本稿では、①定義に沿った方法、②正規分布のモーメント母関数を用いる方法の2通りの方法で、対数正規分布の期待値と分散を導出しています。②の方法は、目から鱗が落ちる、とても面白い方法です。
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】対数正規分布の期待値・分散
【公式】
対数正規分布の期待値・分散
Expected Value and Variance of Log-Normal Distribution
対数正規分布 $\mathrm{LN} \left(\mu,\sigma^2\right)$ の期待値 $E(X)$ と分散 $V \left(X\right)$ は、 \begin{gather} E(X)=e^{\mu+\frac{\sigma^2}{2}}\\ V \left(X\right)=e^{2\mu+\sigma^2} \left(e^{\sigma^2}-1\right) \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)&=\int_{0}^{\infty}{x \cdot \frac{1}{\sqrt{2\pi}\sigma x}e^{-\frac{ \left(\log{x}-\mu\right)^2}{2\sigma^2}}dx}\\
&=\int_{0}^{\infty}{\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{ \left(\log{x}-\mu\right)^2}{2\sigma^2}}dx}
\end{align}
ここで、以下のように変数変換すると、
\begin{gather}
t=\log{x}\Leftrightarrow x=e^t\\
x:0\rightarrow\infty \quad \Rightarrow \quad t:-\infty\rightarrow\infty\\
\frac{dx}{dt}=e^t\Rightarrow dx=e^tdt
\end{gather}
となるので、
置換積分法により、
\begin{align}
E \left(X\right)&=\int_{-\infty}^{\infty}{\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{ \left(t-\mu\right)^2}{2\sigma^2}} \cdot e^tdt}\\
&=\int_{-\infty}^{\infty}{\frac{1}{\sqrt{2\pi}\sigma}e^{t-\frac{t^2-2t\mu+\mu^2}{2\sigma^2}}dt}
\end{align}
ここで、指数部分について、変形(平方完成)すると、
\begin{align}
t-\frac{t^2-2t\mu+\mu^2}{2\sigma^2}&=-\frac{1}{2\sigma^2} \left(-2\sigma^2t+t^2-2t\mu+\mu^2\right)\\
&=-\frac{1}{2\sigma^2} \left\{t^2-2t \left(\mu+\sigma^2\right)+\mu^2\right\}\\
&=-\frac{1}{2\sigma^2} \left[ \left\{t- \left(\mu+\sigma^2\right)\right\}^2- \left(\mu+\sigma^2\right)^2+\mu^2\right]\\
&=-\frac{1}{2\sigma^2} \left[ \left\{t- \left(\mu+\sigma^2\right)\right\}^2- \left(\mu^2+2\mu\sigma^2+\sigma^4\right)+\mu^2\right]\\
&=-\frac{1}{2\sigma^2} \left[ \left\{t- \left(\mu+\sigma^2\right)\right\}^2- \left(2\mu\sigma^2+\sigma^4\right)\right]\\
&=-\frac{ \left\{t- \left(\mu+\sigma^2\right)\right\}^2}{2\sigma^2}+\mu+\frac{\sigma^2}{2}
\end{align}
したがって、
\begin{align}
E \left(X\right)&=\int_{-\infty}^{\infty}{\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{ \left\{t- \left(\mu+\sigma^2\right)\right\}^2}{2\sigma^2}+ \left(\mu+\frac{\sigma^2}{2}\right)}dt}\\
&=e^{\mu+\frac{\sigma^2}{2}}\int_{-\infty}^{\infty}{\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{ \left\{t- \left(\mu+\sigma^2\right)\right\}^2}{2\sigma^2}}dt}
\end{align}
ここで、右辺の積分部分は、正規分布
\begin{align}
\mathrm{N} \left(\mu+\sigma^2,\sigma^2\right)
\end{align}
の確率密度関数とみなすことができる。
したがって、確率密度関数の性質より、
\begin{align}
\int_{-\infty}^{\infty}{\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{ \left\{t- \left(\mu+\sigma^2\right)\right\}^2}{2\sigma^2}}dt}=1
\end{align}
よって、
\begin{align}
E \left(X\right)=e^{\mu+\frac{\sigma^2}{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)&=\int_{0}^{\infty}{x^2 \cdot \frac{1}{\sqrt{2\pi}\sigma x}e^{-\frac{ \left(\log{x}-\mu\right)^2}{2\sigma^2}}dx}\\
