7.正規分布

A:先生こんにちは.
T:よく来たね.
A:数学が好きななってきました.
T:数学はほんの少しの考える習慣が身につくだけで大分変るよ.
早速始めようか.
前回,連続分布の基本的性質を勉強したね. 連続型確率変数の分布の代表が正規分布だ.というより,正規分布を用いるために連続分布を学んだといったほうが正確かな. 自然現象や社会現象の 中で観測される変量の分布の多くは正規l分布に近いといわれているんだよ.
まず,定義をする.

$X$が連続型確率変数で,その確率密度関数$f(x)$が
$f(x)=\dfrac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}$
で与えられる時,$X$を標準正規分布という.
T:まず,標準正規分布の確率密度関数$f(x)$の1次導関数,2次導関数を計算して$y=f(x)$のグラフを調べよう.
A:楽勝です.
$f'(x)=-\dfrac{1}{\sqrt{2\pi}}xe^{-\frac{x^2}{2}}$
$f''(x)=\dfrac{1}{\sqrt{2\pi}}(x^2-1)e^{-\frac{x^2}{2}}$
となります.
T:グラフについてわかることは.
A:$x=0$で最大値$\frac{1}{\sqrt{2\pi}}$をとり,$x=\pm 1$で変曲点をもつかな.
T:あと付け加わえると,偶関数であるから,$y$軸に関して対称.
それに,$x\to \pm \infty$のとき$y\to 0$であるから,$x$軸が漸近線だね.
ちなみに,グラフは右図になる.
次に,標準正規分布の平均と分散を求めよう.
その前に,$f(x)$が確率密度関数となるためには
$\displaystyle \int_{-\infty}^{\infty}\dfrac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}dx=1$
でなければいけないが,この証明はここではやりません.パソコンで近似値を計算してみましょう.
$\displaystyle\int_0^n\dfrac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}dx$
の$n=1,2,3,4,5$を順に計算したのが右図だ.
グラフは$y$軸に関して対称であるから
$\displaystyle \int_{-\infty}^{\infty}\dfrac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}dx=1$
が納得してもらえると思う.どうしても証明したいというなら, 多変数の積分の勉強まで待つ必要があるかな.
それでは,平均と分散を計算しよう.
計算式は何だい.
A:えーとなんでしたっけ.
まとめているレジュメを見てごらん.
A:分かりました.積分区間は$(-\infty,\infty)$ですね.だから
$\displaystyle E(X)=\int_{-\infty}^{\infty}x\cdot \dfrac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}dx$
です.
T:この値はわかるかい.
A:分かるわけありませんよ.こんなの.
T:グラフの対称性を考えてごらん.$e^{-\frac{x^2}{2}}$が偶関数だから.
A:そうか.奇関数だから$0$なんですね.
T:そうだよ.だから計算する必要はないんだけど,上端,下端が$\infty$は 初めてだろうからその説明もかねて,この積分を計算しよう.
本来は
$\displaystyle \int_{-\infty}^{\infty}f(x)dx:=\lim_{a\to -\infty,b\to \infty}\int_a^bf(x)dx$
のことで,$f(x)$の不定積分が$F(x)$のとき
$\displaystyle =\lim_{a\to -\infty,b\to \infty}[F(x)]_a^b$
のことだけど,実際は極限計算を含めて
$[F(x)]_{-\infty}^{\infty}$
と書いて計算していいんだ.
それでは計算してみよう.
$xe^{-\frac{x^2}{2}}$の不定積分はどうなる.$e^{-\frac{x^2}{2}}$を微分して考えてごらん.
A:分かりました.不定積分は$-e^{-\frac{x^2}{2}}$です.
$\displaystyle \int_{-\infty}^{\infty}xe^{-\frac{x^2}{2}}=[-e^{-\frac{x^2}{2}}]_{-\infty}^{\infty} =-\left[\frac{1}{e^{\frac{x^2}{2}}}\right]_{-\infty}^{\infty}$
上端,下端ともに極限は$0$だから
$\displaystyle E(X)=\int_{-\infty}^{\infty}x\cdot \dfrac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}dx=0$
になりました.
T:よくできました.つぎは分散です.
$V(X)=E(X^2)-E(X)^2$
だから
$\displaystyle E(X^2)=\int_{-\infty}^{\infty}x^2\cdot \dfrac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}dx$
を計算してごらん.部分積分をするんだ.$E(X)$の計算を見直してごらん.
A:やってみます.
$\displaystyle E(X^2)=\int_{-\infty}^{\infty}x^2\cdot \dfrac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}dx$
$\displaystyle =\left[x\cdot -\dfrac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}\right]_{-\infty}^{\infty}+ \int_{-\infty}^{\infty}\dfrac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}dx$
第2項が$1$だけど,第1項はどうなるのかな.
