期待値と分散

/統計学

期待値

期待値とは、ある確率変数の値に確率分布の重みをつけて足し合わせたもの(加重平均)です。

期待値の定義

確率変数 $x$ の期待値は、確率分布 $f(x)$(離散値の場合は $f_i$)により、以下で定義されます。

$$E(x)\equiv\int_{-\infty}^\infty xf(x)dx\equiv\sum_{i=1}^\infty x_if_i$$$$\int_{-\infty}^\infty f(x)dx=1  ,  f(x)\ge0$$$$\sum_{i=1}^\infty f_i=1  ,  f_i\ge0$$

特に確率変数が $n$ 個で、確率が全て等しい場合($f_i=1/n$)期待値は以下になります。

$$E(x)=\frac{1}{n}\sum_{i=1}^nx_i$$

また、任意の関数 $g(x)$ の期待値は以下で定義されます。

$$E(g(x))\equiv\int_{-\infty}^\infty g(x)f(x)dx\equiv\sum_{i=1}^\infty g(x_i)f_i$$

期待値の性質

期待値には以下の性質があります。ここで、$x$ と $y$ は確率変数、$a$ は定数とします。

$$E(ax)=aE(x)$$

$$E(x+y)=E(x)+E(y)$$

特に、$x$ と $y$ が独立な場合は以下が成り立ちます。

$$E(xy)=E(x)E(y)$$

分散

分散の定義

分散は以下で定義されます。

$$V(x)\equiv E[(x-E(x))^2]  -①$$

分散の性質

分散には以下の性質があります。ここで、$x$ と $y$ は確率変数、$a$ と $b$ は定数とします。尚、$C(x,y)$ は共分散です。

$$V(x)=E(x^2)-E^2(x)  -②$$$$V(ax+b)=a^2V(x)  -③$$$$V(x+y)=V(x)+V(y)+2C(x,y)  -④$$

①より②を導く

$$E[(x-E(x))^2]=E[x^2-2xE(x)+E^2(x)]$$$$=E(x^2)-2E(x)E(x)+E^2(x)=E(x^2)-E^2(x)$$

③を導く

$$V(ax+b)=E[(ax+b-E(ax+b))^2]$$$$=E[(ax-aE(x))^2]$$$$=a^2E[(x-E(x))^2]=a^2V(x)$$

④を導く

$$V(x+y)=E[(x+y-E(x+y))^2]$$$$=E[((x-E(x))+(y-E(y)))^2]$$$$=E[(x-E(x))^2]+E[(y-E(y))^2]+2E[(x-E(x))(y-E(y))]$$$$=V(x)+V(y)+2C(x,y)$$

共分散

共分散の定義

確率変数 $x$ と $y$ の共分散は以下で定義されます。

$$C(x,y)\equiv E[(x-E(x))(y-E(y))]  -⑤$$

共分散の性質

共分散には以下の性質があります。

$$C(x,y)=E(xy)-E(x)E(y)  -⑥$$

$$C(x,x)=V(x)$$

尚、確率変数が独立な場合は以下になります。

$$C(x,y)=0$$

⑤より⑥を導く

$$E[(x-E(x))(y-E(y))]$$$$=E[xy-xE(y)-E(x)y+E(x)E(y)]$$$$=E(xy)-E(x)E(y)$$

相関係数

相関係数の定義は以下になります。

$$\rho_{xy}\equiv\frac{C(x,y)}{\sqrt{V(x)V(y)}}$$

特に、確率変数が独立な場合は、$\rho_{xy}=0$ となります。

 

数学
解析学、代数学、幾何学、統計学、論理・基礎論、情報・暗号、機械学習、金融・ゲーム理論、高校数学
散策路TOP
数学、応用数学、古典物理、量子力学、物性論、電子工学、IT、力学、電磁気学、熱・統計力学、連続体力学、解析学、代数学、幾何学、統計学、論理・基礎論、プラズマ物理、量子コンピュータ、情報・暗号、機械学習、金融・ゲーム理論

 

タイトルとURLをコピーしました