Zenn
📈

指数分布の和の分布

2024/09/15に公開

前提

指数分布 Exp(λ)\operatorname{Exp}(\lambda) はモーメント母関数が指数の形ではないので、再生性がない。

MX(t)=λλt M_X(t) = \frac{\lambda}{\lambda -t}

実際、ただし、各 XiX_i は独立で同一の指数分布 Exp(λ)\text{Exp}(\lambda) に従うとき、

MX(t)=(λλt)n M_{\sum_X}(t) = \Big( \frac{\lambda}{\lambda -t} \Big)^n

であるから、

fX(x)nλexp(nλx) f_{\sum_X}(x) \ne n\lambda \exp(- n \lambda x)

証明

確率変数 Wn=i=1nXiW_n = \sum_{i=1}^n X_i の分布を求める。ただし、各 XiX_i は独立で同一の指数分布 Exp(λ)\text{Exp}(\lambda) に従う。

1. k=2k = 2 の場合

2つの独立な指数分布に従う確率変数 X1X_1X2X_2 の和 W2=X1+X2W_2 = X_1 + X_2 の確率密度関数は畳み込み積分を用いて次のように求められる:

fW2(w)=0wfX1(x)fX2(wx)dx. f_{W_2}(w) = \int_0^w f_{X_1}(x) f_{X_2}(w - x) \, dx.

各変数は指数分布に従うため、次のように代入する:

fW2(w)=0wλeλxλeλ(wx)dx=λ2eλw0wdx. f_{W_2}(w) = \int_0^w \lambda e^{-\lambda x} \cdot \lambda e^{-\lambda (w - x)} \, dx = \lambda^2 e^{-\lambda w} \int_0^w dx.

0wdx=w\int_0^w dx = w なので、

fW2(w)=λ2weλw,w0. f_{W_2}(w) = \lambda^2 w e^{-\lambda w}, \quad w \geq 0.

これはガンマ分布の形状パラメータ k=2k = 2 と尺度パラメータ θ=1λ\theta = \frac{1}{\lambda} の場合に対応する。

ガンマ分布の詳細は下記参照。

https://zenn.dev/shundeveloper/articles/eba111782c85cf

2. k=3k = 3 の場合

次に、W3=X1+X2+X3W_3 = X_1 + X_2 + X_3 の確率密度関数を求める。すでに求めた W2W_2 の密度関数を用いて、

fW3(w)=0wfW2(x)fX3(wx)dx. f_{W_3}(w) = \int_0^w f_{W_2}(x) f_{X_3}(w - x) \, dx.

これに先ほどの結果を代入すると、

fW3(w)=0wλ2xeλxλeλ(wx)dx=λ3eλw0wxdx. f_{W_3}(w) = \int_0^w \lambda^2 x e^{-\lambda x} \cdot \lambda e^{-\lambda (w - x)} \, dx = \lambda^3 e^{-\lambda w} \int_0^w x \, dx.

0wxdx=w22\int_0^w x \, dx = \frac{w^2}{2} なので、

fW3(w)=λ3w22eλw,w0. f_{W_3}(w) = \lambda^3 \frac{w^2}{2} e^{-\lambda w}, \quad w \geq 0.

これはガンマ分布の形状パラメータ k=3k = 3 と尺度パラメータ θ=1λ\theta = \frac{1}{\lambda} の場合に対応する。

3. 一般の場合 (k=nk = n)

上記の畳み込み積分を繰り返すことで一般の場合を求めることができる。すでに k=n1k = n-1 の場合の密度関数が

fWn1(w)=λn1(n2)!wn2eλw,w0 f_{W_{n-1}}(w) = \frac{\lambda^{n-1}}{(n-2)!} w^{n-2} e^{-\lambda w}, \quad w \geq 0

求めている。これを用いて、Wn=Wn1+XnW_n = W_{n-1} + X_n の密度関数を求める:

fWn(w)=0wfWn1(x)fXn(wx)dx. f_{W_n}(w) = \int_0^w f_{W_{n-1}}(x) f_{X_n}(w - x) \, dx.

代入すると、

fWn(w)=0wλn1(n2)!xn2eλxλeλ(wx)dx=λn(n2)!eλw0wxn2dx. f_{W_n}(w) = \int_0^w \frac{\lambda^{n-1}}{(n-2)!} x^{n-2} e^{-\lambda x} \cdot \lambda e^{-\lambda (w - x)} \, dx = \frac{\lambda^n}{(n-2)!} e^{-\lambda w} \int_0^w x^{n-2} \, dx.

積分の結果は

0wxn2dx=wn1n1. \int_0^w x^{n-2} \, dx = \frac{w^{n-1}}{n-1}.

したがって、

fWn(w)=λn(n2)!eλwwn1(n1)=λn(n1)!wn1eλw,w0. f_{W_n}(w) = \frac{\lambda^n}{(n-2)!} e^{-\lambda w} \cdot \frac{w^{n-1}}{(n-1)} = \frac{\lambda^n}{(n-1)!} w^{n-1} e^{-\lambda w}, \quad w \geq 0.

この結果より、WnW_n の分布はガンマ分布に従う:

WnGamma(n,1λ). W_n \sim \text{Gamma}(n, \frac{1}{\lambda}).

参考文献

(1) 竹村彰通.”新装改訂版 現代数理統計学”.2020.学術図書出版社

(2) 久保川."現代数理統計学の基礎".2017.共立出版

Discussion

ログインするとコメントできます