This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
156
確率変数には飛び飛びの値をとる“離り さ ん が た
散型のもの”と , “連れんぞくがた
続型のもの”
とがあるんだよ。前章まではすべて離散型の確率変数ばかりを勉強してき
たけれど , 今回は連続型の確率変数について勉強していこう !
3.連続型の確率変数と確率密度に慣れよう !
● 確率密度の意味をマスターしよう !
離散型の確率分布
図 1 (ⅰ) に示すように , 円周上に
6 つの目盛り π , 2 π , …… , 2π
がつけてあり, この 6 点を同様に
確からしく針がカチカチ…と指す
場合を考える。これらの目盛りを
確率変数 X とおくと X = π , 2 π ,
…… , 2π となる確率は, 図 1(ⅱ)
のようにすべて 1 となる。
これはいいね ?
連続型の確率分布
次 , 図 2 (ⅰ) に示すように , 同じ
円周に対して針が自由にクルクル
と回って, 無作為にある 1 点に止ま
まず , 離散型と連続型の確率分布
の違いを例で示すよ。
(Ⅰ)
(Ⅱ)
(ⅱ) 確率分布
る場合を考える。このとき, 針が X = x (0 ≦ x < 2π ) の点を指す確率を
計算できる ? そう。今回は円周上には連続的に無限に点が並んでいる
ので, X = x となる確率は x の値に関わらず常に 0 ( = 1 ) となるんだね。∞
図 1 (Ⅰ) 離散型確率分布の例
(ⅰ)
図 2 (Ⅱ) 連続型確率分布の例
3 3
3 3
6
確率 P
X
X = 2π
0
16
π3π
2π3
4π3
5π3
π3
π
2π5π3
2π3
4π3
カチ , カチ , …と
針が動く ! 離散型
確率変数
(ⅱ) 確率密度(ⅰ)X = 0 (2π )
xX = x
クルクル …と
針が動く !
x2π0
f (x )f (x)= 1
2π12π
f (x)=0f (x)=0
連続型
確率変数
でも, x が 0 ≦ x ≦ π の範囲に入る確率は, 60˚ = 1 とすぐに求まるだろ
う ? 一般に連続型の確率計算では, 確率変数 X が a ≦ X ≦ b の範囲3 3
に入る
3 360 ˚ 6
157
講義
講義
講義
123
平面ベクトル
空間ベクトル
数列
講義
4確率分布と統計的推測
確率 P(a ≦ X ≦ b) を, P(a ≦ X ≦ b) = ∫ f (x)dx の定積分3 3 3
の形で表すんだよ。
この被積分関数 f (x) のことを“確かくりつみつどかんすう
率密度関数”または“確かくりつみつど
率密度”と呼ぶ。
図 2 の例では, 確率変数 X が, 0 ≦ X < 2π の範囲に入る確率が全確率 1 で
あり, また, この範囲内のどの点に対しても針は同様に確からしく指すはずだ
から, この確率密度 f (x) は f (x) = c ( 定数 ) と定数関数になるはずだ。よって,
∫ f (x) dx = c[x] = 2π c = 1 ( 全確率 ) となるね。
∴ c = 1 より, この確率密度 f (x) は f (x) = 1 (0 ≦ x < 2π ) となる。当然,
x<0, 2π ≦ x のとき f (x) = 0 だね。( 図 2 (ⅱ) を参照してくれ。)
それでは, 連続型確率変数と確率密度について, まとめておこう。
x
b
a
連続型確率変数 X が a ≦ X ≦ b となる確率 P (a ≦ X ≦ b ) は次式で
表される。
P(a ≦ X ≦ b ) =∫ f (x )dx (a < b )
このような関数 f (x ) が存在する
と き , f (x ) を“確率密度” と 呼
び , 確 率 変 数 X は 確 率 密 度 f (x )の連続型確率分布に従うという。
ま た, y = f (x ) の グ ラ フ を X の
分ぶんぷきょくせん
布曲線と呼ぶ。
この面積 ∫ f (x )dx
が確率 P (a ≦ X ≦ b)を表す !
