高校数学[総目次]
数学B 第3章 統計的な推測
| スライド | ノート | 問題 | |
| 1. 確率変数と確率分布 | |||
| 2. 確率変数の期待値と分散 | |||
| 3. 確率変数の変換 | |||
| 4. 確率変数の和と期待値 | |||
| 5. 独立な確率変数と期待値・分散 | |||
| 6. 二項分布 | |||
| 7. 正規分布 | |||
| 8. 母集団と標本 | [会員] | ||
| 9. 推定 | |||
| 10. 仮説検定 |
5．独立な確率変数と期待値・分散
5.1 確率変数の独立
確率変数が互いに独立であるとはどういうことか
百円玉を投げて表が出れば１，裏が出れば２をとる確率変数を $X$ とする．同様に十円玉についても表が出れば１，裏が出れば２をとる確率変数を $Y$ とする．2枚の硬貨は表と裏が等確率で出るとして，この2枚を同時に投げたときの同時分布は次のようになる．
| $X\backslash Y$ | $1$ | $2$ | 計 |
| $1$ | $\dfrac14$ | $\dfrac14$ | $\dfrac12$ |
| $2$ | $\dfrac14$ | $\dfrac14$ | $\dfrac12$ |
| 計 | $\dfrac12$ | $\dfrac12$ | $1$ |
この表から例えば $X=1$ かつ $ Y=2$ の場合について，$P(X=1,Y=2)$ は同時分布表から $\dfrac14$ である．一方，周辺分布から $P(X=1)=\dfrac12$，$P(Y=2)=\dfrac12$ であるから，\[P(X=1)\times P(Y=2)=\frac12\times\frac12=\frac14\]である．つまり
\[P(X=1,Y=2)=P(X=1)P(Y=2)\]
が成り立っている．実のところ，$X=1,Y=2$ に限らず，$a,\ b$ がそれぞれ1と2のいずれであっても常に
\[P(X=a,Y=b)=P(X=a)P(Y=b)\]
が成り立つ．このとき2つの確率変数 $X,\ Y$ は互いに独立であるという．
確率変数の独立(定義) 2つの確率変数 $X,Y$ について，$X$ のとる任意の値 $a$ と，$Y$ のとる任意の値 $b$ について， \[P(X=a, Y=b)=P(X=a)P(Y=b)\] が成り立つとき，確率変数 $X$ と $Y$ は互いに独立(independent)であるという．
「互いに独立」の意味について
「互いに」というのは，$X$ は $Y$ から独立し，かつ $Y$ は $X$ から独立しているということである．実際，この式を $P(Y=b)$ で割ると，
\[\frac{P(X=a,Y=b)}{P(Y=b)}=P(X=a)\]
となるが，この左辺は $Y=b$ という条件の下で $X=a$ となる条件付き確率を表すから左辺を書き換えると
\[P_{Y=b}(X=a)=P(X=a)\]
となる．この式は $Y=b$ という条件を付けても $X=a$ となる確率に何の影響を及ぼしていないことを表しており，従って $X$ は $Y$ から「独立」しているといえる．
一方，今度は両辺を $P(X=a)$ で割ると，
\[\frac{P(X=a,Y=b)}{P(X=a)}=P(Y=b)\]
\[\therefore P_{X=a}(Y=b)=P(Y=b)\]
となって，$Y$ は $X$ から「独立」しているといえる．
従って $X$ と $Y$ は「互いに」独立しているといえる．
2つの試行が独立ならそれらに伴う確率変数も独立だが，逆はいえない
2つの試行 $S,T$ が独立ならば，$S$ によって決まる確率変数 $X$ と，$T$ によって決まる確率変数 $Y$ は互いに独立である．このことはほとんど明らかなように思われるが念のため確認しておこう．試行 $S$ によって事象 $A$ が起こり，この事象に対応する確率変数 $X$ の値を $a$，また試行 $T$ によって事象 $B$ が起こり，この事象に対応する確率変数 $Y$ の値を $b$ とする．確率のところで学んだ独立試行の確率の公式 により
