Aritalab:Lecture/Basic/Probability Generating Function

Revision as of 19:38, 15 June 2011

まとめ

確率母関数 $G_X(z)$ が与えられれば

平均 $E(X) = G_X'(1) \,$
分散 $V(X) = G_X''(1) + G_X'(1) - G_X'(1)^2 \,$

確率母関数

ある確率分布 Pr $(X=k)$ の確率母関数 (probability generating function または pgf) を以下のように定義します。

$\textstyle G_X(z) = \Sigma_{k=0}^{\infty}\mbox{Pr}(X=k)z^k$

確率 $\mbox{Pr}(X=k)$ は全て正の値で k について全て足しあわせると 1 になります。

$\textstyle G_X(1) = \Sigma_{k=0}^{\infty}\mbox{Pr}(X=k)z^k = \Sigma_{k=0}^{\infty}\mbox{Pr}(X=k) = 1$

逆に係数が非負で $G(1) = 1$ であるようなべき級数 $G(z)$ があれば、それは何らかの確率母関数といいます。

平均と分散

確率母関数を使うと平均と分散の計算が容易にできます。

$\textstyle \begin{align} E(X) &= \Sigma_{k=0}^{\infty}k\mbox{Pr}(X=k) \\ &= \Sigma_{k=0}^{\infty}\mbox{Pr}(X=k) \cdot kz^{k-1} \bigg|_{x=1} \\ &= G_X'(1) \end{align}$

$\textstyle \begin{align} E(X^2) &= \Sigma_{k=0}^{\infty}k^2\mbox{Pr}(X=k) \\ &= \Sigma_{k=0}^{\infty}\mbox{Pr}(X=k) \cdot \big( k(k-1) z^{k-2} + kz^{k-1} \big) \bigg|_{x=1} \\ &= G_X''(1) + G_X'(1) \end{align}$

したがって

$\textstyle V(X) = G_X''(1) + G_X'(1) - G_X'(1)^2$

一様分布

n次の一様分布 (uniform distribution) とは確率変数が ${0, 1, \ldots, n-1}$ の値を確率 $1/n$ でとるものです。

$\textstyle \mbox{Pr}(X=k) = 1/n$

確率母関数は以下の等比級数になります。 $\textstyle \mbox{U}_n(z) = \frac{1}{n}(1 + z + \cdots + z^{n-1}) = \frac{1}{n}\frac{1-z^n}{1-z}$

この式は $1-z$ を分母に含んでしまうため、 $\mbox{U}_n'(1)$ や $\mbox{U}_n''(1)$ を求める際に不都合です。そこでテイラーの定理を応用します。

$G(1+t) = G(1) + \frac{G'(1)}{1!} t + \frac{G''(1)}{2!} t^2 + \frac{G'''(1)}{3!} t^3 + \cdots$

この係数、つまり $G(z)$ の導関数を以下の式と見比べます。

$\begin{align} \mbox{U}_n(1+t) &= \frac{1}{n}\frac{(1+t)^n - 1}{t} \\ &= \frac{1}{n}\binom{n}{1} + \frac{1}{n}\binom{n}{2} t + \frac{1}{n}\binom{n}{3} t^2 + \cdots + \frac{1}{n}\binom{n}{t} t^{n-1} \end{align}$

ここから

$\textstyle \mbox{U}_n(1) = 1 \quad \mbox{U}_n'(1) = \frac{n-1}{2} \quad \mbox{U}_n''(1) = \frac{(n-1)(n-2)}{3} \quad$

平均と分散は

$\textstyle \mbox{U}_n'(1) = \frac{n-1}{2} \quad \mbox{U}_n''(1) + \mbox{U}_n'(1) - \mbox{U}_n'(1)^2 = \frac{n^2-1}{12}.$

ポアソン分布

ポアソン分布とは単位時間中に平均 $\lambda$ 回発生する事象がちょうど k 回発生する確率をあらわしています。

$\textstyle \mbox{Pr}(X=k) = e^{-\lambda}\frac{\lambda^k}{k!}$

確率母関数は

Failed to parse (lexing error): \textstyle \begin{align} G(z) &= \Sigma_{k=0}^{\infty} e^{-\lambda}\frac{\lambda^k}{k!} z^k = e^{-\lambda}\Sigma_{k=0}^{\infty}\frac{(\lambda z)^k}{k!} = e^{-\lambda} e^{\lambda z}　\\ &= e^{\lambda (z-1)} \end{align}

