分布関数の対数和

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

任意の分布関数の対数和がカイ2乗分布に従うことを証明しています。

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。

【命題】分布関数の対数和

【命題】
分布関数の対数和
Logarithmic Sum of Cumulative Distribution Functions of Chi-squared Distribution

$\boldsymbol{X}= \left\{X_1,X_2, \cdots ,X_n\right\}$ が互いに独立な連続型確率変数とし、$X_i$ の分布関数を \begin{align} F_i \left(X_i\right) \quad i=1,2, \cdots ,n \end{align} とすると、 分布関数の対数和 \begin{align} Z=-\sum_{i=1}^{n}{2\log{F_i \left(X_i\right)}} \end{align} は自由度 $2n$ の$\chi^2$分布 $\chi^2 \left(2n\right)$ に従う。

証明法:モーメント母関数を用いる方法

証明

$\boldsymbol{X}= \left\{X_1,X_2, \cdots ,X_n\right\}$ が互いに独立であるとき、関数の独立性より、$X_i$ の関数である分布関数 \begin{align} \boldsymbol{F}= \left\{F_1 \left(X_1\right),F_2 \left(X_2\right), \cdots ,F_n \left(X_n\right)\right\} \end{align} も互いに独立である。 確率変数 $Z$ のモーメント母関数を \begin{align} M_Z \left(\theta\right) \end{align} とすると、 モーメント母関数の定義式 $M_Z \left(\theta\right)=E \left(e^{\theta z}\right)$ より、 \begin{align} M_Z \left(\theta\right)&=E \left[\mathrm{exp} \left(\theta \cdot \sum_{i=1}^{n}{-2\log{F_i \left(X_i\right)}}\right)\right]\\ &=E \left[\mathrm{exp} \left(\sum_{i=1}^{n}\log{ \left\{F_i \left(X_i\right)\right\}^{-2\theta}}\right)\right]\\ &=E \left[e^{\log{ \left\{F_1 \left(X_1\right)\right\}^{-2\theta}}} \cdot e^{\log{ \left\{F_2 \left(X_2\right)\right\}^{-2\theta}}} \cdot \cdots \cdot e^{\log{ \left\{F_n \left(X_n\right)\right\}^{-2\theta}}}\right]\\ &=E \left[ \left\{F_1 \left(X_1\right)\right\}^{-2\theta} \cdot \left\{F_2 \left(X_2\right)\right\}^{-2\theta} \cdots \left\{F_n \left(X_n\right)\right\}^{-2\theta}\right] \end{align} 期待値の性質 $E \left[\prod_{i=1}^{n}g \left(X_i\right)\right]=\prod_{i=1}^{n}E \left[g \left(X_i\right)\right]$ より、 \begin{align} M_Z \left(\theta\right)=E \left[ \left\{F_1 \left(X_1\right)\right\}^{-2\theta}\right] \cdot E \left[ \left\{F_2 \left(X_2\right)\right\}^{-2\theta}\right] \cdots E \left[ \left\{F_n \left(X_n\right)\right\}^{-2\theta}\right] \end{align} 累積分布関数の性質より、 \begin{align} 0 \le F_i \left(X_i\right) \le 1 \end{align} 期待値の定義式 $E \left\{g \left(X\right)\right\}=\int_{-\infty}^{\infty}{g \left(x\right) \cdot d F \left(x\right)}$ より、 \begin{align} E \left[ \left\{F_i \left(X_i\right)\right\}^{-2\theta}\right]&=\int_{0}^{1}{ \left\{F_i \left(X_i\right)\right\}^{-2\theta} \cdot d F_i \left(x\right)}\\ &= \left[\frac{1}{1-2\theta} \left\{F_i \left(X_i\right)\right\}^{1-2\theta}\right]_0^1\\ &=\frac{1}{1-2\theta} \end{align} したがって、 \begin{align} M_Z \left(\theta\right)= \left(\frac{1}{1-2\theta}\right)^n \end{align} これは、$\chi^2$分布のモーメント母関数 \begin{align} M_X \left(\theta\right)= \left(\frac{1}{1-2\theta}\right)^\frac{n}{2} \end{align} において、 \begin{align} n\rightarrow2n \quad X\rightarrow Z \end{align} と置き換えたものとみなすことができる。 したがって、モーメント母関数の一意性により、確率変数 $Z$ は、$\boldsymbol{\chi}^\boldsymbol{2}$分布 \begin{align} Z \sim \chi^2 \left(2n\right) \end{align} に従う。 $\blacksquare$

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.149 練習問題 ex.3.9.4
  • 黒木 学 著. 数理統計学:統計的推論の基礎. 共立出版, 2020, p.123 演習問題6.2

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