本稿では、定義に沿った方法で、ベータ分布の期待値と分散を導出しています。ベータ関数の定義や性質に関する知識を必要とします。また、ベータ分布の最頻値を導出しています。
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。
【公式】ベータ分布の期待値と分散
【公式】
ベータ分布の期待値と分散
Expected Value and Variance of Beta Distribution
ベータ分布 $\mathrm{Be} \left(\alpha,\beta\right)$ の期待値 $E(X)$ と分散 $V \left(X\right)$ は、 \begin{gather} E(X)=\frac{\alpha}{\alpha+\beta}\\ V \left(X\right)=\frac{\alpha\beta}{ \left(\alpha+\beta\right)^2 \left(\alpha+\beta+1\right)} \end{gather} で与えられる。
導出法: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_{-\infty}^{0}{x \cdot 0dx}+\int_{0}^{1}{x \cdot f \left(x\right)dx}+\int_{1}^{\infty}{x \cdot 0dx}\\
&=\int_{0}^{1}{x \cdot f \left(x\right)dx}\\
&=\int_{0}^{1}{x \cdot \frac{x^{\alpha-1} \left(1-x\right)^{\beta-1}}{B \left(\alpha,\beta\right)}dx}\\
&=\frac{1}{B \left(\alpha,\beta\right)}\int_{0}^{1}{x^\alpha \left(1-x\right)^{\beta-1}dx}\\
&=\frac{1}{B \left(\alpha,\beta\right)}\int_{0}^{1}{x^{ \left(a+1\right)-1} \left(1-x\right)^{\beta-1}dx}\\
\end{align}
ベータ関数の定義式 $B \left(\alpha+1,\beta\right)=\int_{0}^{1}{x^{ \left(a+1\right)-1} \left(1-x\right)^{\beta-1}dx}$ より、
\begin{align}
E \left(X\right)=\frac{B \left(\alpha+1,\beta\right)}{B \left(\alpha,\beta\right)}\\
\end{align}
ベータ関数の性質より、
\begin{align}
B \left(\alpha+1,\beta\right)=\frac{\alpha}{\alpha+\beta}B \left(\alpha,\beta\right)\Leftrightarrow\frac{B \left(\alpha+1,\beta\right)}{B \left(\alpha,\beta\right)}=\frac{\alpha}{\alpha+\beta}
\end{align}
したがって、
\begin{align}
E \left(X\right)=\frac{\alpha}{\alpha+\beta}
\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_{-\infty}^{0}{x^2 \cdot 0dx}+\int_{0}^{1}{x^2 \cdot f \left(x\right)dx}+\int_{1}^{\infty}{x^2 \cdot 0dx}\\
&=\int_{0}^{1}{x^2 \cdot f \left(x\right)dx}\\
&=\int_{0}^{1}{x^2 \cdot \frac{x^{\alpha-1} \left(1-x\right)^{\beta-1}}{B \left(\alpha,\beta\right)}dx}\\
&=\frac{1}{B \left(\alpha,\beta\right)}\int_{0}^{1}{x^{\alpha+1} \left(1-x\right)^{\beta-1}dx}\\
&=\frac{1}{B \left(\alpha,\beta\right)}\int_{0}^{1}{x^{ \left(\alpha+2\right)-1} \left(1-x\right)^{\beta-1}dx}
\end{align}
ベータ関数の定義式 $B \left(\alpha+2,\beta\right)=\int_{0}^{1}{x^{ \left(a+2\right)-1} \left(1-x\right)^{\beta-1}dx}$ より、
\begin{align}
E \left(X^2\right)=\frac{B \left(\alpha+2,\beta\right)}{B \left(\alpha,\beta\right)}\\
\end{align}
ベータ関数の性質より、
\begin{gather}
B \left(\alpha+2,\beta\right)=\frac{\alpha \left(\alpha+1\right)}{ \left(\alpha+\beta\right) \left(\alpha+\beta+1\right)}B \left(\alpha,\beta\right)\\
\Leftrightarrow\frac{B \left(\alpha+2,\beta\right)}{B \left(\alpha,\beta\right)}=\frac{\alpha \left(\alpha+1\right)}{ \left(\alpha+\beta\right) \left(\alpha+\beta+1\right)}
\end{gather}
したがって、
\begin{align}
E \left(X^2\right)=\frac{\alpha \left(\alpha+1\right)}{ \left(\alpha+\beta\right) \left(\alpha+\beta+1\right)}
