2016/12/24
2020/05/05
ガンマ分布の期待値と分散を密度関数から導出する
確率密度関数 | \(f(x)=\frac{x^{k-1}\mathrm{e}^{-\frac{x}{\theta}}}{\Gamma(k)\theta^{k}}\) |
期待値 | \(E(X)=k\theta\) |
分散 | \(V(X)=k{\theta}^{2}\) |
積率母関数 | \(\begin{eqnarray*}M_{X}(t)&=&{(\frac{1}{1- \theta t})}^{k}\end{eqnarray*}\) |
当ページは確率密度関数からのガンマ分布の平均・分散の導出過程を記しています。
積率母関数の導出及び、積率母関数からの期待値・分散の導出は、積率母関数を用いたガンマ分布の期待値・分散の導出をご覧ください。
※お使いの端末によっては、長い数式が右側にはみ出す場合がございます。縮小や右にスクロール、端末を横にするの動作などで解決する場合がございますので、お試しください。
\(\Gamma(k)=\displaystyle \int_{ 0 }^{ \infty } t^{k-1} \mathrm{e}^{-t} dt\)
\(\Gamma(k)=(k-1)\Gamma(k-1)\)
\(\Gamma(k+1) = k! \)
\(\Gamma(\frac{1}{2})=\sqrt{\pi}\)
期待値の導出
\(\begin{eqnarray*}E(X)&=&\displaystyle \int_{ 0 }^{ \infty }xf(x)dx\\ &=&\displaystyle \int_{ 0 }^{ \infty }x \frac{x^{k-1}\mathrm{e}^{-\frac{x}{\theta}}}{\Gamma(k)\theta^{k}}dx\\ &=&\displaystyle \int_{ 0 }^{ \infty } \frac{x^{(k+1)-1}\mathrm{e}^{-\frac{x}{\theta}}}{\Gamma(k)\theta^{k}}dx\\ &=&\displaystyle \int_{ 0 }^{ \infty } \frac{x^{(k+1)-1}\mathrm{e}^{-\frac{x}{\theta}}}{k^{-1}\Gamma(k+1)\theta^{-1} \theta^{k+1}}dx\end{eqnarray*}\)
\(\Gamma(k)=(k-1)\Gamma(k-1)\)
という性質を使うと、
\(\Gamma(k)=\frac{\Gamma(k+1)}{k}\)
\(\ \ \ \ \ \ \ \ \ \ \begin{eqnarray*}&=&\displaystyle \int_{ 0 }^{ \infty } \frac{k \theta x^{(k+1)-1}\mathrm{e}^{-\frac{x}{\theta}}}{\Gamma(k+1)\theta^{k+1}}dx\end{eqnarray*}\)
\(\begin{eqnarray*}\frac{x^{(k+1)-1}\mathrm{e}^{-\frac{x}{\theta}}}{\Gamma(k+1) \theta^{k+1}}\end{eqnarray*}\)
この式のk+1の部分をk’と置くと、
\(\begin{eqnarray*}\frac{x^{(k’)-1}\mathrm{e}^{-\frac{x}{\theta}}}{\Gamma(k’) \theta^{k’}}\end{eqnarray*}\)
となる。これはパラメータ(母数)がk’のガンマ分布の確率密度関数である。そのため、
\(\begin{eqnarray*}\displaystyle \int_{ 0 }^{ \infty } \frac{x^{(k’)-1}\mathrm{e}^{-\frac{x}{\theta}}}{\Gamma(k’)\theta^{k’}}dx=1\end{eqnarray*}\)
は確率密度関数を確率変数がとりうる値において全て足しあわせた値であるため、1である。
(ある事象における全ての確率を足すと1になることと同義)
\(\ \ \ \ \ \ \ \ \ \ \begin{eqnarray*}&=&k \theta \end{eqnarray*}\)
分散の導出
