指数分布の期待値・分散の導出

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、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、指数分布の期待値と分散を導出しています。①の方法は、部分積分法とロピタルの定理を必要とするので、数学の基礎的な力が問われます。

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。

【公式】指数分布の期待値・分散

【公式】
指数分布の期待値・分散
Expected Value and Variance of Exponential Distribution

指数分布 $\mathrm{Ex} \left(\lambda\right)$ の期待値 $E(X)$ と分散 $V \left(X\right)$ は、 \begin{gather} E(X)=\frac{1}{\lambda}\\ V \left(X\right)=\frac{1}{\lambda^2} \end{gather} で与えられる。

導出法①:定義に沿った方法

導出

(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)&=\int_{-\infty}^{0}{x \cdot 0dx}+\int_{0}^{\infty}{x \cdot \lambda e^{-\lambda x}dx}\\ &=\int_{0}^{\infty}{x \cdot \lambda e^{-\lambda x}dx} \end{align} 部分積分法により、 \begin{align} \int_{0}^{\infty}{x \cdot \lambda e^{-\lambda x}dx}&= \left[-x \cdot e^{-\lambda x}\right]_0^\infty-\int_{0}^{\infty}{-e^{-\lambda x}dx}\\ &=-\lim_{x\rightarrow\infty}{x \cdot e^{-\lambda x}}+\int_{0}^{\infty}{e^{-\lambda x}dx} \end{align} ここで、ロピタルの定理より、 \begin{align} \lim_{x\rightarrow\infty}{xe^{-\lambda x}}=\lim_{x\rightarrow\infty}{\frac{x}{e^{\lambda x}}}=\lim_{x\rightarrow\infty}{\frac{1}{\lambda e^{\lambda x}}}=0 \end{align} したがって、 \begin{align} E \left(X\right)&=\int_{0}^{\infty}{e^{-\lambda x}dx}\\ &= \left[-\frac{1}{\lambda}e^{-\lambda x}\right]_0^\infty\\ &=-\frac{1}{\lambda} \left(\lim_{x\rightarrow\infty}{e^{-\lambda x}}-e^0\right)\\ &=-\frac{1}{\lambda} \left(0-1\right)\\ &=\frac{1}{\lambda} \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)&=\int_{-\infty}^{0}{x \cdot 0dx}+\int_{0}^{\infty}{x^2 \cdot \lambda e^{-\lambda x}dx}\\ &=\int_{0}^{\infty}{x^2 \cdot \lambda e^{-\lambda x}dx} \end{align} 部分積分法により、 \begin{align} \int_{0}^{\infty}{x^2 \cdot \lambda e^{-\lambda x}dx}&= \left[-x^2 \cdot e^{-\lambda x}\right]_0^\infty-\int_{0}^{\infty}{-2x \cdot e^{-\lambda x}dx}\\ &=-\lim_{x\rightarrow\infty}{x^2 \cdot e^{-\lambda x}}+\frac{2}{\lambda}\int_{0}^{\infty}{x \cdot \lambda e^{-\lambda x}dx} \end{align} ここで、ロピタルの定理より、 \begin{align} \lim_{x\rightarrow\infty}{x^2e^{-\lambda x}}=\lim_{x\rightarrow\infty}{\frac{x^2}{e^{\lambda x}}}=\lim_{x\rightarrow\infty}{\frac{2x}{\lambda e^{\lambda x}}}=\lim_{x\rightarrow\infty}{\frac{2}{\lambda^2e^{\lambda x}}}=0 \end{align} したがって、 \begin{align} E \left(X^2\right)=\frac{2}{\lambda}\int_{0}^{\infty}{x \cdot e^{-\lambda x}dx} \end{align} ここで、(i)の結果より、$\int_{0}^{\infty}{x \cdot e^{-\lambda x}dx}=\frac{1}{\lambda}$ なので、 \begin{align} E \left(X^2\right)=\frac{2}{\lambda} \cdot \frac{1}{\lambda}=\frac{2}{\lambda^2} \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{2}{\lambda^2}-\frac{1}{\lambda^2}=\frac{1}{\lambda^2} \end{align} $\blacksquare$

導出法②:モーメント母関数を用いる方法

導出

(i)期待値
指数分布のモーメント母関数の公式より、 \begin{align} M_X \left(\theta\right)=\frac{\lambda}{\lambda-\theta} \end{align} モーメント母関数の1階微分を求めると、合成関数の微分法より、 \begin{align} M_X^{ \left(1\right)} \left(\theta\right)&=-\frac{\lambda}{ \left(\lambda-\theta\right)^2} \cdot \frac{d}{d\theta} \left(\lambda-\theta\right)\\ &=\frac{\lambda}{ \left(\lambda-\theta\right)^2}\\ \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{\lambda}{\lambda^2}\\ &=\frac{1}{\lambda} \end{align} $\blacksquare$

(ii)分散
モーメント母関数の2階微分を求めると、合成関数の微分法より、 \begin{align} M_X^{ \left(2\right)} \left(\theta\right)&=-2 \cdot \frac{\lambda}{ \left(\lambda-\theta\right)^3} \cdot \frac{d}{d\theta} \left(\lambda-\theta\right)\\ &=\frac{2\lambda}{ \left(\lambda-\theta\right)^3} \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{2\lambda}{\lambda^3}\\ &=\frac{2}{\lambda^2} \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{2}{\lambda^2}-\frac{1}{\lambda^2}\\ &=\frac{1}{\lambda^2} \end{align} $\blacksquare$

参考文献

  • 野田 一雄, 宮岡 悦良 著. 入門・演習数理統計. 共立出版, 1990, p.139
  • 稲垣 宣生 著. 数理統計学. 裳華房, 2003, p.42

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