二変量正規分布のモーメント母関数の導出

公開日: 更新日:

【2023年4月2週】 【B000】数理統計学 【B050】多次元確率分布

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二変量正規分布のモーメント母関数を導出しています。

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】二変量正規分布のモーメント母関数

【公式】
二変量正規分布のモーメント母関数
Moment-Generating Function of Bivariate Normal Distribution

二変量正規分布 $\mathrm{MN} \left(\boldsymbol{\mu},\boldsymbol{\Sigma}\right)$ のモーメント母関数 $M_{X,Y} \left(\boldsymbol{\theta}\right)$ は、 \begin{align} M_{X,Y} \left(\boldsymbol{\theta}\right)&=\mathrm{exp} \left(\boldsymbol{\mu}^\boldsymbol{T}\boldsymbol{\theta}+\frac{1}{2}\boldsymbol{\theta}^\boldsymbol{T}\boldsymbol{\Sigma}\boldsymbol{\theta}\right)\\ &=\mathrm{exp} \left\{\theta_1\mu_X+\theta_2\mu_Y+\frac{1}{2} \left(\theta_1^2\sigma_X^2+2\rho\theta_1\theta_2\sigma_X\sigma_Y+\theta_2^2\sigma_Y^2\right)\right\} \end{align} で与えられる。