\(\begin{eqnarray*}E(X^2)&=&\displaystyle \int_{ 0 }^{ \infty }x^{2}f(x)dx\\ &=&\displaystyle \int_{ 0 }^{ \infty }x^{2} \frac{x^{k-1}\mathrm{e}^{-\frac{x}{\theta}}}{\Gamma(k)\theta^{k}}dx\\ &=&\displaystyle \int_{ 0 }^{ \infty } \frac{x^{(k+2)-1}\mathrm{e}^{-\frac{x}{\theta}}}{\Gamma(k)\theta^{k}}dx\\ &=&\displaystyle \int_{ 0 }^{ \infty } \frac{x^{(k+2)-1}\mathrm{e}^{-\frac{x}{\theta}}}{k^{-1}\Gamma(k+1)\theta^{-1} \theta^{k+1}}dx\\ &=&\displaystyle \int_{ 0 }^{ \infty } \frac{x^{(k+2)-1}\mathrm{e}^{-\frac{x}{\theta}}}{k^{-1}{(k+1)}^{-1}\Gamma(k+2)\theta^{-2} \theta^{k+2}}dx\end{eqnarray*}\)
\(\Gamma(k)=(k-1)\Gamma(k-1)\)
という性質を使うと、
\(\begin{eqnarray*}\Gamma(k)&=&\frac{\Gamma(k+1)}{k}\\ &=&\frac{\Gamma(k+2)}{k(k+1)}\end{eqnarray*}\)
\(\ \ \ \ \ \ \ \ \ \ \begin{eqnarray*}&=&\displaystyle \int_{ 0 }^{ \infty } \frac{k(k+1) \theta^{2}x^{(k+2)-1}\mathrm{e}^{-\frac{x}{\theta}}}{\Gamma(k+2) \theta^{k+2}}dx\end{eqnarray*}\)
\(\begin{eqnarray*}\frac{x^{(k+2)-1}\mathrm{e}^{-\frac{x}{\theta}}}{\Gamma(k+2) \theta^{k+2}}\end{eqnarray*}\)
この式のk+2の部分をk’と置くと、
\(\begin{eqnarray*}\frac{x^{(k’)-1}\mathrm{e}^{-\frac{x}{\theta}}}{\Gamma(k’) \theta^{k’}}\end{eqnarray*}\)
となる。これはパラメータ(母数)がk’のガンマ分布の確率密度関数である。そのため、
\(\begin{eqnarray*}\displaystyle \int_{ 0 }^{ \infty } \frac{x^{(k’)-1}\mathrm{e}^{-\frac{x}{\theta}}}{\Gamma(k’)\theta^{k’}}dx=1\end{eqnarray*}\)
は確率密度関数を確率変数がとりうる値において全て足しあわせた値であるため、1である。
(ある事象における全ての確率を足すと1になることと同義)
\(\ \ \ \ \ \ \ \ \ \ \begin{eqnarray*}&=&k(k+1) \theta^{2}\\ V(X)&=&E(X^2)-{(E(X))}^2\\ &=&k(k+1) \theta^{2}-{(k \theta)}^2\\ &=&k{\theta}^2\end{eqnarray*}\)
最新投稿記事
-
AIプロジェクトの企画と失敗しない進め方を解説 2021年1月19日
-
AVILEN人材育成コース受講体験談:山田裕之さん「E資格の”その先”を目指して」 2021年1月8日
-
AI導入とは?RPAとの関係、プロセス、事例、メリット、費用を詳細に解説 2020年12月7日
-
注目のAI開発企業11社!支援領域や提供方法など検証! 2020年10月28日
-
AI人材を育成できる研修プログラムを一挙紹介! 2020年10月20日
-
【2021年版】期待のAI資格11選!就職・転職にも使える! 2020年10月18日
-
JDLAとは?G検定、E資格の認定プログラム、合格者の会など紹介! 2020年10月14日
-
G検定(2020#3)受験申し込み開始、11月7日(土)実施-JDLA 2020年10月1日
-
【独占】コロナ禍で人材登録急増、アノテーション単月売上高は4倍超-パソナJOB HUB 2020年10月1日
-
E資格を転職に活用!評判とデータを徹底調査! 2020年9月29日
週間ランキング
【2021年版】コスパ重視のG検定対策!おすすめの本・講座・教材を一挙紹介! 2020年6月6日
G検定に短期間・独学で合格した勉強法を解説! 2020年8月3日
【2021年版】期待のAI資格11選!就職・転職にも使える! 2020年10月18日
G検定は難しい?難易度・合格ライン・問題を徹底解説! 2020年6月19日
注目のAI開発企業11社!支援領域や提供方法など検証! 2020年10月28日
G検定に落ちた人、合格した人。勉強法の違いはどこにある? 2020年6月25日
最弱オセロを初めて攻略した天才オセロ高校生。負け方を解説! 2020年7月31日
【2021年版】E資格とは?大注目のディープラーニングの資格を解説! 2020年9月29日
E資格の難易度を、合格率と問題から徹底分析! 2020年8月11日
MLOpsとは|定義、メリット、課題、ツール、ワークフローを分かりやすく解説 2020年9月18日
