第1章 - Yokohama · 第1章 総則 技-1 第1章 総則 1 目的 この基準は、法の規定に基づく開発行為の許可(法第34. 条の2第1項に規定する協議を含む。
New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4...
Transcript of New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4...
![Page 1: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/1.jpg)
平成16年11月10日,17日,(24日) 数理・情報一般
でたらめの法則 —– 極限定理 ——
吉 田 朋 広 (東京大学大学院数理科学研究科)http://www.ms.u-tokyo.ac.jp/˜ nakahiro/hp-naka
1
![Page 2: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/2.jpg)
1 確率変数の分布
確率変数 (random variable): その値がいくつになるかが確率的に定まる量
例.
• さいころを投げたときにでる目の数• 電車で隣に座った人の誕生日• 来週この講義に出席する人の数• 一ヶ月先の平均株価• 来年8月の晴の日数
2
![Page 3: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/3.jpg)
2 確率変数の分布
X : サイコロを投げたときにでる目の数(確率変数)⇒X = 1となる確率= 1/6,
X = 2となる確率= 1/6,
X = 3となる確率= 1/6,
X = 4となる確率= 1/6,
X = 5となる確率= 1/6,
X = 6となる確率= 1/6. (先験的分布)
この事実を経験的に確かめる · · · モンテカルロ実験
3
![Page 4: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/4.jpg)
![Page 5: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/5.jpg)
![Page 6: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/6.jpg)
確率変数Xの先見的な分布を知らないとしたら....⇒繰り返し実験してデータX1, X2, ...をとり,ヒストグラムを作る⇒データ数が多くなると本当の分布が見えてくる.
4
![Page 7: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/7.jpg)
![Page 8: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/8.jpg)
![Page 9: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/9.jpg)
![Page 10: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/10.jpg)
![Page 11: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/11.jpg)
![Page 12: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/12.jpg)
3 いろいろな分布
2項分布B(n, p): 表が出る確率がpのコインをn回投げたときの表の数Xの分布.確率関数
P [X = x] =
(n
x
)px(1 − p)n−x, (x = 0, 1, ..., n)
5
![Page 13: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/13.jpg)
![Page 14: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/14.jpg)
ポアソン分布Po(λ): 確率関数
P [X = x] =λx
x!e−λx (x = 0, 1, ...)
例.一定期間に起きる事故の数の分布
これらは離散分布の例.
6
![Page 15: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/15.jpg)
![Page 16: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/16.jpg)
Xが連続的な値を取るとき連続分布に従うという.
連続分布の例.
正規分布N(µ, σ2):
P [a < X ≤ b] =
∫ b
a
1√2πσ2
exp
(−(x − µ)2
2σ2
)dx
(−∞ < a < b < ∞)
連続確率変数Xの確率分布が
P [a < X ≤ b] =
∫ b
a
f(x) dx
(−∞ < a < b < ∞)
で定まるとき,fをXの確率密度関数と呼ぶ.
7
![Page 17: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/17.jpg)
![Page 18: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/18.jpg)
離散分布の例として2項分布,ポアソン分布,連続分布の例として正規分布を見た.
分布はいろいろな形状のものがある.世の中複雑!
データX1, X2, ..., Xnを前にして,どのように行動すべきか?⇒Xの分布の様子を調べることが重要.
8
![Page 19: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/19.jpg)
![Page 20: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/20.jpg)
例.コインを投げます.表が出る確率がp(値は未知)で一定. 表が出たら100万円もらえます.裏がでたら100万円支払います.
(賭け1) 100人の参加者のうち1人だけが表でした.あなたは参加しますか?
(賭け2) 100人の参加者のうち50人が表でした.あなたは参加しますか?
(賭け3) 100人の参加者のうち90人が表でした.あなたは参加しますか?
9
![Page 21: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/21.jpg)
無意識のうちにpを推定したのでは?
教訓.
