2016/09/06
2020/05/05
積率母関数を用いた正規分布の平均・分散の導出
確率密度関数 | \(f(X) = \frac{1}{\sqrt{2πσ^2}}\exp{[-\frac{(x-μ)^2}{2σ^2}]}\) |
期待値 | \(E(X)=μ\) |
分散 | \(V(X)=σ^2\) |
標準偏差 | \(SD(X)=σ\) |
積率母関数 | \({\mathrm{e}}^{\mu t+\frac{{\sigma}^{2}t^2}{2}}\) |
当ページは積率母関数(モーメント母関数)から正規分布の平均・分散の導出(証明)過程を記しています。確率密度関数からの導出を読みたい人は、正規分布の平均・分散・標準偏差の導出のページをご覧ください。
また、正規分布の性質についてはこちらに記述しております。
そもそも積率母関数ってなんなの?という人は、積率母関数とは?モーメントの求め方も解説をご覧下さい。
正規分布の積率母関数の導出
\(\begin{eqnarray*}m_X(t)&=&E(\mathrm{e}^{tX})\\ &=&\displaystyle \int_{ – \infty }^{ \infty }\mathrm{e}^{tx}f(x)dx\\ &=&\displaystyle \int_{ – \infty }^{ \infty }\frac{1}{\sqrt{2πσ^2}}\exp{[-\frac{(x-\mu)^2}{2σ^2}+tx]}dx\\ &=&\displaystyle \int_{ – \infty }^{ \infty }\frac{1}{\sqrt{2πσ^2}}\exp{[-\frac{1}{2σ^2}(x^2-2\mu x+{\mu}^{2}-2{\sigma}^{2}tx)]}dx\\ &=&\displaystyle \int_{ – \infty }^{ \infty }\frac{1}{\sqrt{2πσ^2}}\exp{[-\frac{1}{2σ^2}({(x-(\mu+{\sigma}^{2}t))}^{2}+2\mu{\sigma}^{2}t+{\sigma}^{4}t^{2})]}dx\\ &=&\displaystyle \int_{ – \infty }^{ \infty }\frac{1}{\sqrt{2πσ^2}}\exp{[-\frac{(x-(\mu+{\sigma}^{2}t))^2}{2σ^2}+\mu t+\frac{{\sigma}^{2}t^2}{2}]}dx\\ &=&{\mathrm{e}}^{\mu t+\frac{{\sigma}^{2}t^2}{2}}\displaystyle \int_{ – \infty }^{ \infty }\frac{1}{\sqrt{2πσ^2}}\exp{[-\frac{(x-(\mu+{\sigma}^{2}t))^2}{2σ^2}]}dx\\ &=&{\mathrm{e}}^{\mu t+\frac{{\sigma}^{2}t^2}{2}}\end{eqnarray*}\)
\(\begin{eqnarray*}\\\frac{1}{\sqrt{2πσ^2}}\exp{[-\frac{(x-(\mu+{\sigma}^{2}t))^2}{2σ^2}]}\end{eqnarray*}\)
の\(\mu+{\sigma}^{2}t\)を\(\mu’\)とおくと、
\(\begin{eqnarray*}\frac{1}{\sqrt{2πσ^2}}\exp{[-\frac{(x-\mu ‘)^2}{2σ^2}]}\end{eqnarray*}\)
となる。
これは平均が\(\mu ‘\)、分散が\(\sigma^2\)の正規分布の確率密度関数である。よって、
\(\begin{eqnarray*}\displaystyle \int_{ – \infty }^{ \infty }\frac{1}{\sqrt{2πσ^2}}\exp{[-\frac{(x-(\mu+{\sigma}^{2}t))^2}{2σ^2}]}dx=1\end{eqnarray*}\)
となる。これは、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)
積率母関数を用いた期待値の導出
\(\begin{eqnarray*}E(X)&=&\left.\frac{d{m_x}(t)}{dt}\right|_{t=0}\\ &=&\left.{(\mu t+\frac{{\sigma}^{2}t^2}{2})}'{\mathrm{e}}^{\mu t+\frac{{\sigma}^{2}t^2}{2}}\right|_{t=0}\\ &=&\left.(\mu+{\sigma}^{2}t){\mathrm{e}}^{\mu t+\frac{{\sigma}^{2}t^2}{2}}\right|_{t=0}\\ &=&\left.\mu+{\sigma}^{2}t\right|_{t=0}\\ &=&\mu\end{eqnarray*}\)
積率母関数を用いた分散の導出
\(\begin{eqnarray*}E(X^2)&=&\left.\frac{d^2{m_x}(t)}{dt^2}\right|_{t=0}\\ &=&\left.{(\mu+{\sigma}^{2}t)}'{\mathrm{e}}^{\mu t+\frac{{\sigma}^{2}t^2}{2}}+{(\mu+{\sigma}^{2}t)}^{2}{\mathrm{e}}^{\mu t+\frac{{\sigma}^{2}t^2}{2}}\right|_{t=0}\\ &=&\left.{{\sigma}^{2}}+{(\mu+{\sigma}^{2}t)}^{2}\right|_{t=0}\\ &=&{\sigma}^{2}+{\mu}^{2}\\ V(X)&=&E(X^2)-{(E(X))}^{2}\\ &=&{\sigma}^{2}+{\mu}^{2}-{\mu}^{2}\\ &=&{\sigma}^{2}\end{eqnarray*}\)
(正規分布についてさらに詳しく知りたい方はこちらをご覧ください。)
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

COMMENT
その他2件のコメントを表示する
-
名無し 2017.7.30 4:02 AM
積率母関数のdxが途中から消えてますよ。
-
y0he1 2017.7.30 11:30 AM
ご指摘ありがとうございます。
修正させていただきました。 -
ヘンリー 2017.10.2 3:45 AM
積率母関数の7行目から8行目は、インテグラル以降が確率の公理から1になるという話だと思います。μではなく、μ-σ^2でも成り立つ理由を備考に入れて頂けると何よりです。
-
y0he1 2017.10.4 1:22 AM
ご指摘ありがとうございます。私も初めてこの辺りを勉強した時に理解に苦しんだ記憶があります。
積率母関数の7行目のインテグラルの中が「平均μ-σ^2、分散がσ^2の正規分布の密度関数になる」旨の説明を追加させていただきました。 -
mmm 2018.8.2 9:47 AM
積率母関数の5行目の平方完成のところで、
μ-(σ^2)tとなっていますが、μ+(σ^2)tではないでしょうか?
計算違いだったら申し訳ないです。 -
y0he1 2018.8.2 5:52 PM
ご指摘ありがとうございます。
5行目の式の修正とこの式が間違っていることにより誤っている箇所についても修正致しました。
名無し 2017.7.30 4:02 AM
積率母関数のdxが途中から消えてますよ。
y0he1 2017.7.30 11:30 AM
ご指摘ありがとうございます。
修正させていただきました。
ヘンリー 2017.10.2 3:45 AM
積率母関数の7行目から8行目は、インテグラル以降が確率の公理から1になるという話だと思います。μではなく、μ-σ^2でも成り立つ理由を備考に入れて頂けると何よりです。
y0he1 2017.10.4 1:22 AM
ご指摘ありがとうございます。私も初めてこの辺りを勉強した時に理解に苦しんだ記憶があります。
積率母関数の7行目のインテグラルの中が「平均μ-σ^2、分散がσ^2の正規分布の密度関数になる」旨の説明を追加させていただきました。