0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 5 years have passed since last update.

Juliaで学ぶ確率変数(7) - 指数分布(連続型)

Last updated at Posted at 2018-11-18

Juliaで学ぶ確率変数(1) - 確率変数の定義 - Qiita
Juliaで学ぶ確率変数(11) - まとめ - Qiita

 確率変数を勉強中ですが、**「確率統計」(森北出版)は数学的に明確な定義がしっかり書かれているので、これを中心に勉強しています。あわせて「統計学入門」(東京大学出版会)「確率論入門」(ちくま学芸文庫、赤攝也)**も併読しています。

 本記事は、それらの教科書を読みながら、実際に例題や問題をJuliaで解いていく試みです。Juliaの連続型確率変数のライブラリのドキュメントです。 ==>Distributions/Univariate/ContinuousDistributions

#1.指数分布 Ex(λ)

指数分布 Ex(λ)は、『連続的な待ち時間分布』と呼ばれ、期間1/λあたりに1回起きると期待される事象が1回起きるまでの時間の分布、という意味を持つとされています。幾何分布と同じく待ち時間分布という性質を持っています。機械の部品などの故障時間の分布として使われることが多い。

ガンマ分布のはなし - 統計学といくつかのよしなしごと

\begin{align}
\\
\\
&\lambdaを正の定数とする。\\
\\
&X: \Omega \rightarrow 非負の実数値\\
\\
&確率密度関数f(x)が以下のように書けるとき、Xは指数分布Ex(\lambda)に従うという。\\
\\
&f(x) =
\left\{
\begin{array}{ll}
\lambda e^{-\lambda x} & (x \geqq 0 \;のとき) \\
0 & (x<0\;のとき)
\end{array}
\right.\\
\\
\\
&ここで、以下が成り立つ。\\
&p(\Omega)=\int_{-\infty}^{\infty} f(x) dx = \int_{0}^{\infty} \lambda e^{-\lambda x} dx = 1\\
&E[X] = \int_{0}^{\infty} xf(x) dx = \frac {1} {\lambda}\\
&V[X] = \int_{0}^{\infty} (x - E[X])^2 f(x) dx = \frac {1} {\lambda^2}\\
&F(x) = p(\{X \leqq x\}) 
= \int_{-\infty}^{x} f(t) dt 
= \int_{0}^{x} \lambda e^{-\lambda t} dt = 1-e^{-\lambda x}\\
\\
&\qquad \qquad  \qquad \qquad  \qquad \qquad  \qquad \qquad \qquad  \qquad \qquad \qquad \qquad \qquad \qquad \qquad \qquad  \qquad  \\
\end{align}

##1-1.p(Ω)の証明

解析学の練習にp(Ω)とE[X]、F(x)の証明を追ってみたいと思います。「確率統計」(森北出版)の証明は全く分からなかったので、「改訂版 解析学大要」(養賢堂)で解析学を復習しつつ試みました。

\begin{align}

\\
&p(\Omega)=\int_{-\infty}^{\infty} f(x) dx = \int_{0}^{\infty} \lambda e^{-\lambda x} dx\\
\\
&上の定義から以下を導きます。\\
&p(\Omega)  = 1\\
\\
\\
&まず \; x=\varphi(t) = -\frac{t}{\lambda} \; とすると、t = -\lambda x となります。\\
&\varphi(0)=0,\; \varphi(-\infty)=\infty \; であるから、置換積分により、\\
&p(\Omega) = \int_{0}^{\infty} \lambda e^{-\lambda x} dx 
= \lambda \int_{0}^{-\infty} e^{t} \frac{dx}{dt} dt 
= \lambda \int_{0}^{-\infty} e^{t} \frac{-1}{\lambda} dt  \\
&= -\int_{0}^{-\infty} e^{t} dt 
= -[e^t]_0^{-\infty}\\
\\
\\
&一般に、\lim_{x \to -\infty} e^x = 0,\; e^0=1が成り立つから、\\
\\
&p(\Omega) = -(0-1)=1  \qquad \qquad  Q.E.D.\\
\\
&\qquad \qquad  \qquad \qquad  \qquad \qquad  \qquad \qquad \qquad  \qquad \qquad \qquad \qquad \qquad \qquad \qquad  \\
\end{align}

