ブログ

数学検定1級 解説 〜公式問題集 解説&解答 Ch.4「応用数理」〜

数学検定$1$級は数Ⅲまで相当の数学の基本トピックに関して取り扱った検定であり、統計学に必要な数学を身につける際の指標に役に立ちます。当記事では「日本数学検定協会 監修」の「数学検定問題集 $1$級」より、第$4$章の「応用数理」の解説と演習問題の解答例などを取り扱いました。

・数学検定まとめ
https://www.hello-statisticians.com/math_certificate

①場合の数

計算技能問題

問題.$1$

問題.$2$

北に$5$回、東に$4$回進む必要があるが、この場合の数は${}_{9} C_{5}$で得られるので下記のように計算できる。
$$
\large
\begin{align}
{}_{9} C_{5} &= \frac{9 \cdot 8 \cdot 7 \cdot 6 \cdot \cancel{5}}{\cancel{5} \cdot 4 \cdot 3 \cdot 2 \cdot 1} \\
&= 9 \cdot 2 \cdot 7 \\
&= 126
\end{align}
$$

問題.$3$

・$4$つの数字が異なる場合
$$
\large
\begin{align}
{}_{10} C_{4} &= \frac{10 \cdot 9 \cdot 8 \cdot 7}{4 \cdot 3 \cdot 2 \cdot 1} \\
&= 10 \cdot 3 \cdot 7 = 210
\end{align}
$$

・$2$つが一致し、$3$種類
$$
\large
\begin{align}
3 {}_{10} C_{3} &= 3 \cdot \frac{10 \cdot 9 \cdot 8}{3 \cdot 2 \cdot 1} \\
&= 10 \cdot 9 \cdot 4 = 360
\end{align}
$$

・$2$つずつ一致し、$2$種類
$$
\large
\begin{align}
{}_{10} C_{2} &= \frac{10 \cdot 9}{2 \cdot 1} \\
&= 45
\end{align}
$$

・$3$が一致し、$2$種類
$$
\large
\begin{align}
2 \cdot {}_{10} C_{2} &= \frac{10 \cdot 9}{2 \cdot 1} \\
&= 90
\end{align}
$$

・$4$つの数字が一致し、$1$種類
$$
\large
\begin{align}
{}_{10} C_{1} = 10
\end{align}
$$

よって、場合の数は下記のように計算できる。
$$
\large
\begin{align}
210 + 360 + 45 + 90 + 10 = 715
\end{align}
$$

数理技能問題

問題.$1$

問題.$2$

問題.$3$

②確率

計算技能問題

問題.$1$

・$[1]$
対局数が$3$回である場合はどちらかの$3$連勝の場合であるので確率は下記のように計算できる。
$$
\large
\begin{align}
\left( \frac{1}{2} \right)^{3} \times 2 = \frac{1}{4}
\end{align}
$$

対局数が$4$回である場合は$2$勝$1$敗の棋士が$4$戦目で勝利する場合なので、下記のように確率を計算できる。
$$
\large
\begin{align}
\left( \frac{1}{2} \right)^{4} \times {}_{3} C_{1} \times 2 = \frac{3}{8}
\end{align}
$$

対局数が$5$回である場合は$2$勝$2$敗の棋士が$4$戦目で勝利する場合なので、下記のように確率を計算できる。
$$
\large
\begin{align}
\left( \frac{1}{2} \right)^{5} \times {}_{4} C_{2} \times 2 = \frac{3}{8}
\end{align}
$$

・$[2]$
$[1]$の結果より、期待値$E[X]$は下記のように計算できる。
$$
\large
\begin{align}
E[X] &= 3 \times \frac{1}{4} + 4 \times \frac{3}{8} + 5 \times \frac{3}{8} \\
&= \frac{1}{8}(6+12+15) = \frac{33}{8}
\end{align}
$$

問題.$2$

問題.$3$

・和が$9$になる場合
小さい順に並べた際の目の出方は下記のように列挙できる。
$$
\large
\begin{align}
(1,2,6), (1,3,5), (1,4,4), (2,2,5), (2,3,4), (3,3,3)
\end{align}
$$

上記の$(1,2,6), (1,3,5), (2,3,4)$は$3!=6$通り、$(1,4,4), (2,2,5)$は$3$通り、$(3,3,3)$は$1$通りである。よって確率は下記のように計算できる。
$$
\large
\begin{align}
\frac{1}{6^3}(3 \times 6 + 2 \times 3 + 1) = \frac{25}{216}
\end{align}
$$

・和が$10$になる場合
小さい順に並べた際の目の出方は下記のように列挙できる。
$$
\large
\begin{align}
(1,3,6), (1,4,5), (2,2,6), (2,3,5), (2,4,4), (3,3,4)
\end{align}
$$

上記の$(1,3,6), (1,4,5), (2,3,5)$は$3!=6$通り、$(2,2,6), (2,4,4), (3,3,4)$は$3$通りである。よって確率は下記のように計算できる。
$$
\large
\begin{align}
\frac{1}{6^3}(3 \times 6 + 3 \times 3) &= \frac{27}{216} \\
&= \frac{1}{8}
\end{align}
$$

問題.$4$

$V[X]=E[X^2]-E[X]^2$の導出であり、下記で取り扱った。

問題.$5$

「$n$回の試行で少なくとも$1$回$2$個とも$6$の目が出る確率」は余事象を考えれば良いので、$\displaystyle 1 – \left( \frac{35}{36} \right)^{n} > \frac{1}{2}$が成立する$n$の最小値を考えれば良い。

式変形を行うと、$\displaystyle \frac{1}{2} > \left( \frac{35}{36} \right)^{n}$である$n$の最小値を見つければ良いので、下記のプログラムを実行すると良い。

for i in range(27):
    print("n: {:.0f}, Prob: {:.3f}".format(i+1,(35./36.)**(i+1)))

・実行結果

n: 1, Prob: 0.972
n: 2, Prob: 0.945
n: 3, Prob: 0.919
n: 4, Prob: 0.893
n: 5, Prob: 0.869
[中略]
n: 22, Prob: 0.538
n: 23, Prob: 0.523
n: 24, Prob: 0.509
n: 25, Prob: 0.494
n: 26, Prob: 0.481
n: 27, Prob: 0.467

よって$n$の最小値は$n=25$である。

数理技能問題

問題.$1$

$3$の目が出る確率を$\displaystyle p = \frac{1}{6}$、回数を確率変数$X$で表すと、$n=360$のように十分大きいことから下記のように中心極限定理に基づく正規近似を考えることができる。
$$
\large
\begin{align}
X & \sim \mathrm{Bin}(n,p) \\
Z = \frac{X-E[X]}{\sqrt{V[X]}} = \frac{X-np}{\sqrt{np(1-p)}} & \sim \mathcal{N}(0,1)
\end{align}
$$

ここで$\displaystyle X=50, n=360, p=\frac{1}{6}$を代入すると、$Z$は下記のように計算できる。
$$
\large
\begin{align}
Z &= \frac{\displaystyle 50 – 360 \cdot \frac{1}{6}}{\displaystyle \sqrt{360 \cdot \frac{1}{6} \cdot \frac{5}{6}}} \\
&= \frac{-10}{\sqrt{50}} \\
&= – \sqrt{2}
\end{align}
$$

$X \leq 50$の確率は$Z \leq \sqrt{2}=1.414…$の確率に対応するので、この確率は下記のように計算できる。

import numpy as np
from scipy import stats

print("prob: {:.4f}".format(stats.norm.cdf(-np.sqrt(2))))

実行結果

prob: 0.0786

二項分布の正規近似に関しては下記も合わせて抑えておくと良い。

問題.$2$

・$[1]$
$$
\large
\begin{align}
Z = \frac{X-E[X]}{\sqrt{V[X]}} = \frac{X-np}{\sqrt{np(1-p)}} \sim \mathcal{N}(0,1)
\end{align}
$$

二項分布の正規近似より、確率変数$X \sim \mathrm{Bin}(n=1800,p=1/6)$は上記のように表せる。よって$P(290 \leq X \leq 310)$の値は下記のように考えられる。
$$
\large
\begin{align}
P(290 \leq X \leq 310) &= P \left( \frac{290-300}{\sqrt{300 \cdot 5/6}} \leq Z \leq \frac{310-300}{\sqrt{300 \cdot 5/6}} \right) \\
&= P \left( \frac{-10}{5\sqrt{10}} \leq Z \leq \frac{-10}{5\sqrt{10}} \right) \\
&= P(-0.632… \leq Z \leq 0.632…) \\
&= 2P(0 \leq Z \leq 0.632…) \\
&= 0.4726…
\end{align}
$$

・$[2]$
下記を実行することで正の整数$\alpha$に対応する$P(300-\alpha \leq X \leq 300+\alpha)$の確率をそれぞれ計算できる。

import numpy as np
from scipy import stats

for i in range(12):
    alpha = i+1.
    z_c = (alpha)/(5*np.sqrt(10.))
    prob = 2.*(0.5-(1.-stats.norm.cdf(z_c)))
    print("alpha: {:.0f}, prob: {:.3f}".format(alpha,prob))

実行結果

alpha: 1, prob: 0.050
alpha: 2, prob: 0.101
alpha: 3, prob: 0.150
alpha: 4, prob: 0.200
alpha: 5, prob: 0.248
alpha: 6, prob: 0.296
alpha: 7, prob: 0.342
alpha: 8, prob: 0.387
alpha: 9, prob: 0.431
alpha: 10, prob: 0.473
alpha: 11, prob: 0.513
alpha: 12, prob: 0.552

上記より$P(300-\alpha \leq X \leq 300+\alpha)<0.5$が成立する最大の正の整数$\alpha$は$\alpha=10$である。

問題.$3$

問題.$4$

③統計・日程計画

計算技能問題

問題.$1$

平均、標準偏差、相関係数の定義に基づいて、下記を実行することで計算を行うことができる。

import numpy as np

x = np.array([51., 63., 75., 68., 79., 65., 68., 72., 58., 49])
y = np.array([64., 79., 74., 59., 66., 56., 48., 63., 69., 59.])

mean_x, mean_y = np.mean(x), np.mean(y)
S_x2, S_y2 = np.mean(x**2)-mean_x**2, np.mean(y**2)-mean_y**2
r_xy = (np.mean(x*y)-mean_x*mean_y)/np.sqrt(S_x2*S_y2)

print("・[1]")
print("mean X: {:.1f}".format(mean_x))
print("st_X: {:.2f}".format(np.sqrt(S_x2)))
print("・[2]")
print("mean Y: {:.1f}".format(mean_y))
print("st_Y: {:.2f}".format(np.sqrt(S_y2)))
print("・[3]")
print("cor(X,Y): {:.5f}".format(r_xy))

・実行結果

・[1]
mean X: 64.8
st_X: 9.31
・[2]
mean Y: 63.7
st_Y: 8.51
・[3]
cor(X,Y): 0.09134

平均、標準偏差、相関係数の定義や式変形に関しては下記などで詳しく取り扱った。

問題.$2$

問題.$3$

問題.$4$

数理技能問題

問題.$1$

$\displaystyle V[\overline{X}] = \frac{180}{\sqrt{100}} = 18$より、母平均の$99$%区間は下記のように計算できる。
$$
\large
\begin{align}
\overline{X} \pm z_{\alpha=0.005} V[\overline{X}] &= 1450 \pm 2.58 \times 18 \\
&= 1403.56, 1496.44
\end{align}
$$

問題.$2$

$$
\large
\begin{align}
\hat{y}_i &= ax_i + b \\
a &= \frac{S_{xy}}{S_{x^{2}}} \\
b &= \bar{y} – a \bar{x} \\
S_{xy} &= E[XY]-E[X]E[Y] = \frac{1}{n} \sum_{i=1}^{n} x_iy_i – \bar{x}\bar{y} \\
S_{x^{2}} &= E[X^2]-E[X]^2 = \frac{1}{n} \sum_{i=1}^{n} x_{i}^{2} – \bar{x}^2
\end{align}
$$

上記の式に基づいて下記を実行することで計算が行える。

import numpy as np

x = np.array([1., 2., 3., 4., 5., 6., 7.])
y = np.array([316.6, 320., 325.5, 331.1, 338.7, 345.9, 354.1])

s_xy = np.mean(x*y) - np.mean(x)*np.mean(y)
s_x2 = np.mean(x**2) - np.mean(x)**2

a = s_xy/s_x2
b = np.mean(y) - a*np.mean(x)

print(a*11.+b)

実行結果

377.5035...

解答に用いた回帰の式の導出は下記で詳しく取り扱った。

問題.$3$

下記を実行することで得票数を整数で割った際の商が得られる。

import numpy as np

x = np.array([2300, 969, 634, 511, 505])
for i in range(7):
    print("x/{:.0f}: {}".format(i+1,x/(i+1)))

・実行結果

x/1: [2300  969  634  511  505]
x/2: [1150  484  317  255  252]
x/3: [766 323 211 170 168]
x/4: [575 242 158 127 126]
x/5: [460 193 126 102 101]
x/6: [383 161 105  85  84]
x/7: [328 138  90  73  72]

上記より比例代表制ドント方式に基づいて、$A$党が$5$人、$B$党が$2$人、$C, D, E$党がそれぞれ$1$人ずつ当選することが確認できる。

④数値計算

計算技能問題

問題.$1$

問題.$2$

数理技能問題

問題.$1$

問題.$2$

⑤コンピュータ・電卓

計算技能問題

問題.$1$

問題.$2$

問題.$3$

問題.$4$

数理技能問題

問題.$1$

問題.$2$

問題.$3$

数学検定1級 解説 〜公式問題集 解説&解答 Ch.3「解析学」〜

数学検定$1$級は数Ⅲまで相当の数学の基本トピックに関して取り扱った検定であり、統計学に必要な数学を身につける際の指標に役に立ちます。当記事では「日本数学検定協会 監修」の「数学検定問題集 $1$級」より、第$3$章の「解析学」の解説と演習問題の解答例などを取り扱いました。

・数学検定まとめ
https://www.hello-statisticians.com/math_certificate

①極限値

計算技能問題

問題.$1$

・$[1]$
$$
\large
\begin{align}
0.333… &= 0.3(1 + 10^{-1} + 10^{-2} + \cdots) \\
&= \frac{0.3}{1-0.1} \\
&= \frac{0.3}{0.9} = \frac{1}{3}
\end{align}
$$

・$[2]$
$$
\large
\begin{align}
0.1666… &= 0.1 + 0.06(1 + 10^{-1} + 10^{-2} + \cdots) \\
&= \frac{1}{10} + \frac{6}{100} \times \frac{1}{1-0.1} \\
&= \frac{1}{10} + \frac{6}{100} \times \frac{10}{9} \\
&= \frac{1}{10} + \frac{2}{10 \cdot 3} \\
&= \frac{\cancel{3+2}}{2 \cdot \cancel{5} \cdot3} = \frac{1}{6}
\end{align}
$$

・$[3]$
$$
\large
\begin{align}
0.037… &= 0.037 (1 + 10^{-3} + 10^{-6} + \cdots) \\
&= \frac{37}{1000} \times \frac{1}{1-10^{-3}} \\
&= \frac{37}{\cancel{1000}} \times \frac{\cancel{1000}}{999} \\
&= \frac{37}{9 \cdot 111} \\
&= \frac{\cancel{37}}{9 \cdot 3 \cdot \cancel{37}} \\
&= \frac{1}{27}
\end{align}
$$

