二項分布の計算：期待値(平均)，分散，標準偏差の求め方【確率論】

二項分布の確率質量関数から，二項確率変数の期待値(平均)，分散，標準偏差を計算する方法を示します．一般に，離散確率変数の期待値は，確率質量関数とその引数の積の総和として定義されます．

また，統計学における標本平均・標本分散・標本標準偏差の定義式も示します．こちらは「確率論における期待値・分散・標準偏差」とは関連しつつも区別される概念であり，定義式も異なります．

【スマホでの数式表示について】

当サイトをスマートフォンなど画面幅が狭いデバイスで閲覧すると，数式が画面幅に収まりきらず，正確に表示されない場合があります．その際は画面を回転させ横長表示にするか，ブラウザの表示設定を「PCサイト」にした上でご利用ください．

二項分布の確率質量関数，期待値，分散，標準偏差【確率論】

二項分布の確率質量関数

2つのパラメータ $n$ ， $p$ で定まる二項分布(binomial distribution) $B(n,p)$ の確率質量関数(probability mass function; PMF) $\psi_X (k)$ は，

(1) $\begin{eqnarray*} \Pr(X=k)=\psi_X (k)&=&\;_nC_k\;p^k(1-p)^{n-k}\\ &=&\frac{n!}{k!(n-k)!}\;p^k(1-p)^{n-k} \end{eqnarray*}$

である．これは，成功確率 $p$ の独立なベルヌーイ試行(Bernoulli trial)を $n$ 回試行したとき $k$ 回成功する確率を意味する．

二項分布の確率質量関数(1)の台(support)は

(2) $\begin{equation*} S:={\rm supp}(\psi_X)=\{0,1,...,n \} \end{equation*}$

である．よって全確率が1であることは次式の通りである．すなわち

(3) $\begin{eqnarray*} \sum_{k=0}^{n} \Pr(X=k) &=& \sum_{k=0}^{n} \psi_X (k) \\ &=& \sum_{k=0}^{n} \frac{n!}{k!(n-k)!}\;p^k(1-p)^{n-k} \\ &=& 1. \end{eqnarray*}$

二項分布の期待値，分散，標準偏差

確率質量関数(1)に従う二項分布の期待値(expected value) $E[X]$ ，分散(variance) $V[X]$ ，標準偏差(standard deviation) $\sqrt{V[X]}$ は，それぞれ

(4) $\begin{equation*} E[X]=np \end{equation*}$

(5) $\begin{equation*} V[X]=np(1-p) \end{equation*}$

(6) $\begin{equation*} \sqrt{V[X]}=\sqrt{np(1-p)} \end{equation*}$

である．

二項分布の期待値の計算方法

$S$ を台(support)とする確率質量関数 $\psi_X$ に従う離散確率変数 $X$ について，その期待値 $E[X]$ の一般的定義は

(7) $\begin{equation*} E[X] = \sum_{k\in S} k \cdot \psi_X (k) \end{equation*}$

である．確率質量関数(1)の台は $S=\{0,1,...,n\}$ であるから，この確率質量関数に従う二項分布の期待値(expected value) $E[X]$ は