(1) 確率現象の統計モデル化とフィッティング
10
![Page 22: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/22.jpg)
教訓.
(1) 確率現象の統計モデル化とフィッティング
(2) 学生は賭け事をしてはいけない:(模範解答)どれも参加しない.
11
![Page 23: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/23.jpg)
pの推定問題.
コイン投げ.表を1,裏を0であらわし,j回目の結果をXjとする:
Xj =
{1 j回目に表がでたとき0 j回目に裏がでたとき
(j = 1, 2, ..., n)
各回に表が出る確率がpとする:
P [Xj = 1] = p.
パラメータpは未知で,データX1, X2, ..., Xnから推定したい.
pの推定量:
p̂n =n回のうち表が出た回数
n
=1
n
n∑j=1
Xj.
自然な疑問:
pの推定量 p̂nは妥当なものか?
12
![Page 24: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/24.jpg)
大数の法則.
Yj (j = 1, 2, ...) を独立で同一の分布を持つ確率変数の列とする.このとき,確率1で,
1
n
n∑j=1
Yj → E[Y1] (n → ∞).
ここで,E[Y1]はY1の期待値である.(Y1の分布は何でもよいことに注意すべき.)
大数の法則をYj = Xjに適用して,n → ∞のとき,
p̂n =1
n
n∑j=1
Xj
→ E[X1] = p.
したがって,p̂nは漸近的にpに近づく(推定量の一致性).
13
![Page 25: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/25.jpg)
最尤原理.
• 上の例ではモデルが単純なため,pの推定量 p̂nが容易に構成できた.
• 理論統計が提唱する最尤原理によって,一般の統計モデルに対して推定量が構成できる.
• データX1, X2, ..., Xnが独立に同一の分布に従い,その確率密度(あるいは確率関数)がf(x, θ)とする.ここで,θは真の値は存在するが,その値は観測者に未知のパラメータである.我々は θの真の値を推定したい.
尤度関数:
Λn(θ) = f(X1, θ) × · · · × f(Xn, θ).
最尤法:Λn(θ)を最大にする θを θの推定量 θ̂nとする:
Λn(θ̂n) = maxθ
Λn(θ).
θ̂nを θの最尤推定量と呼ぶ.
コイン投げの例.
Λn(θ) = pX1(1 − p)1−X1 × · · · × pXn(1 − p)1−Xn
= p∑n
j=1 Xj(1 − p)n−∑n
j=1 Xj .
したがって,p̂n =∑n
j=1 Xj
n は最尤推定量.
14
![Page 26: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/26.jpg)
最尤推定量の妥当性.
パラメータの真値をθ0で表す.θ0は存在する(と仮定する)が,その値を我々は知らない.真値がθ0であるから,Xjの確率密度関数はf(x, θ0)で与えられる.対数尤度関数.
log Λn(θ) =n∑
j=1
log f(Xj, θ).
大数の法則によって,
1
nlog Λn(θ) =
1
n
n∑j=1
log f(Xj, θ)
→ Eθ0 [log f(X1, θ)] (n → ∞).
ただし,Eθ0は θ0のもとでの期待値で,
Eθ0 [log f(X1, θ)] =
∫log f(x, θ) f(x, θ0)dx.
となる.離散分布のときも同様である.
15
![Page 27: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/27.jpg)
つまり,
大数の法則.
1
nlog Λn(θ) →
∫log f(x, θ) f(x, θ0)dx.
情報理論の不等式.(問:証明せよ.)∫log f(x, θ) f(x, θ0)dx ≤
∫log f(x, θ0) f(x, θ0)dx
等号はf(·, θ) = f(·, θ0)のときのみ.
したがって,標語的に,
θ̂n =1
nlog Λn(θ) を最大にする θ
≈∫
log f(x, θ) f(x, θ0)dx を最大にする θ
= θ0.
