確率収束と分布収束
確率収束 (Convergence in Probability)
確率変数の列 X1,X2,…,Xn が確率収束するとは、任意の ϵ>0 に対して次の条件を満たすことを言います:
n→∞limP(∣Xn−X∣≥ϵ)=0
ここで、X は収束先の確率変数です。
また、以下のように表します。
n→∞limXn→pX
分布収束 (Convergence in Distribution)
確率変数の列 X1,X2,…,Xn が分布収束するとは、任意の連続点 x に対して次の条件を満たすことを言います:
FXn(x)→FX(x) as n→∞
ここで、FXn(x) は Xn の累積分布関数、FX(x) は X の累積分布関数です。
また、以下のように表します。
n→∞limXn→dX
マルコフの不等式 (Markov's Inequality)
マルコフの不等式は、非負の確率変数 X,E(X)<∞ に対して次のように述べられます。任意の a>0 に対して:
P(X≥a)≤aE(X)
証明
非負の確率変数 X と任意の a>0 に対して:
P(X≥a)=P(X1{X≥a}≥a)
ここで、1{X≥a} は X≥a のとき1、それ以外のとき0になる指示関数です。したがって:
P(X≥a)≤aE[X1{X≥a}]
ここで、X1{X≥a}≤X であるため:
P(X≥a)≤aE(X)
この不等式は、確率変数が与えられた値より大きくなる確率が、その確率変数の期待値によって制限されることを示しています
仮定
マルコフの不等式の仮定では、確率変数Xについて以下の仮定をおいていることに注意します。
- 非負の確率変数である
- 期待値を持つ: E(X)<∞
チェビシェフの不等式 (Chebyshev's Inequality)
チェビシェフの不等式は、確率変数 X が平均 μ と分散 σ2 を持つとき、任意の k>0 に対して以下が成立
P(∣X−μ∣≥kσ)≤k21
証明
確率変数 X が平均 μ と分散 σ2 を持つとき:
P(∣X−μ∣≥kσ)=P((X−μ)2≥k2σ2)
マルコフの不等式を非負の確率変数 (X−μ)2 に適用すると:
P((X−μ)2≥k2σ2)≤k2σ2E[(X−μ)2]=k2σ2σ2=k21
この不等式は、確率変数がその平均から一定の距離以上離れる確率が、分散によってどのように制限されるかを示しています
仮定
チェビシェフの不等式の仮定では、確率変数Xについて以下の仮定をおいていることに注意します。
- 期待値を持つ: E(X)<∞
- 分散を持つ: V(X)<∞
大数の弱法則 (Weak Law of Large Numbers)
独立同一に分布(μ,σ)に従う確率変数 X1,X2,…,Xn に対して、標本平均 Xˉ=n−1∑i=1nXi が母平均 μ に確率収束する。すなわち、以下が成立する。
Xˉ→pμ as n→∞
証明
チェビシェフの不等式を用いると、任意の ϵ>0 に対して:
P(∣Xˉ−μ∣≥ϵ)≤ϵ2Var(Xˉ)=ϵ2σ2/n=nϵ2σ2
ここで、n→∞ のとき右辺が0に収束するため:
n→∞limP(∣Xˉ−μ∣≥ϵ)=0
仮定
- 標本平均が期待値を持つ: E(Xˉ)<∞
- 標本平均が分散を持つ: V(Xˉ)<∞
中心極限定理 (Central Limit Theorem)
独立同一に分布(μ,σ)に従う確率変数 X1,X2,…,Xn の標本平均が標準正規分布に分布収束する
P(σn∑i=1n(Xˉ−μ))→∫−∞x(2π)−21exp(−2y2)dy as n→∞
証明
標準化
確率変数 Xi を標準化します。
Zi=σXi−μ
このとき、 Zi の平均は0、分散は1です。
標本平均の標準化
標本平均を考えます。
Xˉ=n1i=1∑nXi
これを標準化します。
σn(Xˉ−μ)=σn(n1∑i=1nXi−μ)=n1i=1∑nσXi−μ=n1i=1∑nZi
モーメント母関数の利用
モーメント母関数 MZ(t) は、確率変数 Z のモーメント母関数であり、次のように定義されます。
MZ(t)=E[etZ]
i.i.d. の場合、標本平均のモーメント母関数は次のようになります。
Mn1∑i=1nZi(t)=(MZ(nt))n
Z のモーメント母関数
標準化された確率変数 Zi は標準正規分布 N(0, 1) に従います。このモーメント母関数は次のようになります。
M_Z(t) = \exp\left( \frac{t^2}{2} \right)
モーメント母関数の極限
これを使用して、標本平均のモーメント母関数を計算します。
M_{\frac{1}{\sqrt{n}} \sum_{i=1}^{n} Z_i}(t) = \left( \exp\left( \frac{(t/\sqrt{n})^2}{2} \right) \right)^n = \exp\left( \frac{t^2}{2n} \cdot n \right) = \exp\left( \frac{t^2}{2} \right)
この結果は標準正規分布 N(0, 1) のモーメント母関数に一致します。
Discussion