問題.$2$

$$
\large
\begin{align}
a_1 = 1, \quad a_{k+1} = 1 + \frac{3}{4}a_{k}, \qquad k=1,2,3, \cdots
\end{align}
$$

特性方程式$\displaystyle \alpha = 1+\frac{3}{4}\alpha$の解が$\alpha=4$であることより二項間漸化式は下記のように変形を行える。
$$
\large
\begin{align}
a_{k+1} &= 1 + \frac{3}{4}a_{k} \\
a_{k+1}-4 &= \frac{3}{4}(a_{k}-4)
\end{align}
$$

上記より数列${a_{k}-4}$は初項$a_1-4=1-4=-3$、公比$\displaystyle \frac{3}{4}$の等比数列であることが読み取れる。よって$a_{k}$に関して下記が成立する。
$$
\large
\begin{align}
a_{k} – 4 &= (a_1-4) \left( \frac{3}{4} \right)^{k-1} \\
a_{k} &= 4 – 3 \left( \frac{3}{4} \right)^{k-1}
\end{align}
$$

したがって、$\displaystyle \lim_{n \to \infty} a_{n}$の極限値は下記のように得られる。
$$
\large
\begin{align}
\lim_{n \to \infty} a_{n} &= \lim_{n \to \infty} \left[ 4 – 3 \left( \frac{3}{4} \right)^{k-1} \right] \\
&= 4
\end{align}
$$

問題.$3$

・$[1]$
$$
\large
\begin{align}
\lim_{x \to 2} \frac{x^2+2x-8}{x^2-5x+6} &= \lim_{x \to 2} \frac{(x+4)\cancel{(x-2)}}{\cancel{(x-2)}(x-3)} \\
&= \lim_{x \to 2} \frac{(x+4)}{(x-3)} \\
&= \frac{2+4}{2-3} = -6
\end{align}
$$

$[$別解$]$
ロピタルの定理を用いて下記のように考えることができる。
$$
\large
\begin{align}
\lim_{x \to 2} \frac{x^2+2x-8}{x^2-5x+6} &= \lim_{x \to 2} \frac{2x+2}{2x-5} \\
&= \frac{2 \cdot 2 + 2}{2 \cdot 2 – 5} = -6
\end{align}
$$

・$[2]$
$$
\large
\begin{align}
\lim_{x \to 0} \frac{\sin^{2}{x}}{1-\cos{x}} &= \lim_{x \to 0} \frac{1-\cos^{2}{x}}{1-\cos{x}} \\
&= \lim_{x \to 0} \frac{(1+\cos{x})\cancel{(1-\cos{x})}}{\cancel{1-\cos{x}}} \\
&= \lim_{x \to 0} (1+\cos{x}) = 1+1 = 2
\end{align}
$$

$[$別解$]$
ロピタルの定理を用いて下記のように考えることができる。
$$
\large
\begin{align}
\lim_{x \to 0} \frac{\sin^{2}{x}}{1-\cos{x}} &= \lim_{x \to 0} \frac{2 \cancel{\sin{x}} \cos{x}}{\cancel{\sin{x}}} \\
&= 2 \cos{x} = 2
\end{align}
$$

・$[3]$
$$
\large
\begin{align}
\lim_{x \to \infty} (3x – \sqrt{9x^2-3x-1}) &= \lim_{x \to 0} \frac{(3x – \sqrt{9x^2-3x-1})(3x + \sqrt{9x^2-3x-1})}{3x + \sqrt{9x^2-3x-1}} \\
&= \lim_{x \to 0} \frac{9x^2 – (9x^2-3x-1)}{3x + \sqrt{9x^2-3x-1}} \\
&= \lim_{x \to 0} \frac{3x+1}{3x + \sqrt{9x^2-3x-1}} \\
&= \lim_{x \to 0} \frac{3+1/x}{3 + \sqrt{9-3/x-1/x^2}} \\
&= \frac{3}{3+3} = \frac{1}{2}
\end{align}
$$

問題.$4$

数理技能問題

問題.$1$

問題.$2$

問題.$3$

問題.$4$

問題.$5$

問題.$6$

②微分法・不等式

計算技能問題

問題.$1$

・$[1]$
$$
\large
\begin{align}
\left( \frac{x}{x^2+1} \right)’ &= \frac{x'(x^2+1)-x(x^2+1)’}{(x^2+1)^2} \\
&= \frac{x^2+1-2x^2}{(x^2+1)^2} \\
&= \frac{-x^2+1}{(x^2+1)^2}
\end{align}
$$

・$[2]$
$$
\large
\begin{align}
((\log_{2}{x})^2)’ &= \left( \frac{(\log_{e}{x})^2}{(\log_{e}{2})^2} \right)’ \\
&= \frac{2 \log_{e}{x} (\log_{e}{x})’}{(\log_{e}{2})^2} \\
&= \frac{2 \log_{e}{x}}{x(\log_{e}{2})^2}
\end{align}
$$

上記を下記のように変形すると、問題集の解答と一致する。
$$
\large
\begin{align}
\frac{2 \log_{e}{x}}{x(\log_{e}{2})^2} &= \frac{2 \log_{2}{x}}{x \log_{2}{e}} \times (\log_{2}{e})^2 \\
&= 2 \log_{2}{e} \cdot \frac{\log_{2}{x}}{x}
\end{align}
$$

・$[3]$
$$
\large
\begin{align}
( \log_{e}{(\log_{e}{x})} )’ &= \frac{(\log_{e}{x})’}{\log_{e}{x}} \\
&= \frac{1}{x \log_{e}{x}}
\end{align}
$$

問題.$2$

問題.$3$

$$
\large
\begin{align}
f'(a) = \lim_{h \to 0} \frac{f(a+h)-f(a)}{h}
\end{align}
$$

上記で表した微分係数$f'(a)$の定義に基づいて以下変形を行う。
・$[1]$
$$
\large
\begin{align}
\lim_{h \to 0} \frac{f(a)-f(a+h)}{h} &= \lim_{h \to 0} \frac{-(f(a+h)-f(a))}{h} \\
&= -f'(a)
\end{align}
$$

・$[2]$
$$
\large
\begin{align}
\frac{f(a+h)-f(a-h)}{h} &= \frac{f(a+h)-f(a)+f(a)-f(a-h)}{h} \\
&= \frac{f(a+h)-f(a)}{h} + \frac{f(a)-f(a-h)}{h}
\end{align}
$$

ここで$t=-h$とおくと$\displaystyle \lim_{h \to 0} \frac{f(a)-f(a-h)}{h}$は下記のように変形できる。
$$
\large
\begin{align}
\lim_{h \to 0} \frac{f(a)-f(a-h)}{h} &= \lim_{t \to 0} \frac{f(a)-f(a+t)}{-t} \\
&= \lim_{t \to 0} \frac{f(a+t)-f(a)}{t} = f'(a)
\end{align}
$$

よって下記が成立する。
$$
\large
\begin{align}
\lim_{h \to 0} \frac{f(a+h)-f(a-h)}{h} &= \lim_{h \to 0} \frac{f(a+h)-f(a)+f(a)-f(a-h)}{h} \\
&= \lim_{h \to 0} \frac{f(a+h)-f(a)}{h} + \lim_{t \to 0} \frac{f(a+t)-f(a)}{t} \\
&= f'(a) + f'(a) = 2f'(a)
\end{align}
$$

数理技能問題

問題.$1$

問題.$2$

問題.$3$

問題.$4$

③最大・最小問題

計算技能問題

問題.$1$

切り取る正方形の辺の長さを$a$、箱の体積を$V(a)$とおくと、$V(a)$は下記のように表せる。
$$
\large
\begin{align}
V(a) &= (12-2a)^{2} \times a \\
&= 4a(6-a)^{2}
\end{align}
$$

ここで$V(a)$の$a$での微分は下記のように計算できる。
$$
\large
\begin{align}
\frac{dV(a)}{da} &= 4(6-a)^{2} + 4a \times 2(6-a) \times (-1) \\
&= 4(6-a)^{2} – 8a(6-a) \\
&= 4(6-a)[ (6-a) – 2a ] \\
&= 4(6-a)(6-3a) \\
&= 12(a-6)(a-2)
\end{align}
$$

上記より$a=2$のとき$V(a)$は最大値を取ることが確認でき、このときの値$V(a)$は下記のように計算できる。
$$
\large
\begin{align}
V(2) &= 4 \times 2 \times (6-2)^{2} \\
&= 128
\end{align}
$$

問題.$2$

問題.$3$

問題.$4$

問題.$5$

数理技能問題

問題.$1$

$$
\large
\begin{align}
\frac{x^2}{a^2} + \frac{y^2}{b^2} = 1
\end{align}
$$

上記で表される楕円上の点は$(a \cos{\theta}, b \sin{\theta})$のように表せる。内接する長方形を考えるにあたっては楕円上の$1$つの点を考えると、$x=0,y=0$にそれぞれ対称な点と原点に対称な点を考えることで$4$点が自動的に決まる。

ここで第$1$象限の点を$\displaystyle (a \cos{\theta}, b \sin{\theta}), \quad 0 < \theta < \frac{\pi}{2}$で定めると長方形の面積$S(\theta)$は下記のように表せる。
$$
\large
\begin{align}
S(\theta) &= 2 a \cos{\theta} \times 2 b \sin{\theta} \\
&= 4ab \sin{\theta} \cos{\theta} \\
&= 2ab\sin{(2 \theta)}
\end{align}
$$

$\displaystyle 0 < \theta < \frac{\pi}{2}$より、$S(\theta)$は$\displaystyle \theta = \frac{\pi}{4}$のとき最大値$2ab$をとる。

したがって楕円に内接する長方形の最大面積は$2ab$である。

問題.$2$

問題.$3$

問題.$4$

問題.$5$

④テイラー展開

計算技能問題

問題.$1$

問題.$2$

数理技能問題

問題.$1$

問題.$2$

⑤積分法

計算技能問題

問題.$1$

・$[1]$
$x’=1$であることに着目して部分積分法を用いることで下記のように計算できる。
$$
\large
\begin{align}
\int (\log{x})^{2} dx &= x (\log{x})^{2} – \int \cancel{x} \cdot 2(\log{x}) \cdot \frac{1}{\cancel{x}} dx \\
&= x (\log{x})^{2} – 2x \log{x} + 2 \int \cancel{x} \cdot \frac{1}{\cancel{x}} dx \\
&= x (\log{x})^{2} – 2x \log{x} + 2x + C
\end{align}
$$

・$[2]$
$$
\large
\begin{align}
\sin^{2}{x} + \cos^{2}{x} &= 1 \\
\frac{\sin^{2}{x}}{\cos^{2}{x}} + 1 &= \frac{1}{\cos^{2}{x}} \\
\tan^{2}{x} + 1 &= \frac{1}{\cos^{2}{x}}
\end{align}
$$

上記の式と$\displaystyle (\tan{x})’ = \frac{1}{\cos^{2}{x}}$より、下記のように計算できる。
$$
\large
\begin{align}
\int \tan^{2}{x} dx &= \int \left( \frac{1}{\cos^{2}{x}} – 1 \right) dx \\
&= \int ((\tan{x})’ – 1 ) dx \\
&= \tan{x} – x + C
\end{align}
$$

・$[3]$
部分積分法に基づいて下記のように計算できる。
$$
\large
\begin{align}
\int x \sin{x} dx &= -x \cos{x} + \int \cos{x} dx \\
&= -x \cos{x} + \sin{x} + C
\end{align}
$$

問題.$2$

数理技能問題

問題.$1$

問題.$2$

⑥積分の応用

計算技能問題

問題.$1$

・$[1]$
$x-\sqrt{x}=0$の解は$\sqrt{x}(\sqrt{x}-1)=0$より、$x=0,1$である。ここで$0 \leq x \leq 1$では$x-\sqrt{x}<0$であるので、面積$S$は下記のように計算できる。
$$
\large
\begin{align}
S &= \int_{0}^{1} |x-\sqrt{x}| dx \\
&= \int_{0}^{1} (x^{\frac{1}{2}} – x) dx \\
&= \left[ \frac{2}{3}x^{\frac{3}{2}} – \frac{1}{2}x^{2} \right]_{0}^{1} \\
&= \frac{2}{3} – \frac{1}{2} \\
&= \frac{1}{6}
\end{align}
$$

問題.$2$

問題.$3$

問題.$4$

数理技能問題

問題.$1$

問題.$2$

問題.$3$

問題.$4$

問題.$5$

ロルの定理を用いたテイラーの定理の証明と有限テイラー展開の近似誤差

テイラーの定理は有限テイラー展開や級数の形式のテイラー展開を考える上で用いられる重要な定理です。当記事ではテイラーの定理の理解にあたって、平均値の定理の特殊な場合であるロルの定理を用いた証明や有限テイラー展開の近似誤差について具体的な例を元に確認を行いました。

「数研出版」の「大学教養 微分積分」の第$3.4$節「テイラーの定理」の内容を参考に作成を行いました。

・数学まとめ
https://www.hello-statisticians.com/math_basic

テイラーの定理の証明

ロルの定理

ロルの定理は上図を元に理解するとわかりやすい。閉区間$a \leq x \leq b$で連続関数$f(x)$を考えるとき、$f(x)$が開区間$a < x < b$で微分可能かつ$f(a)=f(b)$を仮定する。

このとき「$f'(c)=0$となる$c \in (a,b)$が少なくとも$1$つ存在する」と考えるのがロルの定理である。ロルの定理を数式を元に表すとやや抽象的だが、図で表したように「$f(a)$と$f(b)$が同じであれば途中のどこかの点で$f(x)$の傾きが$0$になる」と直感的に考えれば十分である。

ロルの定理の証明は「大学教養 微分積分」の第$3.2$節「微分法の応用」で取り扱われているので詳しくは参照すると良い。

平均値の定理

上図のように閉区間$a \leq x \leq b$で連続関数$f(x)$を考えるとき、$f(x)$が開区間$a < x < b$で微分可能を仮定する。このとき「$\displaystyle f'(c) = \frac{f(b)-f(a)}{b-a}$となる$c \in (a,b)$が少なくとも$1$つ存在する」と考えるのが平均値の定理である。

平均値の定理を数式を元に表すとロルの定理と同様にやや抽象的だが、図で表したように「$a$から$b$への傾きと途中のどこかの点の$f(x)$の傾きが一致する」と直感的に考えれば十分である。

平均値の定理の証明は「大学教養 微分積分」の第$3.2$節「微分法の応用」で取り扱われているので詳しくは参照すると良い。

テイラーの定理の証明

$$
\large
\begin{align}
f(x) = f(a) & + f'(a)(x-a)^{1} + \frac{1}{2}f^{”}(a)(x-a)^{2} + \cdots \\
& \cdots + \frac{1}{(n-1)!}f^{(n-1)}(a)(x-a)^{n-1} + \frac{1}{n!}f^{(n)}(c_x)(x-a)^{n} \quad (1)
\end{align}
$$