16
![Page 28: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/28.jpg)
つまり,
(最尤推定量の一致性) 確率1で
θ̂n → θ0 (n → ∞).
まとめ.
• 確率変数の分布はデータを多く集めることでその形状が見えてくる.
• 世の中にはいろいろな分布がある.必ずしも単純な形をしているわけでもなく,取り扱いが容易なわけでもない.
• 統計モデルのフィッティング(未知パラメータの推定)がデータの持つ情報の抽出・加工において重要である.
• 未知パラメータの推定には最尤原理が有効である.一般の分布族に対して,最尤推定量が一致性を持つことを示した.
• 大数の法則が役に立った.このように極限定理は統計解析において不可欠のものである.
17
![Page 29: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/29.jpg)
![Page 30: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/30.jpg)
4 中心極限定理
大数の法則.
Yj (j = 1, 2, ...) を独立で同一の分布を持つ確率変数の列とする.このとき,確率1で,
1
n
n∑j=1
Yj → E[Y1] (n → ∞).
ここで,E[Y1]はY1の期待値である.
しかし収束の速度(誤差の大きさと分布)については何も言っていない.
19
![Page 31: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/31.jpg)
確率変数Xの確率密度関数がf(x)であるとする.
Xの分散:
Var[X ] =
∫(x − E[X ])2f(x) dx.
中心極限定理.
Yj (j = 1, 2, ...) を独立で同一の分布を持つ確率変数の列とする.このとき,確率変数n−1/2(
∑nj=1 Yj − nE[Y1])の分布
は正規分布N(0, Var[Y1])に収束する:
1√n
⎛⎝ n∑
j=1
Yj − nE[Y1]
⎞⎠ →d N (0, Var[Y1]) (n → ∞).
大雑把に言って,
1
n
n∑j=1
Yj の分布 ≈ N
(E[Y1],
Var[Y1]
n
).
20
![Page 32: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/32.jpg)
![Page 33: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/33.jpg)
![Page 34: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/34.jpg)
![Page 35: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/35.jpg)
![Page 36: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/36.jpg)
最尤推定量の誤差分布.
パラメータの真値をθ0で表す.θ0は存在する(と仮定する)が,その値を我々は知らない.真値がθ0であるから,Xjの確率密度関数はf(x, θ0)で与えられる.
尤度関数:
Λn(θ) = f(X1, θ) × · · · × f(Xn, θ).
最尤法:Λn(θ)を最大にする θを θの推定量 θ̂nとする:
Λn(θ̂n) = maxθ
Λn(θ).
θ̂nを θの最尤推定量と呼んでいた.
対数尤度関数:
log Λn(θ) =n∑
j=1
log f(Xj, θ).
− 1√n
∂
∂θlog Λn(θ0) =
1√n
∂
∂θlog Λn(θ̂n) − 1√
n
∂
∂θlog Λn(θ0)
≈ 1
n
∂2
∂θ2log Λn(θ0) ×
√n(θ̂n − θ0)
21
![Page 37: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/37.jpg)
大数の法則によって,
1
n
∂2
∂θ2log Λn(θ0) ≈ Eθ0
[∂2
∂θ2log f(X1, θ0)
]
= −∫ (
∂/∂θf(x, θ0)
f(x, θ0)
)2
f(x, θ0) dx =: −I(θ0).
したがって,
√n(θ̂n − θ0) ≈ I(θ0)
−1 × 1√n
n∑j=1
∂/∂θf(Xj, θ0)
f(Xj, θ0).
中心極限定理によって,
最尤推定量の漸近正規性:√
n(θ̂n − θ0) →d N(0, I(θ0)−1) (n → ∞).
22
![Page 38: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/38.jpg)
![Page 39: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/39.jpg)
ランダムウォーク.
X1, X2, ...:独立,
P [Xj = 1] = P [Xj = −1] =1
2.
S0 = 0, Sn =n∑
j=1
Xj
とする.
