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
$\newcommand{\lnl}{\\[8pt]}$ $\newcommand{\Lnl}{\\[18pt]}$ $\newcommand{\delt}{\mathrm{d}}$ $\newcommand{\comb}{\mathrm{C}}$ $\DeclareMathOperator*{\ssum}{\Sigma}$ $\DeclareMathOperator*{\sprod}{\Pi}$
ex6.3.1
パラメータ$\beta$の指数分布の確率密度関数$f_X(x)$は,$x > 0$で
\begin{align}
f_X(x) &= \beta \exp(-\beta x)
\end{align}
f_X(x) &= \beta \exp(-\beta x)
\end{align}
である.尤度関数は
\begin{align}
L(\beta; \bm{x}) &= \prod_{i=1}^n\Big(\beta \exp(-\beta x_i) \Big)\lnl
&= \beta^n \exp(-n\beta \overline{x})
\end{align}
L(\beta; \bm{x}) &= \prod_{i=1}^n\Big(\beta \exp(-\beta x_i) \Big)\lnl
&= \beta^n \exp(-n\beta \overline{x})
\end{align}
である.ただし$\overline{x}= \displaystyle \frac{1}{n}\ssum_{i=1}^n x_i$とする.
尤度方程式
\begin{align}
\frac{\partial}{\partial \beta} \log L(\beta;\bm{x}) = 0\label{eq-le1}
\end{align}
\frac{\partial}{\partial \beta} \log L(\beta;\bm{x}) = 0\label{eq-le1}
\end{align}
を解く.
\begin{align}
&\log L(\beta;\bm{x}) = n\log \beta – n\beta \overline{x}\Lnl
&\frac{\partial}{\partial \beta} \log L(\beta;\bm{x}) = \frac{n}{\beta} – n\overline{x}
\end{align}
&\log L(\beta;\bm{x}) = n\log \beta – n\beta \overline{x}\Lnl
&\frac{\partial}{\partial \beta} \log L(\beta;\bm{x}) = \frac{n}{\beta} – n\overline{x}
\end{align}
であるから,$\eqref{eq-le1}$の解は,$\beta = \cfrac{1}{\overline{x}}$となる.これが尤度関数を最大化することを確かめるために増減表を書く.
$\begin{array}{|c|c|c|c|}
\hline
\beta & \cdots & \cfrac{1}{\overline{x}} & \cdots \\
\hline
\frac{\partial}{\partial \beta}\log L(\beta;\bm{x}) & + & 0 & – \\
\hline
L(\beta;\bm{x}) & \nearrow & \text{最大} & \searrow \\
\hline
\end{array} $
\hline
\beta & \cdots & \cfrac{1}{\overline{x}} & \cdots \\
\hline
\frac{\partial}{\partial \beta}\log L(\beta;\bm{x}) & + & 0 & – \\
\hline
L(\beta;\bm{x}) & \nearrow & \text{最大} & \searrow \\
\hline
\end{array} $
以上より$\beta$の最尤推定量$\hat{\beta}$は$\cfrac{1}{\overline{X}}$である.
この指数分布のメジアンを$m$とする.
\begin{align}
&\int_0^m \beta e^{-\beta x}\delt x = \frac{1}{2}\lnl
\Longleftrightarrow &1-e^{-\beta m} = \frac{1}{2}\lnl
\Longleftrightarrow &m = \frac{\log 2}{\beta}
\end{align}
&\int_0^m \beta e^{-\beta x}\delt x = \frac{1}{2}\lnl
\Longleftrightarrow &1-e^{-\beta m} = \frac{1}{2}\lnl
\Longleftrightarrow &m = \frac{\log 2}{\beta}
\end{align}
である.テキスト(6.3.3)のNOTE(3)より,$m$の最尤推定量$\hat{m}$は
\begin{align}
\hat{m}= \frac{\log 2}{\hat{\beta}}
\end{align}
\hat{m}= \frac{\log 2}{\hat{\beta}}
\end{align}
であるから,
\begin{align}
\hat{m} &= \frac{\log 2}{\hat{\beta}}\lnl
&= \overline{X}\log 2
\end{align}
\hat{m} &= \frac{\log 2}{\hat{\beta}}\lnl
&= \overline{X}\log 2
\end{align}
となり示された.