はじめに
「入門・演習 数理統計」の演習問題の自作解答を紹介します。
|
間違い等発見されましたらご指摘ください。
他の解答はこちらから。
なお、問題文は(必要がない限り)掲載しておりません。テキストを横に置いてご覧ください。
また、スマートフォン等では数式が画面からはみ出る場合があります。数式部分は横スクロールできます。
スポンサーリンク
$\newcommand{\lnl}{\\[8pt]}$ $\newcommand{\Lnl}{\\[18pt]}$ $\newcommand{\delt}{\mathrm{d}}$ $\newcommand{\comb}{\mathrm{C}}$ $\DeclareMathOperator*{\ssum}{\Sigma}$ $\DeclareMathOperator*{\sprod}{\Pi}$
ex3.A.4
ここではパレート分布を扱います。
(i)分布関数の導出
与えられた密度関数、
\begin{align}
f_X(x) = \begin{cases} \theta k^{\theta} x^{-\theta-1} & x \ge k\\
0&x < k\end{cases} \end{align}
より、明らかに$x < k$のとき$F_X(x)= 0$である。
$x \ge k$のときは、
f_X(x) = \begin{cases} \theta k^{\theta} x^{-\theta-1} & x \ge k\\
0&x < k\end{cases} \end{align}
\begin{align}
F_X(x) &= \int_k^x \theta k^{\theta} t^{-\theta-1} dt\\
&= \theta k^{\theta} \left[\frac{t^{-\theta}}{-\theta}\right]_k^x\\
&= 1- \left(\frac{k}{x}\right)^\theta
\end{align}
よって示された。
(ii)期待値・分散の導出
期待値
定義通りに計算する。
\begin{align}
E(X) &= \int_k^{\infty} x\cdot\theta k^{\theta} x^{-\theta-1} dx\\
&= \theta k^{\theta} \left[\frac{x^{-\theta+1}}{-\theta+1}\right]_{k}^{\infty}\\
&= \frac{\theta k}{\theta-1}
\end{align}
E(X) &= \int_k^{\infty} x\cdot\theta k^{\theta} x^{-\theta-1} dx\\
&= \theta k^{\theta} \left[\frac{x^{-\theta+1}}{-\theta+1}\right]_{k}^{\infty}\\
&= \frac{\theta k}{\theta-1}
\end{align}
ただし、広義積分が収束するためには$\theta > 1$が必要。$0 < \theta \le 1$のとき、期待値は存在しない。 以上より示された。
分散
$E(X^2)$を計算する。
\begin{align}
E(X^2) &= \int_k^{\infty} x^2\cdot\theta k^{\theta} x^{-\theta-1} dx\\
&= \theta k^{\theta} \left[\frac{x^{-\theta+2}}{-\theta+2}\right]_{k}^{\infty}\\
&= \frac{\theta k^2}{\theta-2}
\end{align}
E(X^2) &= \int_k^{\infty} x^2\cdot\theta k^{\theta} x^{-\theta-1} dx\\
&= \theta k^{\theta} \left[\frac{x^{-\theta+2}}{-\theta+2}\right]_{k}^{\infty}\\
&= \frac{\theta k^2}{\theta-2}
\end{align}
ただし、広義積分が収束するためには$\theta > 2$が必要。$0 < \theta \le 2$のとき、$E(X^2)$は存在しない。 よって、$\theta > 2$で
\begin{align}
V(X) &= E(X^2) – E(X)^2 = \frac{\theta k^2}{\theta-2} – \left(\frac{\theta k}{\theta -1}\right)^2
\end{align}
V(X) &= E(X^2) – E(X)^2 = \frac{\theta k^2}{\theta-2} – \left(\frac{\theta k}{\theta -1}\right)^2
\end{align}
となり示された。