確率密度関数 Probability density function

2018/05/13 Last update

 

このページは 確率変数 @本家UBサイト に恒久的に移転しました。このページもネット上に残っていますが、最新の情報はリンク先を参照して下さい。

 



確率 probability,確率変数 random variable は,リンク先にそれぞれ説明があります。

 

ここは確率密度関数 probability density distribution のページですが,しっかりと理解するために確率分布 probability distribution と合わせて説明します。


  1. 離散型の確率変数
    1. 確率分布
    2. 確率密度関数
    3. 離散型分布の例
  2. 連続型の確率変数
    1. 確率分布
    2. 確率密度関数
    3. 連続型分布の例
  3. 累積分布関数

関連項目

分布など



離散型の確率変数

離散型の確率分布

確率分布 probability distribution は,辞書,教科書で以下のように定義されている。

  

  • 確率変数 X のとる値 x が実軸上の領域 A に含まれる確率を A の関数として表したもの。確率空間(Ω, B, P)の測度,すなわち確率 P によって P(X ∈ A) のように与えられる(6)。
  • 一般に可算集合 {x1, x2, ...} の中の値をとる確率変数 X は離散型といわれ,それぞれの値の確率 P(X=xk) = f(xk) を確率分布という(5)。


つまり,確率について次元のようなものを考えるならば,確率分布の次元は確率自身である。実例として,正 5 面体の理想的なサイコロでを考えてみる。

確率変数は 1, 2, 3, 4, および 5 であり,それぞれの値がもっている確率は 0.2 である。


確率分布とは,0.2 という値が散らばっているパターンそのもの のことをいう。


パターンなので,視覚化するならば右の plot の図全体に相当する。


この例では,サイコロは 1 - 5 以外の値をとらないため,離散型の確率分布 discrete probability distribution と呼ばれる。


Bar graph は値に範囲がある連続型の確率分布のように見えてしまうので,この場合よい表現方法ではない。


MATLAB で描画。

文献 2 では,次のように定義されている。上記の点を違う言葉で述べていると考えてよい。

 

  • 確率空間が k 個の要素(これを単純事象という)1, 2, 3, ..., k から成り立つとする。
  • 確率変数 X の取りうる全ての値 x1x2xに対して,その値をとる事象 E1, E2,..., Eと,それぞれの確率 p1, p2,..., pが決まる。確率変数は大文字で書くのが決まりらしい(4)。
  • このとき,事象 i にその確率 pを対応させる対応を離散確率分布という。 


離散型の確率密度関数

x について積分することによって,確率分布を与えるような関数 f(x) を確率度密度関数 probability density function という。辞書での定義は以下の通りである(6)。f が確率密度を示し,その関数を確率密度関数と呼ぶと書かれている。


なお,以上の確率分布,確率密度関数の定義は,離散型および連続型のいずれにもあてはまるものである。

離散型の場合は,少し関数をイメージすることが難しい。


P(X=1) = P(X=2) = P(X=3) = P(X=4) = P(X=5) = 0.2


というのが確率密度関数 f(x) になる。


離散型分布の例

データ範囲 分布の名前 説明
有限

ベルヌーイ分布

確率 p で事象 A が,確率 q = 1 - p で 事象 B が起こる分布である。両者の確率から,起こり得る事象は A および B の 2 つだけであることもわかる。コイントスが代表的な例。
有限

一様離散分布

上のサイコロの例のように,有限な数の事象があり,かつそれぞれの確率が等しい分布。「同様に確からしい」という表現がよく使われる。
無限

ポアソン分布

Poisson distribution

1 時間当たりに受け取るメールの数,年間の交通事故数のように,自然数を要素とする確率変数 X が従う分布。

連続型の確率変数

確率分布

身長や体重は,サイコロの目のように離散的な値をとらず,連続的な分布を示す。単純化のために,正規分布 normal distribution に従うと考える。


この場合は,上記の例のように 0.2 などの数値の羅列で分布のパターンを記述することはできず,連続的な関数で記述する必要がある。


連続型の確率変数の場合も,分布のパターン(グラフそのもの)を確率分布といい,確率の分布を記述している関数(下のグラフの青線を示す式)を確率密度関数という


確率密度関数

ここで,連続的ということは,以下のことを意味する。

  • 身長はサイコロの目のように,有限な数の要素にわけることができない。
  • つまり,右のグラフの線はいくら拡大しても線であり,点の集合ではない。
  • 逆に言えば,たとえば身長が正確に 165 cm である確率はゼロである。

図 1.


