BellCurve 統計WEB

卒業後の追加講座も永年見放題
AI関連の資格対策も多数
  • Step1. 基礎編
  • 12. 累積分布関数と確率変数の期待値・分散

12-5. 確率変数の分散


分散は、「確率変数のとり得る値と期待値(平均値)の差の2乗」と「確率」との積を、全て足し合わせたものです。分散はVarianceの頭文字の「V」を用いて表します。例えば、確率変数Xについての分散は「V(X)」と表します。

分散を計算することで、確率変数Xのとる値が期待値の周りにどの程度ばらついているかが分かります。分散が小さいほど確率変数の取りうる値は期待値に集まっていることを表します。6-2章で学んだように、分散の単位は元の単位の2乗であることに注意してください。

■離散型確率変数の場合

離散型確率変数Xの分散は次の式で計算できます。ただし、Xの期待値をE(X)=\mu(ミュー)とします。

Xx_1x_2・・・x_{n-1}x_n
P(X)p_{1}p_{2}・・・p_{n-1}p_{n}

 V(X)= \displaystyle \sum_{i=1}^n \left( x_i -\mu \right)^2 p_i

例えばさいころを投げて出る目を確率変数Xとするとき、分散は次のように計算できます。ただし、E(X)=3.5であることを用います。

さいころの出る目 (X)123456
確率 (P(X))\displaystyle \frac{1}{6}\displaystyle \frac{1}{6}\displaystyle \frac{1}{6}\displaystyle \frac{1}{6}\displaystyle \frac{1}{6}\displaystyle \frac{1}{6}

     \begin{eqnarray*} \begin{split} V(X)&=\displaystyle \sum_{i=1}^n \left( x_i -\mu \right)^2 p_i \\ &= \displaystyle \sum_{i=1}^n \left( x_i -3.5 \right)^2 p_i \\ &= \displaystyle \frac{(1-3.5)^2}{6}+\displaystyle \frac{(2-3.5)^2}{6}+\displaystyle \frac{(3-3.5)^2}{6} \\ &\quad +\displaystyle \frac{(4-3.5)^2}{6}+\displaystyle \frac{(5-3.5)^2}{6}+\displaystyle \frac{(6-3.5)^2}{6}\\ &=\displaystyle \frac{1}{6} \{ 6.25+2.25+0.25+0.25+2.25+6.25 \} \\ &= \displaystyle \frac{17.5}{6} =\displaystyle \frac{35}{12} \end{split} \end{eqnarray*}

■連続型確率変数の場合

連続型確率変数Xの分散は、次の式で計算できます。ただし、確率変数の期待値をE(X)=\muとします。

 V(X)= \displaystyle \int_{-\infty}^{\infty} (x-\mu )^2 f(x)dx

例えば確率密度関数f(x)=\displaystyle \frac{1}{6}において、確率変数Xが0から6の範囲をとるとき(0 \leq X \leq 6)、分散は次のようになります。ただし、E(X)=3であることを用います。

     \begin{eqnarray*} V(X)&=& \displaystyle \int_{-\infty}^{\infty} (x-\mu )^2 f(x)dx \\ &=&\displaystyle \int_{0}^{6} (x-3 )^2 \times \displaystyle \frac{1}{6}dx \\ &=& \left[ \displaystyle \frac{(x-3)^3}{18} \right]_0^6 \\ &=&\displaystyle \frac{27}{18}- \left\{ -\frac{27}{18}\right\} \\ &=& 3 \\ \end{eqnarray*}

【コラム】分散を期待値から求める

分散は期待値を用いて次の式から求められます。

 V(X)=E(X^2)-\left\{E(X)\right\}^2

この等式は、分散の式を変形することで得られます。

     \begin{eqnarray*} V(X)&=& \displaystyle \int_{- \infty}^{\infty} (X- \mu )^2 f(X)dX \\ &=&\displaystyle \int_{- \infty}^{\infty} \left( X^2 - 2X \mu + \mu ^2 \right) f(X)dX \\ &=&\displaystyle \int_{- \infty}^{\infty} X^2 f(X)dX - \displaystyle \int_{- \infty}^{\infty} 2X \mu f(X)dX + \displaystyle \int_{- \infty}^{\infty} \mu^2 f(X)dX \\ &=& E(X^2) - 2 \mu \displaystyle \int_{- \infty}^{\infty} X f(X)dX +\mu^2 \\ &=& E(X^2) -2 \mu \times E(X) +\mu^2 \\ &=& E(X^2) - 2 \left\{ E(X) \right\}^2 +\left\{E(X)\right\}^2 \\ &=& E(X^2) - \left\{ E(X) \right\} ^2  \end{eqnarray*}

最後は、E(X)=\muの関係を用いています。さいころを投げるときの出る目をXとするとき、E(X)=3.5V(X)=\displaystyle \frac{35}{12}と計算されました。この分散の値を期待値から求める場合、

     \begin{eqnarray*} E(X^2)&=&\displaystyle \frac{1}{6} \left( 1^2+2^2+3^2+4^2+5^2+6^2 \right) \\ &=&\displaystyle \frac{1}{6} \left( 1+4+9+16+25+36 \right) \\ &=&\displaystyle \frac{91}{6} \\ \end{eqnarray*}

 \{ E(X) \}^2=(3.5)^2=\left( \displaystyle\frac{7}{2} \right)^2 = \displaystyle\frac{49}{4}

となることから次のように計算できます。

 V(X)=E(X^2)-\left\{E(X)^\right\}^2=\displaystyle \frac{91}{6} - \displaystyle\frac{49}{4} =\displaystyle \frac{35}{12}

さいころの出る目 (X)123456
(さいころの出る目)^2 (X^2)149162536
確率 (P(X))\displaystyle \frac{1}{6}\displaystyle \frac{1}{6}\displaystyle \frac{1}{6}\displaystyle \frac{1}{6}\displaystyle \frac{1}{6}\displaystyle \frac{1}{6}


12. 累積分布関数と確率変数の期待値・分散

事前に読むと理解が深まる- 学習内容が難しかった方に -


統計学やデータ分析を学ぶなら、大人のための統計教室 和(なごみ) [業務提携]


統計WEBを運営するBellCurveは、統計解析ソフト「エクセル統計」を開発・販売しています! 統計解析ソフト「エクセル統計」をインストール後のExcel上のタブとメニュー エクセル統計ジャケット画像


【エクセル統計/新規ユーザー】春の年度末SALE!
【エクセル統計/新規ユーザー】春の年度末SALE!

【BellCurve監修】統計検定®2級対策に最適な模擬問題集1~3を各500円(税込)にて販売中!

Kindleストアで配信中

統計検定®2級 模擬問題集1

500円(税込)

統計検定®2級 模擬問題集2

500円(税込)

統計検定®2級 模擬問題集3

500円(税込)