本稿では、①確率母関数を用いる方法、②モーメント母関数を用いる方法、③互いに独立に幾何分布に従う確率変数の和と考える方法の3通りの方法で、負の二項分布の期待値と分散を導出しています。①・②の方法は計算がやや煩雑なので、③の方法が簡単です。
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】負の二項分布の期待値・分散
【公式】
負の二項分布の期待値・分散
Expected Value and Variance of Negative Binomial Distribution
負の二項分布 $\mathrm{NB}(n,p)$ の期待値 $E(X)$ と分散 $V \left(X\right)$ は、 \begin{gather} E \left(X\right)=\frac{n \left(1-p\right)}{p}\\ V \left(X\right)=\frac{n \left(1-p\right)}{p^2} \end{gather} で与えられる。
導出法①:確率母関数を用いる方法
(i)期待値
負の二項分布の確率母関数の公式より、
\begin{align}
G_X \left(\theta\right)=\frac{p^n}{ \left\{1-\theta \left(1-p\right)\right\}^n}
\end{align}
確率母関数の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}
G_X^{ \left(1\right)} \left(\theta\right)&=-n \cdot \frac{p^n}{ \left\{1-\theta \left(1-p\right)\right\}^{n+1}} \cdot \frac{d}{d\theta} \left\{1-\theta \left(1-p\right)\right\}\\
&=-\frac{np^n}{ \left\{1-\theta \left(1-p\right)\right\}^{n+1}} \cdot \left\{- \left(1-p\right)\right\}\\
&=\frac{np^n \left(1-p\right)}{ \left\{1-\theta \left(1-p\right)\right\}^{n+1}}
\end{align}
1次モーメントと確率母関数の関係 $G_X^{ \left(1\right)} \left(1\right)=E \left(X\right)$ より、
\begin{align}
E \left(X\right)&=\frac{np^n \left(1-p\right)}{ \left\{1- \left(1-p\right)\right\}^{n+1}}\\
&=\frac{np^n \left(1-p\right)}{p^{n+1}}\\
&=\frac{n \left(1-p\right)}{p}
\end{align}
$\blacksquare$
(ii)分散
確率母関数の2階微分を求めると、
\begin{align}
G_X^{ \left(2\right)} \left(\theta\right)&=-\frac{n \left(n+1\right)p^n \left(1-p\right)}{ \left\{1-\theta \left(1-p\right)\right\}^{n+2}} \cdot \frac{d}{d\theta} \left\{1-\theta \left(1-p\right)\right\}\\
&=-\frac{n \left(n+1\right)p^n \left(1-p\right)}{ \left\{1-\theta \left(1-p\right)\right\}^{n+2}} \cdot \left\{- \left(1-p\right)\right\}\\
&=\frac{n \left(n+1\right)p^n \left(1-p\right)^2}{ \left\{1-\theta \left(1-p\right)\right\}^{n+2}}
\end{align}
2次階乗モーメントと確率母関数の関係 $G_X^{ \left(2\right)} \left(1\right)=E \left\{X \left(X-1\right)\right\}$ より、
\begin{align}
E \left\{X \left(X-1\right)\right\}&=\frac{n \left(n+1\right)p^n \left(1-p\right)^2}{ \left\{1- \left(1-p\right)\right\}^{n+2}}\\
&=\frac{n \left(n+1\right)p^n \left(1-p\right)^2}{p^{n+2}}\\
&=\frac{n \left(n+1\right) \left(1-p\right)^2}{p^2}
\end{align}
階乗モーメントを用いた分散の公式 $V \left(X\right)=E \left\{X \left(X-1\right)\right\}+E \left(X\right)- \left\{E \left(X\right)\right\}^2$ より、
\begin{align}
V \left(X\right)&=\frac{n \left(n+1\right) \left(1-p\right)^2}{p^2}+\frac{n \left(1-p\right)}{p}-\frac{n^2 \left(1-p\right)^2}{p^2}\\
&=\frac{n \left(1-p\right)}{p^2} \left\{ \left(n+1\right) \left(1-p\right)+p-n \left(1-p\right)\right\}\\
&=\frac{n \left(1-p\right)}{p^2} \left(n-np+1-p+p-n+np\right)\\
&=\frac{n \left(1-p\right)}{p^2} \cdot 1\\
&=\frac{n \left(1-p\right)}{p^2}\\
\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
負の二項分布のモーメント母関数の公式より、
\begin{align}
M_X \left(\theta\right)=\frac{p^n}{ \left\{1-e^\theta \left(1-p\right)\right\}^n}