「定義域$I$で$n$回微分可能な関数の$f(x)$は$I$上の全ての$x$に関して$a \in I$を考えるとき、上記の$(1)$式が成立する$a$と$x$の間の点の$c_x$が存在する」と考えるのがテイラーの定理である。以下、このテイラーの定理の証明を行う。

i) $x = a$のとき
$(1)$式に$x=a$を代入すると、下記のように表せる。
$$
\large
\begin{align}
f(x) &= f(a) + f'(a)(x-a)^{1} + \cdots + \frac{1}{(n-1)!}f^{(n-1)}(a)(x-a)^{n-1} + \frac{1}{n!}f^{(n)}(c_x)(x-a)^{n} \quad (1) \\
f(a) &= f(a) + f'(a)(a-a)^{1} + \cdots + \frac{1}{(n-1)!}f^{(n-1)}(a)(a-a)^{n-1} + \frac{1}{n!}f^{(n)}(c_x)(a-a)^{n} \\
&= f(a)
\end{align}
$$

よって$x=a$のとき$c_x$の値によらず$(1)$式が成立するので、$c_x=a \in I$で$(1)$式が成立する。

ⅱ) $x \neq a$のとき
$b \neq a$である任意の$b \in I$に関して下記が成立することを示せば良い。
$$
\large
\begin{align}
f(b) &= f(a) + f'(a)(b-a)^{1} + \cdots + \frac{1}{(n-1)!}f^{(n-1)}(a)(b-a)^{n-1} + \frac{1}{n!}f^{(n)}(c_b)(b-a)^{n} \quad (1)’
\end{align}
$$

ここで下記が成立するように定数$A$を定める。
$$
\large
\begin{align}
A(b-a)^{n} = f(b) – \left[ f(a) + f'(a)(b-a)^{1} + \cdots + \frac{1}{(n-1)!}f^{(n-1)}(a)(b-a)^{n-1} \right]
\end{align}
$$

また、下記のように$I$上の関数$g(x)$を定義する。
$$
\large
\begin{align}
g(x) &= f(b) – \left[ f(x) + f'(x)(b-x)^{1} + \cdots + \frac{1}{(n-1)!}f^{(n-1)}(x)(b-x)^{n-1} \right] – A(b-x)^{n} \\
&= f(b) – \left[ f(x) + f'(x)(b-x)^{1} + \cdots + \frac{1}{(n-1)!}f^{(n-1)}(x)(b-x)^{n-1} + A(b-x)^{n} \right]
\end{align}
$$

このとき$g(a), g(b)$はそれぞれ下記のように計算できる。
$$
\large
\begin{align}
g(a) &= f(b) – \left[ f(a) + f'(a)(b-a)^{1} + \cdots + \frac{1}{(n-1)!}f^{(n-1)}(a)(b-a)^{n-1} + A(b-a)^{n} \right] \\
&= \left[ f(b) – f(a) + f'(a)(b-a)^{1} + \cdots + \frac{1}{(n-1)!}f^{(n-1)}(a)(b-a)^{n-1} \right] – A(b-a)^{n} \\
&= A(b-a)^{n} – A(b-a)^{n} = 0 \\
g(b) &= f(b) – \left[ f(b) + f'(x)(b-b)^{1} + \cdots + \frac{1}{(n-1)!}f^{(n-1)}(b)(b-b)^{n-1} + A(b-b)^{n} \right] \\
&= f(b) – f(b) = 0
\end{align}
$$

よって$g(a)=g(b)=0$が成り立つのでロルの定理より、$g'(c_b)=0$となる$c_b$が$a$と$b$の間に存在する。

次に$g'(x)$の計算を行う。$k \geq 1$のとき下記が成立する。
$$
\large
\begin{align}
\left( \frac{1}{k!} f^{(k)}(x)(b-x)^{k} \right)’ &= \frac{1}{k!} f^{(k+1)}(x)(b-x)^{k} + \frac{k}{k!} f^{(k+1)}(x)(b-x)^{k-1} \times (b-x)’ \\
&= \frac{1}{k!} f^{(k+1)}(x)(b-x)^{k} – \frac{k}{k!} f^{(k+1)}(x)(b-x)^{k-1}
\end{align}
$$

よって$g'(x)$は下記のように計算できる。
$$
\large
\begin{align}
g'(x) &= \\
&= -\frac{1}{(n-1)!} f^{(n)}(x) (b-x)^{n-1} + nA(b-x)^{n-1}
\end{align}
$$

ここで$g'(c_b)=0$であるから下記が成立する。
$$
\large
\begin{align}
g'(c_b) &= -\frac{1}{(n-1)!} f^{(n)}(c_b) (b-c_b)^{n-1} + nA(b-c_b)^{n-1} = 0 \\
nA \cancel{(b-c_b)^{n-1}} &= \frac{1}{(n-1)!} f^{(n)}(c_b) \cancel{(b-c_b)^{n-1}} \\
A &= \frac{1}{n!} f^{(n)}(c_b)
\end{align}
$$

$g(a)=0$の式に$\displaystyle A = \frac{1}{n!} f^{(n)}(c_b)$を代入すると下記が得られる。
$$
\large
\begin{align}
g(a) = f(b) – \left[ f(a) + f'(a)(b-a)^{1} + \cdots + \frac{1}{(n-1)!}f^{(n-1)}(a)(b-a)^{n-1} + A(b-a)^{n} \right] &= 0 \\
f(b) – \left[ f(a) + f'(a)(b-a)^{1} + \cdots + \frac{1}{(n-1)!}f^{(n-1)}(a)(b-a)^{n-1} + \frac{1}{n!} f^{(n)}(c_b)(b-a)^{n} \right] &= 0 \\
f(b) = f(a) + f'(a)(b-a)^{1} + \cdots + \frac{1}{(n-1)!}f^{(n-1)}(a)(b-a)^{n-1} + \frac{1}{n!}f^{(n)}(c_b)(b-a)^{n} & \quad (1)’
\end{align}
$$

上記のように$(1)’$式が得られるので、$(1)’$式が成立する。

したがって$(1)$式で表されたテイラーの定理は$x \in I$の全ての$x$で成立する。

有限テイラー展開の近似精度

有限テイラー展開の数式

有限テイラー展開の近似精度

参考

・有限マクローリン展開を用いた近似値・近似誤差の計算

【統計の森ちゃんねる】「統計モデリング入門」シリーズのまとめ

統計の森では、YouTubeチャンネル「統計の森ちゃんねる」を運営しています。

統計の森ちゃんねるでは、統計学における考え方の基礎や機械学習の基礎にもなる「統計モデル」についてざっくりとイメージを解説をする動画シリーズを公開しています。

#01 統計モデルって何するもの?

本動画では、統計学における考え方の基礎や機械学習の基礎にもなる「統計モデル」についてざっくりとイメージを解説する。

「統計モデル」という概念を通して統計解析や機械学習を見ることで、全体的な見通しが良くなることを期待している。

以下参照

#02 正規分布モデルの気持ち

本動画では、統計モデルで最も基本的で重要な「正規分布モデル」について解説する。

そもそもなぜ「正規分布」のような確率分布を「モデル」とするのか?正規分布を使う意味とは?という点について解説する。

以下参照

#03 線形回帰の気持ち

本動画では、予測モデルとして基本的な「線形回帰モデル」について解説する。

線形回帰モデルではどのようなことができるのか、モデルの詳細はどうなているのかを説明。

以下参照

【統計の森ちゃんねる】「実装して学ぶ機械学習」シリーズのまとめ

統計の森では、YouTubeチャンネル「統計の森ちゃんねる」を運営しています。

統計の森ちゃんねるでは、機械学習の理論解説ではなく、まず実装して動作を確認することを目的とした解説をする動画シリーズを公開しています。

理論を抑えることは重要ですが、実際の動きを確認してから実感をもって理論の習得を目指すと学習効率が高いのではと考えています。そこで、「まず動かしてみる」ための方法を解説しています。

#01 Pythonサンプルコードで真似できる決定木分析

「決定木分析」のscikit-learnを利用した実装と、学習済みの決定木を可視化して説明変数と目的変数の関係性を解釈する方法について解説。

  • 分析対象データをpandas.DataFrameで用意
    • irisデータセットを利用
  • scikit-learnを利用して決定木を学習
  • dtreevizを利用して決定木を可視化
    • 説明変数の重要度を確認できる

以下参照

#02 【Python実装して遊ぶ # 01】本当は初学者にこそおすすめしたい開発環境【3ステップ】

開発環境の構築についての一つの提案を解説。

3ステップでPythonとJupytarLabの真っ新な開発環境を構築する。真っ新な環境を構築できるので、初学者にこそおすすめしたい(Dockerを利用するので注意)。

  • 提案構成
    • IDE: Visual Studio Code
      • Dockerコンテナ含めたリモート開発にとても便利なextentionがある
    • 仮想環境: Docker(docker-compose)
      • 別のlinuxマシンを用意する感覚
      • ライブラリ等の基本構成なども設定ファイルで書いておくことができる
    • 環境テンプレート: Github(tok41/basic-dev-env)
      • dockerの構成はテキストファイルで作成するため、Githubで管理できる

以下参照

数学検定1級 解説 〜公式問題集 解説&解答 Ch.2「線形代数」〜

数学検定$1$級は数Ⅲまで相当の数学の基本トピックに関して取り扱った検定であり、統計学に必要な数学を身につける際の指標に役に立ちます。当記事では「日本数学検定協会 監修」の「数学検定問題集 $1$級」より、第$2$章の「線形代数」の解説と演習問題の解答例などを取り扱いました。

・数学検定まとめ
https://www.hello-statisticians.com/math_certificate

①ベクトル・$3$次元図形

計算技能問題

問題.$1$

$$
\large
\begin{align}
\mathbf{e}_{1} &= \left( \begin{array}{c} 1 \\ 0 \\ 0 \end{array} \right), \quad \mathbf{e}_{2} = \left( \begin{array}{c} 0 \\ 1 \\ 0 \end{array} \right), \quad \mathbf{e}_{3} = \left( \begin{array}{c} 0 \\ 0 \\ 1 \end{array} \right) \\
\mathbf{a} &= \left( \begin{array}{c} 1 \\ 2 \\ 3 \end{array} \right)
\end{align}
$$

$\mathbf{e}_{1}, \mathbf{e}_{2}, \mathbf{e}_{3}, \mathbf{a}, \alpha, \beta, \gamma$に関して下記の式が成立する。
$$
\large
\begin{align}
\mathbf{e}_{1} \cdot \mathbf{a} &= |\mathbf{e}_{1}| |\mathbf{a}| \cos{\alpha} \\
\mathbf{e}_{2} \cdot \mathbf{a} &= |\mathbf{e}_{2}| |\mathbf{a}| \cos{\beta} \\
\mathbf{e}_{3} \cdot \mathbf{a} &= |\mathbf{e}_{3}| |\mathbf{a}| \cos{\gamma}
\end{align}
$$

よって$\cos{\alpha}, \cos{\beta}, \cos{\gamma}$はそれぞれ下記のように計算できる。
・$\cos{\alpha}$
$$
\large
\begin{align}
\mathbf{e}_{1} \cdot \mathbf{a} &= |\mathbf{e}_{1}| |\mathbf{a}| \cos{\alpha} \\
\left( \begin{array}{c} 1 \\ 0 \\ 0 \end{array} \right) \cdot \left( \begin{array}{c} 1 \\ 2 \\ 3 \end{array} \right) &= \sqrt{1^2+2^2+3^2} \cos{\alpha} \\
\cos{\alpha} &= \frac{1}{\sqrt{14}}
\end{align}
$$

・$\cos{\beta}$
$$
\large
\begin{align}
\mathbf{e}_{2} \cdot \mathbf{a} &= |\mathbf{e}_{2}| |\mathbf{a}| \cos{\alpha} \\
\left( \begin{array}{c} 0 \\ 1 \\ 0 \end{array} \right) \cdot \left( \begin{array}{c} 1 \\ 2 \\ 3 \end{array} \right) &= \sqrt{1^2+2^2+3^2} \cos{\beta} \\
\cos{\beta} &= \frac{2}{\sqrt{14}}
\end{align}
$$

・$\cos{\gamma}$
$$
\large
\begin{align}
\mathbf{e}_{3} \cdot \mathbf{a} &= |\mathbf{e}_{3}| |\mathbf{a}| \cos{\alpha} \\
\left( \begin{array}{c} 0 \\ 0 \\ 1 \end{array} \right) \cdot \left( \begin{array}{c} 1 \\ 2 \\ 3 \end{array} \right) &= \sqrt{1^2+2^2+3^2} \cos{\gamma} \\
\cos{\gamma} &= \frac{3}{\sqrt{14}}
\end{align}
$$

問題.$2$

$$
\large
\begin{align}
\mathbf{a} &= \left( \begin{array}{c} 2 \\ 1 \\ 3 \end{array} \right) \\
\mathbf{b} &= \left( \begin{array}{c} 3 \\ -2 \\ 1 \end{array} \right)
\end{align}
$$

ベクトル$\mathbf{a}, \mathbf{b}$のなす角を$\theta$とおくとき、下記のように考えることができる。
$$
\large
\begin{align}
\mathbf{a} \cdot \mathbf{b} &= |\mathbf{a}| |\mathbf{b}| \cos{\theta} \\
\left( \begin{array}{c} 2 \\ 1 \\ 3 \end{array} \right) \cdot \left( \begin{array}{c} 3 \\ -2 \\ 1 \end{array} \right) &= \sqrt{2^2+1^2+3^2} \times \sqrt{3^2+(-2)^2+1^2} \cos{\theta} \\
6-2+3 &= 14 \cos{\theta} \\
\cos{\theta} &= \frac{7}{14} \\
&= \frac{1}{2} \\
\theta &= \frac{\pi}{3}
\end{align}
$$

よってベクトル$\mathbf{a}, \mathbf{b}$のなす角は$\displaystyle \theta = \frac{\pi}{3}$である。

問題.$3$

問題.$4$

数理技能問題

問題.$1$

問題.$2$

問題.$3$

問題.$4$

問題.$5$

問題.$6$

②行列・$1$次変換

計算技能問題

問題.$1$

$$
\large
\begin{align}
A = \left( \begin{array}{cc} 1 & 2 \\ -3 & 4 \end{array} \right), \quad B = \left( \begin{array}{cc} 5 & 2 \\ 3 & -1 \end{array} \right)
\end{align}
$$

・$[1]$
$A+B=X$より、$X$は下記のように計算できる。
$$
\large
\begin{align}
X &= A + B \\
&= \left( \begin{array}{cc} 1 & 2 \\ -3 & 4 \end{array} \right) + \left( \begin{array}{cc} 5 & 2 \\ 3 & -1 \end{array} \right) \\
&= \left( \begin{array}{cc} 6 & 4 \\ 0 & 3 \end{array} \right)
\end{align}
$$

・$[2]$
$3X-A=X-2B$より、$X$は下記のように計算できる。
$$
\large
\begin{align}
3X – A &= X – 2B \\
2X &= A – 2B \\
X &= \frac{1}{2} (A – 2B) \\
&= \frac{1}{2} \left( \begin{array}{cc} 1-10 & 2-4 \\ -3-6 & 4+2 \end{array} \right) \\
&= \left( \begin{array}{cc} \displaystyle -\frac{9}{2} & -1 \\ \displaystyle -\frac{9}{2} & 3 \end{array} \right)
\end{align}
$$