(8) $\begin{equation*} E[X] = \sum_{k=0}^{n} k \cdot \psi_X (k) \end{equation*}$

により求まる．

$k=0$ の項に注意して

(9) $\begin{eqnarray*} &E[X]& \\ &=& \sum_{k=0}^{n} k \cdot \psi_X (k)\\ &=& \sum_{k=1}^{n} k \cdot \psi_X (k)\\ &=& \sum_{k=1}^{n} k \cdot \frac{n!}{k!(n-k)!}\;p^k(1-p)^{n-k} \\ &=& \sum_{k=1}^{n} k \cdot \frac{n!}{k\cdot(k-1)!(n-k)!}\;p^k(1-p)^{n-k} \\ &=& \sum_{k=1}^{n} \frac{n!}{(k-1)!(n-k)!}\;p^k(1-p)^{n-k} \\ &=& \sum_{k=1}^{n} \frac{n\cdot (n-1)!}{(k-1)!(n-k)!}\;p\cdot p^{k-1} (1-p)^{n-k} \\ &=& np\cdot \sum_{k=1}^{n} \frac{(n-1)!}{(k-1)!(n-k)!}\;p^{k-1}(1-p)^{n-k} \\ &=& np\cdot \sum_{k=1}^{n} \frac{(n-1)!}{(k-1)!(n-k+1-1)!}\;p^{k-1}(1-p)^{n-k+1-1} \\ &=& np\cdot \sum_{k=1}^{n} \frac{(n-1)!}{(k-1)! \left\{ (n-1)-(k-1) \right\}! }\;p^{k-1}(1-p)^{\left\{ (n-1)-(k-1) \right\}!} \\ &=& np\cdot \sum_{k'=0}^{n-1} \frac{(n-1)!}{k'! \left\{ (n-1)-k' \right\}! }\;p^{k'}(1-p)^{\left\{ (n-1)-k' \right\}!} \quad(k':=k-1)\\ &=& np\cdot \sum_{k'=0}^{n'} \frac{n'!}{k'!(n'-k')!}\;p^{k'}(1-p)^{n'-k'} \quad(n':=n-1)\\ \end{eqnarray*}$

ここで，全確率が1であること，すなわち式(3)に注意すれば，式(9)の最後の式でも

(10) $\begin{equation*} \sum_{k'=0}^{n'} \frac{n'!}{k'!(n'-k')!}\;p^{k'}(1-p)^{n'-k'} = 1 \end{equation*}$

なので，

(11) $\begin{equation*} E[X] = np \end{equation*}$

を得る．

二項分布の分散と標準偏差の計算方法

一般に，分散は

(12) $\begin{eqnarray*} V[X] &:=& E\left( (X - E[X])^2 \right) \\ &=& E\left( X^2 - 2XE[X] + E[X]^2 \right) \\ &=& E[X^2] - E\left( 2XE[X] \right) + E\left( E[X]^2 \right) \\ &=& E[X^2] - 2E[X]E[X] + E[X]^2 \\ &=& E[X^2] - E[X]^2 \end{eqnarray*}$

だから， $E[X^2]$ と $E[X]^2$ を計算すればよい． $E[X^2]$ は，

(13) $\begin{eqnarray*} &E[X^2]&\\ &=& \sum_{k=0}^{n} k^2 \cdot \psi_X (k)\\ &=& \sum_{k=1}^{n} k^2 \cdot \psi_X (k)\\ &=& \sum_{k=1}^{n} (k^2 -k +k) \cdot \psi_X (k)\\ &=& \sum_{k=1}^{n} \left\{(k^2 -k) \cdot \psi_X (k) + k \cdot \psi_X (k) \right\} \\ &=& \sum_{k=1}^{n} k(k -1) \cdot \psi_X (k) + \sum_{k=1}^{n} k \cdot \psi_X (k)\\ \end{eqnarray*}$

上式(13)の最後の式の第2項は

(14) $\begin{eqnarray*} &&\sum_{k=1}^{n} k \cdot \psi_X (k)\\ &=&\sum_{k=0}^{n} k \cdot \psi_X (k)\\ &=&E[X]=np \end{eqnarray*}$

なので，第1項のみ計算すると，

(15) $\begin{eqnarray*} && \sum_{k=1}^{n} k(k -1) \cdot \psi_X (k) \\ &=& \sum_{k=1}^{n} k(k -1) \cdot \frac{n!}{k!(n-k)!}\;p^k(1-p)^{n-k}\\ &=& \sum_{k=1}^{n} (k -1) \cdot \frac{n!}{(k -1)!(n-k)!}\;p^k(1-p)^{n-k}\\ &=& np\cdot \sum_{k=1}^{n} (k -1) \cdot \frac{(n-1)!}{(k -1)!\left\{ (n-1)-(k-1) \right\} !}\;p^{k-1}(1-p)^{(n-1)-(k-1)}\\ &=& np\cdot \sum_{k'=0}^{n'} k' \cdot \frac{n'!}{k'!(n'-k')!}\;p^{k'}(1-p)^{n'-k'} \quad(k':=k+1, n':=n-1) \\ &=& np\cdot n'p \\ &=& np\cdot (n-1)p \quad(\because n':=n-1) \\ &=& n^2p^2 -np^2 \end{eqnarray*}$