\[\begin{align*} P(X=a,Y=b)&=P(A\cap B)\\[5pt] &=P(A)P(B)\\[5pt] &=P(X=a)P(Y=b) \end{align*}\]
となる．これは２つの試行 $S,T$ の任意の結果に対して成り立つ式であるから確率変数 $X,Y$ は互いに独立である．しかしこの逆，すなわち確率変数 $X,Y$ が互いに独立であったとしても，その元となる試行が独立とは限らない．
反例 赤と白のカードが2枚ずつあり，それぞれのカードにはカタカナが1つずつ書かれている．今，次の4枚を考える：
赤ア，赤イ，白ア，白イ
試行：4枚から1枚のカードを選ぶ
確率変数 $X$：赤ならば1，白ならば２
確率変数 $Y$：アならば1，イならば２
このとき，$i,j$ を１または２として
\[P(X=i,Y=j)=P(X=i)P(Y=j)\]
が常に成り立つが，$X,Y$ の元となる試行は同一のものであり，独立ではない．
互いに独立な複数の確率変数の同時分布が知りたけれは，周辺分布がわかればよい
2つの互いに独立な確率変数 $X,Y$ が，それぞれ次の確率分布に従うとする．
| $X$ | $x_1$ | $x_2$ | 計 |
| $P$ | $p_1$ | $p_2$ | $1$ |
| $Y$ | $y_1$ | $y_2$ | 計 |
| $P$ | $q_1$ | $q_2$ | $1$ |
このとき $X$ と $Y$ の同時分布は，$X$ と $Y$ が独立であるから次のようになる．
| $X\backslash Y$ | $y_1$ | $y_2$ | 計 |
| $x_1$ | $p_1q_1$ | $p_1q_2$ | $p_1$ |
| $x_2$ | $p_2q_1$ | $p_2q_2$ | $p_2$ |
| 計 | $q_1$ | $q_2$ | $1$ |
この表からわかるように，$X,Y$ が互いに独立のとき，$X$ と $Y$ の同時分布は周辺分布を知るだけで求められるのである．
ポイント $X,Y$ が互いに独立のとき，$X$ と $Y$ の同時分布は周辺分布を知るだけで求められる
3つ以上の確率変数の独立性
3つ以上の確率変数の独立性も，2つの場合と同様に定義される．例えば，3つの確率変数 $X,Y,Z$ が互いに独立であるとは次の場合をいう．
3つの確率変数 $X,Y,Z$ について，$X$ のとる任意の値 $a$ と，$Y$ のとる任意の値 $b$ と，$Z$ のとる任意の値 $c$ について，\[P(X\!=\!a,Y\!=\!b,Z\!=\!c)\!=\!P(X\!=\!a)P(X\!=\!b)P(Z\!=\!c)\] が成り立つとき，確率変数 $X$ と $Y$ と $Z$ は互いに独立であるという．
発展的注意
$X,Y,Z$ のうちの任意の2つが互いに独立でも，$X,Y,Z$ が互いに独立であるとは限らない
$X,Y,Z$ が互いに独立ならば，$X$ と $Y$，$Y$ と $Z$，$Z$ と $X$ というように任意の2つを選んでも互いに独立である(cf. 発展的補足1)が，その逆，すなわち $X$ と $Y$，$Y$ と $Z$，$Z$ と $X$ が互いに独立であっても $X,Y,Z$ が互いに独立になるとは限らない．
例 赤と白のカードが2枚ずつあり，それぞれのカードにはカタカナが1つずつ書かれている．今，次の4枚を考える：
赤ア，赤イ，白ア，白イ
この4枚から1枚を無作為に選ぶという試行を行う．そして次の3つの確率変数を導入する．
$X$：赤(赤アor赤イ)ならば10，白(白アor白イ)ならば20
$Y$：ア(赤アor白ア)ならば30，イ(赤イor白イ)ならば40
$Z$：赤アまたは白イならば50，赤イまたは白アならば60
これら3つの確率変数の分布はそれぞれ次のようになる：
| $X$ | $10$ | $20$ | 計 |
| $P$ | $\dfrac12$ | $\dfrac12$ | $1$ |
| $Y$ | $30$ | $40$ | 計 |
| $P$ | $\dfrac12$ | $\dfrac12$ | $1$ |
| $Z$ | $50$ | $60$ | 計 |
| $P$ | $\dfrac12$ | $\dfrac12$ | $1$ |
