本稿では、カイ2乗分布とガンマ分布・指数分布の関係を証明しています。
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】カイ2乗分布とガンマ分布・指数分布の関係
【定理】
カイ2乗分布とガンマ分布・指数分布の関係
Relationship among Chi-squared, Gamma and Exponential Distribution of Chi-squared Distribution
(I)$\chi^2$分布とガンマ分布の関係
自由度 $n$ の $\chi^2$分布は、ガンマ分布 $Ga \left(\frac{n}{2},\frac{1}{2}\right)$ に等しい。
\begin{align}
\mathrm{Ga} \left(\frac{n}{2},\frac{1}{2}\right)=\chi^2 \left(n\right)
\end{align}
(II)$\chi^2$分布と指数分布、ガンマ分布の関係
自由度2の $\chi^2$分布は、ガンマ分布 $\mathrm{Ga} \left(1,\frac{1}{2}\right)$ と指数分布 $\mathrm{Ex} \left(\frac{1}{2}\right)$ に等しい。
\begin{align}
\mathrm{Ex} \left(\frac{1}{2}\right)=\mathrm{Ga} \left(1,\frac{1}{2}\right)=\chi^2 \left(2\right)
\end{align}
(III)$\chi^2$分布とガンマ分布の累積確率の関係
確率変数 $W,Y$ がそれぞれガンマ分布と $\chi^2$分布
\begin{align}
W \sim \mathrm{Ga} \left(\frac{n}{2},\beta\right) \quad Y \sim \chi^2 \left(n\right)
\end{align}
に従うとき、
それぞれの累積分布関数について、
\begin{align}
P \left(W \le w\right)=P \left(Y \le 2\beta w\right)\Leftrightarrow G \left(w\right)=H \left(2\beta w\right)
\end{align}
が成り立つ。
証明
それぞれの分布の確率密度関数は、
指数分布
\begin{align}
f \left(x\right)= \left\{\begin{matrix}\lambda e^{-\lambda x}&0 \le x\\0&x \lt 0\\\end{matrix}\right.\tag{1}
\end{align}
ガンマ分布
\begin{align}
g \left(x\right)= \left\{\begin{matrix}\frac{\beta^\alpha}{\Gamma \left(\alpha\right)}x^{\alpha-1}e^{-\beta x}&0 \le x\\0&x \lt 0\\\end{matrix}\right.\tag{2}
\end{align}
$\chi^2$分布
\begin{align}
h \left(x\right)= \left\{\begin{matrix}\frac{1}{2^\frac{n}{2} \cdot \Gamma \left(\frac{n}{2}\right)}x^{\frac{n}{2}-1}e^{-\frac{x}{2}}&0 \le x\\0&x \lt 0\\\end{matrix}\right.\tag{3}
\end{align}
(I)ガンマ分布の確率密度関数に $\alpha=\frac{n}{2},\beta=\frac{1}{2}$ を代入すると、 \begin{align} g \left(x\right)=\frac{ \left(\frac{1}{2}\right)^\frac{n}{2}}{\Gamma \left(\frac{n}{2}\right)}x^{\frac{n}{2}-1}e^{-\frac{x}{2}}=\frac{1}{2^\frac{n}{2} \cdot \Gamma \left(\frac{n}{2}\right)}x^{\frac{n}{2}-1}e^{-\frac{x}{2}}=h \left(x\right) \end{align} $\blacksquare$
(II)ガンマ分布の確率密度関数に $\alpha=1,\beta=\frac{1}{2}$ を代入すると、 \begin{align} g \left(x\right)=\frac{\frac{1}{2}}{\Gamma \left(1\right)}x^{1-1}e^{-\frac{1}{2}x}=\frac{1}{2}e^{-\frac{1}{2}x}\tag{4} \end{align} 指数分布の確率密度関数に $\lambda=\frac{1}{2}$ を代入すると、 \begin{align} f \left(x\right)=\frac{1}{2}e^{-\frac{1}{2}x}\tag{5} \end{align} $\chi^2$分布の確率密度関数に $n=2$ を代入すると、 \begin{align} h \left(x\right)=\frac{1}{2^\frac{2}{2} \cdot \Gamma \left(\frac{2}{2}\right)}x^{\frac{2}{2}-1}e^{-\frac{x}{2}}=\frac{1}{2}e^{-\frac{1}{2}x}\tag{6} \end{align} 式 $(4),(5),(6)$ より、 \begin{align} f \left(x\right)=g \left(x\right)=h \left(x\right) \end{align} $\blacksquare$
(III)累積分布関数の定義式 $G \left(x\right)=P \left(X \le x\right)=\int_{0}^{x}g \left(t\right)dt$ より、ガンマ分布累積分布関数は、 \begin{align} G \left(w\right)=P \left(W \le w\right)=\int_{0}^{w}{\frac{\beta^\frac{n}{2}}{\Gamma \left(\frac{n}{2}\right)}a^{\frac{n}{2}-1}e^{-\beta a}}da \end{align} ここで、以下のように変数変換すると、 \begin{gather} \beta a=\frac{t}{2}\Leftrightarrow a=\frac{t}{2\beta}\\ a:0\rightarrow w \quad \Rightarrow \quad t:0\rightarrow2\beta w\\ \frac{da}{dt}=\frac{1}{2\beta}\Rightarrow da=\frac{1}{2\beta}dt \end{gather} となるので、 置換積分法により、 \begin{align} G \left(w\right)&=\int_{0}^{2\beta w}{\frac{\beta^\frac{n}{2}}{\Gamma \left(\frac{n}{2}\right)} \left(\frac{t}{2\beta}\right)^{\frac{n}{2}-1}e^{-\frac{t}{2}}} \cdot \frac{1}{2\beta}dt\\ &=\int_{0}^{2\beta w} \left[ \left(\frac{1}{2}\right)^{\frac{n}{2}-1} \cdot \frac{1}{2}\right] \left[\frac{1}{\Gamma \left(\frac{n}{2}\right)}t^{\frac{n}{2}-1}e^{-\frac{t}{2}}\right] \left[\beta^\frac{n}{2} \cdot \left(\frac{1}{\beta}\right)^{\frac{n}{2}-1} \cdot \frac{1}{\beta}\right]dt\\ &=\int_{0}^{2\beta w}{\frac{1}{2^\frac{n}{2} \cdot \Gamma \left(\frac{n}{2}\right)}t^{\frac{n}{2}-1}e^{-\frac{t}{2}}}dt\\ &=H \left(2\beta w\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.144
- 稲垣 宣生 著. 数理統計学. 裳華房, 2003, p.89-90
0 件のコメント:
コメントを投稿