二項分布の追加検証資料:数学ガール 乱択アルゴリズムP162 \({ P }_{ n }\left( k \right) =\left( \begin{matrix} n \\ k \end{matrix} \right) { p }^{ k }{ q }^{ n-k }\) caseA表が出る確率50% (0.5)で裏が出る確率50% (0.5)のコインを\(n=3\)回投げる \({ P }_{ 3 }\left( 2 \right) =\left( \begin{matrix} 3 \\ 2 \end{matrix} \right) { \cdot (0.5) }^{ 2 }\cdot (0.5)^{ 3-2 }\\ =3{ \quad \cdot \quad 0.5 }^{ 2 }\quad \cdot \quad 0.5\\ =0.375\quad \Rightarrow \quad 37.5\% \) 各経路の確率は0.5の3乗であり、これら3本が足し算されている(確率の和) caseB表が出る確率60% (0.6)で裏が出る確率40% (0.4)のコインを\(n=3\)回投げる 上の経路から 次に確率変数の期待値を見てみる caseCここのベルヌーイ確率変数を成立させている考え方はとても重要なので「考え方を身につける必要がある」 参考資料1:資料:数学ガール 乱択アルゴリズムP155~182 表が出る確率60% (0.6)で裏が出る確率40% (0.4)のコインを\(n=3\)回投げる 表が出る回数を確率変数\(X\)として\(n=3\)の場合について\(X\)の期待値を求める。順番に解決していく。まず標本空間から考える \(\Omega =\left\{ \quad { \omega }_{ 0 }=三回投げて表が0回出る\quad ,\quad { \omega }_{ 1 }=三回投げて表が1回出る\quad ,\quad { \omega }_{ 2 }=三回投げて表が2回出る\quad ,\quad { \omega }_{ 3 }=三回投げて表が3回出る\quad \right\} \) この標本空間を定量的に考え解析しやすい形にする。「三回投げた時の表が出る回数」を量と考え、確率変数\(X\left( \omega \right) \)の関数に対応させる。その実数の数列は \(X=\left\{ \quad { c }_{ 0 }=0\quad , \quad { c }_{ 1 }=1\quad ,\quad { c }_{ 2 }=2\quad ,\quad { c }_{ 3 }=3\quad \right\} \) となる。これは標本空間\(\ \Omega \)を対応させたものであるので全事象を網羅している ここで例として\({c}_{2}\)が、どのような考えで\(2\)となったかを確認してみる
上記のように計算され\(2\)という数字が算出されている。このような命題に対する真偽を\(1\)と\(0\)で、あらわし数え上げる変数を「インディケータ変数」と呼び、 ベルヌーイ確率変数に対応する確率分布関数は、樹形図における該当する事象の樹の本数と各経路の確率が掛け合わされて、その事象の確率が算出される必要がある 二項分布の定義は \({ P }_{ n }\left( k \right) =\left( \begin{matrix} n \\ k \end{matrix} \right) { p }^{ k }{ q }^{ n-k }\) である。右辺のコンビネーション計算が樹形図の樹の数を数え上げている。それにつづく右側が確率となっている ここで一例として\({c}_{2}\)の確率を求める計算をこれに当てはめてみると・・・
となる。そして、この確率に対し、ベルヌーイ確率変数を掛け合わせると、その事象の期待値\(E\left[ { c }_{ k } \right] \)が算出できる \(E\left[ { c }_{ k } \right] ={ c }_{ k }\cdot \left( \begin{matrix} n \\ k \end{matrix} \right) { p }^{ k }{ q }^{ n-k }\\ \\ E\left[ { c }_{ 2 } \right] \quad =\quad 2\cdot \left( \begin{matrix} 3 \\ 2 \end{matrix} \right) { \left( \frac { 3 }{ 5 } \right) }^{ 2 }{ \left( \frac { 2 }{ 5 } \right) }^{ 3-2 }\quad =\quad 2\cdot 3\cdot \left( \frac { 18 }{ 125 } \right) \quad =\frac { 108 }{ 125 } \) これで確率変数\(X\)の\({c}_{2}\)の期待値が求められたことが判る。他の事象\({c}_{0}\)や\({c}_{1}\)、\({c}_{3}\)も同様の仕組みで求めることができる \(\displaystyle E\left[ X \right] =\sum _{ k=0 }^{ n }{ { c }_{ k } } \cdot \left( \begin{matrix} n \\ k \end{matrix} \right) { p }^{ k }{ q }^{ n-k }\) となっている この式を利用して問題を解いてみる \(\displaystyle E\left[ X \right] \quad =\quad 0\cdot \left( \begin{matrix} 3 \\ 0 \end{matrix} \right) { \left( \frac { 3 }{ 5 } \right) }^{ 0 }{ \left( \frac { 2 }{ 5 } \right) }^{ 3-0 }\quad +\quad 1\cdot \left( \begin{matrix} 3 \\ 1 \end{matrix} \right) { \left( \frac { 3 }{ 5 } \right) }^{ 1 }{ \left( \frac { 2 }{ 5 } \right) }^{ 3-1 }\quad +\quad 2\cdot \left( \begin{matrix} 3 \\ 2 \end{matrix} \right) { \left( \frac { 3 }{ 5 } \right) }^{ 2 }{ \left( \frac { 2 }{ 5 } \right) }^{ 3-2 }\quad +\quad 3\cdot \left( \begin{matrix} 3 \\ 3 \end{matrix} \right) { \left( \frac { 3 }{ 5 } \right) }^{ 3 }{ \left( \frac { 2 }{ 5 } \right) }^{ 3-3 }\\ \quad \quad \quad \quad \quad =\quad 0\cdot 1\cdot 1\cdot { \left( \frac { 2 }{ 5 } \right) }^{ 3 }\quad +\quad 1\cdot 3\cdot { \left( \frac { 3 }{ 5 } \right) }{ \left( \frac { 2 }{ 5 } \right) }^{ 2 }\quad +\quad 2\cdot 3\cdot { \left( \frac { 3 }{ 5 } \right) }^{ 2 }{ \left( \frac { 2 }{ 5 } \right) }\quad +\quad 3\cdot 1\cdot { \left( \frac { 3 }{ 5 } \right) }^{ 3 }\cdot 1\\ \quad \quad \quad \quad \quad =\quad 0\quad +\quad 3\cdot \frac { 12 }{ 125 } \quad +\quad 6\cdot \frac { 18 }{ 125 } \quad +\quad 3\cdot \frac { 27 }{ 125 } \\ \quad \quad \quad \quad \quad =\quad 0\quad +\quad \frac { 36 }{ 125 } \quad +\quad \frac { 108 }{ 125 } \quad +\quad \frac { 81 }{ 125 } \\ \quad \quad \quad \quad \quad =\quad \frac { 225 }{ 125 } \\ \quad \quad \quad \quad \quad =\quad 1.8\) これは\(P=0.6\)で\(3p\)と同じ答えと言える。資料:数学ガール_乱択アルゴリズムP169の答えと同一であり\(E\left[ X \right] =np\)でこの問いには答えられることを意味している |