平均と分散は

$\textstyle \mbox{G}'(1) = \lambda \quad \mbox{G}''(1) + \mbox{G}'(1) - \mbox{G}'(1)^2 = \lambda$

@@ Line 1: / Line 1: @@
 {{Lecture/Header}}
+==まとめ==
+確率母関数 <math>G_X(z)</math> が与えられれば
+* 平均 <math>E(X) = G_X'(1) \,</math>
+* 分散 <math>V(X) = G_X''(1) + G_X'(1) - G_X'(1)^2 \,</math>
 ==確率母関数==
-ある確率分布<math>Pr(X=k)</math>の確率母関数(probability generating function または pgf)を以下のように定義する。
+ある確率分布 '''Pr'''<math>(X=k)</math> の確率母関数 (probability generating function または pgf) を以下のように定義します。
 <math>\textstyle G_X(z) = \Sigma_{k=0}^{\infty}\mbox{Pr}(X=k)z^k</math>
-確率<math>\mbox{Pr}(X=k)</math>は全て正の値で''k''について全て足しあわせると1になる。
+確率<math>\mbox{Pr}(X=k)</math>は全て正の値で ''k'' について全て足しあわせると 1 になります。
 <math>\textstyle G_X(1)
@@ Line 13: / Line 20: @@
 = \Sigma_{k=0}^{\infty}\mbox{Pr}(X=k) = 1</math>
-逆に係数が非負で<math>G(1) = 1</math>であるようなべき級数<math>G(z)</math>があれば、それは何らかの確率母関数である。
+逆に係数が非負で <math>G(1) = 1</math> であるようなべき級数 <math>G(z)</math> があれば、それは何らかの確率母関数といいます。
 ===平均と分散===
-確率母関数を使うと平均と分散の計算が容易にできる。
+確率母関数を使うと平均と分散の計算が容易にできます。
 <math>\textstyle
@@ Line 41: / Line 48: @@
 ==一様分布==
-''n''次の一様分布(uniform distribution)とは確率変数が<math>{0, 1, \ldots, n-1}</math>の値を確率<math>1/n</math>でとるもの。
+''n''次の一様分布 (uniform distribution) とは確率変数が<math>{0, 1, \ldots, n-1}</math>の値を確率<math>1/n</math>でとるものです。
 <math>\textstyle
@@ Line 47: / Line 54: @@
 </math>
-確率母関数は以下の等比級数になる。
+確率母関数は以下の等比級数になります。
 <math>\textstyle
 \mbox{U}_n(z) = \frac{1}{n}(1 + z + \cdots + z^{n-1}) = \frac{1}{n}\frac{1-z^n}{1-z}
 </math>
-この式は<math>1-z</math>を分母に含んでしまうため、<math>\mbox{U}_n'(1)</math>や<math>\mbox{U}_n''(1)</math>を求める際に不都合である。そこでテイラーの定理を応用する。
+この式は<math>1-z</math>を分母に含んでしまうため、<math>\mbox{U}_n'(1)</math>や<math>\mbox{U}_n''(1)</math>を求める際に不都合です。そこでテイラーの定理を応用します。
 <math>
@@ Line 58: / Line 65: @@
 </math>
-この係数、つまり<math>G(z)</math>の導関数を以下の式と見比べればよい。
+この係数、つまり<math>G(z)</math>の導関数を以下の式と見比べます。
 <math>
@@ Line 85: / Line 92: @@
 ==ポアソン分布==
-ポアソン分布とは単位時間中に平均<math>\lambda</math>回発生する事象がちょうど''k''回発生する確率。
+ポアソン分布とは単位時間中に平均 <math>\lambda</math> 回発生する事象がちょうど ''k'' 回発生する確率をあらわしています。
 <math>\textstyle

Aritalab:Lecture/Basic/Probability Generating Function

Revision as of 19:38, 15 June 2011

Contents

まとめ

確率母関数

平均と分散

一様分布

ポアソン分布

Personal tools

Namespaces

Variants

Views

Actions

Search

Navigation

metabolites

Toolbox