統計検定1級 2018 統計数理 問3 解説
統計検定1級 2018 統計数理
パラメータ の二項分布 に従う確率変数をとする. の確率関数は
\begin{align}p(x) = P(X=x) = {}_n C _x \theta ^x (1 - \theta )^{n-x} \hspace{10mm} (x = 0, 1, \ldots , n) \end{align}
である. ここでは二項係数である. 以下の各問に答えよ.
の期待値 と分散 を求めよ.
解
について,
\begin{align} E[X] &= n\theta\\ V[X] &= n\theta (1- \theta ) \end{align} である.
の条件下での の条件付き確率関数 は
\begin{align} h(x) = \frac{ {}_n C _x \theta ^x (1 - \theta )^{n-x} }{ 1 - (1 - \theta ) ^n} \hspace{10mm} (x = 1, \ldots , n) \end{align}
であることを示せ.
解
条件付き確率を考える.
\begin{align} P(X=x | X \ge 1) &= \frac{ P(X=x , X \ge 1) }{ P(X \ge 1)} \\ &= \frac{ P(X=x ) }{ P(X \ge 1)} \end{align}
ここで,
\begin{align} P(X \ge 1) &= 1 - P(X = 0) \\ &= 1 - (1 - \theta ) ^n \end{align}
である. したがって,
\begin{align} h(x) &= \frac{ P(X=x ) }{ P(X \ge 1)} \\ &= \frac{ {}_n C _x \theta ^x (1 - \theta )^{n-x} }{ 1 - (1 - \theta ) ^n} \end{align}
の条件付き期待値 と条件付き分散 を求めよ.
解
を考える.
ここで,
であるので,
である. したがって,
のとき, となるのはがいくらのときか.
解
として,
\begin{align} \theta = 1 - \left ( \frac{1}{2} \right ) ^{\frac{1}{8}} \hspace{10mm} \blacksquare \end{align}
(2)で求めた条件付き分布からの独立な個の観測値をとし, それらの標本平均を とする. このとき, パラメータの最尤推定値の計算法を示せ. また, はモーメント法に基づく推定値であることを示せ.
解
尤度関数は,
\begin{align} L(\theta ) &= \prod _{i=1} ^{m} h(y_i) \\ &= \prod _{i=1} ^{m} \frac{ {}_n C _{y_i} \theta ^{y_i} (1 - \theta )^{n-y_i} }{ 1 - (1 - \theta ) ^n} \\ &= \frac{ 1 }{ \{ 1 - (1 - \theta ) ^n \} ^m } {}_n C _{y_1} \cdots {}_n C _{y_m} \theta ^{y_1 + \cdots + y_m} (1 - \theta )^{nm - (y_1 + \cdots + y_m)} \\ &= \{ 1 - (1 - \theta ) ^n \} ^{-m} {}_n C _{y_1} \cdots {}_n C _{y_m} \theta ^{m\bar{y}} (1 - \theta )^{nm - m\bar{y} } \end{align}
と書ける. 両辺の対数をとり, で微分して対数尤度方程式を導く.
\begin{align} & \frac{d}{d\theta } \log L(\theta ) = 0 \\ \iff & \frac{d}{d\theta } \log \left[ \{ 1 - (1 - \theta ) ^n \} ^{-m} {}_n C _{y_1} \cdots {}_n C _{y_m} \theta ^{m\bar{y}} (1 - \theta )^{nm - m\bar{y} } \right ] = 0 \\ \iff & \frac{d}{d\theta } \left[ -m \log \left\{ 1 - (1 - \theta ) ^n \right \} + \log \left[ {}_n C _{y_1} \cdots {}_n C _{y_m} \right ] + m\bar{y} \log \theta + (nm - m\bar{y}) \log (1 - \theta ) \right] = 0 \\ \iff & -\frac{mn (1 - \theta ) ^n }{1 - (1 - \theta ) ^n } +\frac{m\bar{y}}{\theta} + \frac{mn - m\bar{y}} {1 - \theta } = 0 \\ \iff & n \theta = \bar{y} \{ 1- (1 - \theta ) ^n \} \end{align}
以上でが満たすべき対数尤度方程式が得られた.
一般のに対してこの方程式を代数的に解くのは極めて困難なので, を適当にとり,
\begin{align} \theta _{i+1} = \frac{1}{n} \bar{y} \{ 1- (1 - \theta _{i}) ^n \} \end{align}
を反復的に計算する.
先に導いた対数尤度方程式より標本平均が分布の期待値に一致するのでモーメント法に基づく推定値である.