このとき，$X$ と $Y$，$Y$ と $Z$，$Z$ と $X$ の同時分布は次のようになる：
| $X\backslash Y$ | $30$ | $40$ | 計 |
| $10$ | $\dfrac14$ | $\dfrac14$ | $\dfrac12$ |
| $20$ | $\dfrac14$ | $\dfrac14$ | $\dfrac12$ |
| 計 | $\dfrac12$ | $\dfrac12$ | $1$ |
$X$ と $Y$ の同時分布
| $Y\backslash Z$ | $50$ | $60$ | 計 |
| $30$ | $\dfrac14$ | $\dfrac14$ | $\dfrac12$ |
| $40$ | $\dfrac14$ | $\dfrac14$ | $\dfrac12$ |
| 計 | $\dfrac12$ | $\dfrac12$ | $1$ |
$Y$ と $Z$ の同時分布
| $Z\backslash X$ | $10$ | $20$ | 計 |
| $50$ | $\dfrac14$ | $\dfrac14$ | $\dfrac12$ |
| $60$ | $\dfrac14$ | $\dfrac14$ | $\dfrac12$ |
| 計 | $\dfrac12$ | $\dfrac12$ | $1$ |
$Z$ と $X$ の同時分布
従って$X$ と $Y$，$Y$ と $Z$，$Z$ と $X$ は互いに独立である．然るに $X,Y,Z$ は互いに独立ではない．実際例えば $X=10,Y=30,Z=50$ に対応する事象は「赤ア」であるから
\[P(X=10,Y=30,Z=50)=\frac14\]
一方
\[P(X=10)P(X=30)P(X=50)=\left(\frac12\right)^3=\frac18\]
であるから両者は一致しない．
5.2 事象の独立と従属
事象が独立である例
4つの赤玉と4つの白玉合計8個の玉があり，それぞれの色の玉にはAとBが書かれた玉が2個ずつある．
赤A，赤A，赤B，赤B，白A，白A，白B，白B
この8個の玉が入った袋からランダムに1個取り出し，玉に書かれた文字を当てるゲームを考えよう。
今1個取り出したところ，玉の色が赤であった．この玉に書かれた文字がAである確率は，赤玉を取り出す確率が $\dfrac48$，赤玉かつAである確率は $\dfrac28$ であるから，玉の色が赤であるという条件の下，書かれた文字がAである条件付き確率は，
\[\frac{\frac28}{\frac48}=\frac12\]
である．
一方，袋からランダムに玉を1個取り出したとき，書かれた文字がAである確率は
\[\frac48=\frac12\]
であり，先ほどの確率と同じ値である．つまり「玉の色が赤である」という情報は，玉の文字を当てるのに何の役にも立たない．(取り出された玉の色を教えてもらっても，もらわなくても，玉に書かれた文字を当てる確率は同じ．)
事象が互いに独立であるとは(定義)
一般に，2つの事象 $A,B$ について，事象 $A$ が起こる条件の下で事象 $B$ が起こる確率 $P_A(B)$ と，条件を付けずに事象 $B$ が起こる確率 $P(B)$ が等しい，すなわち
$P_A(B)=P(B)\ \ \cdots$①
が成り立つとき，事象 $B$ は事象 $A$ に独立であるという．
実はこのとき，逆の「事象 $A$ は事象 $B$ に独立である」もいえる．というのも，確率の乗法定理
\[P(A\cap B)=P(A)P_A(B)\]
に上の①を代入すると
\[P(A\cap B)=P(A)P(B)\]
$P(B)\neq0$ のとき，この両辺を $P(B)$ で割ると，
\[\frac{P(A\cap B)}{P(B)}=P(A)\]
\[\therefore P_B(A)=P(A)\]
となるから，事象 $A$ は事象 $B$ に独立である．
従って，「事象 $A$ は事象 $B$ に独立である」ことと，「事象 $B$ は事象 $A$ に独立である」ことは同値で，このとき
\[P(A\cap B)=P(A)P(B)\]
が成り立つ．
