正規分布の標本平均と標本分散の独立性の証明

公開日: 更新日:

【2023年4月2週】 【B000】数理統計学 【B060】標本分布

この記事をシェアする
  • B!
サムネイル画像

本稿では、正規分布の標本平均と標本分散が独立であり、標本分散がカイ2乗分布に従うことを証明しています。この事実は推定や検定を考えるうえで非常に重要で、教科書などでは、結果のみが掲載されていますが、その証明は意外と難しく、中級者向けの内容となります。

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。

【命題】独立正規標本の直交変換

【命題】
独立正規標本の直交変換
Orthogonal Transformation of Independent Normal Random Variables

標準正規分布 $\mathrm{N} \left(0,1\right)$ からの大きさ $n$ の無作為標本を \begin{align} \boldsymbol{X}= \left\{X_1,X_2, \cdots ,X_n\right\} \end{align} とするとき、 任意の直交行列 $\boldsymbol{T}$ を用いて \begin{gather} \boldsymbol{X}=\boldsymbol{TY}\\ \left\{\begin{matrix}X_1\\X_2\\\vdots\\X_n\\\end{matrix}\right\}=\boldsymbol{T} \left\{\begin{matrix}Y_1\\Y_2\\\vdots\\Y_n\\\end{matrix}\right\} \end{gather} と変数変換すると、 \begin{align} \boldsymbol{Y}= \left\{Y_1,Y_2, \cdots ,Y_n\right\} \end{align} は互いに独立に 標準正規分布 \begin{align} Y_i \sim \mathrm{N} \left(0,1\right) \end{align} に従う。

証明

証明

$\boldsymbol{X}= \left\{X_1,X_2, \cdots ,X_n\right\}$ の同時確率密度関数は、 \begin{align} f \left(\boldsymbol{x}\right)&=\prod_{i=1}^{n}{\frac{1}{\sqrt{2\pi}}\mathrm{exp} \left(-\frac{x_i^2}{2}\right)}\\ &= \left(\frac{1}{\sqrt{2\pi}}\right)^n\mathrm{exp} \left(-\frac{1}{2}\sum_{i=1}^{n}x_i^2\right)\\ &= \left(\frac{1}{\sqrt{2\pi}}\right)^ne^{-\frac{1}{2} \left(x_1^2+x_2^2+ \cdots +x_n^2\right)} \end{align} 行列を用いて表すと、 \begin{align} f \left(\boldsymbol{x}\right)= \left(\frac{1}{\sqrt{2\pi}}\right)^n\mathrm{exp} \left(-\frac{1}{2}\boldsymbol{x}^\boldsymbol{t}\boldsymbol{x}\right) \end{align} ここで、任意の直交行列 $\boldsymbol{T}$ を用いた変数変換 \begin{gather} \boldsymbol{x}=\boldsymbol{Ty} \end{gather} を考えると、 変数変換後の同時確率密度関数の公式 \begin{align} g \left(\boldsymbol{y}\right)=f \left(\boldsymbol{A}^{-\boldsymbol{1}}\boldsymbol{y}\right) \left|\boldsymbol{A}\right| \end{align} より、 $\boldsymbol{y}= \left\{y_1,y_2, \cdots ,y_n\right\}$ の同時確率密度関数は、 \begin{align} g \left(\boldsymbol{y}\right)=f \left(\boldsymbol{T}^{-\boldsymbol{1}}\boldsymbol{y}\right) \left|\boldsymbol{T}\right| \end{align} ここで、直交行列の逆行列はその行列の転置行列であることから、 \begin{align} \boldsymbol{T}^{-\boldsymbol{1}}=\boldsymbol{T}^\boldsymbol{t} \end{align} また、 \begin{align} \left|\boldsymbol{I}\right|= \left|\boldsymbol{T}^\boldsymbol{t}\boldsymbol{T}\right|= \left|\boldsymbol{T}\right|^\boldsymbol{2}=1 \end{align} したがって、 \begin{align} g \left(\boldsymbol{y}\right)&=f \left(\boldsymbol{T}^\boldsymbol{t}\boldsymbol{y}\right)\\ &= \left(\frac{1}{\sqrt{2\pi}}\right)^n\mathrm{exp} \left(-\frac{1}{2} \left(\boldsymbol{T}^\boldsymbol{t}\boldsymbol{y}\right)^\boldsymbol{t} \left(\boldsymbol{T}^\boldsymbol{t}\boldsymbol{y}\right)\right)\\ &= \left(\frac{1}{\sqrt{2\pi}}\right)^n\mathrm{exp} \left(-\frac{1}{2}\boldsymbol{y}^\boldsymbol{t}\boldsymbol{T}\boldsymbol{T}^\boldsymbol{t}\boldsymbol{y}\right)\\ &= \left(\frac{1}{\sqrt{2\pi}}\right)^n\mathrm{exp} \left(-\frac{1}{2}\boldsymbol{y}^\boldsymbol{t}\boldsymbol{Iy}\right)\\ &= \left(\frac{1}{\sqrt{2\pi}}\right)^n\mathrm{exp} \left(-\frac{1}{2}\boldsymbol{y}^\boldsymbol{t}\boldsymbol{y}\right)\\ &= \left(\frac{1}{\sqrt{2\pi}}\right)^ne^{-\frac{1}{2} \left(y_1^2+y_2^2+ \cdots +y_n^2\right)} \end{align} これは、標準正規分布の同時確率密度関数であり、独立性の定義を満たしているため、 \begin{align} \boldsymbol{Y}= \left\{Y_1,Y_2, \cdots ,Y_n\right\} \end{align} は互いに独立に 標準正規分布 \begin{align} Y_i \sim \mathrm{N} \left(0,1\right) \end{align} に従う。 $\blacksquare$

