統計学入門 第6章の問題 6.3 負の二項分布

はじめに

この記事は統計学入門¹のを読んだことをまとめた振り返り記事です。

問題

負の二項分布を導出せよ。

解答

ベルヌーイ試行を考え、成功($S$)と失敗($F$)をそれぞれ確率$p$と$q = 1 - p$で表すとします。 成功がちょうど$k$回起こるときの分布を求めましょう。失敗の数は$x$回です。

したがって、条件として

• 最後の試行は$S$である
• $k + x - 1$回の試行には$S$が$k - 1$回、$F$が$x$回ある

と言えます。

確率変数$X$を$F$の数とすると、その分布は

$$f(x) = \binom{k + x - 1}{k - 1} p^k q^x$$

が得られます。これが確率分布であるためには$\sum_{x = 0}^{\infty} f(x) = 1$を満たす必要があります。

---

ところでこの分布は二項分布ににています。二項分布は

$$f(x) = \binom{n}{x} p^x q^{n - x}$$

であり、試行回数$n$を固定して、確率変数$X$を成功$S$の数として与えています。これが確率分布であることは二項定理から分かり、

$$\sum_{x = 0}^{n} \binom{n}{x} p^x q^{n - x} = (p + q)^n = 1$$

です。

上記の二項定理は$n, x \in \mathbb{N}$を満たすものですが、負の二項分布はこれを拡張し、$n \in \mathbb{R}$まで許容するようにします。まず、組み合わせの数を次のように拡張します：

$$\binom{\alpha}{x} = \frac{ \alpha(\alpha - 1) \cdots (\alpha - x + 1) }{ x! } \quad\text{where}\quad \alpha \in \mathbb{R}$$

$\alpha = -k$とすると、

$$\begin{align*} \binom{-k}{x} &= \frac{ (-k)(-k - 1) \cdots (-k - x + 1) }{ x! }\\ &= (-1)^x \frac{ k(k + 1) \cdots (k + x - 1) }{ x! } \\ &= (-1)^x \binom{k + x - 1}{x} \end{align*}$$

です。よって$(1 + z)^{-k}$の展開は

$$\begin{align*} (1 - z)^{-k} &= \sum_{x = 0}^{\infty} \binom{-k}{x} (-z)^x \\ &= \sum_{x = 0}^{\infty} (-1)^x \binom{k + x - 1}{x} (-1)^x z^x \\ &= \sum_{x = 0}^{\infty} \binom{k + x - 1}{x} z^x \tag{1} \end{align*}$$

となります。負に拡張しているので下限がなく、そのため無限和になります。

※もし正のままなら

$${}_n C_{x} = \frac{ n(n - 1) \cdots (n - x + 1) }{ x! }$$

で、$n = x - 1$のときに分子が$0$になります。有限和になりますが、いま$n$が負になるので、$(n-1)(n - 2)\cdots$をいくら伸ばしても、分子に$0$が現れることはありません。

---

さて、上記の負まで拡張した$(1)$に$z = q = 1 - p$を代入すると、

$$\begin{align*} (1 - q)^{-k} &= \sum_{x = 0}^\infty \binom{k + x - 1}{x} q^x \\ \Leftrightarrow\quad p^{-k} &= \sum_{x = 0}^\infty \binom{k + x - 1}{x} q^x \\ \Leftrightarrow\quad 1 &= \sum_{x = 0}^\infty \binom{k + x - 1}{x} p^k q^x \\ \end{align*}$$

となります。よって、確かに確率分布の性質を満たすことがわかりました。

ついでに期待値・分散も

ゴリ押しで計算する方法

期待値を求めます。定義より

$$\begin{align*} E[X] &= \sum_{x = 0}^\infty x \cdot \binom{k + x - 1}{x} p^k q^x \\ \end{align*}$$

を計算します。二項分布とどうようにすればいいです。そこで組み合わせの恒等式を思い出します：

$$\begin{align*} n \cdot \binom{n}{m} &= m \cdot\binom{n - 1}{m - 1} \end{align*}$$

これを$x \cdot \binom{k + x - 1}{x}$に適用すると

$$\begin{align*} x \cdot \binom{k + x - 1}{x} &= (k + x - 1) \cdot \binom{k + x - 2}{x - 1} \end{align*}$$

となります。さらに自明な式

$$\begin{align*} \binom{m}{n} = \frac{m}{m - n} \binom{m - 1}{n} \tag{2} \end{align*}$$

を適用すると

$$\begin{align*} x \cdot \binom{k + x - 1}{x} &= (k + x - 1) \cdot \binom{k + x - 2}{x - 1} \\ &= k \cdot \binom{k + x - 1}{x - 1} \end{align*}$$

となります（$(2)$に$m = k + x - 1, n = x - 1$と対応させてください）。よって期待値は

$$\begin{align*} E[X] &= \sum_{x = 1}^\infty x \cdot \binom{k + x - 1}{x} p^k q^x \\ &= \sum_{x = 1}^\infty k \cdot \binom{k + x - 1}{x - 1} p^k q^x \\ &= k p^k q \sum_{y = 0}^\infty \binom{k + y}{y} q^y \\ &= k p^k q \cdot \frac{1}{(1 - q)^{k + 1}} \\ &= k \frac{q}{p} \end{align*}$$