\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)&=-n \cdot \frac{p^n}{ \left\{1-e^\theta \left(1-p\right)\right\}^{n+1}} \cdot \frac{d}{d\theta} \left\{1-e^\theta \left(1-p\right)\right\}\\
&=-\frac{np^n}{ \left\{1-e^\theta \left(1-p\right)\right\}^{n+1}} \cdot \left\{-e^\theta \left(1-p\right)\right\}\\
&=\frac{e^\theta \cdot n p^n \left(1-p\right)}{ \left\{1-e^\theta \left(1-p\right)\right\}^{n+1}}
\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 \cdot n p^n \left(1-p\right)}{ \left\{1-e^0 \left(1-p\right)\right\}^{n+1}}\\
&=\frac{np^n \left(1-p\right)}{p^{n+1}}\\
&=\frac{n \left(1-p\right)}{p}
\end{align}
$\blacksquare$
(ii)分散
モーメント母関数の2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(2\right)} \left(\theta\right)&=e^\theta np^n \left(1-p\right) \cdot \frac{d}{d\theta} \left[\frac{1}{ \left\{1-e^\theta \left(1-p\right)\right\}^{n+1}}\right]+\frac{np^n \left(1-p\right)}{ \left\{1-e^\theta \left(1-p\right)\right\}^{n+1}} \cdot \frac{d}{d\theta}e^\theta\\
&= \left[-\frac{e^\theta \cdot n \left(n+1\right)p^n \left(1-p\right)}{ \left\{1-e^\theta \left(1-p\right)\right\}^{n+2}} \cdot \frac{d}{d\theta} \left\{1-e^\theta \left(1-p\right)\right\}\right]+\frac{e^\theta \cdot n p^n \left(1-p\right)}{ \left\{1-e^\theta \left(1-p\right)\right\}^{n+1}}\\
&=\frac{e^\theta \cdot n \left(n+1\right)p^n \left(1-p\right)^2}{ \left\{1-e^\theta \left(1-p\right)\right\}^{n+2}}+\frac{e^\theta \cdot n p^n \left(1-p\right)}{ \left\{1-e^\theta \left(1-p\right)\right\}^{n+1}}
\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{e^0 \cdot n \left(n+1\right)p^n \left(1-p\right)^2}{ \left\{1-e^0 \left(1-p\right)\right\}^{n+2}}+\frac{e^0 \cdot n p^n \left(1-p\right)}{ \left\{1-e^0 \left(1-p\right)\right\}^{n+1}}\\
&=\frac{n \left(n+1\right) \left(1-p\right)^2}{p^2}+\frac{n \left(1-p\right)}{p}\\
\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{n \left(n+1\right) \left(1-p\right)^2}{p^2}+\frac{n \left(1-p\right)}{p}-\frac{ \left(1-p\right)^2}{p^2}\\
&=\frac{n \left(1-p\right)}{p^2}\\
\end{align}
$\blacksquare$
導出法③:互いに独立に幾何分布に従う確率変数の和と考える方法
負の二項分布の確率変数 $Y$ を互いに独立に幾何分布に従う確率変数 $X_i\ \left(i=1,2, \cdots ,n\right)$ の和と考えると、 \begin{align} Y=X_1+X_2+ \cdots +X_n \end{align} また、幾何分布の期待値と分散の公式より、 \begin{gather} E \left(X\right)=\frac{1-p}{p}\\ V \left(X\right)=\frac{1-p}{p^2} \end{gather} 期待値の性質 $E \left(\sum_{i=1}^{n}X_i\right)=\sum_{i=1}^{n}E \left(X_i\right)$ より、 \begin{align} E \left(Y\right)=E \left(\sum_{i=1}^{n}X_i\right)=\sum_{i=1}^{n}\frac{1-p}{p}=\frac{n \left(1-p\right)}{p} \end{align} 分散の性質 $V \left(\sum_{i=1}^{n}X_i\right)=\sum_{i=1}^{n}V \left(X_i\right)$ より、 \begin{align} V \left(Y\right)=V \left(\sum_{i=1}^{n}X_i\right)=\sum_{i=1}^{n}\frac{1-p}{p^2}=\frac{n \left(1-p\right)}{p^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.118
- 竹村 彰通 著. 現代数理統計学. 創文社, 1991, p.35 問8
- 稲垣 宣生 著. 数理統計学. 裳華房, 2003, p.35
- 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.38
0 件のコメント:
コメントを投稿