一方，2つの事象 $A,B$ が独立でないとき，$A$ と $B$ は従属であるという．
独立事象の乗法定理
2つの事象 $A,B$ が互いに独立
$\iff\ P(A\cap B)=P(A)P(B)$
補足
この関係は $P(A)=0$ や $P(B)=0$ のとき，両辺が共に0となるから，これらの場合にも成り立つ．また，$P(A)=0$ のときは，$P_A(B)=P(B)$ と定義する．$P(B)=0$ のときも同様．つまり空事象はどんな事象とも独立である．
5.3 確率変数の独立と積の期待値
$E(XY)=E(X)E(Y)$ は成り立つか？
4節で「和の期待値＝期待値の和」を学んだが、「積の期待値＝期待値の積」すなわち２つの確率変数 $X,\ Y$ について
\[E(XY)=E(X)E(Y)\]
は成り立つのであろうか？
結論から言うと，この関係は一般には成り立たないが，$X$ と $Y$ がある条件を満たしていれば，上の関係は成り立つのである．そのある条件とは，$X$ と $Y$ が互いに独立であるという条件である．
それでは2つの確率変数が互いに独立のとき，冒頭で示した「積の期待値＝期待値の積」を示していく．
$E(XY)=E(X)E(Y)$ の証明
独立な2つの確率変数 $X,Y$ がそれぞれ次の確率分布に従うとする．
| $X$ | $x_1$ | $x_2$ | 計 |
| $P$ | $p_1$ | $p_2$ | $1$ |
| $Y$ | $y_1$ | $y_2$ | 計 |
| $P$ | $q_1$ | $q_2$ | $1$ |
このとき $X$ と $Y$ の同時分布は，$X$ と $Y$ が独立であるから次のようになる．
| $X\backslash Y$ | $y_1$ | $y_2$ | 計 |
| $x_1$ | $p_1q_1$ | $p_1q_2$ | $p_1$ |
| $x_2$ | $p_2q_1$ | $p_2q_2$ | $p_2$ |
| 計 | $q_1$ | $q_2$ | $1$ |
従って，積の確率変数 $XY$ の期待値(平均)は，
\[\begin{align*} &E(XY)\\[5pt] &=(x_1y_1)(p_1q_1)\!+\!(x_1y_2)(p_1q_2)\!+\!(x_2y_1)(p_2q_1)\!+\!(x_2y_2)(p_2q_2)\\[5pt] &=(x_1p_1+x_2p_2)(y_1q_1+y_2q_2)\\[5pt] &=E(X)E(Y) \end{align*}\]
独立な確率変数の積の期待値 2つの確率変数 $X,Y$ が互いに独立であるとき， \[E(XY)=E(X)E(Y)\]
確率変数が3つの場合
3つの確率変数 $X,Y,Z$ についても，これらが互いに独立のとき
\[E(XYZ)=E(X)E(Y)E(Z)\]
が成り立つことが，2つの場合と同様にして示される．このように確率変数が互いに独立であるときは，様々な関係が成り立つのである．
発展的補足
$E(XY)=E(X)E(Y)$ の一般の場合の証明
上では簡単のため，$X,Y$ のとる値は2つずつとしたが，一般の場合は次のように示される．
$X,Y$ が独立のとき，$E(X)=\mu$ (定数)とおくと，
\[\begin{align*} E(XY)&=\sum_{i=1}^m\sum_{j=1}^n (x_i\,y_j\cdot p_i\,q_j)\\[5pt] &=\sum_{j=1}^n \left\{y_j\,q_j\left(\sum_{i=1}^m x_i\,p_i\right)\right\}\\[5pt] &=\sum_{j=1}^n (y_j\,q_j\cdot \mu)\\[5pt] &=\mu\sum_{j=1}^n y_j\,q_j\\[5pt] &=\mu\cdot E(Y)\\[5pt] &=E(X)E(Y) \end{align*}\]
■
5.4 独立な確率変数の和の分散
$V(X+Y)=V(X)+V(Y)$ は成り立つか？
確率変数 $X,Y$ について，$E(X+Y)=E(X)+E(Y)$ はいつでも（つまり独立などの仮定を要件とせずとも)成り立つ関係であったが，分散の方はどうだろう．$V(X+Y)=V(X)+X(Y)$ は成り立つのだろうか？
