χ2 分布 確率変数 u が標準正規分布 N (0, 1) に従うとき、x = u2 の従う分布を T1 (x) と書くことにしよ 2 1 う。これは、標準正規分布の確率密度関数 f (u) = √ e−u /2 を用いて表すと、 2π δ(u2 − x)f (u) du T1 (x) = (1) となる。ところでデルタ関数の基本的な関係式によれば、 √ √ 1 δ(u2 − x) = √ δ(u − x) + δ(u + x) 2 x √ となる。これは、x の値が与えられた場合に、対応する u の値は、u = ± x の 2 通りがあること を意味している。上記の関係式を (1) 式に代入すると、 T1 (x) √ √ 1 √ f ( x) + f (− x) 2 x 1 √ x−1/2 e−x/2 (x > 0) 2π = = (2) となる。 次に、x = u21 + u22 = x1 + x2 の従う分布 T2 (x) を求める。 T2 (x) = δ(x1 + x2 − x)T1 (x1 )T1 (x2 ) dx1 dx2 x = 0 T1 (x − x2 )T1 (x2 ) dx2 1 −x/2 e 2π = x 0 −1/2 (x − x2 )−1/2 x2 dx2 ここで、t = x2 /x とおくと、 T2 (x) = 1 −x/2 e 2π 1 0 (1 − t)−1/2 t−1/2 dt となるが、最後の積分は、t = sin2 θ とおくと、 1 0 (1 − t)−1/2 t−1/2 dt = 2 となるので、結局、 T2 (x) = 1 −x/2 e 2 π/2 0 dθ = π (x > 0) (3) を得る。 一般に、n コの変数 u1 , u2 , · · · , un が互いに独立で、それぞれ N (0, 1) に従うとき、x = u21 + u22 + · · · + u2n の分布 Tn (x) は、 Tn (x) = n 2 −1 1 x 2Γ(n/2) 2 x e− 2 となる。この分布を自由度 n のカイ 2 乗 (χ2 ) 分布という。 1 (x > 0) (4) 証明 証明は数学的帰納法による。すなわち、xn−1 = u21 + u22 + · · · + u2n−1 の分布が Tn−1 (x) と表され たとすると、Tn (x) は、 Tn (x) = δ(xn−1 + x1 − x)Tn−1 (xn−1 )T1 (x1 ) dxn−1 dx1 x = = = = 0 Tn−1 (x − x1 )T1 (x1 ) dx1 1 n−3 1 x 2 −1 e− 2 (1 − t) 2 t− 2 dt 2 Γ((n − 1)/2)Γ(1/2) 0 n x x 2 −1 e− 2 Γ((n − 1)/2)Γ(1/2) n Γ(n/2) 2 2 Γ((n − 1)/2)Γ(1/2) x n2 −1 − x2 1 e 2Γ(n/2) 2 n x n 2 となる。これは、(4) に一致する。 χ2 分布の平均と分散 平均 = = = 分散 = = = ∞ ∞ ∞ 1 x n2 −1 − x x e 2 dx 2Γ(n/2) 0 2 0 ∞ ∞ 2 2 n x n2 − x x = e 2 d t( 2 +1)−1 e−t dt Γ(n/2) 0 2 2 Γ(n/2) 0 2(n/2)Γ(n/2) 2Γ(n/2 + 1) = =n Γ(n/2) Γ(n/2) xTn (x) dx = ∞ x n2 −1 − x2 1 x2 e dx − n2 2Γ(n/2) 0 2 0 ∞ ∞ n 4 4 x n2 +1 − x2 x − n2 = e d t( 2 +2)−1 e−t dt − n2 Γ(n/2) 0 2 2 Γ(n/2) 0 4Γ(n/2 + 2) n n − n2 = 4 +1 − n2 = 2n Γ(n/2) 2 2 x2 Tn (x) dx − n2 = 標本分散の標本分布 確率変数 u1 , u2 が互いに独立で、それぞれ標準正規分布 N (0, 1) に従うときに、標本平均 u ¯= 1 (u1 + u2 ) 2 (5) をもちいて、 x = (u1 − u¯)2 + (u2 − u ¯)2 (6) を作る。ここで、x の従う分布を求めたい。ところが、(u1 − u ¯)2 と (u2 − u ¯)2 は、条件 (5) がある ために、互いに独立ではない。したがって、x の従う分布は自由度 2 の χ2 分布とはならない。(5) を (6) に代入して整理すると、 x= 1 (u1 − u2 )2 2 2 √ となる。ここで、t = (u1 − u2 )/ 2 と書くことにすると、変数 t は、正規分布の一次結合の平均と 分散の関係式から、 平均 µt = 分散 σt2 = 1 1 √ ×0− √ ×0=0 2 2 1 √ 2 ×1+ 1 −√ 2 ×1=1 となり、平均 0、分散 1 の正規分布に従うことがわかる。そこで、t を 2 乗した x = 12 (u1 − u2 )2 は、自由度1の χ2 分布に従うことがわかる。 もう少し別の見方をしてみよう。新しい変数 v1 = u1 − u ¯, v2 = u2 − u ¯ を導入すると、 x = v12 + v22 となる。ところが、 v1 v2 v1 + v2 = (1, 1) =0 の関係がある。これは、ベクトル (v1 , v2 ) の (1, 1) 方向成分が 0 であることを表している。