b
a
ba
連続型確率変数
確率密度関数
y = f(x)
a
b
2π 2π
2π
00
2πc
注意 連続型確率分布では , X = x のように表す場合がよくある。この
場合 , 「確率変数3 3
X が , ある値3
x である」というように考えるといいよ。
ただし , 確率密度 f (x ) では , x は変数3 3
として扱われる。このような独特
の表現法にも慣れていくことだね。
ここに等号をつけてもかまわない。どうせ X = 2π となる確率は 0 だからね。
連続型確率変数 X と確率密度 f (x )
158
連続型確率分布の 4 つの性質を下に示すよ。
(ⅰ) P(X = a ) = 0 (ⅱ) f (x ) ≧ 0 (ⅲ) ∫ f (x ) dx = 1 ( 全確率 )
(ⅳ) ∫ f (x ) dx = P(a ≦ X ≦ b) = P(a < X ≦ b)
= P(a ≦ X < b) = P(a < X < b)
∞
−∞
x = a となる
確率は 0
b
a
● 連続型確率分布の期待値と分散を押さえよう ! 確 率 密 度 f ( x ) に 従 う 確 率 変 数 X の期待値 (平均 ) m = E ( X ) と分散
σ 2 = V ( X ) と標準偏差 σ = D ( X ) の定義式と計算式を次に示す。
“シグマの 2 乗”と読む “シグマ”と読む
確率密度 f (x) に従う連続型確率変数 X の
期待値, 分散, 標準偏差は次のようになる。
(1) 期待値 m = E (X ) =∫ x f (x ) dx
(2) 分散 σ 2 = V (X ) =∫ (x − m ) 2f (x ) dx
= E (X 2) − {E (X )} 2
(3) 標準偏差 σ = D (X ) = √V (X )
∞
−∞
∞
−∞ m
期待値
確率密度
y = f(x)
xm −σ m +σ
離散型確率変数 X の場合のもの , すなわち ,
(1) 期待値 m = E (X ) = Σx kp k (2) 分散 σ 2 = V (X ) = Σ (x k − m) 2p k
(3) 標準偏差 σ = D (X ) = √V (X ) と対比して覚えよう !
期待値 m , 分散σ 2, 標準偏差 σ を求める場合 , 離散型3 3 3
のものの Σ3
計算3 3
が , 連3
続型3 3
のものでは積分計算3 3 3 3
に変わっていることに注意しよう。
k = 1
n
k = 1
n
X = a, X = b となる
確率は 0 なので, 等号はあってもなくて
も同じになる。
連続型確率分布の性質
X の期待値・分散・標準偏差
159
講義
講義
講義
123
平面ベクトル
空間ベクトル
数列
講義
4確率分布と統計的推測
Y = aX + b (a , b:実数定数 ) により , Y を新たに定義すると ,
(1) 期待値 E (Y) = E (aX + b ) = aE (X ) + b
(2) 分散 V (Y) = V (aX + b ) = a 2V (X )(3) 標準偏差 D (Y) = √V (Y) = √a 2V (X ) = a √V (X ) = a D (X )
離散型のときと同様に連続型確率変数においても , E (X ) =∫ x f (x )dx と
定義すると , E (X 2) =∫ x 2 f (x )dx などとなるのは大丈夫だね。これから
(2) の分散 σ 2 も次のように変形できるんだね。
(2) σ 2 = V (X ) =∫ (x − m) 2 f (x )dx =∫ (x 2 − 2mx + m 2) f (x )dx
=∫ x 2 f (x )dx − 2m∫ x f (x )dx + m 2∫ f (x )dx
= E (X 2) − 2m 2 + m 2 = E (X 2) − m 2
= E (X 2) − {E (X )} 2 が導けた !さらに , 確率変数 X を使って , 新たな確率変数 Y を Y = aX + b (a , b:実数
定数 ) と定義したとき , Y の期待値 E (Y) , 分散 V (Y) と標準偏差 D (Y) は
次のようになる。この結果も離散型のときのものと同様だから覚えやすい
はずだ。
∞
−∞∞
−∞
∞
−∞
∞
−∞
∞
−∞
E (X 2) m = E (X ) 1 ( 性質 (ⅲ) より )
{E (X )} 2
離散型の σ 2 と同じ式だね。
(1) E(Y) = E(aX + b) =∫ (ax + b) f (x)dx = a ∫ x f (x)dx + b ∫ f (x)dx
= aE (X ) + b となる。また ,
(2) V (Y) = V (aX + b ) =∫ {(ax + b ) − (am + b )} 2 f (x )dx
= a 2∫ (x − m) 2 f (x )dx = a 2V (X ) となるのも大丈夫 ?