問題.$2$

・$[1]$
$$
\large
\begin{align}
\left( A \, \middle| \, I \right) = \left( \begin{array}{ccc} 1 & 2 & 3 \\ 1 & 0 & -1 \\ 0 & 1 & 1 \end{array} \, \middle| \, \begin{array}{ccc} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{array} \right)
\end{align}
$$

上記に対し、行基本変形を行うことで下記が得られる。
$$
\large
\begin{align}
\left( \begin{array}{ccc} 1 & 2 & 3 \\ 1 & 0 & -1 \\ 0 & 1 & 1 \end{array} \, \middle| \, \begin{array}{ccc} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{array} \right) & \longrightarrow \left( \begin{array}{ccc} 1 & 2 & 3 \\ 0 & -2 & -4 \\ 0 & 1 & 1 \end{array} \, \middle| \, \begin{array}{ccc} 1 & 0 & 0 \\ -1 & 1 & 0 \\ 0 & 0 & 1 \end{array} \right) \\
& \longrightarrow \left( \begin{array}{ccc} 1 & 2 & 3 \\ 0 & 2 & 0 \\ 0 & 1 & 1 \end{array} \, \middle| \, \begin{array}{ccc} 1 & 0 & 0 \\ -1 & 1 & 4 \\ 0 & 0 & 1 \end{array} \right) \\
& \longrightarrow \left( \begin{array}{ccc} 1 & 0 & 3 \\ 0 & 2 & 0 \\ 0 & 1 & 1 \end{array} \, \middle| \, \begin{array}{ccc} 2 & -1 & -4 \\ -1 & 1 & 4 \\ 0 & 0 & 1 \end{array} \right) \\
& \longrightarrow \left( \begin{array}{ccc} 1 & 0 & 3 \\ 0 & 1 & 0 \\ 0 & 1 & 1 \end{array} \, \middle| \, \begin{array}{ccc} 2 & -1 & -4 \\ -1/2 & 1/2 & 2 \\ 0 & 0 & 1 \end{array} \right) \\
& \longrightarrow \left( \begin{array}{ccc} 1 & 0 & 3 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{array} \, \middle| \, \begin{array}{ccc} 2 & -1 & -4 \\ -1/2 & 1/2 & 2 \\ 1/2 & -1/2 & -1 \end{array} \right) \\
& \longrightarrow \left( \begin{array}{ccc} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{array} \, \middle| \, \begin{array}{ccc} 1/2 & -1/2 & -1 \\ -1/2 & 1/2 & 2 \\ 1/2 & -1/2 & -1 \end{array} \right)
\end{align}
$$

上記より下記のような逆行列$A^{-1}$が得られる。
$$
\large
\begin{align}
A^{-1} = \frac{1}{2} \left(\begin{array}{ccc} 1 & -1 & -2 \\ -1 & 1 & 4 \\ 1 & -1 & -2 \end{array} \right)
\end{align}
$$

・$[2]$
$$
\large
\begin{align}
\left( A \, \middle| \, I \right) = \left( \begin{array}{ccc} 1 & 1/2 & 1/3 \\ 1/2 & 1/3 & 1/4 \\ 1/3 & 1/4 & 1/5 \end{array} \, \middle| \, \begin{array}{ccc} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{array} \right)
\end{align}
$$

上記に対し、行基本変形を行うことで下記が得られる。
$$
\large
\begin{align}
\left( \begin{array}{ccc} 1 & 1/2 & 1/3 \\ 1/2 & 1/3 & 1/4 \\ 1/3 & 1/4 & 1/5 \end{array} \, \middle| \, \begin{array}{ccc} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{array} \right) & \longrightarrow \left( \begin{array}{ccc} 1 & 1/2 & 1/3 \\ 1 & 2/3 & 1/2 \\ 1 & 3/4 & 3/5 \end{array} \, \middle| \, \begin{array}{ccc} 1 & 0 & 0 \\ 0 & 2 & 0 \\ 0 & 0 & 3 \end{array} \right) \\
& \longrightarrow \left( \begin{array}{ccc} 1 & 1/2 & 1/3 \\ 0 & 1/6 & 1/6 \\ 0 & 1/4 & 4/15 \end{array} \, \middle| \, \begin{array}{ccc} 1 & 0 & 0 \\ -1 & 2 & 0 \\ -1 & 0 & 3 \end{array} \right) \\
& \longrightarrow \left( \begin{array}{ccc} 6 & 3 & 2 \\ 0 & 1 & 1 \\ 0 & 15 & 16 \end{array} \, \middle| \, \begin{array}{ccc} 6 & 0 & 0 \\ -6 & 12 & 0 \\ -60 & 0 & 180 \end{array} \right) \\
& \longrightarrow \left( \begin{array}{ccc} 6 & 0 & -1 \\ 0 & 1 & 1 \\ 0 & 0 & 1 \end{array} \, \middle| \, \begin{array}{ccc} 24 & -36 & 0 \\ -6 & 12 & 0 \\ 30 & -180 & 180 \end{array} \right) \\
& \longrightarrow \left( \begin{array}{ccc} 6 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{array} \, \middle| \, \begin{array}{ccc} 54 & -216 & 180 \\ -36 & 192 & -180 \\ 30 & -180 & 180 \end{array} \right) \\
& \longrightarrow \left( \begin{array}{ccc} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1 \end{array} \, \middle| \, \begin{array}{ccc} 9 & -36 & 30 \\ -36 & 192 & -180 \\ 30 & -180 & 180 \end{array} \right)
\end{align}
$$

上記より下記のような逆行列$A^{-1}$が得られる。
$$
\large
\begin{align}
A^{-1} = \left( \begin{array}{ccc} 9 & -36 & 30 \\ -36 & 192 & -180 \\ 30 & -180 & 180 \end{array} \right)
\end{align}
$$

・解説
行基本変形を用いた逆行列の取得の手順については下記で詳しく取り扱った。

問題.$3$

問題.$4$

ベクトルを$\theta$だけ回転させる回転行列を$R(\theta)$とおくと$R(\theta)$は下記のように定義される。
$$
\large
\begin{align}
R(\theta) = \left( \begin{array}{cc} \cos{\theta} & -\sin{\theta} \\ \sin{\theta} & \cos{\theta} \end{array} \right)
\end{align}
$$

上記に基づいて$R(\alpha+\beta) = R(\alpha)R(\beta)$は下記のような式で表せる。
$$
\large
\begin{align}
R(\alpha+\beta) &= R(\alpha)R(\beta) \\
\left( \begin{array}{cc} \cos{(\alpha+\beta)} & -\sin{(\alpha+\beta)} \\ \sin{(\alpha+\beta)} & \cos{(\alpha+\beta)} \end{array} \right) &= \left( \begin{array}{cc} \cos{\alpha} & -\sin{\alpha} \\ \sin{\alpha} & \cos{\alpha} \end{array} \right) \left( \begin{array}{cc} \cos{\beta} & -\sin{\beta} \\ \sin{\beta} & \cos{\beta} \end{array} \right) \\
&= \left( \begin{array}{cc} \cos{\alpha}\cos{\beta}-\sin{\alpha}\sin{\beta} & -(\sin{\alpha}\cos{\beta}+\cos{\alpha}\sin{\beta}) \\ \sin{\alpha}\cos{\beta}+\cos{\alpha}\sin{\beta} & \cos{\alpha}\cos{\beta}-\sin{\alpha}\sin{\beta} \end{array} \right)
\end{align}
$$

上記より下記のような加法定理の式が得られる。
$$
\large
\begin{align}
\sin{(\alpha+\beta)} &= \sin{\alpha}\cos{\beta}+\cos{\alpha}\sin{\beta} \\
\cos{(\alpha+\beta)} &= cos{\alpha}\cos{\beta}-\sin{\alpha}\sin{\beta}
\end{align}
$$

数理技能問題

問題.$1$

$$
\large
\begin{align}
A^{-1} = \left( \begin{array}{cc} x & y \\ u & v \end{array} \right)
\end{align}
$$

上記のように逆行列$A^{-1}$を表すと$AA^{-1}=I_{2}$より下記が成立する。
$$
\large
\begin{align}
AA^{-1} &= I_{2} \\
\left( \begin{array}{cc} a & b \\ c & d \end{array} \right) \left( \begin{array}{cc} x & y \\ u & v \end{array} \right) &= \left( \begin{array}{cc} 1 & 0 \\ 0 & 1 \end{array} \right) \\
\left( \begin{array}{cc} ax+bu & ay+bv \\ cx+du & cy+dv \end{array} \right) &= \left( \begin{array}{cc} 1 & 0 \\ 0 & 1 \end{array} \right) \quad (1)
\end{align}
$$

上記の$(1,1)$成分の対応に$d$をかけると$adx+bdu=d$が得られる。次にに$(2,1)$成分の対応に$b$をかけると$bcx+bdu=0$が得られる。この二つの式より、$(ad-bc)x=d$が得られる。
同様に$(1,2)$成分の式に$d$、$(2,2)$成分の式に$b$をかけた式より$(ad-bc)y=-b$が得られる。

・$[1]$
$\Delta = ad-bc \neq 0$のとき下記が成立する。
$$
\large
\begin{align}
x=\frac{d}{\Delta}, \, y=-\frac{b}{\Delta}, \, u=-\frac{c}{\Delta}, \, v=\frac{d}{\Delta}
\end{align}
$$

上記より下記の逆行列の式が得られる。
$$
\large
\begin{align}
A^{-1} = \frac{1}{\Delta} \left( \begin{array}{cc} d & -b \\ -c & d \end{array} \right)
\end{align}
$$

・$[2]$
$\Delta=0$のとき$(ad-bc)x = \Delta x = d$より$d=0$、$(ad-bc)y = \Delta y = -b$より$b=0$が得られる。ここで$A^{-1}$が存在すると仮定すると$A^{-1}A$は下記のように計算できる。
$$
\large
\begin{align}
A^{-1}A &= \left( \begin{array}{cc} x & y \\ u & v \end{array} \right) \left( \begin{array}{cc} a & b \\ c & d \end{array} \right) \\
&= \left( \begin{array}{cc} xa+yc & xb+yd \\ ua+vc & ub+vd \end{array} \right)
\end{align}
$$

上記は単位行列に一致するので$ub+vd=1$が成立せねばならないが$b=d=0$よりこの式が成立しない。よって$A^{-1}$は存在しない。

問題.$2$

$X^{4}-X^{3}+4X^{2}-6X+I$は下記のように変形できる。
$$
\large
\begin{align}
X^{4}-X^{3}+4X^{2}-6X+I &= (X^{2}-2X+I)(X^{2}+X+5) + 3X-4I
\end{align}
$$

ここで$X^{2}-2X+I=O$であるので下記が得られる。
$$
\large
\begin{align}
X^{4}-X^{3}+4X^{2}-6X+I = 3X-4I
\end{align}
$$

問題.$3$

問題.$4$

問題.$5$

③行列式

計算技能問題

問題.$1$

下記のように行列式の計算を行うことができる。
$$
\large
\begin{align}
\left( \begin{array}{ccc} 1 & 1/2 & 1/3 \\ 1/2 & 1/3 & 1/4 \\ 1/3 & 1/4 & 1/5 \end{array} \right) &= \left( \begin{array}{ccc} 1 & 1/2 & 1/3 \\ 0 & 1/12 & 1/12 \\ 0 & 1/12 & 4/45 \end{array} \right) \\
&= (-1)^{1+1} \left( \begin{array}{cc} \displaystyle \frac{1}{12} & \displaystyle \frac{1}{12} \\ \displaystyle \frac{1}{12} & \displaystyle \frac{4}{45} \end{array} \right) \\
&= \frac{1}{12} \cdot \frac{4}{45} – \frac{1}{12} \cdot \frac{1}{12} \\
&= \frac{1}{12} \left( \frac{4}{3^{2} \cdot 5} – \frac{1}{2^{2} \cdot 3} \right) \\
&= \frac{1}{12} \cdot \frac{16-15}{2^{2} \cdot 3^{2} \cdot 5} \\
&= \frac{1}{2^{4} \cdot 3^{3} \cdot 5} = \frac{1}{2160}
\end{align}
$$

問題.$2$

・$[1]$
$$
\large
\begin{align}
A = \left( \begin{array}{ccc} 1 & 1 & 3 \\ 0 & 1 & -1 \\ 0 & 0 & 1 \end{array} \right) \, A^{-1} = \left( \begin{array}{ccc} 1 & -1 & -4 \\ 0 & 1 & 1 \\ 0 & 0 & 1 \end{array} \right)
\end{align}
$$

上記に対し、行列式$|A|, |A^{-1}|$は下記のように得られる。
$$
\large
\begin{align}
|A| &= \left| \begin{array}{ccc} 1 & 1 & 3 \\ 0 & 1 & -1 \\ 0 & 0 & 1 \end{array} \right| = 1 \\
A^{-1} &= \left| \begin{array}{ccc} 1 & -1 & -4 \\ 0 & 1 & 1 \\ 0 & 0 & 1 \end{array} \right| = 0
\end{align}
$$

・$[2]$
$$
\large
\begin{align}
A = \left( \begin{array}{ccc} 2 & 1 & 3 \\ 1 & 0 & -1 \\ 2 & 1 & -2 \end{array} \right) \, A^{-1} = \left( \begin{array}{ccc} 1/5 & 1 & -1/5 \\ 0 & -2 & 1 \\ 1/5 & 0 & -1/5 \end{array} \right)
\end{align}
$$

上記に対し、行列式$|A|, |A^{-1}|$は下記のように得られる。
$$
\large
\begin{align}
|A| &= \left| \begin{array}{ccc} 2 & 1 & 3 \\ 1 & 0 & -1 \\ 2 & 1 & -2 \end{array} \right| \\
&= \left| \begin{array}{ccc} 0 & 1 & 5 \\ 1 & 0 & -1 \\ 0 & 1 & 0 \end{array} \right| \\
&= (-1)^{2+1} \left| \begin{array}{cc} 1 & 5 \\ 1 & 0 \end{array} \right| = (-1) \cdot (-5) = 5 \\
A^{-1} &= \left| \begin{array}{ccc} 1/5 & 1 & -1/5 \\ 0 & -2 & 1 \\ 1/5 & 0 & -1/5 \end{array} \right| \\
&= \left| \begin{array}{ccc} 0 & 1 & 0 \\ 0 & -2 & 1 \\ 1/5 & 0 & -1/5 \end{array} \right| \\
&= (-1)^{3+1} \cdot \frac{1}{5} \left| \begin{array}{cc} 1 & 0 \\ -2 & 1 \end{array} \right| = \frac{1}{5}
\end{align}
$$

・解説
$[1], [2]$では$\displaystyle |A| = \frac{1}{|A^{-1}|}$が成立していることも合わせて抑えておくと良いです。