そこ で、v1 、v2 を直交変換した、 v1 v2 = √1 2 √1 2 − √12 v1 √1 2 v2 を用いると、 x = v12 + v22 √ となる。ここで、v2 = (v1 + v2 )/ 2 = 0 なので、 v1 − v2 √ 2 x = v12 = 2 = (u1 − u2 )2 2 を得る。変数 v1 は標準正規分布に従うので、変数 x は自由度 1 の χ2 分布に従う。 この方法は、もっと一般の場合にも使えそうである。今度は、三つの互いに独立な変数 u1 , u2 , u3 の標本平均 u ¯= 1 (u1 + u2 + u3 ) 3 (7) をもちいて表される分散 x = (u1 − u ¯)2 + (u2 − u ¯)2 + (u3 − u ¯)2 の従う分布関数を求めてみよう。 ここで、 v1 = u1 − u ¯, v2 = u2 − u¯, とおくと、(8) 式は、 x = v12 + v22 + v32 となり、 条件 (7) は、 v1 + v2 + v3 = 0 3 v3 = u3 − u ¯ (8) √ √ √ と書き直すことができる。そこで、(v1 , v2 , v3 ) 空間で、基底ベクトル (0, 0, 1) が (1/ 3, 1/ 3, 1/ 3) となるような直交変換、例えば、 ⎛ ⎞ ⎛ 1 √ v1 ⎜ ⎟ ⎜ √12 ⎝ v2 ⎠ = ⎝ 6 √1 v3 3 − √12 √1 6 √1 3 ⎞ v1 ⎟⎜ ⎟ − √26 ⎠ ⎝ v2 ⎠ 0 ⎞⎛ √1 3 v3 を考える。すると、 x = v12 + v22 + v32 √ となるが、v3 = (v1 + v2 + v3 )/ 3 = 0 なので、 x = v12 + v22 = (u1 + u2 − 2u3 )2 (u1 − u2 )2 + 2 6 である。ゆえに、x は自由度 2 の χ2 分布にしたがう。 同様にして、一般の n の場合にも証明できる。標本平均 u ¯= 1 (u1 + u2 + · · · + un ) n から v1 = u1 − u ¯, v2 = u2 − u ¯, · · · , vk = uk − u¯, · · · , vn = un − u ¯ をつくると、これらの間には、 v1 + v2 + v3 + · · · + vn = 0 なる関係がある。ここで、 x = v12 + v22 + · · · + vn2 √ √ √ とおく。n 次元 (v1 , v2 , · · · , vn ) 空間で、基底ベクトル (0, 0, · · · , 1) が、(1/ n, 1/ n, · · · , 1/ n) と なるような直交変換 ⎛ v1 v2 .. . ⎞ ⎛ √1 2 √1 6 ⎜ ⎟ ⎜ ⎜ ⎟ ⎜ ⎜ ⎟ ⎜ .. ⎜ ⎟=⎜ . ⎜ ⎟ ⎜ ⎜ ⎟ ⎜ ⎜ 1 ⎝ vn−1 ⎠ ⎝ √ vn n(n−1) √1 n − √12 √1 6 .. . 1 n(n−1) √1 n √ 0 − √26 .. . 1 √ n(n−1) √1 n ··· ··· .. . ··· ··· 0 ⎞⎛ v1 v2 .. . ⎞ ⎟⎜ ⎟ ⎟⎜ ⎟ ⎟⎜ ⎟ ⎟⎜ ⎟ ⎟⎜ ⎟ ⎟⎜ ⎟ ⎝ ⎠ v − √ n−1 ⎟ n−1 ⎠ n(n−1) vn √1 0 .. . n をおこなうと、vn = 0 なので、 x 2 = v12 + v22 + · · · + vn−1 = (u1 + u2 − 2u3 )2 (u1 + u2 + · · · + un−1 − (n − 1)un )2 (u1 − u2 )2 + + ··· + 2 6 n(n − 1) を得る。 以上のことから、N (0, 1) に従う正規母集団から大きさ n の標本 u1 , u2 , · · · , un を無作為抽出 1 ¯ = (u1 + u2 + · · · + un ) から、 し、標本平均 u n x = (u1 − u ¯)2 + (u2 − u ¯)2 + · · · + (un − u ¯)2 を作ると、 x は自由度 n − 1 の χ2 分布に従うことが分かる。 4 N (µ, σ 2 ) に従う正規母集団から大きさ n の標本 x1 , x2 , · · · , xn を無作為抽出し、標本平均 1 x ¯ = (x1 + x2 + · · · + xn ) を作る。標本 xi に標準化変換 ui = (xi − µ)/σ をほどこすと、 n u ¯ = = = 1 (u1 + u2 + · · · + un ) n 1 (x1 + x2 + · · · + xn − nµ) nσ 1 (¯ x − µ) σ だから x = = = (u1 − u ¯)2 + (u2 − u¯)2 + · · · + (un − u ¯)2 1 (x1 − x ¯)2 + (x2 − x ¯)2 + · · · + (xn − x ¯) 2 σ2 (n − 1)s2 σ2 は、自由度 n − 1 の χ2 分布に従う。 x の期待値 E(x) と分散 V (x) は、それぞれ、 E(x) = n−1 V (x) 2(n − 1) = である。 図 (1) に χ2 分布の様子を示す。 0.5 T1(x) T2(x) T3(x) T4(x) T5(x) 0.4 0.3 0.2 0.1 0 0 2 4 6 図 1: χ2 分布 5 8 10
© Copyright 2024 ExpyDoc