logo

測度論によって定義されるジョイント分布とマージナル分布 📂確率論

測度論によって定義されるジョイント分布とマージナル分布

定義 1

確率空間 (Ω,F,P)( \Omega , \mathcal{F} , P)が与えられているとしよう。

  1. 合同分布: (Ω,F,P)( \Omega , \mathcal{F} , P)で定義された二つの確率変数XXYYがある場合、ランダムベクトル(X,Y):ΩR2(X,Y) : \Omega \to \mathbb{R}^2の分布はボレル集合BB(R2)B \subset \mathcal{B} \left( \mathbb{R}^2 \right)に対して P(X,Y)(B):=P((X,Y)B)=Bf(X,Y)(x,y)dm2(x,y) \begin{align*} P_{(X,Y)} (B) :=& P \left( (X,Y) \in B \right) \\ =& \int_{B} f_{(X,Y)} (x,y) d m_{2} (x,y) \end{align*} として定義され、これを満たすf(X,Y)f_{(X,Y)}が存在する場合、XXYY合同密度を持つと言われる。
  2. 周辺分布: ボレル集合ARA \subset \mathbb{R}に対して、次を周辺分布と呼ぶ。 PX(A):=P(X,Y)(A×R)PY(A):=P(X,Y)(R×A) P_{X} (A) := P_{(X,Y)} ( A \times \mathbb{R} ) \\ P_{Y} (A) := P_{(X,Y)} ( \mathbb{R} \times A )

  • まだ測度論に触れていない場合、確率空間という言葉は無視してもいい。

公式

二つの確率変数の和X+YX+Yについて、上記の公式を紹介する。確率変数の和は直接的に平均の概念につながるため、その重要性は非常に大きいと言える。

  • 合同密度を持つXXYYに対して、周辺密度は次のように求められる。 fX(x)=Rf(X,Y)(x,y)dyfY(y)=Rf(X,Y)(x,y)dx f_{X} (x) = \int_{\mathbb{R}} f (X,Y) (x,y) dy \\ f_{Y} (y) = \int_{\mathbb{R}} f (X,Y) (x,y) dx

  • XXYYが合同密度fX,Yf_{X,Y}を持つ場合、 fX+Y(z)=RfX,Y(x,zx)dx f_{X+Y} (z) = \int_{\mathbb{R}} f_{X,Y} (x , z - x) dx

導出

y=x+yy ' = x + yとすると、フビニの定理により、 fX+Y(z)=P(X+Yz)=PX,Y({(x,y):x+yz})={(x,y):x+yz}fX,Y(x,y)dxdy=RzxfX,Y(x,y)dydx=zRfX,Y(x,yx)dxdy \begin{align*} f_{X+Y} (z) =& P ( X+Y \le z ) \\ =& P_{X,Y} \left( \left\{ (x,y) : x + y \le z \right\} \right) \\ =& \iint_{ \left\{ (x,y) : x + y \le z \right\} } f_{X,Y} (x,y) dx dy \\ =& \int_{\mathbb{R}} \int_{- \infty}^{z-x} f_{X,Y} (x,y) dy dx \\ =& \int_{- \infty}^{z} \int_{\mathbb{R}} f_{X,Y} (x,y ' - x) dx dy ' \end{align*}


  1. Capinski. (1999). Measure, Integral and Probability: p173~174. ↩︎