問題.$3$

数理技能問題

問題.$1$

問題.$2$

問題.$3$

問題.$4$

④固有値問題

計算技能問題

問題.$1$

問題.$2$

問題.$3$

数理技能問題

問題.$1$

問題.$2$

【統計の森ちゃんねる】カテゴリ分布のパラメータを推論する動画シリーズまとめ

統計の森では、YouTubeチャンネル「統計の森ちゃんねる」を運営しています。

カテゴリ分布(Categorical distribution)のパラメータ推論について、ベイズ推論を使った推論方法を解説する動画シリーズを公開しています。

共役事前分布を利用したベイズ推論の基礎として、カテゴリ分布のパラメータを推論しています。
本動画シリーズは、「【ゲーム×統計@桃鉄】# 04 (YouTube)」で使っている手法を解説する動画となっています。「ゲーム×統計@桃鉄」シリーズのまとめも参照してください。

#01 カテゴリ分布のパラメータを推論する(前半)

本シリーズのテーマである、「カテゴリ分布(Categorical distribution)」とは何か?を解説し、事後分布の導出まで解説している。

  • カテゴリ分布とは?
    • サイコロの出目の分布のような事象の確率モデル
    • 多クラス分類のモデルとしても使われている
  • 事後分布の導出
    • 事前分布としてディリクレ分布を利用することで事後分布もディリクレ分布が得られる

下記参照

#02 カテゴリ分布のパラメータを推論する(後半)

事後分布を解釈するための考え方を解説する。一般的な事後分布の考え方とディリクレ事後分布の解釈のためにディリクレ分布の周辺かについて解説している。

  • 事後分布の解釈
    • MAP推定
    • 信用区間
  • カテゴリ分布の事後分布であるディリクレ分布を周辺化
    • カテゴリ毎の周辺事後分布がベータ分布になる
  • 周辺事後分布(ベータ分布)の解釈として、「推定値」の見方とカテゴリ間の比較
    • 信用区間を利用して、仮説を評価

下記参照

中心極限定理やデルタ法を用いた分布収束|問題演習で理解する統計学【6】

統計学に関する書籍は数多く出版されていますが、問題演習については問題がシンプルで解説が丁寧なものが少ない印象のため、演習問題の作成を進めています。当記事では中心極限定理(Central Limit Theory)やデルタ法を用いた分布収束に関する演習問題について取り扱いました。

・標準演習$100$選
https://www.hello-statisticians.com/practice_100

下記などの内容を参考に演習の作成を行いました。

基本問題

標本・確率変数の和と平均に関する中心極限定理

・問題
中心極限定理は$E[X_i]=\mu, V[X_i]=\sigma^2$に基づく標本列$X_1, X_2, …, X_n, \, i.i.d.$に対して下記のように表される。
$$
\large
\begin{align}
S_n &= \sum_{i=1}^{n} X_n \sim \mathcal{N}(n \mu, n \sigma^2) \\
\overline{X} &= \frac{1}{n} \sum_{i=1}^{n} X_n \sim \mathcal{N} \left( \mu, \frac{\sigma^2}{n} \right)
\end{align}
$$

上記では確率変数の和$S_n$と平均$\overline{X}$に関して表したが、実際に中心極限定理を適用するにあたっては両者を混同しやすいので注意が必要である。そこでこの問題では確率変数の和$S_n$と平均$\overline{X}$に関する中心極限定理の表現に関して確認を行う。以下の問題にそれぞれ答えよ。
i) $E[X_i]=\mu, V[X_i]=\sigma^2$のとき$E[S_n], V[S_n]$をそれぞれ答えよ。
ⅱ) $E[X_i]=\mu, V[X_i]=\sigma^2$のとき$E[\overline{X}], V[\overline{X}]$をそれぞれ答えよ。
ⅲ) $\displaystyle \frac{S_n-E[S_n]}{\sqrt{V[S_n]}}, \frac{\overline{X}-E[\overline{X}]}{\sqrt{V[\overline{X}]}}$は中心極限定理を元にそれぞれどのような分布に従うか答えよ。
iv) ⅲ)で表した$\displaystyle \frac{S_n-E[S_n]}{\sqrt{V[S_n]}}, \frac{\overline{X}-E[\overline{X}]}{\sqrt{V[\overline{X}]}}$をそれぞれ$\mu, \sigma, n$を用いて表せ。
v) 確率変数の和$S_n$と平均$\overline{X}$をどのように使い分けるかに関して、考察せよ。

・解答
i)
$E[X_i]=\mu, V[X_i]=\sigma^2$のとき$E[S_n], V[S_n]$はそれぞれ下記のように考えることができる。
$$
\large
\begin{align}
E[S_n] &= E \left[ \sum_{i=1}^{n} X_i \right] \\
&= \sum_{i=1}^{n} E[X_i] \\
&= n \mu \\
V[S_n] &= V \left[ \sum_{i=1}^{n} X_i \right] \\
&= \sum_{i=1}^{n} V[X_i] \\
&= n \sigma^2
\end{align}
$$

ⅱ)
$E[X_i]=\mu, V[X_i]=\sigma^2$のとき$E[\overline{X}], V[\overline{X}]$はそれぞれ下記のように考えることができる。
$$
\large
\begin{align}
E[\overline{X}] &= E \left[ \frac{1}{n} \sum_{i=1}^{n} X_i \right] \\
&= \frac{1}{n} \sum_{i=1}^{n} E[X_i] \\
&= \frac{1}{\cancel{n}} \times \cancel{n} \mu = \mu \\
V[\overline{X}] &= V \left[ \frac{1}{n} \sum_{i=1}^{n} X_i \right] \\
&= \frac{1}{n^2} \sum_{i=1}^{n} V[X_i] \\
&= \frac{1}{n^{\cancel{2}}} \times \cancel{n} \sigma^2 = \frac{\sigma^2}{n}
\end{align}
$$

ⅲ)
$\displaystyle \frac{S_n-E[S_n]}{\sqrt{V[S_n]}} \sim \mathcal{N}(0,1), \frac{\overline{X}-E[\overline{X}]}{\sqrt{V[\overline{X}]}} \sim \mathcal{N}(0,1)$のようにそれぞれ標準正規分布$\mathcal{N}(0,1)$に従う。

iv)
$\displaystyle \frac{S_n-E[S_n]}{\sqrt{V[S_n]}}, \frac{\overline{X}-E[\overline{X}]}{\sqrt{V[\overline{X}]}}$は$\mu, \sigma, n$を用いてそれぞれ下記のように表せる。
$$
\large
\begin{align}
\frac{S_n-E[S_n]}{\sqrt{V[S_n]}} &= \frac{S_n – n \mu}{\sqrt{n} \sigma} \\
\frac{\overline{X}-E[\overline{X}]}{\sqrt{V[\overline{X}]}} &= \frac{\overline{X}-\mu}{\sigma/\sqrt{n}}
\end{align}
$$

v)
一般的な中心極限定理の活用に関しては確率変数の平均や標本平均の$\overline{X}$に関して$\displaystyle \overline{X} \sim \mathcal{N} \left( \mu, \frac{\sigma^2}{n} \right)$を考えることで区間推定や統計的仮説検定を行うことが多い。
一方で、二項分布の正規近似の場合、二項分布の確率変数$X$をベルヌーイ分布の確率変数の和で考えることが多い。このときベルヌーイ分布の確率変数を$X_i$とおくと、$E[X_i]=p, V[X_i]=p(1-p)$から$E[X]=np, V[X]=np(1-p)$のように計算できる$E[X],V[X]$を用いる。

・解説
中心極限定理の式を下記のような形式で抑えておく場合、和と平均の場合で式の形が異なるので注意が必要です。
$$
\large
\begin{align}
S_n &= \sum_{i=1}^{n} X_n \sim \mathcal{N}(n \mu, n \sigma^2) \\
\overline{X} &= \frac{1}{n} \sum_{i=1}^{n} X_n \sim \mathcal{N} \left( \mu, \frac{\sigma^2}{n} \right)
\end{align}
$$

上記のように取り扱うと特にサンプル$n$の取り扱いに関してミスが起こりやすいと思います。したがって、ⅲ)で取り扱った式を元に$\displaystyle \frac{X-E[X]}{\sqrt{V[X]}} \sim \mathcal{N}(0,1)$のように「確率変数を標準化したものを標準正規分布に対応させる」という形式で表すと良いのではないかと思います。v)や「二項分布の極限と中心極限定理」で取り扱ったように二項分布の正規近似の場合も$\displaystyle \frac{X-E[X]}{\sqrt{V[X]}} \sim \mathcal{N}(0,1)$の場合は同様な式表記を行うことができます。

また、この問題は下記の内容を主に用いて作成を行いましたので、合わせて確認しておくと良いのではないかと思います。

中心極限定理と推測統計

・問題
標本$X_1, X_2 \cdots X_n$が平均$\mu$、分散$\sigma^2$の独立同分布(i.i.d.)に従う場合を仮定する。このとき$X_1, X_2 \cdots X_n$の標本平均を$\overline{X}_{n}$とおくと、中心極限定理に基づいて$\sqrt{n}(\overline{X}_{n}-\mu)$が正規分布$\mathcal{N}(0,\sigma^{2})$に分布収束すると考えることができる。中心極限定理は統計的推測を行う際の基本である重要な定理であるので、数式的な取り扱いは抑えておく必要がある。

よってこの問題では「中心極限定理」の数式的な取り扱いを身につけるにあたって抑えておくと良い事柄について取り扱う。以下の問題にそれぞれ答えよ。
i) $\sqrt{n}(\overline{X}_{n}-\mu) \sim \mathcal{N}(0,\sigma^{2})$のとき、$\displaystyle \frac{\sqrt{n}(\overline{X}_{n}-\mu)}{\sigma}$はどのような分布に従うか答えよ。
ⅱ) $\displaystyle \frac{\sqrt{n}(\overline{X}_{n}-\mu)}{\sigma}$の上側$2.5$%点を答えよ。
ⅲ) $\displaystyle \frac{\sqrt{n}(\overline{X}_{n}-\mu)}{\sigma}$の上側$1$%点を答えよ。
iv) $\overline{X}_{n}=100, \sigma=3, n=600$のとき、$\mu$の両側$99$%区間を答えよ。
v) $\overline{X}_{n}=100, \sigma=5, n=50$のとき帰無仮説$H_{0}: \, \mu=98$が有意かどうか両側$5$%検定を行え。

・解答
i)
$\displaystyle \frac{\sqrt{n}(\overline{X}_{n}-\mu)}{\sigma} \sim \mathcal{N}(0,1)$である。

ⅱ)
$\mathcal{N}(0,1)$の上側$2.5$%点は$z=1.96$であるので、$\displaystyle \frac{\sqrt{n}(\overline{X}_{n}-\mu)}{\sigma}$の上側$2.5$%点は$1.96$である。

ⅲ)
$\mathcal{N}(0,1)$の上側$1$%点は$z=1.96$であるので、$\displaystyle \frac{\sqrt{n}(\overline{X}_{n}-\mu)}{\sigma}$の上側$1$%点は$2.33$である。

iv)
区間推定の考え方に基づいて$\mu$の両側$99$%区間は下記のように考えられる。
$$
\large
\begin{align}
z_{\alpha=0.995} \leq & \frac{\sqrt{n}(\overline{X}_{n}-\mu)}{\sigma} \leq z_{\alpha=0.005} \\
-2.575 \leq & \frac{\sqrt{n}(\overline{X}_{n}-\mu)}{\sigma} \frac{\sqrt{600}(100-\mu)}{3} \leq 2.575 \\
-2.575 \times \frac{3}{\sqrt{600}} \leq & 100-\mu \leq 2.575 \times \frac{3}{\sqrt{600}} \\
-2.575 \times \frac{3}{\sqrt{600}} \leq & \mu-100 \leq 2.575 \times \frac{3}{\sqrt{600}} \\
100 – 2.575 \times \frac{3}{\sqrt{500}} \leq & \mu \leq 100 + 2.575 \times \frac{3}{\sqrt{600}} \\
99.68… \leq \mu \leq 100.31…
\end{align}
$$

v)
検定統計量の式$\displaystyle Z = \frac{\sqrt{n}(\overline{X}_{n}-\mu)}{\sigma}$に対し、$\overline{X}_{n}=100, \mu=98, \sigma=5, n=50$を代入すると下記が得られる。
$$
\large
\begin{align}
Z &= \frac{\sqrt{n}(\overline{X}_{n}-\mu)}{\sigma} \\
&= \frac{\sqrt{50}(100-98)}{5} \\
&= 2.828…
\end{align}
$$

$Z = 2.828 > 1.96 = z_{\alpha=0.025}$より、帰無仮説$H_{0}: \, \mu=98$は棄却される。

・解説
中心極限定理の基本的な式と推測統計の基本的なトピックである「区間推定」と「統計的仮説検定」に関して取り扱いを行いました。

二項分布の極限と中心極限定理

・問題
二項分布$\mathrm{Bin}(n,p)$の$n \to \infty$の極限を考える際に$p \to 0$で$np$が一定であればポアソン分布、$np \to \infty$であれば中心極限定理に基づいて正規分布に収束することは抑えておくと良い。
$$
\begin{align}
p(x) = {}_{n} C_{x} p^{x} (1-p)^{n-x}
\end{align}
$$

この問題では以下、上記で表した二項分布$\mathrm{Bin}(n,p)$の$n \to \infty$の極限を考えることで、ポアソン分布や正規分布への収束について考察を行う。ここまでの内容を元に下記の問題に答えよ。
i) ベルヌーイ分布の期待値が$E[X]=p$と分散が$V[X]=p(1-p)$であることに基づいて二項分布の期待値$E[X]$と分散$V[X]$を表せ。
ⅱ) 二項分布$\mathrm{Bin}(1000,0.01)$の確率関数$p_{0.01}(x)$に関して$p_{0.01}(2), p_{0.01}(10), p_{0.01}(200)$と、二項分布$\mathrm{Bin}(1000,0.2)$の確率関数$p_{0.2}(x)$に関して$p_{0.2}(2), p_{0.2}(10), p_{0.2}(200)$を計算機などを用いて計算せよ。
ⅲ) ⅱ)の計算では計算機を用いたが、手計算をそのまま行うのは難しいので、近似を考える必要がある。近似を行う観点からⅱ)の結果を「$p(x) \simeq 0$である$x$の値」を元に考察を行え。
iv) 下記の演習で取り扱ったポアソン分布の導出の概要を確認し、流れを簡単にまとめよ。

v) 中心極限定理に基づき、$\displaystyle \frac{X-E[X]}{\sqrt{V[X]}} \sim \mathcal{N}(0,1)$が成立するが、このとき$X$が従う分布を$n,p$を用いて表せ。

・解答
i)
二項分布の期待値$E[X]$と分散$V[X]$は下記のように表せる。
$$
\large
\begin{align}
E[X] &= n \times p = np \\
V[X] &= n \times p(1-p) = np(1-p)
\end{align}
$$

ⅱ)
下記のPythonプログラムのような計算を行うことで値の計算ができる。

import numpy as np
import math

def calc_comb(n,x):
    return int(math.factorial(n)/(math.factorial(n-x)*math.factorial(x)))

n = 1000
p = np.array([0.01, 0.2])
x = np.array([2, 10, 200])

for i in range(p.shape[0]):
    print("・p={:.2f}".format(p[i]))
    for j in range(x.shape[0]):
        prob = calc_comb(n,x[j]) * p[i]**x[j] * (1-p[i])**(n-x[j])
        print("P(x={:.0f}|p={:.2f})={:.3f}".format(x[j], p[i], prob))