\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{\alpha \left(\alpha+1\right)}{ \left(\alpha+\beta\right) \left(\alpha+\beta+1\right)}-\frac{\alpha^2}{ \left(\alpha+\beta\right)^2}\\
&=\frac{\alpha \left(\alpha+1\right) \left(\alpha+\beta\right)-\alpha^2 \left(\alpha+\beta+1\right)}{ \left(\alpha+\beta\right)^2 \left(\alpha+\beta+1\right)}\\
&=\frac{\alpha^3+\alpha^2\beta+\alpha^2+\alpha\beta-\alpha^3-\alpha^2\beta-\alpha^2}{ \left(\alpha+\beta\right)^2 \left(\alpha+\beta+1\right)}\\
&=\frac{\alpha\beta}{ \left(\alpha+\beta\right)^2 \left(\alpha+\beta+1\right)}
\end{align}
$\blacksquare$
【公式】ベータ分布の最頻値
【公式】
ベータ分布の最頻値
Mode of Beta Distribution
ベータ分布 $\mathrm{Be} \left(\alpha,\beta\right)$ の最頻値は、 \begin{align} \begin{matrix}Mo \left(X\right)=\displaystyle\frac{\alpha-1}{\alpha+\beta-2}&\begin{matrix}1 \lt \alpha\\1 \lt \beta\\\end{matrix}\\\end{matrix} \end{align} で与えられる。
導出
ベータ分布の確率密度関数は、 \begin{align} f \left(x\right)=\frac{1}{B \left(\alpha,\beta\right)}x^{\alpha-1} \left(1-x\right)^{\beta-1} \end{align} 1階微分を求めると、積の微分公式より、 \begin{align} f^\prime \left(x\right)&=\frac{1}{B \left(\alpha,\beta\right)} \left\{ \left(1-x\right)^{\beta-1} \cdot \frac{d}{dx} \left(x^{\alpha-1}\right)-x^{\alpha-1} \cdot \frac{d}{dx} \left(1-x\right)^{\beta-1}\right\}\\ &=\frac{1}{B \left(\alpha,\beta\right)} \left\{ \left(\alpha-1\right)x^{\alpha-2} \cdot \left(1-x\right)^{\beta-1}+x^{\alpha-1} \cdot \left(\beta-1\right) \left(1-x\right)^{\beta-2} \cdot \frac{d}{dx} \left(1-x\right)\right\}\\ &=\frac{1}{B \left(\alpha,\beta\right)} \left\{ \left(\alpha-1\right)x^{\alpha-2} \cdot \left(1-x\right)^{\beta-1}-x^{\alpha-1} \cdot \left(\beta-1\right) \left(1-x\right)^{\beta-2}\right\}\\ &=\frac{1}{B \left(\alpha,\beta\right)}x^{\alpha-2} \left(1-x\right)^{\beta-2} \left\{ \left(\alpha-1\right) \left(1-x\right)- \left(\beta-1\right)x\right\}\\ &=\frac{1}{B \left(\alpha,\beta\right)}x^{\alpha-2} \left(1-x\right)^{\beta-2} \left\{ \left(\alpha-1\right)- \left(\alpha+\beta-2\right)x\right\}\\ \end{align} 極値 $f^\prime \left(x\right)=0$ を求めると、 \begin{align} x=0 \quad x=1 \quad x=\frac{\alpha-1}{\alpha+\beta-2} \end{align} 増減表は、 \begin{array}{c|ccccc} x & 0 & \cdots & \displaystyle\frac{\alpha-1}{\alpha+\beta-2} & \cdots & 1 \\ \hline f^\prime \left(x\right) & 0 & + & 0 & - & 0 \\ \hline f \left(x\right) & 0 & \nearrow & f \left(\frac{\alpha-1}{\alpha+\beta-2}\right) & \searrow & 0 \\ \end{array} したがって、$1 \lt \alpha,1 \lt \beta$ のとき、$0 \lt x \lt 1$ の範囲で、 \begin{align} x=\frac{\alpha-1}{\alpha+\beta-2} \end{align} が極大、かつ最大である。 $\blacksquare$
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.142-143
- 野田 一雄, 宮岡 悦良 著. 入門・演習数理統計. 共立出版, 1990, p.143 練習問題 ex.3.8.1
- 稲垣 宣生 著. 数理統計学. 裳華房, 2003, p.45
- 黒木 学 著. 数理統計学:統計的推論の基礎. 共立出版, 2020, p.114-115
0 件のコメント:
コメントを投稿