正規分布の線形変換と再生性の証明

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変数変換の公式を用いる方法、②モーメント母関数を用いる方法の2通りの方法で、正規分布の確率変数を線形変換(標準化)した後の分布を導出しています。また、モーメント母関数を用いて正規分布の再生性を証明しています。

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。

【定理】正規分布の線形変換

【定理】
正規分布の線形変換
Linear Conversion of Normal Distribution

確率変数 $X$ が正規分布 \begin{align} X \sim \mathrm{N} \left(\mu,\sigma^2\right) \end{align} に従うとき、 \begin{align} Y=aX+b \end{align} と線形変換すると、 新たな確率変数 $Y$ は、正規分布 \begin{align} Y \sim \mathrm{N} \left(a\mu+b,a^2\sigma^2\right) \end{align} に従う。 特に標準化 \begin{align} Z=\frac{X-\mu}{\sigma} \end{align} の場合は、 標準正規分布 \begin{align} Z \sim \mathrm{N} \left(0,1\right) \end{align} に従う。

証明法①:変数変換の公式を用いる方法

証明

線形変換の公式 $g \left(y\right)=f \left(\frac{y-b}{a}\right) \cdot \frac{1}{ \left|a\right|}$ より、 \begin{align} g \left(y\right)&=\frac{1}{ \left|a\right|}\frac{1}{\sqrt{2\pi}\sigma}\mathrm{exp} \left\{-\frac{1}{2\sigma^2} \left(\frac{y-b}{a}-\mu\right)^2\right\}\\ &=\frac{1}{\sqrt{2\pi a^2\sigma^2}}\mathrm{exp} \left\{-\frac{ \left\{y- \left(a\mu+b\right)\right\}^2}{2a^2\sigma^2}\right\} \end{align} これは、正規分布の確率密度関数 \begin{align} f \left(x\right)=\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{ \left(x-\mu\right)^2}{2\sigma^2}} \end{align} において、 \begin{align} \mu\rightarrow a\mu+b \quad \sigma^2\rightarrow a^2\sigma^2 \quad x\rightarrow y \end{align} と置き換えたものとみなすことができる。 したがって、確率密度関数の一意性により、確率変数 $Y$ は、正規分布 \begin{align} Y \sim \mathrm{N} \left(a\mu+b,a^2\sigma^2\right) \end{align} に従う。 $\blacksquare$

証明法②:モーメント母関数を用いる方法

証明

正規分布のモーメント母関数の公式より、 \begin{gather} M_X \left(\theta\right)=e^{\mu\theta+\frac{1}{2}\sigma^2\theta^2} \end{gather} モーメント母関数の性質 $M_Y \left(\theta\right)=e^{b\theta}M_X \left(a\theta\right)$ より、 \begin{align} M_Y \left(\theta\right)&=e^{b\theta} \cdot e^{a\mu\theta+\frac{1}{2}a^2\sigma^2\theta^2}\\ &=e^{ \left(a\mu+b\right)\theta+\frac{1}{2}a^2\sigma^2\theta^2} \end{align} これは、正規分布のモーメント母関数において、 \begin{align} \mu\rightarrow a\mu+b \quad \sigma^2\rightarrow a^2\sigma^2 \quad X\rightarrow Y \end{align} と置き換えたものとみなすことができる。 したがって、モーメント母関数の一意性により、確率変数 $Y$ は、正規分布 \begin{align} Y \sim \mathrm{N} \left(a\mu+b,a^2\sigma^2\right) \end{align} に従う。 $\blacksquare$

標準化の場合は、$a=\frac{1}{\sigma},b=-\frac{\mu}{\sigma}$ を代入して、 \begin{gather} a\mu+b=\frac{\mu}{\sigma}-\frac{\mu}{\sigma}=0\\ a^2\sigma^2=\frac{1}{\sigma^2} \cdot \sigma^2=1 \end{gather} よって、 \begin{align} Z \sim \mathrm{N} \left(0,1\right) \end{align} $\blacksquare$

【定理】正規分布の再生性

【定理】
正規分布の再生性
Reproductive Property of Normal Distribution

確率変数 $X,Y$ がそれぞれ独立に正規分布 \begin{align} X \sim \mathrm{N} \left(\mu_1,\sigma_1^2\right) \quad Y \sim \mathrm{N} \left(\mu_2,\sigma_2^2\right) \end{align} に従うとき、 確率変数 $X$ と $Y$ の和を \begin{align} Z=X+Y \end{align} とすると、 新たな確率変数 $Z$ は、正規分布 \begin{align} Z \sim \mathrm{N} \left(\mu_1+\mu_2,\sigma_1^2+\sigma_2^2\right) \end{align} に従う。

証明

証明

正規分布のモーメント母関数の公式より、 \begin{gather} M_X \left(\theta\right)=e^{\mu_1\theta+\frac{1}{2}\sigma_1^2\theta^2}\\ M_Y \left(\theta\right)=e^{\mu_2\theta+\frac{1}{2}\sigma_2^2\theta^2} \end{gather} モーメント母関数の性質 $M_Z \left(\theta\right)=M_X \left(\theta\right) \cdot M_Y \left(\theta\right)$ より、 \begin{align} M_Z \left(\theta\right)&=e^{\mu_1\theta+\frac{1}{2}\sigma_1^2\theta^2} \cdot e^{\mu_2\theta+\frac{1}{2}\sigma_2^2\theta^2}\\ &=e^{ \left(\mu_1+\mu_2\right)\theta+\frac{1}{2} \left(\sigma_1^2+\sigma_2^2\right)\theta^2} \end{align} これは、正規分布のモーメント母関数 \begin{align} M_X \left(\theta\right)=e^{\mu\theta+\frac{1}{2}\sigma^2\theta^2} \end{align} において、 \begin{align} \mu\rightarrow\mu_1+\mu_2 \quad \sigma^2\rightarrow\sigma_1^2+\sigma_2^2 \quad X\rightarrow Z \end{align} と置き換えたものとみなすことができる。 したがって、モーメント母関数の一意性により、確率変数 $Z$ は、正規分布 \begin{align} Z \sim \mathrm{N} \left(\mu_1+\mu_2,\sigma_1^2+\sigma_2^2\right) \end{align} に従う。 $\blacksquare$

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.128-129
  • 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.42
  • 黒木 学 著. 数理統計学:統計的推論の基礎. 共立出版, 2020, p.102-103

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