キュムラント母関数

キュムラント母関数について

キュムラント母関数（Cumulant Generating Function, CGF）は、確率変数の特性を理解するための重要なツールです。特に、この関数はモーメント母関数の対数として定義されます。モーメント母関数自体は確率変数のモーメントを生成する関数ですが、その対数を取ることで、キュムラントを表す関数としての性質が得られます。

定義

確率変数 $X$ のキュムラント母関数 $K_{X}(t)$ は、モーメント母関数 $M_{X}(t)$ を用いて以下のように定義されます。

$$
M_{X}(t) = ext{exp}(K_{X}(t))
$$

この定義を変形すると、次のようになります。

$$
K_{X}(t) = ext{log}(M_{X}(t)) = ext{log}( ext{E}(e^{tX}))
$$

ここで、$ ext{E}$ は期待値を示し、$t^n/n!$ で重み付けされたすべてのモーメントに対する無限和を含んでいます。具体的には、この過程で得られる表現は次のようになります。

$$
K_{X}(t) = ext{log} iggl( ext{sum}(n = 0
ightarrow ext{∞}, rac{t^n}{n!} imes ext{μ}_n) iggr)
$$

ここで、$ ext{μ}_{n}$ は$n$次のモーメント、$ ext{κ}_{n}$は$n$次のキュムラントになります。

n次キュムラントの計算

キュムラントは、以下の微分を用いることで求めることができます。

$$
κ_{n} = rac{ ext{d}^{n}}{ ext{d}t^{n}} K_{X}(t) igg|_{t=0} = rac{ ext{d}^{n}}{ ext{d}t^{n}} ext{log}(M_{X}(t)) igg|_{t=0}
$$

第2キュムラント母関数

次に、第2キュムラント母関数は特性関数の対数として定義されます。特性関数は、確率変数の特性を記述する際に有用です。以下のように定義されます。

$$
K_{X}(t) = ext{log}( ext{φ}_{X}(t)) = ext{log}( ext{E}(e^{itX}))
$$

この場合、$it$ は虚数単位であり、それにより得られた結果は虚数の影響を考慮に入れて確率分布の特性を示します。

n次キュムラントの計算

第2キュムラント母関数におけるn次キュムラントは以下のように計算されます。

$$
κ_{n} = rac{1}{i^{n}} rac{ ext{d}^{n}}{ ext{d}t^{n}} K_{X}(t) igg|_{t=0}
$$

キュムラント母関数の性質

キュムラント母関数にはいくつかの重要な性質があります。特に、独立な確率変数 $X$ と $Y$ の和に関しては、次の関係が成り立ちます。

$$
K_{X+Y}(t) = K_{X}(t) + K_{Y}(t)
$$

これは、個々の確率変数のキュムラント母関数を合計することで全体の母関数が得られることを示しています。

参考文献

• - 『Moment analysis for subsurface hydrologic applications』, S. Govindaraju, B. S. Das、シュプリンガー・ジャパン株式会社, 2007, pp.17-18
• - 『Linear model theory: univariate, multivariate, and mixed models』, Keith E. Muller, Paul Wilder Stewart, John Wiley and Sons, 2006, pp.124-125

結論

キュムラント母関数は、確率変数の特性を理解するための強力なツールであり、確率論や統計において非常に重要な役割を果たします。モーメント母関数との関係を通じて確率分布のさまざまな特性を明らかにし、確率論の理論や実践における応用を広げるための基盤を提供します。

もう一度検索