logo

二項分布の極限分布としてのポアソン分布の導出 📂確率分布論

二項分布の極限分布としてのポアソン分布の導出

定理

XnB(n,p)X_{n} \sim B(n,p)としよう。

もしμnp\mu \approx npならば XnDPoi(μ) X_{n} \overset{D}{\to} \text{Poi} (\mu)


  • B(n,p)B(n,p)は試行回数nn、確率pp二項分布だ。
  • Poi(λ)\text{Poi} (\lambda)は平均と分散がλ\lambdaポアソン分布だ。
  • D\overset{D}{\to}分布収束を意味する。

説明

ここで、μnp\mu \approx npという条件が必要であることに注意しよう。npnpq np \approx npqであるから、これはq=(1p)1q = (1-p) \approx 1、すなわちp0p \approx 0を意味する。これはppが非常に小さいことを意味する。

一方で、pμn\displaystyle p \approx { {\mu} \over {n} }であるから、nnは非常に大きくなければならない。この条件が出てくる理由は、ポアソン分布の平均と分散が同じであることから簡単に納得できるだろう。

証明

モーメント生成関数MX(t)M_{X} (t)を考えよう。 MX(t)={(1p)+pet}n={1+p(et1)}n M_{X} (t) = \left\{ (1-p) + p e^{t} \right\} ^{n} = \left\{ 1 + p (e^{t} - 1 ) \right\} ^{n} pμn\displaystyle p \approx { {\mu} \over {n} } であるから、 MX(t)={1+μ(et1)n}n M_{X} (t) = \left\{ 1 + { {\mu (e^{t} - 1 )} \over {n} } \right\} ^{n} したがって、 limnMX(t)=eμ(et1) \lim_{n \to \infty} M_{X} (t) = e^{ \mu (e^{t} - 1 ) } eμ(et1) e^{ \mu (e^{t} - 1 ) }Poi(μ)\text{Poi}(\mu)のモーメント生成関数であるから、XnX_{n}Poi(μ) \text{Poi} (\mu)に分布収束する。