はじめに
統計検定において,期待値の計算はよく出てくる問題の1つである。基本的に期待値は定義にしたがって計算することが多いが,今回は少し変わった方法として,スコア関数を活用した期待値計算の方法を紹介する。
問題設定
期待値計算の問題として,以下のような問題設定を考える。
確率変数の確率密度関数は以下のようなガンマ分布であるとする。
\begin{equation}
f_X(x|\alpha, \beta) =
\begin{cases}
\frac{1}{\Gamma(\alpha) \beta ^ \alpha } x ^ {\alpha-1} e^{- \frac{x}{\beta}} & (0 \leq x ) \\
0 & \text{otherwise}
\end{cases}
\end{equation}この時,を求めよ。
では早速,正面突破を試みてみよう。
これ以上は,式変形が出来なさそうである。
そこで,スコア関数を活用した期待値計算の方法について紹介しよう。
スコア関数を活用した期待値の計算
スコア関数のおさらい
スコア関数は,最尤法やフィッシャー情報量の導出の際に出てくる関数である。パラメータを持つ確率密度関数をとすると,スコア関数は,
で定義される。スコア関数の重要な性質として,スコア関数の期待値は0であるという性質がある。
証明は,久保川 達也 著 「現代数理統計学の基礎」のP130(第6章)に紹介されている。
ガンマ分布におけるスコア関数の計算
ガンマ分布について,対数を取ってみよう。
次に,パラメータで微分してみよう。
この左辺がスコア関数であり,期待値を取ると0になる。両辺の期待値を取ると,
よって,
が得られた。
まとめ
確率変数の期待値問題は,統計検定では頻出の問題である。今後もさまざまなバリエーションの問題が出されることが予想されるので,一筋縄ではいかない期待値問題が出た際には思い出していただきたい。