23
![Page 40: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/40.jpg)
![Page 41: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/41.jpg)
![Page 42: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/42.jpg)
X1, X2, ...を独立で,平均0,分散1の同一の分布に従う確率変数列とする.
Znt =
1√n
[nt]∑j=1
Xj
とおくとき,関数 t �→ Znt はランダムな関数.
Zn = (Znt ), W = (Wt).
Donskerの定理.:
Zn →d W (n → ∞).
• W0 = 0, Wt+h − Wt ∼ N(0, h).
• t1 < t2 < · · · < tkに対して,
Wt2 − Wt1, Wt3 − Wt2, · · · , Wtk − Wtk−1
は独立.
• 関数 t �→ Wtは連続.
W = (Wt)をウイナー過程と呼ぶ.
24
![Page 43: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/43.jpg)
非線形時系列モデル (確率差分方程式).
Yn − Yn−1 = a(Yn−1) + b(Yn−1)εn, Y0 = y0.
ここで,(εn)は独立で平均0の同一分布に従う確率変数列.
連続時間での類似:確率微分方程式
dYt = a(Yt)dt + b(Yt)dwt, Y0 = y0.
例.オルンシュタイン・ウーレンベック過程.
dYt = −Ytdt + dwt, Y0 = 0.
25
![Page 44: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/44.jpg)
![Page 45: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/45.jpg)
確率微分方程式の推定.
dXεt = θg(Xε
t )dt + εdwt, t ∈ [0, T ]
Xε0 = x0.
εはノイズの大きさを表す既知のパラメータ.θは未知のパラメータで,これを推定したい.尤度関数
Λε(θ) = exp
(∫ T
0
θg(Xεt )dXε
t −1
2
∫ T
0
θ2g(Xεt )
2dt
).
最尤推定量
θ̂ε =
∫ T
0 g(Xεt )dXε
t∫ T
0 g(Xεt )
2dt.
θ0をパラメータ θの真値として,最尤推定量の誤差は
ε−1(θ̂ε − θ0
)=
∫ T
0 g(Xεt )dwt∫ T
0 g(Xεt )
2dt.
ε ↓ 0のときの漸近分布(漸近正規性)
ε−1(θ̂ε − θ0
)→d
∫ T
0 g(X0t )dwt∫ T
0 g(X0t )2dt
∼ N(0, I(θ0)−1).
ここで,
I(θ0) =
∫ T
0
g(X0t )2dt
はFisher情報量.分子の収束は中心極限定理の一つと思える.
26
![Page 46: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/46.jpg)
グラフはオルンシュタイン・ウーレンベック過程
dXεt = −θXε
t dt + εdwt, t ∈ [0, 1]
Xε0 = x0.
のデータ (Xεt )t∈[0,1]から θ̂εを求め,それを3000回繰り返して作った
θ̂εの分布である.パラメータは ε = 0.1, θ = 1である.
27
![Page 47: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/47.jpg)
![Page 48: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/48.jpg)
ε = 0.5とすると正規近似はよくないようである.
⇒ 漸近展開.
28
![Page 49: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/49.jpg)
![Page 50: New でたらめの法則 —– 極限定理nakahiro/surijoho16/... · 2004. 11. 19. · 4 中心極限定理 大数の法則. Y j (j =1,2,...) を独立で同一の分布を持つ確率変数の列と](https://reader033.fdocuments.us/reader033/viewer/2022051805/5ff6d8d07d8c3a73402334f1/html5/thumbnails/50.jpg)
その他の話題.1
1. 高次の漸近分布論(漸近展開)
2. 統計科学における漸近分布理論の応用
3. ファイナンスと漸近分布論
http://www.ms.u-tokyo.ac.jp/˜ nakahiro/hp-naka
1興味のある方は,拙著「Malliavin解析と数理統計」数学,55, 3, 225-244, 岩波 (2003)とその文献表をご覧ください.
29