フィッシャー・ネイマンの因子分解定理の証明

公開日:

【2023年4月3週】 【B000】数理統計学 【B070】統計的推定

この記事をシェアする
  • B!
サムネイル画像

本稿では、フィッシャー・ネイマンの因子分解定理を証明しています。

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】フィッシャー・ネイマンの因子分解定理

【定理】
フィッシャー・ネイマンの因子分解定理
Fisher-Neyman Factorization Theorem

統計量 T(X) がパラメータ θ に対する十分統計量であるための必要十分条件は、
X=(X1,X2,,Xn) の同時確率(密度)関数 fn(x;θ) θ に依存する部分(θx の積で表される部分)と
そうでない部分(x のみの関数になっている部分)
に分解でき、 θ に依存する部分は、T=T(X) を通してのみ、x に依存する すなわち、 fn(x;θ)=g(t;θ)h(x)g(t;θ)0h(x)0 と表されることである。

また、十分統計量の1-1対応の関数もまた十分統計量である。

証明:離散型確率変数の場合

証明

(i)十分性
X=(X1,X2,,Xn) の同時確率関数を f(x;θ) として、与式のような分解 f(x;θ)=g(t;θ)h(x) ができるような非負の関数 g(t;θ),h(x) が存在するとする。 ここで、統計量 T(X) は、確率関数ベクトル X の関数なので、X の値(の組み合わせ)によって1つに定まる。よって、T(X)=t となるような X の同時確率を考えることで、統計量 T の確率質量関数は、 f(t;θ)=X:T(X)=tf(x;θ)=X:T(X)=tg(t;θ)h(x)=g(t;θ)X:T(X)=th(x) と表すことができる。 このとき、T=t が与えられているときの X=(X1,X2,,Xn) の条件付き確率分布は、条件付き確率の定義より P( X=x | T=t )=P(X=x,T=t)P(T=t) T(x)=t という条件下 P(X=x,T=t)=P(X=x) なので、 P( X=x | T=t )=P(X=x)P(T=t)=f(x;θ)f(t;θ)=g(t;θ)h(x)g(t;θ)X:T(X)=th(x)=h(x)X:T(X)=th(x) したがって、T=t が与えられているときの X=(X1,X2,,Xn) の条件付き確率分布は、θ に依存しない。よって、T は十分統計量である。

(ii)必要性
T を十分統計量とし、P(X=x)=0 のときは、h(x)=0 とし、すべての T の値 t に関して、 h(x)=P( X=x | T=t:θ )=P( X=x | T=t )g(t;θ)=P(T=t:θ) とおくと、 確率の乗法定理 P(X=x,T=t)=P(T=t)P( X=x | T=t ) より、 f(x;θ)=P(X=x:θ)=P(X=x,T=t)=P(T=t)P( X=x | T=t )=g(t;θ)h(x) となり与式のように分解できる。 T を十分統計量とし、T=r(T) を1-1対応とすると、t=r1(t) であり、因子分解定理により、 f(x;θ)=g(t;θ)h(x)=g{r1(t);θ}h(x)=g(t;θ)h(x)

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.199-201
  • 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.118

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