ベータ分布の定義と概要

公開日: 更新日:

【2023年4月1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、ベータ分布の定義と概要についてまとめています。確率密度関数であることの証明、期待値・分散、最頻値の紹介が含まれます。

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。

ベータ分布

確率密度関数

確率密度関数 $f(x)$ が \begin{gather} f \left(x\right)= \left\{\begin{matrix}\displaystyle\frac{1}{B \left(\alpha,\beta\right)}x^{\alpha-1} \left(1-x\right)^{\beta-1}&0 \lt x \lt 1\\0&\mathrm{other}\\\end{matrix}\right.\\ 0 \lt \alpha \quad 0 \lt \beta \end{gather} で与えられる連続型確率分布をベータ分布 beta distribution という。

略記法

また、ベータ分布は、 \begin{align} \mathrm{Be} \left(\alpha,\beta\right) \end{align} と略記されることがある。

他の分布との関係

特に、$\alpha=1,\beta=1$ のときは、連続一様分布 $\mathrm{U} \left(0,1\right)$ に等しい。

確率密度関数であることの証明

証明

(i)すべての $x$ に関して、$f \left(x\right) \geq 0$
\begin{gather} 0 \lt x \lt 1\Rightarrow \left\{\begin{matrix}0 \lt x^{\alpha-1}\\0 \lt \left(1-x\right)^{\beta-1}\\\end{matrix}\right.\\ 0 \lt B \left(\alpha,\beta\right)\Rightarrow0 \lt \frac{1}{B \left(\alpha,\beta\right)} \end{gather} したがって、 \begin{align} f \left(x\right)=\frac{1}{B \left(\alpha,\beta\right)}x^{\alpha-1} \left(1-x\right)^{\beta-1} \gt 0 \end{align} (ii)すべての確率の和が1
ベータ関数の定義式 $B \left(\alpha,\beta\right)=\int_{0}^{1}{x^{\alpha-1} \left(1-x\right)^{\beta-1}dx}$ より、 \begin{align} \int_{0}^{1}f \left(x\right)dx=\frac{1}{B \left(\alpha,\beta\right)}\int_{0}^{1}{x^{\alpha-1} \left(1-x\right)^{\beta-1}dx}=\frac{B \left(\alpha,\beta\right)}{B \left(\alpha,\beta\right)}=1 \end{align} $\blacksquare$

重要事項のまとめ

略記法

\begin{align} \mathrm{Be} \left(\alpha,\beta\right) \end{align}

パラメータ

\begin{gather} 0 \lt \alpha\\ 0 \lt \beta \end{gather}

確率密度関数

\begin{align} f \left(x\right)= \left\{\begin{matrix}\displaystyle\frac{1}{B \left(\alpha,\beta\right)}x^{\alpha-1} \left(1-x\right)^{\beta-1}&0 \lt x \lt 1\\0&\mathrm{other}\\\end{matrix}\right. \end{align}

期待値

\begin{align} E \left(X\right)=\frac{\alpha}{\alpha+\beta} \end{align}

分散

\begin{align} V \left(X\right)=\frac{\alpha\beta}{ \left(\alpha+\beta\right)^2 \left(\alpha+\beta+1\right)} \end{align}

最頻値

\begin{align} Mo \left(X\right)=\frac{\alpha-1}{\alpha+\beta-2} \end{align}

参考文献

  • 小寺 平治 著. 数理統計:明解演習. 共立出版, 1986, p.60
  • 野田 一雄, 宮岡 悦良 著. 入門・演習数理統計. 共立出版, 1990, p.142-143
  • 稲垣 宣生 著. 数理統計学. 裳華房, 2003, p.44-45
  • 黒木 学 著. 数理統計学:統計的推論の基礎. 共立出版, 2020, p.114-116

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