実行結果

・p=0.01
P(x=2|p=0.01)=0.002
P(x=10|p=0.01)=0.126
P(x=200|p=0.01)=0.000
・p=0.20
P(x=2|p=0.20)=0.000
P(x=10|p=0.20)=0.000
P(x=200|p=0.20)=0.032

計算結果は下記のように表せる。
$$
\large
\begin{align}
p_{0.01}(2) &= 0.002, \, p_{0.01}(10) = 0.126, \, p_{0.01}(200) = 0.000 \\
p_{0.2}(2) &= 0.000, \, p_{0.2}(10) = 0.000, \, p_{0.2}(200) = 0.032
\end{align}
$$

ⅲ)
$n=1000$なので$p=0.01$のとき$np=10$、$p=0.2$のとき$np=200$である。二項分布の期待値が$E[X]=np$であることに基づいて考えると、$p_{0.01}(10) = 0.126, p_{0.2}(200) = 0.032$はどちらも$x=np$における確率で、値が大きいことが確認できる。
一方で、$x=np$から離れた$x$の値には$p(x)=0$が対応する。よって、近似を行うにあたっては$np=\lambda$や$np=\mu$のように置き換えて$E[X]$の周辺の$x$に関して表すことを重視すると良いと考えられる。

iv)
$\lambda=np$とおくと、二項分布の確率関数は下記のように変形できる。
$$
\large
\begin{align}
p(x) &= {}_{n} C_{x} p^{x} (1-p)^{n-x} \\
&= \frac{n!}{(n-x)!x!} \left( \frac{\lambda}{n} \right)^{x} \left( 1 – \frac{\lambda}{n} \right)^{n-x} \\
&= \frac{\lambda^{x}}{x!} \times \frac{n(n-1) \cdots (n-x+1)}{n^{x}} \times \left( 1 – \frac{\lambda}{n} \right)^{n} \left( 1 – \frac{\lambda}{n} \right)^{-x} \\
&= \frac{\lambda^{x}}{x!} \times 1 \cdot \left( 1 – \frac{1}{n} \right) \cdots \left( 1 – \frac{x-1}{n} \right) \times \left[ \left( 1 – \frac{\lambda}{n} \right)^{\frac{n}{\lambda}} \right]^{\lambda} \left( 1 – \frac{\lambda}{n} \right)^{-x} \\
&= \frac{\lambda^{x}}{x!} \times 1 \cdot \left( 1 – \frac{1}{n} \right) \cdots \left( 1 – \frac{x-1}{n} \right) \times \left[ \left( 1 – \frac{\lambda}{n} \right)^{-\frac{n}{\lambda}} \right]^{-\lambda} \left( 1 – \frac{\lambda}{n} \right)^{-x}
\end{align}
$$

よって$\displaystyle \lim_{n \to \infty} p(x)$は下記のように考えることができる。
$$
\large
\begin{align}
\lim_{n \to \infty} p(x) &= \lim_{n \to \infty} \left[ \frac{\lambda^{x}}{x!} \times 1 \cdot \left( 1 – \frac{1}{n} \right) \cdots \left( 1 – \frac{x-1}{n} \right) \times \left[ \left( 1 – \frac{\lambda}{n} \right)^{-\frac{n}{\lambda}}\right]^{-\lambda} \left( 1 – \frac{\lambda}{n} \right)^{-x} \right] \\
&= \frac{\lambda^{x}}{x!} \cdot e^{-\lambda} \\
&= \frac{\lambda^{x} e^{-\lambda}}{x!}
\end{align}
$$

上記はポアソン分布の確率関数に一致する。

v)
中心極限定理より、$X$は下記の確率分布に従う。
$$
\large
\begin{align}
\mathcal{N} ( E[X], V[X] ) = \mathcal{N} ( np, np(1-p) )
\end{align}
$$

・解説
この問題では二項分布の極限に関して「$p \to 0$かつ$np$が一定」の場合と「$np \to \infty$」の場合に分けて、それぞれポアソン分布と正規分布に関して確認を行いました。

発展問題

・特性関数を用いた中心極限定理の導出
・問題

・解答

・解説

参考

・統計検定準$1$級対応 統計学実践ワークブック Ch.$7$ 『極限定理、漸近理論』

数学検定1級 解説 〜公式問題集 解説&解答 Ch.1「準1級までの復習」〜

数学検定$1$級は数Ⅲまで相当の数学の基本トピックに関して取り扱った検定であり、統計学に必要な数学を身につける際の指標に役に立ちます。当記事では「日本数学検定協会 監修」の「数学検定問題集 $1$級」より、第$1$章の「準1級までの復習」の解説と演習問題の解答例などを取り扱いました。

・数学検定まとめ
https://www.hello-statisticians.com/math_certificate

①初等代数学

計算技能問題

問題.$1$

問題.$2$

$f(x)$を$(2x+3)$で割った商を$Q(x)$とおくと$f(x)=(2x+3)Q(x)+6$と表せる。このとき、$(3x+7)f(x)$は下記のように表せる。
$$
\large
\begin{align}
(3x+7)f(x) &= (3x+7)((2x+3)Q(x)+6) \\
&= (3x+7)(2x+3)Q(x) + 6(3x+7) \\
&= (2x+3)((3x+7)Q(x) + 9) + 15
\end{align}
$$

上記より、$(3x+7)f(x)$を$(2x+3)$で割った余りは$15$であることがわかる。

問題.$3$

下記のように計算できる。
$$
\large
\begin{align}
& a \left( \frac{1}{b} + \frac{1}{c} \right) + b \left( \frac{1}{c} + \frac{1}{a} \right) + c \left( \frac{1}{a} + \frac{1}{b} \right) \\
&= \frac{b+c}{a} + \frac{c+a}{b} + \frac{a+b}{c} \\
&= \frac{b+c}{a} + \frac{c+a}{b} + \frac{a+b}{c} + 3 – 3 \\
&= \frac{a+b+c}{a} + \frac{a+b+c}{b} + \frac{a+b+c}{c} – 3 \\
&= 0 – 3 = -3
\end{align}
$$

問題.$4$

問題.$5$

下記のように計算を行える。
$$
\large
\begin{align}
\sum_{k=3}^{15} (k+3)(k-2) &= \sum_{k=1}^{15} (k^2+k-6) – ((1+3) \cdot (1-2) + (2+3) \cdot (2-2)) \\
&= \frac{15 \cdot 16 \cdot 31}{6} + 4 \\
&= 5 \cdot 8 \cdot 31 + 4 \\
&= 1270 + 4 \\
&= 1274
\end{align}
$$

問題.$6$

下記のように計算を行える。
$$
\large
\begin{align}
\sum_{k=5}^{20} k^{2} &= \sum_{k=1}^{20} k^{2} – \sum_{k=1}^{4} k^{2} \\
&= \frac{20 \cdot 21 \cdot 41}{6} – \frac{4 \cdot 5 \cdot 9}{6} \\
&= 10 \cdot 7 \cdot 41 – 2 \cdot 5 \cdot 3 \\
&= 10(287-3) \\
&= 2840
\end{align}
$$

問題.$7$

$z=x+yi, \bar{z}=x-yi$のとき、$z^2=\bar{z}$は下記のように表せる。
$$
\large
\begin{align}
z^2 &= \bar{z} \\
(x+yi)^2 &= x-yi \\
x^2 + 2xyi + y^2i^2 &= x-yi \\
x^2 + 2xyi – y^2 &= x-yi \\
(x^2-y^2-x) + y(2x+1)i &= 0
\end{align}
$$

ここで上記より$x^2-y^2-x=0, y(2x+1)=0$が得られるので、以下では$\displaystyle y=0, x=-\frac{1}{2}$を$x^2-y^2-x=0$に代入し、$x, y$の値を求める。

i) $y=0$のとき
$$
\large
\begin{align}
x^2 – y^2 – x &= 0 \\
x(x-1) &= 0
\end{align}
$$

よって$x=0,1$

ⅱ) $\displaystyle x=-\frac{1}{2}$のとき
$$
\large
\begin{align}
x^2 – y^2 – x &= 0 \\
\frac{1}{4} – y^2 + \frac{1}{2} &= 0 \\
y^2 &= \frac{3}{4}
\end{align}
$$

よって$\displaystyle y = \pm \frac{\sqrt{3}}{2}$

i)、ⅱ)より、$\displaystyle z = 0, 1, \frac{-1 \pm \sqrt{3}}{2}$が得られる。

数理技能問題

問題.$1$

$$
\large
\begin{align}
s_1 &= x + y + z \\
s_2 &= xy + yz + zx \\
s_3 &= xyz
\end{align}
$$

上記で表した基本対称式を元に対称式$x^4+y^4+z^4$を表すことを考える。$(x^2+y^2+z^2)^2=x^4+y^4+z^4+2(x^2y^2+y^2z^2+z^2x^2)$より$x^4+y^4+z^4$は下記のように表せる。
$$
\large
\begin{align}
(x^2+y^2+z^2)^2 &= x^4+y^4+z^4+2xyz(x+y+z) \\
x^4+y^4+z^4 &= (x^2+y^2+z^2)^2 – 2(x^2y^2+y^2z^2+z^2x^2) \quad (1)
\end{align}
$$

ここで、$(x+y+z)^2 = x^2+y^2+z^2+2(xy+yz+zx)$より$x^2+y^2+z^2$は下記のように変形できる。
$$
\large
\begin{align}
x^2+y^2+z^2 &= (x+y+z)^2 – 2(xy+yz+zx) \\
&= s_1^2 – 2s_2
\end{align}
$$

また、$(xy+yz+zx)^2=x^2y^2+y^2z^2+z^2x^2+2xyz(x+y+z)$より$x^2y^2+y^2z^2+z^2x^2$は下記のように表せる。
$$
\large
\begin{align}
x^2y^2+y^2z^2+z^2x^2 &= (xy+yz+zx)^2 – 2xyz(x+y+z) \\
&= s_2^2 – 2s_3s_1
\end{align}
$$

よって$(1)$式は下記のように変形できる。
$$
\large
\begin{align}
x^4+y^4+z^4 &= (x^2+y^2+z^2)^2 – 2(x^2y^2+y^2z^2+z^2x^2) \quad (1) \\
&= ((x+y+z)^2 – 2(xy+yz+zx))^2 – 2 ((xy+yz+zx)^2 – 2xyz(x+y+z)) \\
&= (s_1^2 – 2s_2)^2 – 2(s_2^2 – 2s_3s_1) \\
&= s_1^4 + 4s_2^2 – 4s_1^2s_2 – 2s_2^2 + 4s_1s_3 \\
&= s_1^4 – 4s_1^2s_2 + 2s_2^2 + 4s_1s_3
\end{align}
$$

問題.$2$

問題.$3$

問題.$4$

問題.$5$

②いろいろな関数

計算技能問題

問題.$1$

$[1]$
$$
\large
\begin{align}
5 \times 10^{7} \mathrm{mm} = 50 \mathrm{km}
\end{align}
$$

$[2]$
$$
\large
\begin{align}
3 \times 10^{-3} \mathrm{kg} = 3 \mathrm{g}
\end{align}
$$

$[3]$
$$
\large
\begin{align}
6 \times 10^{-5} \mathrm{km} = 60 \mathrm{mm}
\end{align}
$$

問題.$2$

$\log_{10} 3^{24}$は下記のように計算できる。
$$
\large
\begin{align}
\log_{10}{3^{24}} &= 24 \log_{10}{3} \\
&= 24 \times 0.4771 \\
&= 11.4504
\end{align}
$$

上記より$10^{11} < 3^{24} < 10^{12}$なので$3^{24}$は$12$桁の数である。

問題.$3$

$\displaystyle \sin{\theta}+\cos{\theta} = \frac{1}{2}$に基づいて下記のような計算を行える。
$$
\large
\begin{align}
(\sin{\theta}+\cos{\theta})^2 &= \left( \frac{1}{2} \right)^{2} \\
\sin^{2}{\theta} + \cos^{2}{\theta} 2 \sin{\theta} \cdot \cos{\theta} &= \frac{1}{4} \\
1 + 2 \sin{\theta} \cdot \cos{\theta} &= \frac{1}{4} \\
2 \sin{\theta} \cdot \cos{\theta} &= -\frac{3}{4} \\
\sin{\theta} \cdot \cos{\theta} &= – \frac{3}{8}
\end{align}
$$

問題.$4$

下記のように計算を行うことができる。
$$
\large
\begin{align}
\sin{75^{\circ}} &= \sin{\left( \frac{\pi}{4} + \frac{\pi}{6} \right)} \\
&= \sin{\frac{\pi}{4}}\cos{\frac{\pi}{6}} + \cos{\frac{\pi}{4}}\sin{\frac{\pi}{6}} \\
&= \frac{\sqrt{2}}{2} \cdot \frac{\sqrt{3}}{2} + \frac{\sqrt{2}}{2} \cdot \frac{1}{2} \\
&= \frac{\sqrt{6}}{4} + \frac{\sqrt{2}}{4} \\
&= \frac{\sqrt{6}+\sqrt{2}}{4}
\end{align}
$$

問題.$5$

$\sin{\theta}$は$\displaystyle t = \tan{\frac{\theta}{2}}$を用いて下記のように表せる。
$$
\large
\begin{align}
\sin{\theta} &= 2 \sin{\frac{\theta}{2}} \cos{\frac{\theta}{2}} \\
&= 2 \tan{\frac{\theta}{2}} \cos^{2}{\frac{\theta}{2}} \\
&= 2 t \cdot \frac{1}{\displaystyle 1 + \tan^{2}{\frac{\theta}{2}}} \\
&= \frac{2t}{1+t^2}
\end{align}
$$

$\cos{\theta}$は$\displaystyle t = \tan{\frac{\theta}{2}}$を用いて下記のように表せる。
$$
\large
\begin{align}
\cos{\theta} &= 2 \cos^{2}{\frac{\theta}{2}} – 1 \\
&= \frac{2}{\displaystyle 1 + \tan^{2}{\frac{\theta}{2}}} – 1 \\
&= \frac{2}{1+t^2} – 1 \\
&= \frac{2-(1+t^2)}{1+t^2} \\
&= \frac{1-t^2}{1+t^2}
\end{align}
$$

$\tan{\theta}$は$\displaystyle t = \tan{\frac{\theta}{2}}$を用いて下記のように表せる。
$$
\large
\begin{align}
\tan{\theta} &= \frac{\sin{\theta}}{\cos{\theta}} \\
&= \frac{2t}{\cancel{1+t^2}} \times \frac{\cancel{1+t^2}}{1-t^2} \\
&= \frac{2t}{1-t^2}
\end{align}
$$

数理技能問題

問題.$1$

下記のように計算できる。
$$
\large
\begin{align}
100 &= x^5 \\
x &= 100^{\frac{1}{5}} \\
&= 2.51…
\end{align}
$$

