ベータ分布の期待値・分散と最頻値の導出

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、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

導出

(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

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} 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

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