T:第1項か.一目でわかるようになるんだが.少し説明しよう.
要するに
$\displaystyle \lim_{x\to \pm \infty}\dfrac{x}{e^{\frac{x^2}{2}}}$
を求めることなのはわかるかい.
A:それは問題ありません.
T:通常は
$x > 0$のとき$e^x > 1+x+\dfrac{x^2}{2} \cdots (\sharp)$
を証明して示すんだ.
$(\sharp)$を示してごらん.
A:何度か微分してやるんでしたっけ.
T:一般的にはそうだね.それは後で教科書見てごらん.ここでは
$y=e^x-(1+x+\dfrac{x^2}{2})$
のグラフ(増減表)を書いて解決しよう.
$y',y''$を計算して,増減表を書いてごらん.
A:$y'=e^x-(1+x),y''=e^x-1$です.
T:$y''$は$y'$の導関数だから次のようになるのは分かるかな.
$\begin{array}{|c|c|c|}\hline x &0 & \cdots \\ \hline y' & 0 & + (*2) \\ \hline y'' & 0 & + (*1) \\ \hline y & 0 & \nearrow (*3) \\ \hline \end{array}$
$y''$より$(*1)$が分かり,さらに$x=0$のとき$y'=0$であるから$(*2)$がわかり, そして$x=0$のとき$y=0$および$(*3)$であるから
$x > 0$のとき$y > 0$が成り立つ
ことが分かるね.
A:何度か微分して証明することと同じですね.
T:同じだよ.増減表を用いたほうが少しわかりやすいと思うんだがどうかな.
この不等式を用いると
$x > 0$のとき
$e^x > 1+x+\dfrac{x^2}{2} > \dfrac{x^2}{2}$
であるから,
$0 < \dfrac{x}{e^x} < \dfrac{x}{\frac{x^2}{2}}$
より
$\displaystyle \lim_{x\to \infty}\dfrac{x}{e^x}=0$
を得る.
あとは
$\displaystyle \lim_{x\to \infty}\dfrac{x}{e^{\frac{x^2}{2}}}$
の計算だ.やってごらん.
A:$\dfrac{x}{e^{\frac{x^2}{2}}}=\dfrac{\frac{x^2}{2}}{e^{\frac{x^2}{2}}\cdot \frac{x}{2}}\to 0 (x\to \infty)$
でいいですか.
T:それでいいだろう.$x\to -\infty$は大丈夫かな.
A:奇関数だから当たり前ですね.
T:その通り.
せっかくだからもう少し話そう.
$e^x$を多項式で表すことを考えよう.
A:$e^x$が多項式で表せるのですか.
T:もちろん表せないよ.例えば$n$次式で表せたとしたら,$n$次式は$n+1$回微分したら$0$になるから表せないことはわかるね.
だから級数を利用することになる.
$y=e^x$は$y'=y$だからこの条件を満たす多項式(級数)を見つけよう.
$\frac{x^n}{n!}$を微分したらどうなる.
A:$\frac{x^{n-1}}{(n-1)!}$です.
T:そこで
$f(x)=1+x+\dfrac{x^2}{2!}+\dfrac{x^3}{3!}+\cdots +\dfrac{x^n}{n!}$
を考えよう.
$f'(x)$はどうなる.
A:$f'(x)=1+x+\dfrac{x^2}{2!}+\dfrac{x^3}{3!}+\cdots +\dfrac{x^{n-1}}{(n-1)!}$
最後が一つなくなるだけだから,そうか級数
$f(x)=1+x+\dfrac{x^2}{2!}+\dfrac{x^3}{3!}+\cdots +\dfrac{x^n}{n!}+\cdots $
を考えて
$e^x=1+x+\dfrac{x^2}{2!}+\dfrac{x^3}{3!}+\cdots +\dfrac{x^n}{n!}+\cdots \cdots (\flat)$
と見るわけですね.
でもこんなことやっていいわけですか.
T:もちろんいいわけがない.級数は収束するかどうかがとても大事なのだ.例えば,アーベルは 「一体,収束しない級数なるものは悪魔が発明したものだ.そのようなものを少しでも証明に用いるのは恥辱である・・・」 (高木貞二著 近世数学史談)と述べている.
例えば,関数
$1+x+x^2+\cdots +x^n+\cdots$
を等比級数とみればどうなる.
A:$1+x+x^2+\cdots =\dfrac{1}{1-x}$
です.
T:この式が意味があるのは,というか,左辺が収束する$x$の範囲は
A:$-1 < x < 1$です.
T:この式は$x$がほかの値では意味が無いわけだね.例えば$x=2$を代入してごらん.左辺は正の数の和なのに,右辺は$-1$とこんなバカなことはないだろう.
このように級数を扱うときは収束条件が付きまとうんだよ.