問題.$2$

$e$を底とする場合の底の変換公式と$243=3^5, 343=7^3$より、$\log_{2}{3} \cdot \log_{7}{8} \cdot \log_{243}{343}$は下記のように変形できる。
$$
\large
\begin{align}
\log_{2}{3} \cdot \log_{7}{8} \cdot \log_{243}{343} &= \frac{\log{3}}{\log{2}} \cdot \frac{\log{8}}{\log{7}} \cdot \frac{\log{343}}{\log{243}} \\
&= \frac{\log{3}}{\log{2}} \cdot \frac{\log{2^3}}{\log{7}} \cdot \frac{\log{7^3}}{\log{3^5}} \\
&= \frac{\log{3}}{\log{2}} \cdot \frac{3\log{2}}{\log{7}} \cdot \frac{3\log{7}}{5\log{3}} \\
&= \frac{9}{5} \frac{\cancel{\log{3}}}{\cancel{\log{2}}} \cdot \frac{\cancel{\log{2}}}{\cancel{\log{7}}} \cdot \frac{\cancel{\log{7}}}{\cancel{\log{3}}} \\
&= \frac{9}{5}
\end{align}
$$

問題.$3$

③いろいろな曲線

計算技能問題

問題.$1$

$\displaystyle x = a \cosh{t} = \frac{a(e^{t}+e^{-t})}{2}, x = b \sinh{t} = \frac{b(e^{t}-e^{-t})}{2}$とおくとき$\displaystyle \frac{x^2}{a^2} – \frac{y^2}{b^2}=1$が成立することを以下確認を行う。
$$
\large
\begin{align}
\frac{x^2}{a^2} – \frac{y^2}{b^2} &= \frac{\cancel{a^2} \cosh^{2}{t}}{\cancel{a^2}} – \frac{\cancel{b^2} \sinh^{2}{t}}{\cancel{b^2}} \\
&= \cosh^{2}{t} – \sinh^2{t} \\
&= \frac{(e^{t}+e^{-t})^2}{2^2} – \frac{(e^{t}-e^{-t})^2}{2^2} \\
&= \frac{e^{2t}+e^{-2t}+2}{2^2} – \frac{e^{2t}+e^{-2t}-2}{2^2} \\
&= 1
\end{align}
$$

したがって、$\displaystyle x = a \cosh{t} = \frac{a(e^{t}+e^{-t})}{2}, x = b \sinh{t} = \frac{b(e^{t}-e^{-t})}{2}$は双曲線の標準形の方程式$\displaystyle \frac{x^2}{a^2} – \frac{y^2}{b^2}=1$の媒介変数表示であると考えられる。

問題.$2$

問題.$3$

$x^2-2ax+y^2=0$に$x = r \cos{\theta}, y = r \sin{\theta}$を代入すると下記が得られる。
$$
\large
\begin{align}
x^2 – 2ax + y^2 &= 0 \\
r^2 \cos^2{\theta} – 2a r \cos{\theta} + r^2 \sin^2{\theta} &= 0 \\
r^2(\cos^2{\theta}+\sin^2{\theta}) &= 2a r \cos{\theta} \\
r^2 &= 2a r \cos{\theta} \\
r &= 2a \cos{\theta}
\end{align}
$$

・考察
$x^2-2ax+y^2=0, \, a>0$は$(x-a)^2+y^2=a^2$のように変形できるので、中心$(a,0)$、半径$a$の円の方程式を表す。この変換は重積分に対して変数変換を行う際などに応用されるので、合わせて抑えておくと良い。

問題.$4$

数理技能問題

問題.$1$

問題.$2$

問題.$3$

問題.$4$

問題.$5$

マクローリン展開を用いた離散確率分布の確率母関数の計算|問題演習で理解する統計学【1】

統計学に関する書籍は数多く出版されていますが、問題演習については問題がシンプルで解説が丁寧なものが少ない印象のため、演習問題の作成を進めています。当記事では等比数列の和の公式やマクローリン展開を用いた離散確率分布の確率母関数の導出に関する演習問題について取り扱いました。

・標準演習$100$選
https://www.hello-statisticians.com/practice_100

基本問題

確率母関数の定義と期待値$E[X]$・分散$V[X]$の対応

・問題
離散分布における確率変数を$X$、確率関数を$p(x)$とおくとき、確率母関数$G(s)=E[s^{X}]$を下記のように定める。
$$
\large
\begin{align}
m(s) = E[s^{X}] = \sum_{x} s^{x} p(x)
\end{align}
$$

このとき以下の問題に答えよ。
i) $\displaystyle \frac{d}{ds} s^{X}, \frac{d}{ds} E[s^{X}]$をそれぞれ計算せよ。
ⅱ) $\displaystyle \frac{d^2}{ds^2} s^{X}, \frac{d^2}{ds^2} E[s^{X}]$をそれぞれ計算せよ。
ⅲ) i)とⅱ)の結果を元に、$G'(1), G^{”}(1)$を$E$や$X$の記号を用いて表せ。
iv) $E[X]$を確率母関数$G(s)$の導関数を用いて表せ。
v) $V[X]$を確率母関数$G(s)$の導関数を用いて表せ。

・解答
i)
$\displaystyle \frac{d}{ds} s^{X}, \frac{d}{ds} E[s^{X}]$はそれぞれ下記のように計算できる。
$$
\large
\begin{align}
\frac{d}{ds} s^{X} &= X s^{X-1} \\
\frac{d}{ds} E[s^{X}] &= E[X s^{X-1}]
\end{align}
$$

ⅱ)
$\displaystyle \frac{d^2}{ds^2} s^{X}, \frac{d^2}{ds^2} E[s^{X}]$はそれぞれ下記のように計算できる。
$$
\large
\begin{align}
\frac{d^2}{ds^2} s^{X} &= X(X-1) s^{X-2} \\
\frac{d^2}{ds^2} E[s^{X}] &= E[X(X-1) s^{X-2}]
\end{align}
$$

ⅲ)
$G'(s)=E[X s^{X-1}], G^{”}(s)=E[X(X-1) s^{X-2}]$より、$G'(1), G^{”}(1)$は下記のように表せる。
$$
\large
\begin{align}
G'(1) &= E[X \times 1^{X-1}] = E[X] \\
G^{”}(1) &= E[X(X-1) \times 1^{X-2}] = E[X(X-1)]
\end{align}
$$

iv)
ⅲ)の結果より$E[X]$は下記のように表せる。
$$
\large
\begin{align}
E[X] = G'(1)
\end{align}
$$

v)
ⅲ)の結果と$V[X]=E[X^2]-E[X]^2$より、$V[X]$は下記のように表せる。
$$
\large
\begin{align}
V[X] &= E[X^2] – E[X]^2 \\
&= E[X(X-1)] + E[X] – E[X]^2 \\
&= G^{”}(1) + G'(1) – G'(1)^{2}
\end{align}
$$

・解説
v)の結果の$V[X] = G^{”}(1) + G'(1) – G'(1)^{2}$はややトリッキーに見えますが、$(s^{X})^{”}=X(X-1)s^{X-2}$を用いることに関連づけて抑えておくと良いと思います。

ベルヌーイ分布・二項分布の確率母関数とその活用

・問題
ベルヌーイ分布は確率$p$の事象が起こる場合を$X=1$、起こらない場合を$X=0$と考える際の確率分布であり、確率変数が$2$つの値を取る時の基礎的な確率分布である。また、二項分布はベルヌーイ分布を複数回考えた際の分布である。

ベルヌーイ分布の確率母関数は確率変数が$2$値であることから取り扱いやすいので、二項分布の確率母関数もベルヌーイ分布の確率母関数から導出するとシンプルで考えやすい。以下、ベルヌーイ分布と二項分布の確率母関数について取り扱う。

ここまでの内容を元に下記の問題にそれぞれ答えよ。
i) 確率母関数の定義式$\displaystyle G(s) = E[s^{X}] = \sum_{x} s^{x} p(x)$に基づいてベルヌーイ分布の確率母関数$G_{\mathrm{Ber}}(s)$を計算せよ。
ⅱ) ベルヌーイ分布の確率母関数$G_{\mathrm{Ber}}(s)$の$s$に関する導関数の$G_{\mathrm{Ber}}'(s), m_{\mathrm{Ber}}^{”}(s)$を計算せよ。
ⅲ) $G_{\mathrm{Ber}}(s)$を用いてベルヌーイ分布の期待値$E[X]$と分散$V[X]$を計算せよ。
iv) 二項分布$\mathrm{Bin}(n,p)$は確率$p$で事象が起こる試行を$n$回繰り返したときに事象が起こる回数に関する分布である。事象が起こる回数を確率変数$X$、$i$回目のベルヌーイ分布の確率変数を$X_i$で表すとき、$\displaystyle X = \sum_{i=1}^{n} X_i$が成立することに基づいて二項分布$\mathrm{Bin}(n,p)$の確率母関数$G_{\mathrm{Bin}}(s)$を計算せよ。また、$G_{\mathrm{Bin}}(s)$の$s$に関する導関数の$G_{\mathrm{Bin}}'(s), G_{\mathrm{Bin}}^{”}(s)$を計算せよ。
v) $G_{\mathrm{Bin}}(s)$を用いて二項分布の期待値$E[X]$と分散$V[X]$を計算せよ。

・解答
i)
ベルヌーイ分布の確率母関数$G_{\mathbf{Ber}}(s)$は下記のように計算できる。
$$
\large
\begin{align}
G_{\mathrm{Ber}}(s) &= \sum_{x} s^{x} p(x) \\
&= s^{1} p + s^{0} (1-p) \\
&= 1 – p + sp
\end{align}
$$

ⅱ)
$G_{\mathrm{Ber}}'(s), G_{\mathrm{Ber}}^{”}(s)$はそれぞれ下記のように計算できる。
$$
\large
\begin{align}
G_{\mathrm{Ber}}'(s) &= p \\
G_{\mathrm{Ber}}^{”}(s) &= 0
\end{align}
$$

ⅲ)
ⅱ)の結果を元にベルヌーイ分布の期待値$E[X]$と分散$V[X]$は下記のように計算できる。
$$
\large
\begin{align}
E[X] &= G'(1) = p \\
E[X] &= G^{”}(1) + G'(1) – G'(1)^2 \\
&= p – p^2 = p(1-p)
\end{align}
$$

iv)
$\displaystyle X = \sum_{i=1}^{n} X_i$より、二項分布$\mathrm{Bin}(n,p)$の確率母関数$G_{\mathrm{Bin}}(s)$は下記のように計算できる。
$$
\large
\begin{align}
G_{\mathrm{Bin}}(s) &= E[s^{X}] = E \left[ s^{\sum_{i=1}^{n}X_i} \right] \\
&= \prod_{i=1}^{n} E[s^{X_i}] \\
&= \prod_{i=1}^{n} (1 – p + sp) = (1 – p + sp)^{n}
\end{align}
$$

また、$G_{\mathrm{Bin}}'(s), G_{\mathrm{Bin}}^{”}(s)$は下記のように計算できる。
$$
\large
\begin{align}
G_{\mathrm{Bin}}'(s) &= n(1 – p + sp)^{n-1} \times p \\
&= np(1 – p + sp)^{n-1} \\
G_{\mathrm{Bin}}^{”}(s) &= (G_{\mathrm{Bin}}'(s))’ \\
&= n(n-1)p(1 – p + sp)^{n-2} \times p \\
&= n(n-1)p^{2}(1 – p + sp)^{n-2}
\end{align}
$$

v)
iv)の結果を元に二項の期待値$E[X]$と分散$V[X]$は下記のように計算できる。
$$
\large
\begin{align}
E[X] &= G'(1) \\
&= np(1 – p + p)^{n-1} = np \\
V[X] &= G^{”}(1) + m'(1) – m'(1)^2 \\
&= n(n-1)p^{2} + np – n^2p^2 \\
&= \cancel{n^2p^2} – np^2 + np – \cancel{n^2p^2} = np(1-p)
\end{align}
$$

・解説
iv)とv)で取り扱ったように二項分布$\mathrm{Bin}(n,p)$の確率母関数は、ベルヌーイ分布の確率母関数$G_{\mathrm{Ber}}(s)=1 – p + sp$の$n$を計算することによって表すことができます。このような導出を行うことでシンプルに計算できるので、一連の流れは抑えておくと良いと思います。

マクローリン展開の式と係数の簡易的な導出

・問題
マクローリン展開は関数の級数展開の式であり、統計学では期待値・分散や確率母関数の導出などで用いられるので必ず抑えておくと良い。一方で式だけを抑えておくのも大変なので、この問題では以下マクローリン展開の簡易的な導出に関して取り扱いを行う。

関数$f(x)$が下記のように級数で表せると仮定する。
$$
\begin{align}
f(x) &= \sum_{n=0}^{\infty} a_{n} x^{n} \quad (1) \\
&= a_0 + a_1 x^1 + a_2 x^2 + \cdots
\end{align}
$$

このとき係数の$a_0, a_1, a_2, \cdots$の値に関して以下の問題に答えよ。
i) $(1)$に関して$x=0$を考えることで$a_0$の値を求めよ。
ⅱ) $(1)$式の両辺を$1$階微分し、$x=0$を考えることで$a_1$の値を求めよ。
ⅲ) ⅱ)と同様に$a_2, a_3$の値を計算せよ。
iv) 数学的帰納法を元に$\displaystyle a_n = \frac{f^{(n)}(0)}{n!}$を示せ。
v) $a_n$を$(1)$式に代入し、マクローリン展開の式に一致することを確かめよ。

・解答
i)
$$
\large
\begin{align}
f(x) &= a_0 + a_1 x^1 + a_2 x^2 + \cdots \\
f(0) &= a_0 \\
a_0 &= f(0)
\end{align}
$$

よって$a_0 = f(0)$が得られる。

ⅱ)
$(1)$式の両辺を微分すると下記が得られる。
$$
\large
\begin{align}
f(x) &= a_0 + a_1 x^1 + a_2 x^2 + \cdots \\
f'(x) &= a_1 + 2 a_2 x + 3 a_3 x^2 + \cdots
\end{align}
$$

上記に$x=0$を代入すると下記が得られる。
$$
\large
\begin{align}
f'(0) &= a_1 \\
a_1 &= f'(0)
\end{align}
$$

よって$a_1 = f'(0)$が得られる。

ⅲ)
$(1)$式の両辺の$2$階微分、$3$階微分を行うと下記が得られる。
$$
\large
\begin{align}
f^{”}(x) &= 2 a_2 + 3 \cdot 2 a_3 x + 4 \cdot 3 a_4 x^2 + \cdots \\
f^{(3)}(x) &= 3 \cdot 2 \cdot 1 a_3 + 4 \cdot 3 \cdot 2 a_4 x + \cdots
\end{align}
$$

上記に$x=0$を代入すると下記が得られる。
$$
\large
\begin{align}
f^{”}(x) &= 2 a_2 + 3 \cdot 2 a_3 x + 4 \cdot 3 a_4 x^2 + \cdots \\
f^{”}(0) &= 2a_2 \\
a_{2} &= \frac{f^{”}(0)}{2!}
\end{align}
$$

$$
\large
\begin{align}
f^{(3)}(x) &= 3 \cdot 2 \cdot 1 a_3 + 4 \cdot 3 \cdot 2 a_4 x + \cdots \\
f^{(3)}(0) &= 3! a_2 \\
a_{3} &= \frac{f^{(3)}(0)}{3!}
\end{align}
$$

