2017/08/26
2020/04/14
独立性の検定 期待度数の最尤推定量の導出
当ページでは、独立性の検定(カイ二乗検定など)における、期待度数の最尤推定量の導出について詳しく解説していきます。
仮定として独立性の検定において、以下のような二次元分割表を用いる場合を考えます。
結論から言うと、二変数が独立の場合、期待度数の最尤推定量は次式です。
\begin{eqnarray}
E_{ij} = \frac{n_{i.}n_{.j}}{N}
\end{eqnarray}
今回はこの式の導出過程を詳しく解説していくことにします。
独立性のカイ二乗検定に関してはこちら⇨独立性のカイ二乗検定 例題を用いてわかりやすく解説
期待度数の最尤推定量の導出
まず、一般的なr×c分割表を仮定します。ここでの最尤推定量に見ていきましょう。
分割表の各セルにおける期待度数は最尤推定量によって推定出来ます。まずは、\(p_{i.}\)と\(p_{.j}\)の最尤推定量\(\hat{p_{i.}}\)と\(\hat{p_{.j}}\)を導出します。
ここで、観測度数\(n_{ij}\)は確率\(p_{ij}\)で多項分布に従うのでつまり、
\begin{eqnarray}
P(X_{ij}=n_{ij}) = \frac{N!}{\prod_{i=1}^{c}\prod_{j=1}^{r}n_{ij}!}\prod_{j=1}^{c}\prod_{j=1}^{r}p_{ij}^{n_{ij}}
\end{eqnarray}
です。
上式の両編の対数尤度を求めると、
\begin{eqnarray}
logL &=& log\frac{N!}{\prod_{i=1}^{c}\prod_{j=1}^{r}n_{ij}!}\prod_{j=1}^{c}\prod_{j=1}^{r}p_{ij}^{n_{ij}}\\
&=&C + \sum_{i=1}^{c}\sum_{j=1}^{r}n_{ij}logp_{ij}
\end{eqnarray}
となり、この条件のもとで、\(logL\)を最大にする\(p_{i.}\)と\(p_{.j}\)を求めます。ラグランジュの未定乗数法により、
\begin{eqnarray}
L^{\ast} = C+ \sum_{i=1}^{c}\sum_{j=1}^{r}n_{ij}logp_{ij} – \phi_{1}(\sum_{i}^{c}p_{i.}-1)-\phi_{2}(\sum_{j}^{r}p_{.j}-1)\\
= C+ \sum_{i=1}^{c}n_{i.}logp_{i.}+ \sum_{j=1}^{r}n_{.j}logp_{.j} – \phi_{1}(\sum_{i}^{c}p_{i.}-1)- \phi_{2}(\sum_{j}^{r}p_{.j}-1)
\end{eqnarray}
が言えます。
よって以下の式から、最尤推定量を求めることが出来、
\begin{eqnarray}
\frac{\partial L^{\ast}}{\partial p_{i.}} = \frac{n{i.}}{p_{i.}}-\phi_1(\equiv0)\\
\frac{\partial L^{\ast}}{\partial p_{.j}} = \frac{n{.j}}{p_{.j}}-\phi_2(\equiv0)
\end{eqnarray}
よって、
\begin{eqnarray}
n_{i.} – \phi_1p_{i.} = 0\\
n_{.j} – \phi_2p_{.j} = 0
\end{eqnarray}
ここで上式の和をとると、\(\phi_1=\phi_2=N\)です。これを、一個前の式に代入して整理すると、\(p_{i.}\)と\(p_{.j}\)の最尤推定量\(\hat{p_{i.}}\)と\(\hat{p_{.j}}\)は、それぞれ下式になる。
\begin{eqnarray}
\hat{p_{i.}} = \frac{n_{i.}}{N} (i = 1,2,…,r)\\
\hat{p_{.j}} = \frac{n_{.j}}{N} (j = 1,2,…,r)
\end{eqnarray}
したがって、2つの変数が独立であると仮定した場合は、分割表における\(ij\)セル内の推定期待度数\(E_{ij}\)が推定でき、それは下式になります。
\begin{eqnarray}
E_{ij} = \frac{n_{i.}n_{.j}}{N}
\end{eqnarray}
この期待度数を用いて、独立性の検定を行うことになります。
独立性のカイ二乗検定に関してはこちら⇨独立性のカイ二乗検定 例題を用いてわかりやすく解説
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
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
【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資格を転職に活用!評判とデータを徹底調査! 2020年9月29日
