}
\end{align}
よって適用条件を満たすので、ロピタルの定理により、
\begin{align}
E \left(X\right)&=\lim_{\theta\rightarrow0}{\frac{g \left(\theta\right)}{f \left(\theta\right)}}\\
&=\lim_{\theta\rightarrow0}{\frac{g^{\prime\prime\prime} \left(\theta\right)}{f^{\prime\prime\prime} \left(\theta\right)}}\\
&=\frac{2 \left(b^3-a^3\right)}{6 \left(b-a\right)}\\
&=\frac{ \left(b^2+ab+a^2\right) \left(b-a\right)}{3 \left(b-a\right)}\\
&=\frac{b^2+ab+a^2}{3}
\end{align}
分散の公式 $V \left(X\right)=E \left(X^2\right)- \left\{E \left(X\right)\right\}^2$ より、
\begin{align}
V \left(X\right)&=\frac{a^2+ab+b^2}{3}- \left(\frac{a+b}{2}\right)^2\\
&=\frac{a^2+ab+b^2}{3}-\frac{a^2+2ab+b^2}{4}\\
&=\frac{a^2-2ab+b^2}{12}\\
&=\frac{ \left(b-a\right)^2}{12}
\end{align}
$\blacksquare$
参考文献
- 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.97-98
0 件のコメント:
コメントを投稿