未だに忘れがちなので, ここにまとめておこう
ガンマ関数
α>0 として,
Γ(α)=∫0∞xα−1e−xdx
性質
- 正の整数 n に対して, Γ(n)=(n−1)!
-
α>1 において, Γ(α)=(α−1)Γ(α−1)
-
Γ(21)=π. これは, 二重積分で求まるので有名な ∫−∞∞e−x2dx=π に帰着させることでわかる
ガンマ分布
α,β>0 をパラメータとして, 確率密度関数が
f(x)=Γ(α)βαxα−1e−βx(0≤x<∞)
で定義されるような分布(Γ(α,β) と表記)
性質
-
積率母関数は (β−tβ)α(−∞<t<β) (比較的簡単に導出できるので自分で確認しておこう)
-
k 次のモーメントは以下のように, 直接計算して普通に求められる
E[Xk]=∫0∞xkΓ(α)βαxα−1e−βxdx=∫0∞Γ(α)βαxα+k−1e−βxdx=Γ(α)βkΓ(α+k)∫0∞Γ(α+k)βα+kxα+k−1e−βxdx=Γ(α)βkΓ(α+k)=βkα(α+1)...(α+k−1)
-
α=1 としたものは指数分布である
-
X1,...Xn が互いに独立に指数分布 Γ(1,β) にしたがうとき, Y=X1+X2+...+Xn は Γ(α,β) にしたがう.
-
(証明1)X1+X2+...+Xk が Γ(k,β) にしたがうならば, X1+X2+...+Xk+1 が Γ(k+1,β) にしたがうことを帰納法により示す.
これは, 畳み込み積分によりできる.
===∫0y(βe−βx)⋅Γ(k)βk(y−x)k−1e−β(y−x)dxΓ(k)βk+1e−βy∫0y(y−x)k−1dxΓ(k)βk+1e−βykykΓ(k+1)βk+1yke−βy
-
(証明2)積率母関数の性質(X,Y が独立のとき MX+Y(t)=MX(t)MY(t))を使う.
指数分布 f(x)=βe−βx の積率母関数が β−tβ であることから, ほぼ明らか
-
自由度 n のカイ二乗分布 χ2(n) は Γ(2n,21) である
-
ポアソン分布の共役事前分布である
http://bayes.sigmath.es.osaka-u.ac.jp/ftanaka/T/modeling/2017sm5_haifu.pdf#page=12
ベータ関数
s,t>0 として,
B(s,t)=∫01xs−1(1−x)t−1dx
性質
-
B(s,t)=B(t,s)
-
B(s,t)=Γ(s+t)Γ(s)Γ(t)
-
∫02πsinαθcosβθdθ の形の積分は, x=sin2θ 等の置換によりベータ関数に帰着できる
-
∫0∞(x+k)βxαdx の形の積分は, y=x+kk 等の置換によりベータ関数に帰着できる
ベータ分布
p,q>0 をパラメータとして, 確率密度関数が
f(x)=B(p,q)1xp−1(1−x)q−1(0<x<1)
で定義されるような分布(Beta(p,q) と表記)
性質
- 正の整数 p,q に対して, X1,...Xp+q−1 が互いに独立に標準一様分布 U(0,1) に従うとき, 順序統計量 X(p)(小さい方から p 番目, 大きい方から q 番目のもの)が従う分布になっている
- 実際, U(0,1) の 確率密度関数 f(x)=1, 分布関数 F(x)=x に対して, 以下を計算すると, ベータ分布の確率密度関数と一致している
(p−1)!(n−p)!n!F(x)p−1⋅f(x)⋅(1−F(x))n−p
-
X1,X2 が互いに独立にそれぞれガンマ分布 Γ(α1,β) とガンマ分布 Γ(α2,β) にしたがうとき, Y=X1+X2X1 の従う分布は Beta(α1,α2) である
http://nlp.dse.ibaraki.ac.jp/~shinnou/siryou/toukei-kentei/1-stat-var-trans.pdf#page=21
http://bayes.sigmath.es.osaka-u.ac.jp/ftanaka/T/modeling/2017sm5_haifu.pdf#page=9
Reference
Discussion