実はこれは無条件では成り立たない．しかし $X$ と $Y$ が互いに独立であるならば成り立つのである．以下このことを確認する．
$V(X+Y)=V(X)+V(Y)$ の証明
2つの確率変数 $X,Y$ が互いに独立であるとき，$E(XY)=E(X)E(Y)$ が成り立つから，
\[\begin{align*} &V(X+Y)\\[5pt] &=E((X+Y)^2)-\{E(X+Y)\}^2\\[5pt] &=E(X^2+2XY+Y^2)-\{E(X)+E(Y)\}^2\\[5pt] &=E(X^2)+2\underline{\boldsymbol{E(XY)}}+E(Y^2)\\[5pt] &\hspace{10mm}-\bigl[\{E(X)\}^2+2E(X)E(Y)+\{E(Y)\}^2\bigr]\\[5pt] &=E(X^2)+2\underline{\boldsymbol{E(X)E(Y)}}+E(Y^2)\\[5pt] &\hspace{10mm}-\bigl[\{E(X)\}^2+2E(X)E(Y)+\{E(Y)\}^2\bigr]\\[5pt] &=\bigl[E(X^2)-\{E(X)\}^2\bigr]+\bigl[E(Y^2)-\{E(Y)\}^2\bigr]\\[5pt] &=V(X)+V(Y) \end{align*}\]
※下線部で $E(XY)=E(X)E(Y)$ を用いた．
独立な確率変数の和の分散 2つの確率変数 $X,Y$ が互いに独立であるとき， \[V(X+Y)=V(X)+V(Y)\]
$V(X+Y)=V(X)+V(Y)$ のアレンジ
また，$X$ と $Y$ が独立ならば，$a,b$ を定数として $aX$ と $bY$ も独立である．何故なら
\[P(X=x_,Y=y)=P(X=x)P(Y=y)\]
が成り立つとき，
\[P(aX=ax,bY=by)=P(aX=ax)P(bY=by)\]
は明らかに成り立つからである．従って既出の公式 $V(aX+b)=a^2V(X)$ により次も成り立つ．
$a,b$ を定数とする．2つの確率変数 $X,Y$ が互いに独立であるとき， \[V(aX+bY)=a^2V(X)+b^2V(Y)\]
注意
$V(X-Y)=V(X)-V(Y)$ とはならない．正しくは上の式から
\[\begin{align*} V(X-Y)&=1^2\cdot V(X)+(-1)^2\cdot V(Y)\\[5pt] &=V(X)+V(Y) \end{align*}\]
例題 $X,Y$ が互いに独立で，$V(X)=2,V(Y)=3$ のとき， $V(3X-2Y)$ の値を求めよ．
こたえ
解答例を表示する確率変数が3つの場合
互いに独立な3つ以上の確率変数 $X,Y,Z$ についても
\[\therefore V(X+Y+Z)=V(X)+V(Y)+V(Z)\]
など，同様の計算によって加法性が成り立つことが示される．また，
\[V(aX+bY+cZ)=a^2V(X)+b^2V(Y)+c^2V(Z)\]
も成り立つ．
発展的補足1
3つの確率変数が互いに独立なら任意に選んだ2つも互いに独立
すぐ上の「$\cdots$」で省略された計算過程で，3つの確率変数 $X,Y,Z$ が互いに独立であるとき，任意に選んだ2つも独立であるという事実を用いた．どれも同じであるから $X$ と $Y$ の2つが独立であることを示す．
\[Z=z_1,z_2,\cdots,z_n\]
とする．$X,Y,Z$ が独立であるから，$X,Y,Z$ がとり得る任意の $x_i,y_j,z_k$ について，
\[P(X\!=\!x_i,Y\!=\!y_j,Z\!=\!z_k)\!=\!P(X\!=\!x_i)P(Y\!=\!y_j)P(Z\!=\!z_k)\]
が成り立つ．いま $i$ と $j$ を固定して，上の両辺を $k$ で和をとると，
となる．
左辺について．「$X=x_i$ かつ $Y=y_j$ となる事象」を細かく分けて考えると「$Z=z_1$ となる事象，$Z=z_2$ となる事象，$\cdots$，$Z=z_n$ となる事象」の $n$ 個の事象に分けることができ，これらは互いに排反である．左辺はこれらの和事象の確率なので $P(X=x_i,Y=y_j)$ となる．
