【統計学】幾何分布の期待値と分散
統計学を学習していて色々な確率分布の期待値、分散を導出したので備忘録として記載していきます。
誤りがあればお知らせいただけると助かります。
・幾何分布
成功確率のベルヌーイ試行について、初めて成功するまでに要した失敗回数の確率分布が幾何分布になります。
初めて成功するまで回かかったとすると、失敗回数はなので確率関数Pは
となる。
が確率関数であることを確かめる
について総和をとると
\begin{align}
\sum_{x=0}^{\infty} P &= p \sum_{x=0}^{\infty} (1-p)^x \\
&= p \times \dfrac{1}{1-(1-p)} \\
&= 1 \\
\end{align}
となるので、は確率関数である。
二行目の変形は なので、以下の初項 、公比 の無限等比級数の和の公式を利用しました。
\begin{align}
\sum_{x=0}^{\infty} ar^x &= \dfrac{a}{1-r} \\
\end{align}
※初項 、公比 と置いて計算しました。
期待値
以下の確率母関数 を使って計算します。
:確率変数でその実現値 は整数 とします。
:となる確率
として、とします。このとき、以下で表される確率母関数を使って期待値、分散を導出します。
\begin{align}
G(s) &= E[s^X] \\
&= \sum_{t=0}^{\infty} s^t p(t) \tag{1}
\end{align}
式を両辺sで微分すると、
\begin{align}
G^{\prime}(s) &= \dfrac{d}{ds} \sum_{t=0}^{\infty} s^t p(t) \\ &= \sum_{t=0}^{\infty} \dfrac{d}{ds}s^t p(t)\\ &= \sum_{t=0}^{\infty} ts^{t-1} p(t)\\ \end{align}
となり、 を代入すると、
\begin{align}
G^{\prime}(1) &= \sum_{t=0}^{\infty} t\times1^{t-1}\times p(t)\\ &= \sum_{t=0}^{\infty} tp(t)\\ \end{align}
となりますが、これは期待値の定義そのものなので結局
\begin{align}
G^{\prime}(1) &= E[X] \tag{2} \\ \end{align}
となります。また、式の両辺をで二階微分してを代入すると以下の関係式も導けます。
\begin{align}
G^{\prime\prime}(1) &= E[X(X-1)] \tag{3} \\ \end{align}
式と式を使って期待値、分散を導出します。
まず、式に幾何分布の確率関数Pを代入すると、
\begin{align}
G(s) &= E[s^X] \\
&= \sum_{t=0}^{\infty} s^t P\\ &= \sum_{t=0}^{\infty} s^t p(1-p)^t \\
\end{align}
ここで、 とおきます。
\begin{align}
G(s) &= p \sum_{t=0}^{\infty} (sq)^t \\
&= \dfrac{p}{1-qs} (ただし、s < \dfrac{1}{q} とする。) \tag{4} \\
\end{align}
式を両辺sで微分すると、
\begin{align}
G^{\prime}(s) &= \dfrac{pq}{(1-qs)^2} \tag{5} \\
\end{align}
よって、期待値は
\begin{align}
E[X] &= G^{\prime}(1)\\ &= \dfrac{pq}{(1-q)^2} \\ &= \dfrac{pq}{p^2}\\ &= \dfrac{1-p}{p} \\
\end{align}
となる。
分散
まず、式の両辺をで微分すると、
\begin{align}
G^{\prime\prime}(s) &= \dfrac{-pq \cdot 2(1-qs) \cdot (-q)}{(1-qs)^4} \\ &= \dfrac{2pq^2}{(1-qs)^3}
\end{align}
となるので、
\begin{align}
E[X(X-1)] &= G^{\prime\prime}(1) \\ &= \dfrac{2pq^2}{(1-q)^3} \\ &= \dfrac{2q^2}{p^2} \\ &= \dfrac{2(1-p)^2}{p^2} \\
\end{align}
となる。
よって、分散は
\begin{align}
V[X] &= E[X(X-1)] + E[X]- {(E[X])}^2 \\
&= \dfrac{2(1-p)^2}{p^2} + \dfrac{1-p}{p} - \dfrac{(1-p)^2}{p^2} \\
&= \dfrac{(1-p)^2}{p^2} + \dfrac{p(1-p)}{p^2} \\
&= \dfrac{(1-p)\{(1-p)+p\}}{p^2} \\
&= \dfrac{1-p}{p^2} \\
\end{align}
となる。
参考文献: