ポアソン分布とは? ~期待値・分散・性質~
ポアソン分布
$X$ が $0, 1,2 , \cdots,$ の値をとり、確率関数 $\mathrm{Pr}(X=k)$ が
であるとき、$X$ の分布が
ポアソン分布であるという。
上のグラフは、$\lambda=0.25$ (
赤線)、
$\lambda=0.5$ (
橙線)、
$\lambda=1$ (
緑線)、
$\lambda=2$ (
青線)、
をポアソン分布である。
期待値
確率変数 $X$ が
ポアソン分布に従うとき、
$X$ の期待値 $E(X)$ は、
である。
証明
期待値の定義と
ポアソン分布の定義より、
である。
右辺の総和のうち、$k=0$ の項が $0$ であることから、総和の中からこの項を取り除き、整理すると、
と表せる。
ここで、$l=k-1$ とすると、
と表せる。右辺の総和は、$e^{\lambda}$ の $x=0$ におけるテーラー展開であるので、すなわち、
であるので、期待値は、
である。
例:
下のグラフは、$\lambda=0.5$ (
青線)、
$\lambda=1$ (
橙線)、
$\lambda=2$ (
緑線)のポアソン分布である。
パラメータ $\lambda$ が大きいほど、山の頂点が右側に行く(期待値が大きくなる) ことが見て取れる。
実際、それぞれの期待値は、
である。
分散
確率変数 $X$ が
ポアソン分布に従うとき、
$X$ の分散 $V(X)$ は、
である。
証明
一般に
分散は二乗期待値と期待値の二乗の差に等しい。
すなわち、
が成り立つ。
ポアソン分布の期待値が、
であるので、
$$
\tag{1}
$$
と表せる。
よって、
二乗期待値 $E(X^2)$ を求めれば、
分散 $V(X)$ が求まる。
二乗期待値 $E(X^2)$は、
ポアソン分布の定義により、
である。
ここで $k=0$ の項が $0$ であることから、
総和の中からこの項を取り除いて整理すると、
である。
ここで $k=(k-1)+1$ の関係を使って、
右辺の総和を分けると、
と表せるが、
右辺の一つ目の総和の $k=1$ の項は $0$ であるので、この部分を取り除いて整理すると、
と表せる。
右辺の一つ目の総和に対して $l=k-2$ とし、
二つ目の総和に対して $m=k-1$ とすると、
と表せるが、
第一項と第二項に現れた総和の部分は、
$e^{\lambda}$ の テーラー展開 に等しい、
すなわち、
であるので、
二乗期待値は、
である。
したがって、
$(1)$ からポアソン分布の分散は、
である。このように、
ポアソン分布の分散は
期待値に等しい。
例:
下のグラフは、$\lambda=2$ (
青線)、
$\lambda=4$ (
橙線)、
$\lambda=6$ (
緑線)のポアソン分布である。
パラメータ $\lambda$ が大きいほど山の幅 (分散) が広がってゆくことが分かる。
実際、それぞれの分散は、
である。
二項分布との関係 (小数の法則)
二項分布
に対して $np = \lambda$ と置き、
$\lambda$ を一定にする条件の下で $n$ を大きくしてゆくと、
ポアソン分布に収束する。
すなわち、
が成り立つ。
これを
ポアソンの小数の法則と呼ぶ。
証明
$
np = \lambda
$
とすると、
$$
\tag{1}
$$
と表せる。
ここで $\lambda$ を一定に保ちながら、
$ n $ を大きくする極限をとると、
$$
\tag{2}
$$
である。また、
$\frac{n}{\lambda} = m$ と置くと、
$ n $ を大きくすると、
$ m $ も 大きくなるので、
$$
\tag{3}
$$
となる (
ネピアの定数を参考)。
以上の $(1) (2) (3)$ より、
これは二項分布が $\lambda = np$ を一定に保ちながら $n$ を大きくする極限において、
ポアソン分布に収束することを表している。
最尤法
ポアソン分布
を定義するパラメータ $\lambda$ の最尤推定量は、
観測値 $\{k_{1}^{M}, k_{2}^{M}, \cdots, k_{n}^{M} \}$ の平均値である。
すなわち、
である。