logo

ラプラス分布の最尤推定量 📂確率分布論

ラプラス分布の最尤推定量

定理

ラプラス分布に従うランダムサンプル $\mathbf{X} := \left( X_{1} , \cdots , X_{n} \right) \sim \operatorname{Laplace}(\mu, b)$が与えられているとする。

$(\mu, b)$に対する最尤推定量 $(\hat{\mu}, \hat{b})$は次の通り。

$$ \hat{\mu} = \text{median}(\mathbf{x}_{1}, \cdots, \mathbf{x}_{n}) $$

$$ \hat{b} = \dfrac{1}{n} \sum\limits_{k=1}^{n} |x_{k} - \mu| $$

証明

ラプラス分布:

$\mu \in \mathbb{R}$と $b > 0$に対して、次のような確率密度関数を持つ連続確率分布 $\operatorname{Laplace}(\mu, b)$をラプラス分布Laplace distributionと呼ぶ。

$$ f(x) = \dfrac{1}{2b} \exp \left( -\dfrac{|x - \mu|}{b} \right) $$

ログ尤度を求めると次の通りになる。

$$ \begin{align*} \log L(\mu, b ; \mathbf{x}) &= \log f(\mathbf{x}; \mu, b) = \log \prod\limits_{k=1}^{n} f(x_{k}; \mu, b) \\ &= \sum\limits_{k=1}^{n} \log f(x_{k}; \mu, b) \\ &= \sum\limits_{k=1}^{n} \log \left( \dfrac{1}{2b} \exp \left( -\dfrac{|x_{k} - \mu|}{b} \right) \right) \\ &= -n \log 2b - \dfrac{1}{b} \sum\limits_{k=1}^{n} |x_{k} - \mu| \end{align*} $$

したがって、 $\argmax\limits_{\mu} \log L(\mu, b; \mathbf{x})$を求めると、

$$ \begin{align*} \argmax_{\mu} \left( -n \log 2b - \dfrac{1}{b} \sum\limits_{k=1}^{n} |x_{k} - \mu| \right) &= \argmax_{\mu} \left( -\sum\limits_{k=1}^{n} |x_{k} - \mu| \right) \\ &= \argmin_{\mu} \left( \sum\limits_{k=1}^{n} |x_{k} - \mu| \right) \\ \end{align*} $$

絶対値を最小化するのは中央値なので、

$$ \hat{\mu} = \text{median}(\mathbf{x}_{1}, \cdots, \mathbf{x}_{n}) $$

また、$\argmax\limits_{b} \log L(\mu, b; \mathbf{x})$は次を満たす $b$である。

$$ \dfrac{\partial}{\partial b} \log L(\mu, b; \mathbf{x}) = 0 $$

$$ \implies -n\dfrac{1}{b} + \dfrac{1}{b^{2}} \sum\limits_{k=1}^{n} |x_{k} - \mu| = 0 $$

$$ \implies b = \dfrac{1}{n} \sum\limits_{k=1}^{n} |x_{k} - \mu| $$

$$ \implies \hat{b} = \dfrac{1}{n} \sum\limits_{k=1}^{n} |x_{k} - \mu| $$