1
1

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(8) - ガンマ分布(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.ガンマ分布G(α,ν)

ガンマ分布G(α,ν)のは、指数分布を一般化したもので、その持つ意味合いは、**期間1/αあたりに1回起こると期待されるランダムな事象がν回起こるまでの時間の分布、**と言われています。やはり製品部品の寿命やウイルスの潜伏期間のほか、人の体重なんかも従うらしいです。

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}
\\
\\
&定数 \alpha,\; \nu を\alpha>0,\; \nu>0 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はガンマ分布G(\alpha,\nu)に従うという。\\
\\
&f(x) =
\left\{
\begin{array}{ll}
\frac{1}{\Gamma (\nu)} \alpha^\nu x^{\nu-1} e^{-\alpha x} & (x \geqq 0 \;のとき) \\
0 & (x<0\;のとき)
\end{array}
\right.\\
\\
\\
&念のため x \geqq 0の時の定義を大きく書いておきます。\\
&f(x) = \frac{1}{\Gamma (\nu)} \alpha^\nu x^{\nu-1} e^{-\alpha x}
\\
\\
&ここで\Gamma (\nu)は解析学でガンマ関数と呼ばれるものです。\\
\\
\\
&ここで以下が成り立つ。\\
&E[X] = \frac{\nu}{\alpha}\\
&V[X] = \frac{\nu}{\alpha^2}\\
&p(\Omega)=\int_{-\infty}^{\infty} f(x) dx = \int_{0}^{\infty}  \frac{1}{\Gamma (\nu)} \alpha^\nu x^{\nu-1} e^{-\alpha x} dx = 1\\

\\
&\qquad \qquad  \qquad \qquad  \qquad \qquad  \qquad \qquad \qquad  \qquad \qquad \qquad \qquad \qquad \qquad \qquad \qquad  \qquad  \\
\end{align}

##1-1.ガンマ関数の定義

\begin{align}
\\
&ガンマ関数の定義\\
&x>0の時\\
&\Gamma(x) =\int_{0}^{\infty} t^{x-1}e^{-t} dt\\
\\
\\
&ガンマ関数の性質\\
&[G1] \; \Gamma(1) = 1\\
\\
&[G2] \; \Gamma(x+1) = x\Gamma(x) \qquad 任意の実数x \geqq 1\\ 
&\qquad とくに、\\
&\qquad \Gamma(n+1) = n! \qquad 任意の非負整数n\\
\\
&[G3] \; \Gamma = \sqrt {\pi}\\
\\
\\

\\

&\qquad \qquad  \qquad \qquad  \qquad \qquad  \qquad \qquad \qquad  \qquad \qquad \qquad \qquad \qquad \qquad \qquad \qquad  \qquad  \\
\end{align}

簡単なので[G2]の証明を見てみたいと思います。

\begin{align}
\\
&部分積分を使います。\\

&[G2] \; \Gamma(x+1) = \int_{0}^{\infty} t^{x} e^{-t} dt\\
&\qquad = \int_{0}^{\infty} t^{x} \frac {d \;(-e^{-t})}{dt} dt\\
&\qquad = [t^x(-e^{-t})]_0^\infty - \int_{0}^{\infty} \frac{d\;t^{x}}{dt} (-e^{-t}) dt\\
&\qquad =[-t^xe^{-t}]_0^\infty + \int_{0}^{\infty} xt^{x-1} e^{-t} dt\\
&\qquad = 0 + x \Gamma(x) = x \Gamma(x) \qquad \qquad  Q.E.D.\\
\\
&\qquad \qquad  \qquad \qquad  \qquad \qquad  \qquad \qquad \qquad  \qquad \qquad \qquad \qquad \qquad \qquad \qquad \qquad  \qquad  \\
\end{align}

##1-2.Juliaで解く例題

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」

エクセルを用いたガンマ分布の計算の問題です。

--- 問題 ---

単位時間にα人の訪問者があるウェブの場合、ν人が訪問するまでの時間は次式の確率密度関数であるガンマ分布G(α,ν)に従う。訪問者が1分間に5人来るウェブの場合、訪問者が100人になる時間の確立密度分布を求めなさい。

--- Juliaの計算 ---

期間1/αあたりに1回起こると期待されるランダムな事象がν回起こるまでの時間の分布。
今の場合、問題より、1/α = 1/5です。

Juliaでは正規分布の確率密度の定義はDistributions.Gammaを使います。νとαが与えられれば、**Gamma(ν,1/α)**で定義します。juliaのAPIとガンマ分布の定義が少しずれているので、頭の体操が必要です。

using Plots
using Distributions
using StatPlots

v=100
a=1/5

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

println("F(10) = ", cdf(d,10))
println("F(15) = ", cdf(d,15))
println("F(20) = ", cdf(d,20))
println("F(25) = ", cdf(d,25))
println("F(30) = ", cdf(d,30))

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

分布の出力は以下のようになります。

F(10) = 3.200065324585125e-10   # 10分で100人来る確率 ほぼゼロ
F(15) = 0.0033524414981869707   # 15分で100人来る確率 ちょっとだけ
F(20) = 0.5132987982791488      # 20分で100人来る確率 50%の確率
F(25) = 0.990620868331174       # 25分で100人来る確率 99%の確率
F(30) = 0.9999940754596646      # 30分で100人来る確率 ほぼ1に近い

image.png

確率密度関数と分布のグラフです。

v=100
a=1/5
d=Gamma(v, a)
scatter(d, leg=false)         # 確率密度関数 散布図
bar!(d, func=cdf, alpha=0.3)  # 分布 棒グラフ

image.png

今回は以上です。

1
1
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
1
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?