分布、母数とも連続的な場合とは? わかりやすく解説

Weblio 辞書 > 辞書・百科事典 > ウィキペディア小見出し辞書 > 分布、母数とも連続的な場合の意味・解説 

分布、母数とも連続的な場合

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2022/01/01 00:45 UTC 版)

最尤推定」の記事における「分布、母数とも連続的な場合」の解説

よく出てくる連続確率分布に、次の正規分布がある: f ( x ∣ μ , σ 2 ) = 1 2 π σ 2 e − ( x − μ ) 2 2 σ 2 {\displaystyle f(x\mid \mu ,\sigma ^{2})={\frac {1}{\sqrt {2\pi \sigma ^{2}}}}e^{-{\frac {(x-\mu )^{2}}{2\sigma ^{2}}}}} この分布に従う n {\displaystyle n} 個の独立ランダム変数標本密度関数は: f ( x 1 , … , x n ∣ μ , σ 2 ) = ( 1 2 π σ 2 ) n 2 e − ∑ i = 1 n ( x i − μ ) 2 2 σ 2 {\displaystyle f(x_{1},\ldots ,x_{n}\mid \mu ,\sigma ^{2})=\left({\frac {1}{2\pi \sigma ^{2}}}\right)^{\frac {n}{2}}e^{-{\frac {\sum _{i=1}^{n}(x_{i}-\mu )^{2}}{2\sigma ^{2}}}}} また計算しすいよう書き換えると: f ( x 1 , … , x n ∣ μ , σ 2 ) = ( 1 2 π σ 2 ) n 2 e − ∑ i = 1 n ( x i − x ¯ ) 2 + n ( x ¯ − μ ) 2 2 σ 2 {\displaystyle f(x_{1},\ldots ,x_{n}\mid \mu ,\sigma ^{2})=\left({\frac {1}{2\pi \sigma ^{2}}}\right)^{\frac {n}{2}}e^{-{\frac {\sum _{i=1}^{n}(x_{i}-{\bar {x}})^{2}+n({\bar {x}}-\mu )^{2}}{2\sigma ^{2}}}}} この分布には平均 μ {\displaystyle \mu } と分散 σ 2 {\displaystyle \sigma ^{2}} の2つ母数がある。上で1つ母数対す最大化だけを議論したが、この場合も各母数に対して尤度 L ( μ , σ ) = f ( x 1 , , … , x n ∣ μ , σ 2 ) {\displaystyle L(\mu ,\sigma )=f(x_{1},,\ldots ,x_{n}\mid \mu ,\sigma ^{2})} を最大化すればよい。上の書き方なら θ = ( μ , σ 2 ) {\displaystyle \theta =(\mu ,\sigma ^{2})} とする(このように母数が複数の場合母数ベクトル[要曖昧さ回避]として扱う)。尤度最大にするのは、尤度自然対数最大にするのと同じである(自然対数単調増加関数であるから)。このような計算法いろいろな分野でよく利用され対数尤度情報エントロピーフィッシャー情報密接な関係がある。 0 = ∂ ∂ μ log ⁡ ( ( 1 2 π σ 2 ) n 2 e − ∑ i = 1 n ( x i − x ¯ ) 2 + n ( x ¯ − μ ) 2 2 σ 2 ) = ∂ ∂ μ ( log ⁡ ( 1 2 π σ 2 ) n 2 − ∑ i = 1 n ( x i − x ¯ ) 2 + n ( x ¯ − μ ) 2 2 σ 2 ) = 0 − − 2 n ( x ¯ − μ ) 2 σ 2 {\displaystyle {\begin{matrix}0&=&{\frac {\partial }{\partial \mu }}\log \left(\left({\frac {1}{2\pi \sigma ^{2}}}\right)^{\frac {n}{2}}e^{-{\frac {\sum _{i=1}^{n}(x_{i}-{\bar {x}})^{2}+n({\bar {x}}-\mu )^{2}}{2\sigma ^{2}}}}\right)\\&=&{\frac {\partial }{\partial \mu }}\left(\log \left({\frac {1}{2\pi \sigma ^{2}}}\right)^{\frac {n}{2}}-{\frac {\sum _{i=1}^{n}(x_{i}-{\bar {x}})^{2}+n({\bar {x}}-\mu )^{2}}{2\sigma ^{2}}}\right)\\&=&0-{\frac {-2n({\bar {x}}-\mu )}{2\sigma ^{2}}}\\\end{matrix}}} これを解くと μ ^ = x ¯ = ∑ i = 1 n x i / n {\displaystyle {\hat {\mu }}={\bar {x}}=\sum _{i=1}^{n}x_{i}/n} となる。これはまさに関数最大値、すなわち μ {\displaystyle \mu } の唯一の極値で、2次微分は負となる。同様に、 σ {\displaystyle \sigma } に関して微分し0とおけば尤度最大値 σ ^ 2 = ∑ i = 1 n ( x i − μ ^ ) 2 / n {\displaystyle {\hat {\sigma }}^{2}=\sum _{i=1}^{n}(x_{i}-{\hat {\mu }})^{2}/n} が得られる。つまり、正規分布母数 θ = ( μ , σ 2 ) {\displaystyle \theta =(\mu ,\sigma ^{2})} に対す最尤推定量は θ ^ = ( μ ^ , σ ^ 2 ) = ( x ¯ , ∑ i = 1 n ( x i − x ¯ ) 2 / n ) {\displaystyle {\hat {\theta }}=({\hat {\mu }},{\hat {\sigma }}^{2})=({\bar {x}},\sum _{i=1}^{n}(x_{i}-{\bar {x}})^{2}/n)} となる。

※この「分布、母数とも連続的な場合」の解説は、「最尤推定」の解説の一部です。
「分布、母数とも連続的な場合」を含む「最尤推定」の記事については、「最尤推定」の概要を参照ください。

ウィキペディア小見出し辞書の「分布、母数とも連続的な場合」の項目はプログラムで機械的に意味や本文を生成しているため、不適切な項目が含まれていることもあります。ご了承くださいませ。 お問い合わせ



英和和英テキスト翻訳>> Weblio翻訳
英語⇒日本語日本語⇒英語
  

辞書ショートカット

すべての辞書の索引

「分布、母数とも連続的な場合」の関連用語

分布、母数とも連続的な場合のお隣キーワード
検索ランキング

   

英語⇒日本語
日本語⇒英語
   



分布、母数とも連続的な場合のページの著作権
Weblio 辞書 情報提供元は 参加元一覧 にて確認できます。

   
ウィキペディアウィキペディア
Text is available under GNU Free Documentation License (GFDL).
Weblio辞書に掲載されている「ウィキペディア小見出し辞書」の記事は、Wikipediaの最尤推定 (改訂履歴)の記事を複製、再配布したものにあたり、GNU Free Documentation Licenseというライセンスの下で提供されています。

©2025 GRAS Group, Inc.RSS