導出

導出

モーメント母関数の定義式 $M_{X,Y} \left(\boldsymbol{\theta}\right)=\int_{-\infty}^{\infty}\int_{-\infty}^{\infty}{e^{\boldsymbol{\theta x}} \cdot f \left(x,y\right)dxdy}$ より、 \begin{align} M_{X,Y} \left(\boldsymbol{\theta}\right)&=\int_{-\infty}^{\infty}\int_{-\infty}^{\infty}{e^{\theta_1x+\theta_2y} \cdot \frac{1}{2\pi\sigma_X\sigma_Y\sqrt{1-\rho^2}}\mathrm{exp} \left\{-\frac{1}{2 \left(1-\rho^2\right)}Q \left(x,y\right)\right\}dxdy}\\ &=\int_{-\infty}^{\infty}\int_{-\infty}^{\infty}{\frac{1}{2\pi\sigma_X\sigma_Y\sqrt{1-\rho^2}}\mathrm{exp} \left\{\theta_1x+\theta_2y-\frac{1}{2 \left(1-\rho^2\right)}Q \left(x,y\right)\right\}dxdy} \end{align} ここで、以下のように変数変換すると、 \begin{gather} \left\{\begin{matrix}u=\frac{x-\mu_X}{\sigma_X}\\v=\frac{y-\mu_Y}{\sigma_Y}\\\end{matrix}\right.\Rightarrow \left\{\begin{matrix}x=u\sigma_X+\mu_X\\y=v\sigma_Y+\mu_Y\\\end{matrix}\right.\\ \begin{matrix}x:-\infty\rightarrow\infty\\y:-\infty\rightarrow\infty\\\end{matrix} \quad \Rightarrow \quad \begin{matrix}u:-\infty\rightarrow\infty\\v:-\infty\rightarrow\infty\\\end{matrix}\\ \left|J\right|=\sigma_X\sigma_Y\\ \end{gather} また、指数部分を完全平方にすると、 \begin{gather} \theta_1x+\theta_2y-\frac{1}{2 \left(1-\rho^2\right)}Q \left(x,y\right)=\theta_1\mu_X+\theta_2\mu_Y-\frac{1}{2 \left(1-\rho^2\right)}R \left(u,v\right)\\ R \left(u,v\right)= \left\{u-\rho v- \left(1-\rho^2\right)\theta_1\sigma_X\right\}^2+ \left(1-\rho^2\right) \left(v-\rho\theta_1\sigma_X-\theta_2\sigma_Y\right)^2- \left(1-\rho^2\right) \left(\theta_1^2\sigma_X^2+2\rho\theta_1\theta_2\sigma_X\sigma_Y+\theta_2^2\sigma_Y^2\right) \end{gather} したがって、置換積分法により、 \begin{align} M_{X,Y} \left(\boldsymbol{\theta}\right)&=\int_{-\infty}^{\infty}\int_{-\infty}^{\infty}{\frac{1}{2\pi\sigma_X\sigma_Y\sqrt{1-\rho^2}}\mathrm{exp} \left\{\theta_1\mu_X+\theta_2\mu_Y-\frac{1}{2 \left(1-\rho^2\right)}R \left(u,v\right)\right\} \cdot \sigma_X\sigma_Ydudv}\\ &=\exp \left\{\theta_1\mu_X+\theta_2\mu_Y\right\} \cdot \int_{-\infty}^{\infty}\int_{-\infty}^{\infty}{\frac{1}{2\pi\sqrt{1-\rho^2}}\mathrm{exp} \left\{-\frac{1}{2 \left(1-\rho^2\right)}R \left(u,v\right)\right\}dudv}\\ \end{align} ここで、以下のように変数変換すると、 \begin{gather} \left\{\begin{matrix}w=\frac{u-\rho v- \left(1-\rho^2\right)\theta_1\sigma_X}{\sqrt{1-\rho^2}}\\z=v-\rho\theta_1\sigma_X-\theta_2\sigma_Y\\\end{matrix}\right.\Rightarrow \left\{\begin{matrix}u=\sqrt{1-\rho^2}w+\rho v+ \left(1-\rho^2\right)\theta_1\sigma_X\\v=z+\rho\theta_1\sigma_X+\theta_2\sigma_Y\\\end{matrix}\right.\\ \begin{matrix}u:-\infty\rightarrow\infty\\v:-\infty\rightarrow\infty\\\end{matrix} \quad \Rightarrow \quad \begin{matrix}w:-\infty\rightarrow\infty\\z:-\infty\rightarrow\infty\\\end{matrix}\\ \end{gather} 変数変換のヤコビアンは、 \begin{align} \left|J\right|&= \left|\begin{matrix}\frac{\partial u}{\partial w}&\frac{\partial v}{\partial w}\\\frac{\partial u}{\partial z}&\frac{\partial v}{\partial z}\\\end{matrix}\right|\\ &= \left|\begin{matrix}\sqrt{1-\rho^2}&0\\0&1\\\end{matrix}\right|\\ &=\sqrt{1-\rho^2} \end{align} したがって、置換積分法により、 \begin{align} M_{X,Y} \left(\boldsymbol{\theta}\right)&=\mathrm{exp} \left\{\theta_1\mu_X+\theta_2\mu_Y+\frac{1}{2} \left(\theta_1^2\sigma_X^2+2\rho\theta_1\theta_2\sigma_X\sigma_Y+\theta_2^2\sigma_Y^2\right)\right\} \cdot \int_{-\infty}^{\infty}\int_{-\infty}^{\infty}{\frac{1}{2\pi\sqrt{1-\rho^2}}\mathrm{exp} \left(-\frac{w^2}{2}-\frac{z^2}{2}\right)\sqrt{1-\rho^2}dwdz}\\ &=\mathrm{exp} \left\{\theta_1\mu_X+\theta_2\mu_Y+\frac{1}{2} \left(\theta_1^2\sigma_X^2+2\rho\theta_1\theta_2\sigma_X\sigma_Y+\theta_2^2\sigma_Y^2\right)\right\} \cdot \int_{-\infty}^{\infty}\int_{-\infty}^{\infty}{\frac{1}{2\pi}\mathrm{exp} \left(-\frac{w^2}{2}-\frac{z^2}{2}\right)dwdz}\\ &=\mathrm{exp} \left\{\theta_1\mu_X+\theta_2\mu_Y+\frac{1}{2} \left(\theta_1^2\sigma_X^2+2\rho\theta_1\theta_2\sigma_X\sigma_Y+\theta_2^2\sigma_Y^2\right)\right\} \cdot \int_{-\infty}^{\infty}{\frac{1}{\sqrt{2\pi}}\mathrm{exp} \left(-\frac{w^2}{2}\right)dw} \cdot \int_{-\infty}^{\infty}{\frac{1}{\sqrt{2\pi}}\mathrm{exp} \left(-\frac{z^2}{2}\right)dz}\\ &=\mathrm{exp} \left\{\theta_1\mu_X+\theta_2\mu_Y+\frac{1}{2} \left(\theta_1^2\sigma_X^2+2\rho\theta_1\theta_2\sigma_X\sigma_Y+\theta_2^2\sigma_Y^2\right)\right\} \end{align} $\blacksquare$

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.156-157
  • 黒木 学 著. 数理統計学:統計的推論の基礎. 共立出版, 2020, p.104

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