##1-2. E[X]の証明

\begin{align}

\\
&E[X]=\int_{0}^{\infty} xf(x) dx = \int_{0}^{\infty} x \lambda e^{-\lambda x} dx\\
\\
&上の定義から以下を導きます。\\
&E[X]  = \frac {1} {\lambda}\\
\\
\\
&まず \; x=\varphi(t) = \frac{t}{\lambda} \; とすると、t = \lambda x となります。\\
&\varphi(0)=0,\; \varphi(\infty)=\infty \; であるから、置換積分により、\\
&E[X] = \int_{0}^{\infty} x \lambda e^{-\lambda x} dx = \int_{0}^{\infty} t e^{-t} \frac{dx}{dt} dt =\int_{0}^{\infty} t e^{-t} \frac{1}{\lambda} dt  = \frac{1}{\lambda} \int_{0}^{\infty} t e^{-t} dt \\
\\
&また\frac{d\;(-e^{-t})}{dt}=e^{-t}だから、部分積分により、\\
&\lambda \; E[X] = \int_{0}^{\infty} t e^{-t} dt
= \int_{0}^{\infty} t \frac{d\;(-e^{-t})}{dt} dt\\
&= [t(-e^{-t})]_0^\infty - \int_{0}^{\infty} (-e^{-t})dt \\
&= [t(-e^{-t})]_0^\infty - [e^{-t}]_0^\infty\\
\\
&一般に、\lim_{x \to -\infty} e^x = 0,\; \lim_{x \to \infty} xe^{-x} = 0 ,\; e^0=1が成り立つから、\\
&\lambda \; E[X] = 0 - (-1) = 1
\\
&よって \; E[X]=\frac {1} {\lambda}  \qquad \qquad  Q.E.D.\\
\\
&\qquad \qquad  \qquad \qquad  \qquad \qquad  \qquad \qquad \qquad  \qquad \qquad \qquad \qquad \qquad \qquad \qquad  \\
\end{align}

##1-3.F(x)の証明

\begin{align}

\\
&F(x) = p(\{X \leqq x\}) 
= \int_{-\infty}^{x} f(t) dt 
= \int_{0}^{x} \lambda e^{-\lambda t} dt\\
\\
&上の定義から以下を導きます。\\
&F(x)  = 1-e^{-\lambda x}\\
\\
\\
&「1-1.P(\Omega)の証明」と同じようにして以下が成り立つ。\\
\\
&まず \; t=\varphi(s) = -\frac{s}{\lambda} \; とすると、s = -\lambda t となります。\\
&\varphi(0)=0,\; \varphi(-\lambda x)=x \; であるから、置換積分により、\\
&F(x) = \int_{0}^{x} \lambda e^{-\lambda t} dt 
= \lambda \int_{0}^{-\lambda x} e^{s} \frac{dt}{ds} ds 
= \lambda \int_{0}^{-\lambda x} e^{s} \frac{-1}{\lambda} ds  \\
&= -\int_{0}^{-\lambda x} e^{s} ds 
= -[e^s]_0^{-\lambda x}=1-e^{-\lambda x}\\
\\
&Q.E.D.\\
\\
&\qquad \qquad  \qquad \qquad  \qquad \qquad  \qquad \qquad \qquad  \qquad \qquad \qquad \qquad \qquad \qquad \qquad \\
\end{align}

計算するとき便利でした。==>「数列の極限」

##1-4.Juliaで解く例題(1)

Juliaで分布を扱うための基礎知識は以下のページを参照してください。
「Juliaで学ぶ確率変数(1) - 確率変数の定義」の「4.Juliaで確率分布を扱う」

以下のサイトの例題を考えてみます。

[練習問題(15. いろいろな確率分布3)- 統計WEB]
https://bellcurve.jp/statistics/course/8282.html

--- 問題 ---

Kさんのもとには、日々たくさんのお問い合わせメールが届く。お問い合わせメールに対する返信メールの作成時間は1通あたり平均15分の指数分布に従うと仮定できる。

1.作成時間が30分以上となる確率を求めよ。
2.また、作成時間が5分以上10分以下となる確率を求めよ。

--- 解答 ---

\begin{align}
&まず\lambdaを求めます。指数分布の期待値の公式より、E[X]=\frac{1}{\lambda}=15なので、\\
&\lambda=\frac{1}{15}と求められます。\\
\\
\\
&メールの作成時間が30分以下となる確率は、分布F(30)と表現できます。\\
&F(30) = 1-e^{-\lambda 30} = 1-e^{-\frac{1}{15} 30}= 1-e^{-2}\\\
\\
&作成時間が30分以上となる確率は、余事象の確率で、1-F(30)、となります。
\\
\\
\\
&作成時間が5分以上10分以下となる確率は分布で、F(10) - F(5)、となります。\\
&F(10) - F(5) = (1-e^{-\lambda 10}) - (1-e^{-\lambda 5}) = e^{-\frac{1}{15} 5}-e^{-\frac{1}{15} 10}\\
\\
\\
&これ以上の具体的な計算は、Juliaに任せます。\\
&Q.E.D.\\
\\
&\qquad \qquad  \qquad \qquad  \qquad \qquad  \qquad \qquad \qquad  \qquad \qquad \qquad \qquad \qquad \qquad \qquad \qquad \\
\\

