確率変数の和(差)の分散の一般公式の導出

公開日: 更新日:

【2023年3月3週】 【B000】数理統計学 【B020】確率変数と確率分布

この記事をシェアする
  • B!
サムネイル画像

本稿では、確率変数の和(差)の分散の一般公式を導出しています。それぞれが互いに独立なときは、共分散が0であることから、独立なときの和の分散の公式に帰着します。

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】確率変数の和(差)の分散の一般公式

【公式】
確率変数の和(差)の分散の一般公式
General Variance Formula of Sum or Difference of Random Variables

(I)2次元確率変数 $X,Y$ それぞれの分散と共分散を \begin{align} V \left(X\right) \quad V \left(Y\right) \quad \mathrm{Cov} \left(X,Y\right) \end{align} とするとき、 2変数の和、あるいは差の分散は、 \begin{gather} V \left(X+Y\right)=V \left(X\right)+V \left(Y\right)+2\mathrm{Cov} \left(X,Y\right)\\ V \left(X-Y\right)=V \left(X\right)+V \left(Y\right)-2\mathrm{Cov} \left(X,Y\right) \end{gather} で与えられる。

(II)$n$ 次元確率変数 $X_1,X_2, \cdots ,X_n$ の分散が存在するとき、$n$ 変数の和の分散は、 \begin{gather} V \left(\sum_{i=1}^{n}X_i\right)=\sum_{i=1}^{n}V \left(X_i\right)+2\sum\sum_{i \lt j}{\mathrm{Cov} \left(X_i,X_j\right)}\\ \end{gather} で与えられる。

導出

導出

(I)分散の定義式 $V \left(X\right)=E \left[ \left\{X-E \left(X\right)\right\}^2\right]$ より
(i)和の分散 \begin{align} V \left(X+Y\right)=E \left[ \left\{ \left(X+Y\right)-E \left(X+Y\right)\right\}^2\right] \end{align} 期待値の性質 $E \left(X+Y\right)=E \left(X\right)+E \left(Y\right)$ より、 \begin{align} V \left(X+Y\right)&=E \left[ \left\{X+Y-E \left(X\right)-E \left(Y\right)\right\}^2\right]\\ &=E \left[ \left[ \left\{X-E \left(X\right)\right\}+ \left\{Y-E \left(Y\right)\right\}\right]^2\right]\\ &=E \left[ \left\{X-E \left(X\right)\right\}^2+2 \left\{X-E \left(X\right)\right\} \left\{Y-E \left(Y\right)\right\}+ \left\{Y-E \left(Y\right)\right\}^2\right]\\ \end{align} 期待値の性質 $E \left(X+Y\right)=E \left(X\right)+E \left(Y\right)$ より、 \begin{align} V \left(X+Y\right)=E \left[ \left\{X-E \left(X\right)\right\}^2\right]+2E \left[ \left\{X-E \left(X\right)\right\} \left\{Y-E \left(Y\right)\right\}\right]+E \left[ \left\{Y-E \left(Y\right)\right\}^2\right] \end{align} 分散と共分散の定義式より、 \begin{align} V \left(X+Y\right)=V \left(X\right)+V \left(Y\right)+2\mathrm{Cov} \left(X,Y\right) \end{align}

(ii)差の分散 \begin{align} V \left(X-Y\right)=E \left[ \left\{ \left(X-Y\right)-E \left(X-Y\right)\right\}^2\right] \end{align} 期待値の性質 $E \left(X-Y\right)=E \left(X\right)-E \left(Y\right)$ より、 \begin{align} V \left(X-Y\right)&=E \left[ \left\{X-Y-E \left(X\right)+E \left(Y\right)\right\}^2\right]\\ &=E \left[ \left[ \left\{X-E \left(X\right)\right\}- \left\{Y-E \left(Y\right)\right\}\right]^2\right]\\ &=E \left[ \left\{X-E \left(X\right)\right\}^2-2 \left\{X-E \left(X\right)\right\} \left\{Y-E \left(Y\right)\right\}+ \left\{Y-E \left(Y\right)\right\}^2\right] \end{align} 期待値の性質 $E \left(X+Y\right)=E \left(X\right)+E \left(Y\right)$ より、 \begin{align} V \left(X+Y\right)=E \left[ \left\{X-E \left(X\right)\right\}^2\right]-2E \left[ \left\{X-E \left(X\right)\right\} \left\{Y-E \left(Y\right)\right\}\right]+E \left[ \left\{Y-E \left(Y\right)\right\}^2\right] \end{align} 分散と共分散の定義式より、 \begin{align} V \left(X-Y\right)=V \left(X\right)+V \left(Y\right)-2\mathrm{Cov} \left(X,Y\right) \end{align} $\blacksquare$

(II)分散の定義式 $V \left(X\right)=E \left[ \left\{X-E \left(X\right)\right\}^2\right]$ より \begin{align} V \left(\sum_{i=1}^{n}X_i\right)&=E \left[ \left(\sum_{i=1}^{n} \left\{X_i-E \left(X_i\right)\right\}\right)^2\right]\\ &=E \left[\sum_{j=1}^{n}\sum_{i=1}^{n} \left\{X_i-E \left(X_i\right)\right\} \left\{X_j-E \left(X_j\right)\right\}\right]\\ &=\sum_{j=1}^{n}\sum_{i=1}^{n}E \left[ \left\{X_i-E \left(X_i\right)\right\} \left\{X_j-E \left(X_j\right)\right\}\right]\\ &=\sum_{j=1}^{n}\sum_{i=1}^{n}{\mathrm{Cov} \left(X_i,X_j\right)} \end{align} ここで、$\mathrm{Cov} \left(X_i,X_i\right)=V \left(X_i\right),\mathrm{Cov} \left(X_i,X_j\right)=\mathrm{Cov} \left(X_j,X_i\right)$ なので、 \begin{align} V \left(\sum_{i=1}^{n}X_i\right)&=\sum_{i=1}^{n}V \left(X_i\right)+\sum_{j \neq i}\sum_{i=1}^{n}{\mathrm{Cov} \left(X_i,X_j\right)}\\ &=\sum_{i=1}^{n}V \left(X_i\right)+2\sum\sum_{i \lt j}{\mathrm{Cov} \left(X_i,X_j\right)} \end{align} $\blacksquare$

コメント

別形式の定義式 \begin{gather} V \left(X\right)=\int_{-\infty}^{\infty} \left\{X-E \left(X\right)\right\}^2 \cdot f \left(x\right)dx \end{gather} より、 \begin{gather} Z=X+Y \end{gather} として \begin{gather} V \left(Z\right)=\int_{-\infty}^{\infty} \left\{Z-E \left(Z\right)\right\}^2 \cdot f \left(z\right)dz \end{gather} を計算することも可能であるが、 一般に $f \left(z\right)$ を求めるのは手間がかかるので、期待値の性質を用いて証明した方が簡単である。

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.87

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