一方右辺は，
\[\begin{align*} (\mbox{右辺})&=P(X=x_i)P(Y=y_j)\displaystyle\sum_{k=1}^nP(Z=z_k)\\[5pt] &=P(X=x_i)P(Y=y_j)\cdot 1\\[5pt] &=P(X=x_i)P(Y=y_j) \end{align*}\]
となるから
\[P(X=x_i,Y=y_j)=P(X=x_i)P(Y=y_j)\]
となり，確率変数 $X,Y$ の独立性が示された．
発展的補足2
$V(X+Y)=V(X)+V(Y)$ は，独立より少しゆるい仮定でも成り立つ
上では $V(X+Y)=V(X)+V(Y)$ を導くのに $V(X)=E(X^2)-\{E(X)\}^2$ の公式を利用したが，定義通り計算して導くと次のようになる．
$E(X)=m_X,\ E(Y)=m_Y$ とすると，$E(X+Y)=m_X+m_Y$ であるから，
ただし，$E\left\{(X-m_X)(Y-m_Y)\right\}={\rm Cov}(X,Y)$ とおいた．${\rm Cov}(X,Y)$ は確率分布を用いた $X$ と $Y$ の共分散(covariance)であり，「数学Ⅰ データの分析」に出てきた共分散 $s_{xy}$ の一般形である．
更に $X$ と $Y$ の相関係数 $\rho_{XY}$ を
\[\rho_{XY}=\frac{{\rm Cov}(X,Y)}{\sqrt{V(X)}\sqrt{V(Y)}}\]
で定義すると，
\[{\rm Cov}(X,Y)=\rho_{XY}\cdot\sqrt{V(X)}\sqrt{V(Y)}\]
であるから，相関係数 $\rho_{XY}$ が0，すなわち確率変数 $X,Y$ が無相関であるならば，${\rm Cov}(X,Y)=0$ となり，$V(X+Y)=V(X)+V(Y)$ が導かれるのである．
確率変数 $X,Y$ が無相関のとき， \[V(X+Y)=V(X)+V(Y)\]
最初に示したときには「$X,Y$ が独立であるとき」という仮定をおいたが，ここでの仮定は「$X,Y$ が無相関のとき」となっていることに注意する．一般に $X,Y$ が独立ならば，$E(XY)=E(X)E(Y)$ より
\[\begin{align*} {\rm Cov}(X,Y)&=E\left\{(X-m_X)(Y-m_Y)\right\}\\[5pt] &=E(X-m_X)E(Y-m_Y)\\[5pt] &=0 \end{align*}\]
となるから「独立 $\Longrightarrow$ 無相関」だが，この逆はいえない．$V(X+Y)=V(X)+V(Y)$ が成り立つのは，「$X,Y$ が独立である」という強い仮定をおかなくても「$X,Y$ が無相関である」という少しゆるめた仮定でも成り立つのである．
これまでに学習したことをまとめると次のようになる：
まとめ \[\begin{align*} &E(aX+b)=aE(X)+b\\[5pt] &V(aX+b)=a^2V(X)\\[5pt] &E(X+Y)=E(X)+E(Y)\\[5pt] \end{align*}\] 以下は， $X$ と $Y$ が独立のとき成り立つ． \[\begin{align*} &E(XY)=E(X)E(Y)\\[5pt] &V(X+Y)=V(X)+V(Y)\\[5pt] &V(aX+bY)=a^2V(X)+b^2V(Y) \end{align*}\]
このページで疑問は解決されましたか？
こちら から数学に関するご質問・ご要望をお寄せください。
高校数学[総目次]
数学B 第3章 統計的な推測
| スライド | ノート | 問題 | |
| 1. 確率変数と確率分布 | |||
| 2. 確率変数の期待値と分散 | |||
| 3. 確率変数の変換 | |||
| 4. 確率変数の和と期待値 | |||
| 5. 独立な確率変数と期待値・分散 | |||
| 6. 二項分布 | |||
| 7. 正規分布 | |||
| 8. 母集団と標本 | [会員] | ||
| 9. 推定 | |||
| 10. 仮説検定 |