\end{align}

--- Juliaの計算 ---

JuliaのパッケージDistributionsでは、確率密度関数(Probability Density Function = PDF)の評価はpdf関数でした。分布(累積分布関数) (Cumulative Distribution Function = CDF)の評価はcdf関数を使います。

Distributions.cdf
Distributions.cdf — Method.
cdf(d::UnivariateDistribution, x::Real)
Evaluate the cumulative probability at x.

Juliaでは正規分布の確率密度の定義はDistributions.Exponentialを使います。\lambdaが与えられれば、**Exponential(1/lambda)**で定義します。Exponential(lambda)でないことに注意してください。

using Plots
using Distributions
using StatPlots

d=Exponential(15)
plot(d,fill=(0, .5,:orange))

println("F(30) = ", cdf(d,30))
println("1 - F(30) = ", 1-cdf(d,30))
println("F(10) - F(5) = ", cdf(d,10) -cdf(d,5))

plot(d,fill=(0, .5,:orange))

出力は以下のようになります。

F(30) = 0.8646647167633873          # メールの作成時間が30分以下となる確率
1 - F(30) = 0.1353352832366127      # 作成時間が30分以上となる確率
F(10) - F(5) = 0.20311419154119725  # 作成時間が5分以上10分以下となる確率

image.png

確率密度関数と分布の関係をグラフで表します。

d=Exponential(15)
scatter(d, leg=false)         # 確率密度関数
bar!(d, func=cdf, alpha=0.3)  # 分布

image.png

##1-5.Juliaで解く例題(2)

「確率統計」(森北出版)にある例題です。

--- 問題 ---

ある機械がx時間以内に故障する確率F(x)が以下の式で与えられているとする。
$$F(x)=1-e^{-\frac{x}{100}} \qquad (x>0)$$

1.機械が故障するまでの時間X従う分布と確率密度関数を求めよ。
2.機械が故障するまでの時間の平均E[X]と分散V[X]を求めよ。
3.この機械が故障するまでの時間が200時間を超える確率pを求めよ。

--- 解答 ---

\begin{align}
&1.まず分布の定義と問題の条件より、\\
&F(x) = p(\{X \leqq x\})= 1-e^{-\frac{x}{100}} \qquad (x>0)\\
\\
&ゆえに確率密度関数f(x)は以下のようになる。\\
&f(x) = \frac{d \; F(x)}{dx} = \frac{1}{100} e^{-\frac{x}{100}}\\
\\
&つまり\lambda = \frac{1}{100}として、Xは指数分布E_x(\frac{1}{100})に従うと言える。\\
\\
\\
\\
&2.\lambda = \frac{1}{100}だから、\\
&E[X] = \frac {1} {\lambda} = 100\\
&V[X] = \frac {1} {\lambda^2} = 10000\\
\\
\\
\\
&3.200時間までに機械が故障する確率はF(200)で表される。\\
&求める確率は余事象の確率なので、p=1-F(200)となる。\\
\\
\\
&これ以上の具体的な計算は、Juliaに任せます。\\
&Q.E.D.\\
\\
&\qquad \qquad  \qquad \qquad  \qquad \qquad  \qquad \qquad \qquad  \qquad \qquad \qquad \qquad \qquad \qquad  \qquad \qquad \\
\\

\end{align}

--- Juliaの計算 ---

using Plots
using Distributions
using StatPlots

d=Exponential(100)
plot(d,fill=(0, .5,:orange))

println("F(200) = ", cdf(d,200))
println("1 - F(200) = ", 1-cdf(d,200))

plot(d,fill=(0, .5,:orange),xlabel = "time")

出力は以下のようになります。

F(200) = 0.8646647167633873         # 200時間までに機械が故障する確率
1 - F(200) = 0.1353352832366127     # 故障するまでの時間が200時間を超える確率

image.png

確率密度関数と分布の関係をグラフで表します。

d=Exponential(100)
scatter(d, leg=false)         # 確率密度関数
bar!(d, func=cdf, alpha=0.3)  # 分布

image.png

今回は以上です。

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?