ここでは$(\flat)$をそのまま用いるのではなく,$(\flat)$の右辺の各項は正だから
$e^x > 1+x+\dfrac{x^2}{2!}+\dfrac{x^3}{3!}+\cdots +\dfrac{x^n}{n!}$
が成り立つことが読み取れるだろう.
これは簡単に証明できるから,これを数学的帰納法で証明しよう.
命題 任意の正の整数$n$で
$x > 0$で$e^x > 1+x+\dfrac{x^2}{2!}+\dfrac{x^3}{3!}+\cdots +\dfrac{x^n}{n!}$
が成り立つ.
証明
$f_n(x)=e^x-(1+x+\dfrac{x^2}{2!}+\dfrac{x^3}{3!}+\cdots +\dfrac{x^n}{n!})$
とおく.
$n=1$のとき明らかに成り立つから,
$n=k$のとき成り立つことを仮定して,$n=k+1$のとき成り立つことを証明する.
$f_{k+1}'(x)=f_k(x)$
より$x > 0$で$f_{k+1}'(x) > 0$が成り立ち,$f_{k+1}(0)=0$であるから
$x > 0$で$f_{k+1}(x) > 0$が成り立つ.

この命題より
任意の正の整数$n$に対して
$e^x > 1+x+\cdots +\dfrac{x^{n+1}}{(n+1)!} > \dfrac{x^{n+1}}{(n+1)!}$
より
$\dfrac{e^x}{x^n} > \dfrac{\frac{x^{n+1}}{(n+1)!}}{x^n}=\dfrac{x}{(n+1)!} \to \infty (x\to \infty)$
例えば,
$\displaystyle \lim_{x\to \infty}=\dfrac{\log x}{\sqrt[n]{x}}$
は$x=e^t$と置けば
$\dfrac{\log x}{\sqrt[n]{x}}=\dfrac{t}{e^{\frac{t}{n}}}=(\dfrac{t^n}{e^t})^{\frac{1}{n}}\to 0 (x\to \infty)$
極限についてのこれらの感覚は必要なことだよ.

話を戻そう.
$\displaystyle E(X^2)=\int_{-\infty}^{\infty}x^2\cdot \dfrac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}dx$
$\displaystyle =\left[x\cdot -\dfrac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}\right]_{-\infty}^{\infty}+ \int_{-\infty}^{\infty}\dfrac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}dx$
第1項が$0$より
$=1$
が分かったね.
確率密度関数が
$f(x)=\dfrac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}$
である標準正規l分布$X$は
平均$E(X)=0,$分散$V(X)=1$
が分かった.
それでは,$X$が標準正規分布の時,$\sigma ( > 0),m$を定数とする 新しい確率変数 $Y=\sigma X+m$の平均,分散はどうなる.
A:$E(Y)=m,V(Y)=\sigma ^2$です.
T:そうだね.それでは,確率変数$Y$の確率密度関数はどうなる.
A:これは前回やりましたね.関係式はなんでしたっけ.
T:見てやればいいんだよ.$X$の確率密度関数が$f(x)$のとき,$pX+q$ の確率密度関数は$\frac{1}{p}f(\frac{x-q}{p})$だ.
A:$f(x)=\frac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}$にそのまま代入すればいいんだから
$f(x)=\dfrac{1}{\sqrt{2\pi}\sigma}e^{-\frac{1}{2}(\frac{x-m}{\sigma })^2} =\dfrac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x-m)^2}{2\sigma ^2}}$
となりました.
T:よくできた.ここで$y=f(x)$のグラフと$y=\frac{1}{p}f(\frac{x-m}{p})$の グラフの関係を調べよう.
まず,$y=\frac{1}{p}f(\frac{x-m}{p})$と$y=\frac{1}{p}f(\frac{x}{p})$の関係はどうなっている.
A:$x-m$が$x$に変わっているだけだから,$m$だけ平行移動です.
T:何をどのように移動したら何になるを言わないといけないな.
A:$y=\frac{1}{p}f(\frac{x}{p})$のグラフを$x$軸方向に$m$だけ平行移動したグラフが$y=\frac{1}{p}f(\frac{x-m}{p})$です.
T:そうだね.それでは,$y=f(x)$のグラフと$y=\frac{1}{p}f(\frac{x}{p})$のグラフの関係はどうなっている.
A:平行移動はわかるんですけど,これがいまいちわかっていないんです.逆になるというのは覚えているんですけど.
T:そうか,これはとても大事なことだよ.
例えば,原点を中心として,$x$軸方向に$a$倍,$y$軸方向に$b$倍する変換
$f:(x,y)\mapsto (ax,by)$
で原点を中心とする単位円の像はどうなる.
A:これがあまりわからないんです.
T:説明するよ.