となります。

分散も同様に計算します。まず2次のモーメントは

$$\begin{align*} E[X^2] &= \sum_{x = 1}^\infty x^2 \cdot \binom{k + x - 1}{x} p^k q^x \\ \end{align*}$$

です。ここで係数について

$$\begin{align*} x(x - 1) \binom{k + x - 1}{x} &= \frac{(k + x - 1)!}{(x - 2)!(k - 1)!} \\ &= k(k + 1) \frac{(k + x - 1)!}{(x - 2)!(k + 1)!} \\ &= k(k + 1) \binom{k + x - 1}{x - 2} \end{align*}$$

という恒等式が成り立つので、2次のモーメントの式に対して無理やりこの形を作ります。つまり

$$\begin{align*} E[X^2] &= \sum_{x = 1}^\infty x(x - 1) \cdot \binom{k + x - 1}{x} p^k q^x + \sum_{x = 1}^\infty x \cdot \binom{k + x - 1}{x} p^k q^x \ \end{align*}$$

です。右辺第２項は$E[X]$なので右辺第１項を計算しましょう。

$$\begin{align*} \sum_{x = 1}^\infty x(x - 1) \cdot \binom{k + x - 1}{x} p^k q^x &= \sum_{x = 1}^\infty k(k + 1) \cdot \binom{k + x - 1}{x - 2} p^k q^x \\ &= k(k + 1) p^k q^2 \sum_{y = 0}^\infty \binom{k + y}{y} q^y \\ &= k(k + 1) p^k q^2 \cdot \frac{1}{(1 - q)^{k + 2}} \\ &= k(k + 1) \frac{q^2}{p^2} \end{align*}$$

と変形できます。よって、2次のモーメントが$E[X^2] = k(k + 1)q^2/p^2 + kq/p$と求まりました。分散の定義から

$$\begin{align*} V[X] &= E[X^2] - (E[X])^2 \\ &= k(k + 1)\frac{q^2}{p^2} + k\frac{q}{p} - \left(\frac{kq}{p}\right)^2 \\ &= \cancel{k^2 \frac{q^2}{p^2}} + k \frac{q^2}{p^2} + k \frac{q}{p} - \cancel{k^2 \frac{q^2}{p^2}} \\ &= k \frac{q^2 + qp}{p^2} \\ &= k \frac{q(q + p)}{p^2} \\ &= k \frac{q}{p^2} \end{align*}$$

となります（$p + q = 1$を用いています）。

モーメント母関数を用いて計算する方法

モーメント母関数とは５章ででてきたように

$$\begin{align*} M_X(t) &= \sum_{x = 0}^\infty e^{tx} f(x) \\ \end{align*}$$

で与えられます（明らかに$M_X(0) = 1$）。期待値・分散は

$$\begin{align*} E[X] &= M_X^\prime(t) |_{t = 0} \\ V[X] &= M_X^{\prime\prime} (t) |_{t = 0} - (M_X^\prime(t) |_{t = 0})^2 \end{align*}$$

となりますが、対数を使うと計算が楽になります。具体的に計算すると

$$\begin{align*} M_X^\prime (t) = M_X(t) \frac{\rm d}{\rm d t} \log M_X(t) \end{align*}$$

であることを使います。このとき分散は

$$\begin{align} V[X] &= M_X^{\prime\prime} (t) |_{t = 0} - (M_X^\prime(t) |_{t = 0})^2 \notag \\ &= M_X (t)|_{t = 0}^2 \frac{ M_X^{\prime\prime} (t) - (M_X^\prime(t))^2 }{ (M_X(t))^2 } \notag \\ &= 1^2 \cdot \frac{\rm d}{\rm d t} \left( \frac{M_X^\prime(t)}{M_X(t)} \right) \notag \\ &= \frac{{\rm d}^2}{\rm d t^2} \left( \log M_X(t) \right) \end{align}$$

のようにモーメント母関数に対数をとって２階微分し、$t = 0$を置いただけになります。あとは機械的に計算します。まずモーメント母関数の対数の微分は

$$\begin{align*} \log M_X(t) &= k (\log p - \log (1 - q e^t)) \end{align*}$$

です。$t$で微分して

$$\begin{align} \frac{{\rm d}}{\rm d t} \log M_X(t) &= k \frac{q e^t}{1 - q e^t} \end{align}$$

なので、

$$E[X] = M_X(0) \cdot k \frac{q}{1 - q} = k \frac{q}{p}$$

と期待値が求まりました。

分散も同様に計算します：

$$\begin{align*} \frac{{\rm d}^2}{\rm d t^2} \log M_X(t) &= k \frac{q e^t (1 - q e^t) + q^2 e^{2t}}{(1 - q e^t)^2} \\ &= k \frac{q e^t}{(1 - q e^t)^2} \end{align*}$$

よって、

$$V[X] = k \frac{q e^t}{(1 - q e^t)^2} \bigg|_{t = 0} = k \frac{q}{p^2}$$

と分散が求まりました。

Footnotes

1. 統計学入門　東京大学教養学部統計学教室編 東京大学出版会 ↩