【数理統計学入門】事象と確率【データサイエンス・機械学習】

こんにちはたくまろです。まず統計学を考える上で、必要になるのは確率です。第一回は確率とはどうゆうものなのか?について説明したいと思います。数理統計学を始める第一歩なので、ちゃんと学びたい方はぜひご覧ください。

1.1 事象

定義1.1
ある試行の可能な結果全体の集合を標本空間(sample space)といい, \(\Omega\)で表す. \(\Omega\)の部分集合または, 単一の元を事象(event)と呼ぶ.

定義1.2
\(A,B\subset\Omega\)とする. \(A\cup B\)を\(A,B\)の和事象, \(A\cap B\)を\(A,B\)の積事象という.
また\(A^c = \Omega -A\)を\(A\)の余事象, \(\Omega\)を全事象, 空集合\(\phi\)を空事象とする.

例1.1
サイコロを一回投げる.標本空間\(\Omega=\{1, 2, 3, 4, 5, 6\}\)となる.偶数の目が出るという事象を\(E\)とすると, \(E=\{2,4,6\}\)なので, \(E\subset\Omega\)となるので, \(E\)は\(\Omega\)の事象である.

1.2 完全加法族

定義1.3
\(\Omega\)の部分集合で(A1)~(A3)を満たす集合族\(\mathcal{A}\)を完全加法族と呼ぶ.
(A1) \(\Omega\in\mathcal{A}\)
(A2) \(A\in\mathcal{A}\)のとき, \(A^c\in\mathcal{A}\)
(A3) \(A_i\in\mathcal{A}\ (i=1,2,…)\) のとき, \(\bigcup_{i=1}^{\infty} A_i\in\mathcal{A}\)

MEMO

ちなみに, (A3)が次の条件
(A3′) \(A_i\in\mathcal{A}\ (i=1,2,…,n)\) のとき, \(\bigcup_{i=1}^{n} A_i\in\mathcal{A}\)
このとき,  \(\mathcal{A}\)を有限加法族と呼ぶ.

例1.2
次の集合族は完全加法族になる.
(1) \(\mathcal{A}_1 = \{\phi,\Omega\}\)
(2) 任意の\(A\subset\Omega\)に対して, \(\mathcal{A}_2 = \{\phi, A, A^c, \Omega\}\)
(3) すべての\(\Omega\)の部分集合からなら集合族\(\mathcal{A}_3\)

(3)のみ示す.(A-i)は自明である. (A-ii)について, \(A\in\mathcal{A}_3\)とすると\(A^c\in\Omega\)なので\(A^c\in\mathcal{A}_3\)となる. (A-iii)について, \(A_i\in\mathcal{A}_3\ (i=1,2,…,n)\) とする.任意の\(a\in\bigcup_{i=1}^{n} A_i\)について, \(a\in A_i\subset\Omega\)となる\(i\)が存在するので, \(\bigcup_{i=1}^{n} A_i\subset\Omega\).以上より\(\bigcup_{i=1}^{n} A_i\in\mathcal{A}_3\)が成立する.

1.3 確率測度

定義1.4
完全加法族\(\mathcal{A}\)上の確率(測度\(P\)を次の性質(P1)~(P3)を満たすものとして定義する.
(P1) 任意の\(A\in\mathcal{A}\)について, \(P(A)\geq0\).
(P2) \(P(\Omega)=1\).
(P3) \(A_i\in\mathcal{A} (i=1,2,…,n)\)について, 任意の\(i,j(i\neq j)\)に対して\(A_i \cap A_j=\phi\)ならば,$$P(\bigcup_{i=1}^{n} A_i)=\sum_{i=1}^{\infty}P(A_i)$$である.

任意の\(i,j(i\neq j)\)に対して\(A_i \cap A_j=\phi\)ならば,\(A_i \)と\( A_j\)は排反である.

\( (\Omega, \mathcal{A}, P)\)の組を確率空間(probability space)という.

定理1.1 (確率測度の加法性)
任意の\(A_1, A_2\in\mathcal{A}\)について,$$P(A_1\cup A_2)=P(A_1)+P(A_2)-P(A_1\cap A_2)$$が成り立つ.

(証明)
\(B_1=A_1-(A_1\cap A_2), B_2=A_2-(A_1\cap A_2), B_3=A_1\cap A_2\)とすると,\(B_1, B_2, B_3\)は排反である. (P3)より,$$P(A_1\cup A_2)=P(\bigcup_{i=1}^{3} B_i)=\sum_{i=1}^{3}P(B_i)$$
また,\(P(A_i)=P(B_i)+P(A_1\cap A_2)\ (i=1,2)\)なので,

$$P(A_1\cup A_2)=P(A_1)-P(A_1\cap A_2)+P(A_2)-P(A_1\cap A_2)+P(A_1\cap A_2)$$

$$=P(A_1)+P(A_2)-P(A_1\cap A_2)$$

コメントを残す

メールアドレスが公開されることはありません。 が付いている欄は必須項目です