確率･統計Ⅰ

確率･統計Ⅰ
第5回確率変数の共分散、チェビシェフの不等式
ここです！
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
確率論とは
確率変数、確率分布
確率変数の独立性／確率変数の平均
確率変数の平均（続き）、確率変数の分散
確率変数の共分散、チェビシェフの不等式
ベルヌイ試行と二項分布
二項分布（続き）、幾何分布など
二項分布の近似、ポアソン分布、正規分布
正規分布とその性質
i.i.d.の和と大数の法則
中心極限定理
統計学の基礎1（母集団と標本、確率論との関係）
統計学の基礎2（正規分布を用いた推定・検定）
確率変数の共分散、
チェビシェフの不等式
1. 確率変数の共分散（定義）
2. 共分散の公式(1)(2)(3)
3. 共分散の意味と分散の公式(2)
4. チェビシェフの不等式
確率変数の共分散
E(X)=μ, E(Y)=νとする。
Cov(X, Y) = E[(X-μ) (Y-ν)]
を X と Y の共分散という。
確率変数の共分散、
チェビシェフの不等式
1. 確率変数の共分散（定義）
2. 共分散の公式(1)(2)(3)
3. 共分散の意味と分散の公式(2)
4. チェビシェフの不等式
共分散の公式(1)
Cov(X, X) = V(X) 分散
自分自身との共分散が「分散」にほかならない。
共分散の公式(2)
V(X+Y) = V(X) + 2Cov(X,Y) + V(Y)
証明
V(X+Y) = E[(X+Y -μ-ν)2]
= E[( X -μ)2 + 2 ( X -μ) (Y -ν) + (Y -ν) 2]
= E[( X -μ)2]+ 2E [( X -μ) (Y -ν) ]+ E[(Y -ν) 2]
= V(X) + 2Cov(X,Y) + V(Y)
共分散の公式(3)
Cov(X,Y) = E(XY) - E(X) E(Y)
証明
Cov(X,Y) = E[(X-μ)(Y-ν)]
= E( XY -νX -μY + μν )
= E(XY) -νE(X) -μE(Y) +μν
= E(XY) - μν
確率変数の共分散、
チェビシェフの不等式
1. 確率変数の共分散（定義）
2. 共分散の公式(1)(2)(3)
3. 共分散の意味と分散の公式(2)
4. チェビシェフの不等式
共分散の意味
X, Y が独立ならば
Cov(X,Y) = 0
証明
X, Y が独立 ⇒ E(XY) = E(X)E(Y)
だったから、これと
Cov(X,Y) = E(XY) - E(X) E(Y)
より明らか。
2つの確率変数の相関係数
Cov( X , Y )
 ( X ,Y ) 
V ( X ) V (Y )
を X と Y の相関係数という。
分散の公式(2)の証明
X, Y が独立 ⇒ V(X+Y) = V(X) + V(Y)
の証明
X, Y が独立 ⇒ Cov(X,Y) = 0
だったから、これと共分散の公式(2)
V(X+Y) = V(X) + 2Cov(X,Y) + V(Y)
より明らか。
確率変数の共分散、
チェビシェフの不等式
1. 確率変数の共分散（定義）
2. 共分散の公式(1)(2)(3)
3. 共分散の意味と分散の公式(2)
4. チェビシェフの不等式
チェビシェフの不等式
P(| X   |  ) 
V (X )

μ=E(X)
2
チェビシェフの不等式
証明（離散型の場合）
V(X) = Σ(xi-μ)2 pi
≧（|xi-μ|≧εだけの和で）Σ(xi-μ)2 pi
≧ （|xi-μ|≧εだけの和で） Σε2 pi
= ε2 （|xi-μ|≧εだけの和で） Σpi
= ε2 P( |xi-μ|≧ε)
チェビシェフの不等式
チェビシェフの不等式から、X がどんな分布に
従う場合でも、平均μ, 分散σ2 とすれば
1
P(| X   | n )  2
n
たとえば平均から±3σ 以上離れた値になる確率は
1/9 = 0.111… 以下であることがわかる。
チェビシェフの不等式
チェビシェフの不等式から、X の分散σ2 が小さ
いほど、平均μの近くの確率が大きいことがわ
かる。

P(| X   |  )  1  2

2
（「分散の意味」の証明！）
メニューに戻る
メニューへ

Download Report