logo

カイ二乗分布 📂確率分布論

カイ二乗分布

定義 1

自由度 r>0r > 0に対して、以下のような確率密度関数を持つ連続確率分布 χ2(r)\chi^{2} (r)カイ二乗分布chi-square distributionと言う。 f(x)=1Γ(r/2)2r/2xr/21ex/2,x(0,) f(x) = {{ 1 } \over { \Gamma (r/2) 2^{r/2} }} x^{r/2-1} e^{-x/2} \qquad , x \in (0, \infty)


基本性質

モーメント生成関数

  • [1]: m(t)=(12t)r/2,t<12m(t) = (1-2t)^{-r/2} \qquad , t < {{ 1 } \over { 2 }}

平均と分散

  • [2] 平均と分散がXχ2(r)X \sim \chi^{2} (r)である場合、 E(X)=rVar(X)=2r \begin{align*} E(X) =& r \\ \Var (X) =& 2r \end{align*}

十分統計量

  • [3]: カイ二乗分布に従うランダムサンプル X:=(X1,,Xn)χ2(r)\mathbf{X} := \left( X_{1} , \cdots , X_{n} \right) \sim \chi^{2} (r)が与えられたとする。rrに対する十分統計量 TTは次の通り。 T=(iXi) T = \left( \prod_{i} X_{i} \right)

定理

kkモーメント

  • [a]: Xχ2(r)X \sim \chi^{2} (r)とする。k>r/2k > - r/ 2の場合、kk次モーメントが存在し、 EXk=2kΓ(r/2+k)Γ(r/2) E X^{k} = {{ 2^{k} \Gamma (r/2 + k) } \over { \Gamma (r/2) }}

ガンマ分布との関係

  • [b]: Γ(r2,2)    χ2(r)\Gamma \left( { r \over 2 } , 2 \right) \iff \chi ^2 (r)

F分布の導出

  • [c]: 2つの確率変数U,VU,Vが独立であり、Uχ2(r1)U \sim \chi^{2} ( r_{1})Vχ2(r2)V \sim \chi^{2} ( r_{2})である場合、 U/r1V/r2F(r1,r2) {{ U / r_{1} } \over { V / r_{2} }} \sim F \left( r_{1} , r_{2} \right)

標準正規分布の二乗との関係

  • [d]: XN(μ,σ2)X \sim N(\mu,\sigma ^2)の場合、 V=(Xμσ)2χ2(1) V=\left( { X - \mu \over \sigma} \right) ^2 \sim \chi ^2 (1)

説明

カイ二乗分布は、統計学全般で広く使用される分布で、特に適合度検定や分散分析などで最初に遭遇することが多い。

定理[d]は特に重要で、この定理の逆命題によって、標準化された残差residualsの二乗がカイ二乗分布χ2(1)\chi^{2} (1)に従わない場合、残差の正規性に問題があることを検出することができる。

証明

戦略 [1], [a]: 置換積分を通じて定積分記号の中にある物を外へ出し、ガンマ関数に変えるトリックを使用する。

ガンマ関数の定義: Γ(x):=0yx1eydy \Gamma (x) := \int_{0}^{\infty} y^{x-1} e^{y} dy

[1]

y=x(1/2t)y=x(1/2-t)のように置換すると、11/2tdy=dx{{ 1 } \over { 1/2 - t }}dy = dxであるため、 m(t)=0etx1Γ(r/2)2r/2xr/21ex/2dx=1Γ(r/2)2r/20xr/21ex(1/2t)dx=1Γ(r/2)2r/20(y1/2t)r/21ey11/2tdy=(1/2t)r/21Γ(r/2)2r/20yr/21eydy=(12t)r/21Γ(r/2)0yr/21eydy \begin{align*} m(t) =& \int_{0}^{\infty} e^{tx} {{ 1 } \over { \Gamma (r/2) 2^{r/2} }} x^{r/2-1} e^{-x/2} dx \\ =& {{ 1 } \over { \Gamma (r/2) 2^{r/2} }} \int_{0}^{\infty} x^{r/2-1} e^{x(1/2-t)} dx \\ =& {{ 1 } \over { \Gamma (r/2) 2^{r/2} }} \int_{0}^{\infty} \left( {{ y } \over { 1/2 -t }} \right)^{r/2-1} e^{y} {{ 1 } \over { 1/2 - t }} dy \\ =& (1/2-t)^{-r/2}{{ 1 } \over { \Gamma (r/2) 2^{r/2} }} \int_{0}^{\infty} y^{r/2-1} e^{y} dy \\ =& (1-2t)^{-r/2}{{ 1 } \over { \Gamma (r/2) }} \int_{0}^{\infty} y^{r/2-1} e^{y} dy \end{align*} ガンマ関数の定義により、 m(t)=(12t)r/2,t<12 m(t) = (1-2t)^{-r/2} \qquad , t < {{ 1 } \over { 2 }}

[2]

モーメント公式[a]に代入する。

[a]

y=x/2y = x/2のように置換すると、2dy=dx2 dy = dxであるため、 EXk=0xk1Γ(r/2)2r/2xr/21ex/2dx=1Γ(r/2)2r/20xr/2+k1ex/2dx=1Γ(r/2)2r/202r/2+k1yr/2+k1ey2dy=2kΓ(r/2)0y(r/2+k)1ey2dy \begin{align*} EX^{k} =& \int_{0}^{\infty} x^{k} {{ 1 } \over { \Gamma (r/2) 2^{r/2} }} x^{r/2-1} e^{-x/2} dx \\ =& {{ 1 } \over { \Gamma (r/2) 2^{r/2} }} \int_{0}^{\infty} x^{r/2+k-1} e^{-x/2} dx \\ =& {{ 1 } \over { \Gamma (r/2) 2^{r/2} }} \int_{0}^{\infty} 2^{r/2+k-1} y^{r/2+k-1} e^{-y} 2dy \\ =& {{ 2^{k} } \over { \Gamma (r/2) }} \int_{0}^{\infty} y^{(r/2+k)-1} e^{-y} 2dy \end{align*} ガンマ関数の定義により、 EXk=2kΓ(r/2+k)Γ(r/2) E X^{k} = {{ 2^{k} \Gamma (r/2 + k) } \over { \Gamma (r/2) }}

[b]

モーメント生成関数で示される。

[c]

ジョイント密度関数で直接演繹する。

[d]

確率密度関数で直接演繹する。

参照

一般化: 非中心カイ二乗分布


  1. Hogg et al. (2013). Introduction to Mathematical Statistics(7th Edition): p161. ↩︎