∞
−∞
∞
−∞
∞
−∞
E (X ) 1 ( 全確率 )
Y Y の期待値 E (Y)∞
−∞
分散の定義式∞
−∞
∞
−∞
∞
−∞
Y の期待値・分散・標準偏差
160
解答&解説
CHECK1難易度 ★★ CHECK2 CHECK3絶対暗記問題 56
確率密度 f (x )が,f (x )={ax 2 (0 ≦ x ≦ √3,a は正の定数 ) 0 (x < 0,√3 < x )
で定義されている。
このとき, 次の各問いに答えよ。
(1) a の値を求めよ。
(2) 確率密度 f (x ) に従う確率変数 X の期待値 m = E (X ) , 分散 σ 2 = V (X ) , 標準偏差 σ = D (X ) を求めよ。
(3) X を使って新たな確率変数 Y を Y = 4X − √3 で定義するとき,
Y の期待値 E (Y), 分散 V (Y),標準偏差 D (Y) を求めよ。
確率密度 f (x ) は , x<0 または √3 <x のとき 0 より , 0 ≦ x ≦ √3 で
のみ定義されていると考えればいい。よって, (1)では , ∫0
√3f (x )dx = 1 (全確率)
から, a の値を求めよう。(2)では , 定義式に従って , E (X ) , V (X ) , D (X ) を求
めればいい。(3)では , Y = 4X−√3 より, E (Y) = 4E (X )−√3 , V (Y) = 4 2V (X ) ,
D (Y) = √V(Y) となるんだね。正確に迅速に計算できるように練習しよう。
ヒント!
連続型確率分布の期待値・分散・標準偏差 (Ⅰ)
確率密度 f (x ) = { ax 2 (0 ≦ x ≦ √3 ) 0 (x < 0,√3 < x )
(1) 確率密度の性質より,
∫−∞
∞
f (x )dx = 1 (全確率 ) よって,
∫0
√3ax 2dx = a [ 1 3 x 3]√3
0=
a 3 (3√3 −0) = √3 a = 1 (全確率 )
∴a =1 √3 となる。…………………………………………………………………(答)
∫−∞
0f (x )dx +∫
0
√3f (x )dx +∫
√3
∞
f (x )dx
00
0 x
y
f (x)=0 f (x)=0
f (x )=ax 2
∫0
√3f (x )dx = 1
√3
161
講義
講義
講義
123
平面ベクトル
空間ベクトル
数列
講義
4確率分布と統計的推測
(2) f (x ) に従う確率変数 X の期待値 E (X ) , 分散 V (X ) , 標準偏差 D (X ) は,
m = E (X ) =∫−∞
∞
x・f (x )dx =∫0
√3x・ 1 √3 x 2dx =
1 √3 ∫0
√3x 3dx
=1 √3 [ 1 4 x 4]√3
0=
1 4√3 {(√3 )4−0} =9 4√3
=3√3 4 …………(答)
σ 2 = V (X ) = E (X 2)−{E (X )}2 =∫0
√3x 2・
1 √3 x 2dx−( 3√3 4 )2
=1 √3 [ 1 5 x 5]√3
0−
27 16 =(√3 )5
5√3−
27 16 =9 5 −
27 16
=9×16−27×5 80 =
144−135 80 =9 80 ……………………………(答)
σ = D (X ) =√V(X) = √ 9 80 = √32 √42×5
=3 4√5
=3√5 20 ……………………(答)
(3) X を使って定義された確率変数 Y = 4X − √3 の期待値 E (Y) , 分散 V (Y) ,