##はじめに
本記事は, 機械学習の教科書の決定版ともいえる, Dr. Christopher Bishopによる『Pattern Recognition and Machine Learning （パターン認識と機械学習）』, 通称PRMLの演習問題のうち, 私が解いた問題の解答を記したものです. これは, 私の所属する生物測定学研究室の輪読会でPRMLを取り扱っており, その勉強の一環として演習問題を解いたときのものです. なお, 他の演習問題の解答例に関する記事については, PRML 演習問題 解答集 まとめをご覧ください.
問題
この演習問題では$\mathrm{Beta\left(\mu|a,b\right)} = \frac{\Gamma\left(\mathrm{a+b}\right)}{\Gamma\left(\mathrm{a}\right)\Gamma\left(\mathrm{b}\right)}\mu^{\mathrm{a-1}}\left(1-\mu\right)^{\mathrm{b}-1}$ (2.13)のベータ分布が, $\int^1_0\mathrm{Beta\left(\mu|a,b\right)}\mathrm{d}\mu = 1$ (2.14)が成立するように正しく正規化されていることを証明する. これは
$$
\int^1_0\mu^{\mathrm{a-1}}\left(1-\mu\right)^{\mathrm{b}-1} \mathrm{d}\mu
=\frac{\Gamma\left(\mathrm{a}\right)\Gamma\left(\mathrm{b}\right)}{\Gamma\left(\mathrm{a + b}\right)} \tag{2.265}
$$
を示すことと等価である. ガンマ関数の定義$\Gamma(x)\equiv \int_0^\infty \mathrm{u}^{x - 1} \mathrm{e}^{-u}\mathrm{d}u$ (1.141)より,
$$
\Gamma\left(\mathrm{a}\right)\Gamma\left(\mathrm{b}\right) = \int_0^\infty\mathrm{exp}(-x),x^{\mathrm{a}-1}
\mathrm{d}x \int_0^\infty\mathrm{exp}(-y),y^{\mathrm{b}-1}
\mathrm{d}y \tag{2.266}
$$
を得る. この式を用いて, 次のようにして(2.265)を証明せよ. まず, $y$についての積分を, $x$についての積分の被積分関数の中に移す. 次に, $x$を固定して$t＝x＋y$と置換し, $x$と$t$の積分の順序を交換する. 最後に, $t$を固定して$x = t\mu$と置換する.
解答
まず(2.265)の$y$についての積分を$x$についての被積分関数の中に移す.
\begin{align}
\Gamma\left(\mathrm{a}\right)\Gamma\left(\mathrm{b}\right)
&=
\int_0^\infty\mathrm{exp}(-x)\,x^{\mathrm{a}-1} \mathrm{d}x \int_0^\infty\mathrm{exp}(-y)\,y^{\mathrm{b}-1}
\mathrm{d}y \\
&=
\int_0^\infty \int_0^\infty \mathrm{exp}(-x-y)\,x^{\mathrm{a}-1}y^{\mathrm{b}-1} \mathrm{d}y \mathrm{d}x
\end{align}
次に, $x$を固定して$t = x + y$と置換する. $\frac{\mathrm{d}t}{\mathrm{d}y} = 1$で, $y$が$\left[0,\infty\right)$のとき$t$は$\left[x,\infty\right)$であるので
\begin{align}
\Gamma\left(\mathrm{a}\right)\Gamma\left(\mathrm{b}\right)
&=
\int_0^\infty \int_0^\infty \mathrm{exp}(-x-y)\,x^{\mathrm{a}-1}y^{\mathrm{b}-1} \mathrm{d}y \mathrm{d}x \\
&= \int_0^\infty \int_x^\infty \mathrm{exp}(-t) x^{\mathrm{a}-1}\left(t-x\right)^{\mathrm{b}-1} \mathrm{d}t \mathrm{d}x
\end{align}
を得る. そして, $x$と$t$の積分の順番を入れ替える. この時, はじめに$x$で積分を行う際は, $t$を固定して$\left[0,t\right]$で積分し, その後に$t$を$\left[0,\infty\right]$で動かす. よって
\begin{align}
\Gamma\left(\mathrm{a}\right)\Gamma\left(\mathrm{b}\right)
&=
\int_0^\infty \int_x^\infty \mathrm{exp}(-t) x^{\mathrm{a}-1}\left(t-x\right)^{\mathrm{b}-1} \mathrm{d}t \mathrm{d}x \\
&=
\int_0^\infty \int_0^t \mathrm{exp}(-t) x^{\mathrm{a}-1}\left(t-x\right)^{\mathrm{b}-1} \mathrm{d}x \mathrm{d}t
\end{align}
を得る. 最後に$x = t\mu$と置換する. $\frac{\mathrm{d}\mu}{\mathrm{d}x} = t$で$x$が$\left[0,t\right]$をとるとき, $\mu$は$\left[0,1\right]$をとる. よって
\begin{align}
\Gamma\left(\mathrm{a}\right)\Gamma\left(\mathrm{b}\right)
&=
\int_0^\infty \int_0^t \mathrm{exp}(-t) x^{\mathrm{a}-1}\left(t-x\right)^{\mathrm{b}-1} \mathrm{d}x\mathrm{d}t \\
&=
\int_0^\infty \int_0^1 \mathrm{exp}(-t) \left(t\mu\right)^{\mathrm{a}-1}\left(t-t\mu\right)^{\mathrm{b}-1}t \mathrm{d}\mu\mathrm{d}t \\
&=
\int_0^\infty \mathrm{exp}(-t)t^{\mathrm{a + b -1}}\mathrm{d}t \cdot \int_0^1 \mu^{\mathrm{a - 1}} (1 - \mu)^{\mathrm{b - 1}} \mathrm{d}\mu
\end{align}
ガンマ関数の定義式 $\Gamma(x)\equiv \int_0^\infty \mathrm{u}^{x - 1} \mathrm{e}^{-u}\mathrm{d}u$ (1.141)より
\begin{align}
\Gamma\left(\mathrm{a}\right)\Gamma\left(\mathrm{b}\right)
&=
\int_0^\infty \mathrm{exp}(-t)t^{\mathrm{a + b -1}}\mathrm{d}t \cdot \int_0^1 \mu^{\mathrm{a - 1}} (1 - \mu)^{\mathrm{b - 1}} \mathrm{d}\mu \\
&=
\Gamma\left(\mathrm{a + b}\right) \int_0^1 \mu^{\mathrm{a - 1}} (1 - \mu)^{\mathrm{b - 1}} \mathrm{d}\mu
\end{align}
を得る. 上式の辺々を$\Gamma\left(\mathrm{a + b}\right)$で割ると(2.265)を得ることができる.
よって(2.265)は示された。