確率密度関数は,もともと積分することで確率を与える関数として定義されている。


つまり,身長が 165 cm である確率はゼロであるが,165 - 170 cm のように範囲を指定すると,その範囲の積分値(右のグラフの赤い領域)が確率を与えることになる。

図 2.



連続型分布の例

文献 3, 5 などを参考にしました。

データ範囲 分布の名前 説明
有限

ベータ分布 

分布形状の自由度が高く,様々な分布にフィットさせることができる。
有限

ジョンソン SB

ベータ分布と同様に自由度が高い。平均,標準偏差,歪度,尖度を自由に調整できる。樹木の幹の直径の分布?
データ範囲 分布の名前 説明
半無限 指数分布 たまに起きる事象の「間隔」の分布。この分布に従って事故が発生すると,その頻度はポアソン分布になる。
半無限

対数正規分布

正規分布 normal distribution の対数。年収などがこの分布に従うらしい。
半無限

カイ二乗分布

カイ二乗検定 chi-square test に利用される。
半無限

F 分布

F 検定に利用される。
データ範囲 分布の名前 説明
無限 コーシー分布 正規分布に似るが,外れ値の多い分布である。
無限

ロジスティック分布

正規分布に似るが,裾が少し厚い。正規分布よりも式が簡単で扱いやすい。また,この分布の累積分布関数はロジスティック曲線であり,様々な分野で応用されている。
無限

正規分布

平均値と分散 SD で決まる基本的な分布。
無限

t 分布

t 検定 に利用される。

累積分布関数 Cumulative distribution function

まず,確率変数 X が A 以下の値をとる事象を {X ≤ A} とする。決まった範囲でなく 「A 以下の全ての値」

 -∞ ≤ X ≤ A  であることに注意しよう。

 

このとき,この確率は P(XA) = F(x) という関数で表される。関数 F(x) を 累積分布関数 cumulative distribution function, CDF という。 


横軸に x ,縦軸に F(x) をとり,累積分布関数の図を描いてみよう。以下のことから,大体の形をイメージできるだろう。

 

  1. F(x) はあくまで確率なので,正の値をとり,かつ 1 を超えない。
  2. x が ∞ のとき,F(x) は 「確率変数 Y が無限大以下である確率」 である。つまり F(x) = 1 である。
  3. 逆に,x が - 無限大に近づくと,F(x) は 0 に近づいてゆくだろう。

 

したがって,F(x) は右のように F(x)=1 と F(x)=0 を漸近線するグラフになる。

 

 

図 3.

X 軸の数値は適当なので,グラフの形をイメージするために使って下さい。


よく言われるのが,「累積分布関数を微分すると確率密度関数になる」 ということである。これは全く正しいが,積分から考えたほうがイメージしやすいのではないかと思う。

 

  • 積分とは,関数と軸の間の面積を計算することである。
  • 累積分布関数を微分すると確率密度関数になるのだから,逆に確率密度関数を積分すると累積分布関数になる。

 

これらのことを踏まえた上で,図 1 または図 2 で関数と X 軸の間の面積を左の方から(-∞ から)足し合わせていくイメージで考えてみよう。

 

  1. x は -∞ まで及んでいるが,x が小さいときは確率もとても小さいので,x を増やして行っても面積の増加はわずかである。
  2. x が 0 に近づくと,次第に増加率も大きくなっていく。
  3. この図は x = 0 に対して左右対称であり,かつ x = ∞ までの面積を全部足すと 1 になる。したがって,x = 0 のとき,ちょうど面積は 0.5 になり,そこから増加率が徐々に減ってゆく。
  4. x が正の ∞ に近づくと,増加率は非常に小さくなる。


x を動かしていったとき,その面積の変化がそのまま累積分布関数 F(x) になる ことがイメージ出来ただろうか? 

 


コメント: 0

References

  1. 確率, 確率分布関数, 確率密度関数. Web.
  2. 確率と面積の関係. Web.
  3. 確率分布 Navi. Web.
  4. 確率分布と確率密度関数. Web.
  5. 東京大学教養学部統計学教室 編 1992a. 統計学入門.
  1. 岩波理化学辞典 第 4 版. 1995.