【定理】正規分布の標本平均と標本分散の独立性

【定理】
正規分布の標本平均と標本分散の独立性
Independence of the Sample Mean and Variance for Normal Distributions

正規分布 $\mathrm{N} \left(\mu,\sigma^2\right)$ からの大きさ $n$ の無作為標本を \begin{align} \boldsymbol{X}= \left\{X_1,X_2, \cdots ,X_n\right\} \end{align} とし、 標本平均と標本分散をそれぞれ、 \begin{align} \bar{X}=\sum_{i=1}^{n}X_i \quad S^2=\frac{1}{n}\sum_{i=1}^{n} \left(X_i-\bar{X}\right)^2 \end{align} とするとき、以下が成り立つ。 (i) $\bar{X}$ と $S^2$ は互いに独立である。 (ii) \begin{align} \sum_{i=1}^{n}\frac{ \left(X_i-\bar{X}\right)^2}{\sigma^2}=\frac{nS^2}{\sigma^2} \end{align} は、自由度 $n-1$ の $\chi^2$分布 $\chi^2 \left(n-1\right)$ に従う。

証明

証明

$Z_i=\frac{X_i-\mu}{\sigma}$ と標準化すると、正規分布の標準化の性質より、 \begin{align} Z_i \sim \mathrm{N} \left(0,1\right) \end{align} また、証明したい命題は、
(i)$\bar{Z}$ と $\sum_{i=1}^{n} \left(Z_i-\bar{Z}\right)^2$ は互いに独立である。 (ii) \begin{align} \sum_{i=1}^{n} \left(Z_i-\bar{Z}\right)^2 \sim \chi^2 \left(n-1\right) \end{align} と書き直すことができる(上記と同義である)。 ここで、$\boldsymbol{H}$ を最初の行が $ \left(\frac{1}{\sqrt n},\frac{1}{\sqrt n}, \cdots ,\frac{1}{\sqrt n}\right)$ であるような直交行列、例えば、 \begin{align} \boldsymbol{H}= \left(\begin{matrix}\frac{1}{\sqrt n}&\frac{1}{\sqrt n}&\frac{1}{\sqrt n}& \cdots &\frac{1}{\sqrt n}\\-\frac{1}{\sqrt2}&\frac{1}{\sqrt2}&0& \cdots &0\\-\frac{1}{\sqrt{2 \cdot 3}}&-\frac{1}{\sqrt{2 \cdot 3}}&\frac{2}{\sqrt{2 \cdot 3}}& \cdots &0\\\vdots&\vdots&\vdots&\ddots&\vdots\\-\frac{1}{\sqrt{n \left(n-1\right)}}&-\frac{1}{\sqrt{n \left(n-1\right)}}&-\frac{1}{\sqrt{n \left(n-1\right)}}& \cdots &-\frac{n-1}{\sqrt{n \left(n-1\right)}}\\\end{matrix}\right) \end{align} として、 \begin{gather} \boldsymbol{Y}=\boldsymbol{HZ}\\ \end{gather} と変数変換すると、 独立正規標本の直交変換の性質より、 \begin{align} Y_i \sim \mathrm{N} \left(0,1\right) \end{align} また、変数変換の中身を計算すると、 \begin{gather} Y_1=\frac{1}{\sqrt n}\sum_{i=1}^{n}Z_i=\frac{n}{\sqrt n} \cdot \frac{1}{n}\sum_{i=1}^{n}Z_i=\sqrt n\bar{Z}\\ Y_1^2=n{\bar{Z}}^2 \end{gather} ここで、恒等式 \begin{align} \sum_{i=1}^{n}Z_i^2=n{\bar{Z}}^2+\sum_{i=1}^{n} \left(Z_i-\bar{Z}\right)^2 \end{align} より、 直交変換 $\boldsymbol{Y}=\boldsymbol{HZ}$ によって、 \begin{align} Z_1^2+Z_2^2+ \cdots +Z_n^2=n{\bar{Z}}^2+\sum_{i=1}^{n} \left(Z_i-\bar{Z}\right)^2\\ \Rightarrow Y_1^2+Y_2^2+ \cdots +Y_n^2=Y_1^2+\sum_{i=1}^{n} \left(Z_i-\bar{Z}\right)^2 \end{align} と変数変換される。 したがって、 \begin{align} \sum_{i=1}^{n} \left(Z_i-\bar{Z}\right)^2=Y_2^2+ \cdots +Y_n^2=\sum_{i=2}^{n}Y_i^2 \end{align} ところで、$Y_i$ は互いに独立であるから、その関数である $Y_1^2 \quad $ と $ \quad Y_2^2+ \cdots +Y_n^2$ もまた、互いに独立である。 したがって、 $n{\bar{Z}}^2 \quad $ と $ \quad \sum_{i=1}^{n} \left(Z_i-\bar{Z}\right)^2$ は、互いに独立で、 これらの関数である $\bar{Z} \quad $ と $ \quad S^2=\frac{1}{n}\sum_{i=1}^{n} \left(Z_i-\bar{Z}\right)^2$ は、互いに独立である。 また、$\chi^2$分布の定義より、 \begin{align} \sum_{i=1}^{n} \left(Z_i-\bar{Z}\right)^2 \sim \chi^2 \left(n-1\right) \end{align} $\blacksquare$

参考文献

  • 小寺 平治 著. 数理統計:明解演習. 共立出版, 1986, p.97-99
  • 野田 一雄, 宮岡 悦良 著. 入門・演習数理統計. 共立出版, 1990, p.177-179
  • 稲垣 宣生 著. 数理統計学. 裳華房, 2003, p.94-96
  • 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.87-88

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