&=\int_{0}^{\infty}{x \cdot \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{ \left(\log{x}-\mu\right)^2}{2\sigma^2}}dx}
\end{align}
ここで、(i)と同様の変数変換を行うと、置換積分法により、
\begin{align}
E \left(X^2\right)&=\int_{-\infty}^{\infty}{\frac{1}{\sqrt{2\pi}\sigma}e^t \cdot e^{-\frac{ \left(t-\mu\right)^2}{2\sigma^2}} \cdot e^tdt}\\
&=\int_{-\infty}^{\infty}{\frac{1}{\sqrt{2\pi}\sigma}e^{2t-\frac{ \left(t-\mu\right)^2}{2\sigma^2}}dt}
\end{align}
ここで、指数部分について、変形(平方完成)すると、
\begin{align}
2t-\frac{ \left(t-\mu\right)^2}{2\sigma^2}&=-\frac{1}{2\sigma^2} \left(t^2-2\mu t-4\sigma^2t+\mu^2\right)\\
&=-\frac{1}{2\sigma^2} \left\{t^2-2 \left(\mu+2\sigma^2\right)t+\mu^2\right\}\\
&=-\frac{1}{2\sigma^2} \left[ \left\{t- \left(\mu+2\sigma^2\right)\right\}^2- \left(\mu+2\sigma^2\right)^2+\mu^2\right]\\
&=-\frac{1}{2\sigma^2} \left[ \left\{t- \left(\mu+2\sigma^2\right)\right\}^2- \left(\mu^2+4\mu\sigma^2+4\sigma^4\right)+\mu^2\right]\\
&=-\frac{1}{2\sigma^2} \left[ \left\{t- \left(\mu+{2\sigma}^2\right)\right\}^2- \left(4\mu\sigma^2+4\sigma^4\right)\right]\\
&=-\frac{ \left\{t- \left(\mu+2\sigma^2\right)\right\}^2}{2\sigma^2}+ \left(2\mu+{2\sigma}^2\right)
\end{align}
したがって、
\begin{align}
E \left(X^2\right)=e^{2\mu+2\sigma^2}\int_{-\infty}^{\infty}{\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{ \left\{t- \left(\mu+2\sigma^2\right)\right\}^2}{2\sigma^2}}dt}
\end{align}
ここで、右辺の積分部分は、正規分布
\begin{align}
\mathrm{N} \left(\mu+2\sigma^2,\sigma^2\right)
\end{align}
の確率密度関数とみなすことができる。
したがって、確率密度関数の性質より、
\begin{align}
\int_{-\infty}^{\infty}{\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{ \left\{t- \left(\mu+2\sigma^2\right)\right\}^2}{2\sigma^2}}dt}=1
\end{align}
よって、
\begin{align}
E \left(X^2\right)=e^{2\mu+2\sigma^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)&=e^{2\mu+2\sigma^2}- \left(e^{\mu+\frac{\sigma^2}{2}}\right)^2\\
&=e^{2\mu+2\sigma^2}-e^{2\mu+\sigma^2}\\
&=e^{2\mu+\sigma^2} \left(e^{\sigma^2}-1\right)
\end{align}
$\blacksquare$
導出法②:正規分布のモーメント母関数を用いる方法
正規分布のモーメント母関数の公式より、
\begin{align}
M_Y \left(\theta\right)=e^{\mu\theta+\frac{1}{2}\sigma^2\theta^2}\tag{1}
\end{align}
モーメント母関数の定義式 $M_Y \left(\theta\right)=E \left(e^{Y\theta}\right)$ より、
\begin{align}
E \left(e^{Y\theta}\right)&=E \left[ \left(e^Y\right)^\theta\right]\\
&=E \left(X^\theta\right)
\end{align}
(i)期待値
式 $(1)$ に $\theta=1$ を代入すると、
\begin{align}
E \left(X\right)=e^{\mu+\frac{1}{2}\sigma^2}
\end{align}
(ii)分散
式 $(1)$ に $\theta=2$ を代入すると、
\begin{align}
E \left(X^2\right)=e^{2\mu+\sigma^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)&=e^{2\mu+2\sigma^2}- \left(e^{\mu+\frac{\sigma^2}{2}}\right)^2\\
&=e^{2\mu+2\sigma^2}-e^{2\mu+\sigma^2}\\
&=e^{2\mu+\sigma^2} \left(e^{\sigma^2}-1\right)
\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.162 章末問題 3.A.5
- 稲垣 宣生 著. 数理統計学. 裳華房, 2003, p.47 演習問題 3.12
- 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.51 演習問題 問10
0 件のコメント:
コメントを投稿