求めたい図形上すなわち,単位円の像上の点を$(X,Y)$とするよ.このときの$X,Y$の関係式を求めればいいわけだね.
A:すなわち$X,Y$の関係式が求める図形の方程式ですね.
T:ということは,$(X,Y)$を$f$で戻した点が元の図形,すなわち円$x^2+y^2=1$上にあるわけだろ.
$(X,Y)$を$f$で戻した点の座標はどうなる.
A:$f$は$x$軸方向に$a$倍,$y$軸方向に$b$倍で,その逆だから$(\frac{X}{a},\frac{Y}{b})$.あそうか, この点が$x^2+y^2=1$上にあるから
$(\dfrac{X}{a})^2+(\dfrac{Y}{b})^2=1$
文字を$x,y$に書き直して
$\dfrac{x^2}{a^2}+\dfrac{x^2}{b^2}=1$
となる.
T:それでいいんだよ.
A:よくわかりました.
でも先生,どうしてこんな逆写像を考えたりするんですか.
T:それは,関数を$x,y$の関係式で定義しているからだよ.関係式だから,点がその図形上にあるかないかは判断できるけど, 移動はできないんだ.この図形の移動の方法は,点が図形上にあるということをうまく使っているんだよ.
関係式は移動できないけど,点は移動できるから,点の集合として図形を定義する,媒介変数表示は そのまま移動できるわけだ.例えば,円$x^2+y^2=1$の媒介変数表示はどうなる.
A:$x=\cos \theta,y=\sin \theta$です.
T:これは,媒介変数$\theta$を用いて,円を点の集合とみているわけだ.これを
$f:(x,y)\mapsto (ax+by)$
でうつしたらどうなる.
A:$x$座標が$a$倍,$y$座標が$b$倍だから
$x=a\cos \theta,y=b\sin \theta$
です.
T:媒介変数$\theta$を消去すると,
A:$\cos \theta =\frac{x}{a},\sin \theta =\frac{y}{b}$および$\cos ^2\theta +\sin ^2 \theta =1$だから$\frac{x^2}{a^2}+\frac{y^2}{b^2}=1$ となり一致しました.しっくりしました.
T:そうかいそれはよかった.
ところで,変換$(x,y)\mapsto (ax,by)$で円$x^2+y^2=1$の像は楕円$\frac{x^2}{a^2}+\frac{y^2}{b^2}=1$になったわけだけど,面積は何倍になった.
A:円の 面積は$\pi$だけど,楕円の面積は楕円の式を$y$について解いて,積分するのですね.置換積分で結構面倒ですよね.
T:この計算面倒と言っちゃ困るけど.ここでは次のように考えよう.円の内部を小さな正方形で敷き詰める. $f$で移動するとき,円と一緒に内部の正方形を移動する.このとき,敷き詰めた正方形の$f$ による像はどんな図形だい.
A:それは,横が$a$倍,縦が$b$倍の長方形です.
T:面積は何倍になる.
A:$ab$倍です.
T:そうだね.それぞれの正方形が$ab$倍になるから全体としても$ab$倍になるね.
A:なかなかうまい考えですね.
T:これが積分の考えなんだよ.それでは,楕円$\frac{x^2}{a^2}+\frac{y^2}{b^2}=1$の囲む面積はどうなる.
A:それは簡単です.円の面積が$\pi$だから$\pi ab$です.分かったけど,なんか気持ち悪いですね.
T:次のような説明はどうかな.
$y=f(x)$の変換$(x,y)\mapsto (ax,by)$による像はどうなる.
A:それはさっきやったばっかりです.
逆にうつした$\frac{x}{a},\frac{y}{b}$を代入し
$\frac{y}{b}=f(\frac{x}{a})$
だから $y=bf(\frac{x}{a})$です.
T:それでは,$x=x_1,x=x_2,y=f(x),y=0$で囲まれた面積と$(x,y)\mapsto (ax,by)$による像 $x=ax_1,x=ax_2,y=bf(\frac{x}{a}),y=0$で囲まれた図形の面積を比べよう.
$\displaystyle \int_{ax_1}^{ax_2}bf(\dfrac{x}{a})dx$
を$t=\frac{x}{a}$と置いて置換積分してごらん.
A:$t=\frac{x}{a}$と置くと,$x:ax_1\to ax_2$のとき$t:x_1\to x_2$であり,$\frac{dt}{dx}=\frac{1}{a}$より
$\displaystyle \int_{ax_1}^{ax_2}bf(\dfrac{x}{a})dx$
$\displaystyle =\int_{x_1}^{x_2}bf(t)adt$
$\displaystyle =ab\int_{x_1}^{x_2}f(t)dt$
面積が$ab$倍になりました.
T:納得できたかい.
A:うまいもんですね.

続く(正規分布(2))


全体の目次