blue271828's misc :-)

確率分布

確率分布とは

確率空間 (Ω,F,Pr)(\varOmega,\mathcal F,\Pr) において標本空間 Ω\varOmega を定義域とする実関数 X:ΩRX:\varOmega\to\RΩ\varOmega 上の確率変数 (英:random variable) と呼ぶ。また確率変数の値域が可算であることを離散型 (英:discrete) 、値域が連続であることを連続型 (英:continuous) と呼ぶ。XX の値に、その値をとる確率を対応させたものを確率分布 (英:probability distribution) という。XX は次式で表される。

xR ({ωΩX(ω)x}F)(xB(R)) \forall x\in\R~(\lbrace\omega\in\varOmega\mid X(\omega)\le x\rbrace\in\mathcal F) \quad (x\in\mathcal B(\R))

累積分布関数

確率変数 XXxx 以下になる確率を求める関数 FX:R[0,1]F_X:\R\to[0,1]累積分布関数 (英:cumulative distribution function, CDF) という。下側確率 (英:lower-tail probability) とも呼ばれる。

FX(x)=Pr(Xx)=Pr({ωΩX(ω)x}) \begin{aligned} F_X(x) &= \Pr(X\le x) \cr &= \Pr(\lbrace\omega\in\varOmega\mid X(\omega)\le x\rbrace) \end{aligned}

累積分布関数は、以下の性質を持っている。

(C1):limxFX(x)=0(C2):limx+FX(x)=1(C3):xyFX(x)FX(y)(C4):P(a<Xb)=FX(b)FX(a) \begin{aligned} \text{(C1)} &: \lim_{x\to-\infty} F_X(x) = 0 \cr \text{(C2)} &: \lim_{x\to+\infty} F_X(x) = 1 \cr \text{(C3)} &: x\le y\rArr F_X(x)\le F_X(y) \cr[1ex] \text{(C4)} &: P(a\lt X\le b) = F_X(b) - F_X(a) \end{aligned}

相補累積分布関数

相補累積分布関数 (英:complementary cumulative distribution function, CCDF) とは、確率変数 XXxx より大きくなる確率を求める関数 FˉXR[0,1]\bar{F}_X:\R\to[0,1] のこと。上側確率 (英:upper-tail probability) とも呼ばれる。

FˉX(x)=Pr(X>x)=1FX(x) \begin{aligned} \bar{F}_X(x) &= \Pr(X\gt x) \cr &= 1 - F_X(x) \end{aligned}

確率質量関数

確率分布が離散型であり、確率変数の値 xx に対応させる非負関数 PXP_X が存在するとき、PXP_X確率質量関数 (英:probability mass function, PMF) という。

FX(x)=xixPX(xi)=xixPr(X=xi) \begin{aligned} F_X(x) &= \sum_{x_i\le x}P_X(x_i) \cr &= \sum_{x_i\le x}\Pr(X=x_i) \end{aligned}

確率密度関数

確率分布が連続型であり、次式を満たす非負関数 pXp_X が存在するとき、pXp_X確率密度関数 (英:probability density function, PDF) という。

FX(x)=xpX(u) du=Pr(Xx) \begin{aligned} F_X(x) &= \int_{-\infty}^x p_X(u)~du \cr &= \Pr(X\le x) \end{aligned}

また、もし FXF_X が微分可能であれば、さらに次式が成り立つ。

pX(x)=ddxFX(x) p_X(x) = \frac{d}{dx}F_X(x)

規格化条件

確率質量関数および確率密度関数は、確率測度の定義から次式を条件を満たさなければならない。この条件を規格化条件 (英:normalization condition) という。

{xP(x)=1PMFp(x) dx=1PDF \begin{cases} \displaystyle\sum_x P(x) = 1 & \cdots\text{PMF} \\ \displaystyle\int_{-\infty}^\infty p(x)~dx = 1 &\cdots\text{PDF} \\ \end{cases}

またある関数 φ\varphi が規格化条件を満たさないとき、定数 cc を掛け合わせて条件を満たそうとすることがある。この操作は規格化 (英:normalization) と呼ばれ、cc規格化定数 (英:normalizing constant) と呼ぶ。

{xcφ(x)=1if φ is discrete functioncφ(x) dx=1if φ is continuous function c:normalizing constant \begin{gathered} \begin{cases} \displaystyle\sum_x c\varphi(x) = 1 & \text{if }\varphi\text{ is discrete function} \\ \displaystyle\int_{-\infty}^\infty c\varphi(x)~dx = 1 & \text{if }\varphi\text{ is continuous function} \\ \end{cases} \\ \\ c:\text{normalizing constant} \end{gathered}

関連記事

参考文献

基礎から学ぶ トラヒック理論
稲井 寛
森北出版
売り上げランキング: 43,700
統計学入門 (基礎統計学Ⅰ)

東京大学出版会
売り上げランキング: 3,194

Tags

#Ansible (3) #Bash (1) #Docker (1) #Git (2) #Hugo (2) #Molecule (1) #Python (1) #WSLtty (1) #アルゴリズム (4) #ビジネス用語 (1) #プログラミング (1) #位相空間論 (8) #初等数学 (20) #初等関数 (1) #実解析 (1) #幾何学 (3) #微分積分学 (18) #情報理論 (4) #抽象代数学 (14) #数理モデル (2) #数理論理学 (21) #機械学習 (3) #正規表現 (1) #測度論 (3) #特殊関数 (4) #確率論 (18) #組合せ論 (5) #統計学 (12) #線型代数学 (18) #複素解析学 (4) #解析学 (15) #論理学 (6) #順序集合論 (9)