よって$\displaystyle a_{2} = \frac{f^{”}(0)}{2!}, a_{3} = \frac{f^{(3)}(0)}{3!}$が得られる。

iv)
ⅱ)より$n=1$のとき$\displaystyle a_1 = \frac{f^{(1)}(0)}{1!}$が成立する。以下、$\displaystyle f^{(k)}(x) = k! a_{k} + (k+1)k \cdots 2 a_{k+1} x + \cdots, a_k = \frac{f^{(k)}(0)}{k!}$が成立すると仮定し、$a_{k+1}$に関して考える。
$$
\large
\begin{align}
f^{(k)}(x) = k! a_{k} + (k+1)k \cdots 2 a_{k+1} x + \cdots
\end{align}
$$

上記より$f^{(k+1)}(x)$に関して下記が成立する。
$$
\large
\begin{align}
f^{(k+1)}(x) &= (k+1)! a_{k+1} + \cdots \\
f^{(k+1)}(0) &= (k+1)! a_{k+1} \\
a_{k+1} &= \frac{f^{(k+1)}(0)}{(k+1)!}
\end{align}
$$

よって数学的帰納法に基づいて$\displaystyle a_n = \frac{f^{(n)}(0)}{n!}$が示される。

v)
$(1)$式に$\displaystyle a_n = \frac{f^{(n)}(0)}{n!}$を代入すると下記が得られる。
$$
\large
\begin{align}
f(x) = \sum_{n=0}^{\infty} \frac{f^{(n)}(0)}{n!} x^{n}
\end{align}
$$

上記はマクローリン展開の式に一致する。

・解説
マクローリン展開の式の係数はわからなくなりがちなので、この問題で取り扱ったように係数を導出することで式の形が確認できるようにしておくと良いと思います。

発展問題

$e^{x}$のマクローリン展開とポアソン分布の確率母関数の導出

・問題
関数$f(x)$が下記のようにマクローリン展開可能であると仮定する。
$$
\large
\begin{align}
f(x) &= \sum_{n=0}^{\infty} \frac{f^{(n)}(0)}{n!}x^{n} \quad (1) \\
f^{(n)}(x) &= \frac{d^n}{dx^n} f(x) \quad (2)
\end{align}
$$

$f(x)=e^{x}$は上記の式を元にマクローリン展開可能であるが、ポアソン分布の確率母関数の導出にあたっては$f(x)=e^{x}$のマクローリン展開の逆演算を用いるので「関数から級数の式変形」に加えて「級数から関数の式変形」も合わせて抑えておくと良い。

以下、$e^{x}$のマクローリン展開に関して確認を行なったのちにポアソン分布の確率母関数の導出し、期待値$E[X]$や分散$V[X]$の計算を行う。ここまでの内容を元に下記の問題に答えよ。
i) $(2)$式に基づいて$f(x)=e^{x}$の導関数$f^{(1)}(x),f^{(2)}(x),f^{(n)}(x)$をそれぞれ計算せよ。
ⅱ) i)の結果と$(1)$式を元に$f(x)=e^{x}$のマクローリン展開を行え。
ⅲ) ポアソン分布$\mathrm{Po}(\lambda)$の確率関数を$p(x)$とおくと$p(x)$は下記のように表せる。
$$
\begin{align}
p(x) = \frac{\lambda^{x} e^{-\lambda}}{x!}, \quad x=0,1,\cdots
\end{align}
$$
このとき確率母関数$G(s)=E[s^{X}]$を級数の形式で表せ。
iv) ⅱ)、ⅲ)の結果を元に$G(s)=e^{\lambda(s-1)}$を導出せよ。
v) $G(s)=e^{\lambda(s-1)}$を元にポアソン分布の期待値$E[X]$と分散$V[X]$を計算せよ。

・解答
i)
$(e^{x})’=e^{x}$より、$f^{(1)}(x),f^{(2)}(x),f^{(n)}(x)$は下記のように表せる。
$$
\large
\begin{align}
f^{(1)}(x) &= e^{x} \\
f^{(2)}(x) &= e^{x} \\
f^{(n)}(x) &= e^{x}
\end{align}
$$

ⅱ)
i)の結果と$(1)$式に基づいて下記のように$e^{x}$のマクローリン展開を表せる。
$$
\large
\begin{align}
e^{x} &= \sum_{n=0}^{\infty} \frac{e^{0}}{n!}x^{n} \\
&= \sum_{n=0}^{\infty} \frac{x^{n}}{n!}
\end{align}
$$

ⅲ)
確率母関数$G(s)=E[s^{X}]$は下記のように級数の形式で表せる。
$$
\large
\begin{align}
G(s) &= E[s^{X}] = \sum_{x=0}^{\infty} s^{x} p(x) \\
&= \sum_{x=0}^{\infty} s^{x} \frac{\lambda^{x} e^{-\lambda}}{x!} \\
&= \sum_{x=0}^{\infty} \frac{(s \lambda)^{x} e^{-\lambda}}{x!}
\end{align}
$$

iv)
ⅱ)の結果はそれぞれ下記のように書き下せる。
$$
\large
\begin{align}
e^{x} &= \sum_{n=0}^{\infty} \frac{x^{n}}{n!} = \frac{x^{0}}{0!} + \frac{x^{1}}{1!} + \frac{x^{2}}{2!} + \cdots \quad (1)
\end{align}
$$

また、ⅲ)の結果は下記のように表せる。
$$
\large
\begin{align}
G(s) &= \sum_{x=0}^{\infty} \frac{(s \lambda)^{x} e^{-\lambda}}{x!} \\
&= e^{-\lambda} \sum_{x=0}^{\infty} \frac{(s \lambda)^{x}}{x!} \\
&= e^{-\lambda} \left( \frac{(s \lambda)^{0}}{0!} + \frac{(s \lambda)^{1}}{1!} + \frac{(s \lambda)^{0}}{0!} + \cdots \right) \quad (2)
\end{align}
$$

$(1)$式と$(2)$式の対応により、確率母関数$G(s)$は下記のように導出できる。
$$
\large
\begin{align}
G(s) &= e^{-\lambda} \left( \frac{(s \lambda)^{0}}{0!} + \frac{(s \lambda)^{1}}{1!} + \frac{(s \lambda)^{0}}{0!} + \cdots \right) \quad (2) \\
&= e^{-\lambda} \times e^{s \lambda} \\
&= e^{\lambda(s-1)}
\end{align}
$$

v)
確率母関数$G(s)$の導関数$G'(s), G^{”}(s)$は下記のように計算できる。
$$
\large
\begin{align}
G'(s) &= e^{\lambda(s-1)} \times (\lambda(s-1))’ \\
&= \lambda e^{\lambda(s-1)} \\
G^{”}(s) &= (\lambda e^{\lambda(s-1)})’ \\
&= \lambda e^{\lambda(s-1)} \times (\lambda(s-1))’ \\
&= \lambda^{2} e^{\lambda(s-1)}
\end{align}
$$

よって期待値$E[X]=m'(1)$、分散$V[X]=m^{”}(1) + m'(1) – m'(1)^2$は下記のように計算できる。
$$
\large
\begin{align}
E[X] &= m'(1) = \lambda e^{\lambda(1-1)} \\
&= \lambda \\
V[X] &= m^{”}(1) + m'(1) – m'(1)^2 \\
&= \lambda^{2} e^{\lambda(1-1)} + \lambda – \lambda^2 \\
&= \lambda
\end{align}
$$

・解説
iv)ではマクローリン展開の式に基づき級数を関数に変換しましたが、$\displaystyle \sum$を元に考えるとミスが生じやすいので、解答では級数を書き下すことで対応がわかりやすいように途中式を表しました。
また、v)で用いた$E[X]=m'(1), V[X]=m^{”}(1) + m'(1) – m'(1)^2$はよく出てくるので抑えておくと良いと思います。

等比数列の和の公式と幾何分布の確率母関数の導出

・問題
投げたコインが表になるような事象が起こる確率を表すパラメータが$p$のベルヌーイ試行を考えるとき、最初に表が出る際の試行回数を確率変数$X$と定めると$X$は幾何分布$\mathrm{Geo}(p)$に従う。この確率関数を$p(x)$とおくと、$p(x)$は下記のように表せる。
$$
\large
\begin{align}
p(x) = p(1-p)^{x-1}, \quad x=1,2,\cdots
\end{align}
$$

幾何分布の期待値$E[X]$は直感的には確率$p$の逆数の$1/p$が対応すると考えられるが、次の問題で取り扱うように期待値の定義に基づいて導出すると計算が複雑である。よって、この問題では以下、等比数列の和の式に基づいて確率母関数を導出し、期待値$E[X]$や分散$V[X]$の計算を行う。

ここまでの内容を元に下記の問題に答えよ。
i) 幾何分布$\mathrm{Geo}(p)$の確率母関数を$m(s)$とおくとき、$G(s)$が下記のように表せることを確認せよ。
$$
\begin{align}
G(s) = sp ( 1 + (s(1-p))^{1} + (s(1-p))^{2} + \cdots )
\end{align}
$$
ⅱ) 公比を$r$とする等比数列の和を$S_n = 1 + r + r^2 + \cdots + r^n$とおくとき$S_n-rS_n=(1-r)S_n$を計算することで下記が成立することを示せ。
$$
\begin{align}
S_n = \frac{1-r^{n}}{1-r}
\end{align}
$$
ⅲ) ⅱ)の等比数列の公比が$|r|<1$であるとき$\displaystyle \lim_{n \to \infty} S_n$を$r$の式で表せ。
iv) i)で導出の確認を行なった$G(s) = sp ( 1 + (s(1-p))^{1} + (s(1-p))^{2} + \cdots )$で$|s(1-p)|<1$が成立するとき、ⅲ)の結果を元に$G(s)$を表せ。
v) iv)で導出した確率母関数を元に幾何分布の期待値$E[X]$と分散$V[X]$をそれぞれ計算せよ。

・解答
i)
$G(s)=E[s^{X}]$より$G(s)$は下記のように表せる。
$$
\large
\begin{align}
G(s) &= E[s^{X}] \\
&= \sum_{x=1} s^x p(x) \\
&= \sum_{x=1} s^x p(1-p)^{x-1} \\
&= sp \sum_{x=1} (s(1-p))^{x-1} \\
&= sp (1 + (s(1-p))^{1} + (s(1-p))^{2} \cdots)
\end{align}
$$

ⅱ)
$S_n$と$rS_n$はそれぞれ下記のように表せる。
$$
\large
\begin{align}
S_n = 1 + & r + r^2 + \cdots r^{n-1} \\
rS_n = \quad \, \, \, &r + r^{2} + \cdots r^{n-1} + r^{n}
\end{align}
$$

よって$S_n-rS_n=(1-r)S_n$を考えることで下記が示せる。
$$
\large
\begin{align}
S_n – rS_n &= (1-\cancel{r}) + (\cancel{r}-\cancel{r^2}) + \cdots (\cancel{r^{n-2}}-\cancel{r^{n-1}}) + (\cancel{r^{n-1}}-r^{n}) \\
(1-r)S_n &= 1 – r^{n} \\
S_n &= \frac{1-r^{n}}{1-r}
\end{align}
$$

ⅲ)
$|r|<1$のとき$\displaystyle \lim_{n \to \infty} r^{n}=0$が成立する。よって$\displaystyle \lim_{n \to \infty} S_n$は下記のように表せる。
$$
\large
\begin{align}
\lim_{n \to \infty} S_n &= \lim_{n \to \infty} \frac{1-r^{n}}{1-r} \\
&= \frac{1}{1-r}
\end{align}
$$

iv)
$|s(1-p)|<1$が成立するとき、$G(s) = sp ( 1 + (s(1-p))^{1} + (s(1-p))^{2} + \cdots )$は下記のように表せる。
$$
\large
\begin{align}
G(s) &= sp ( 1 + (s(1-p))^{1} + (s(1-p))^{2} + \cdots ) \\
&= sp \times \frac{1}{1-s(1-p)} \\
&= \frac{sp}{1-s(1-p)}
\end{align}
$$

v)
iv)の結果を元に$G'(s),G^{”}(s)$は下記のように計算できる。
$$
\large
\begin{align}
G'(s) &= \frac{p(1-s(1-p)) – sp(-(1-p))}{(1-s(1-p))^2} \\
&= \frac{p – \cancel{sp} + \cancel{sp^2} + \cancel{sp} – \cancel{sp^2}}{(1-s(1-p))^2} \\
&= \frac{p}{(1-s(1-p))^2} \\
G^{”}(s) &= (p(1-s(1-p))^{-2})’ \\
&= -2p(1-s(1-p))^{-3} \times (-s(1-p))’ \\
&= \frac{2p(1-p)}{(1-s(1-p))^3}
\end{align}
$$

このとき、$G'(1),G^{”}(1)$は下記のように得られる。
$$
\large
\begin{align}
G'(1) &= \frac{p}{(1-(1-p))^2} \\
&= \frac{p}{p^2} \\
&= \frac{1}{p} \\
G^{”}(1) &= \frac{2p(1-p)}{(1-(1-p))^3} \\
&= \frac{2p(1-p)}{p^3} \\
&= \frac{2(1-p)}{p^2}
\end{align}
$$

よって期待値$E[X]=G'(1)$と分散$V[X]=G^{”}(1)+G'(1)-G'(1)^2$は下記のように計算できる。
$$
\large
\begin{align}
E[X] &= G'(1) \\
&= \frac{1}{p} \\
V[X] &= G^{”}(1) + G'(1) – G'(1)^2 \\
&= \frac{2(1-p)}{p^2} + \frac{1}{p} – \frac{1}{p^2} \\
&= \frac{2-2p+p-p)}{p^2} = \frac{1-p}{p^2}
\end{align}
$$

・解説
ⅱ)、ⅲ)は等比数列の和や和の極限に関してのオーソドックスな問題であり、幾何分布の確率母関数を考える上では必須なので抑えておくと良いです。
また、iv)を考える際に$|s(1-p)|<1$を仮定しましたが、$0<1-p<1$であることより、$s=1$の周辺で$|s(1-p)|<1$が成立することを確認しておくと良いです。確率母関数では$s=1$の代入を行うことで計算を行うので、$s=1$が定義域に含まれる必要があることは合わせて抑えておくと良いと思います。

$\displaystyle \frac{1}{(1-x)^2}, \frac{1}{(1-x)^3}$のマクローリン展開と幾何分布の平均$E[X]$・分散$V[X]$の導出

・問題
関数$f(x)$が下記のようにマクローリン展開可能であると仮定する。
$$
\large
\begin{align}
f(x) &= \sum_{n=0}^{\infty} \frac{f^{(n)}(0)}{n!}x^{n} \quad (1) \\
f^{(n)}(x) &= \frac{d^n}{dx^n} f(x)
\end{align}
$$

$\displaystyle f(x) = \frac{1}{1-x}$は上記の式を元にマクローリン展開可能であるが、幾何分布の平均$E[X]$や分散$V[X]$の導出にあたっては$\displaystyle f(x) = \frac{1}{1-x}$の微分である$\displaystyle \frac{1}{(1-x)^2}, \frac{2}{(1-x)^3}$のマクローリン展開の逆演算を用いるので「関数から級数の式変形」に加えて「級数から関数の式変形」も合わせて抑えておくと良い。

以下、$\displaystyle f(x) = \frac{1}{1-x}$のマクローリン展開や両辺の微分に関して確認を行なったのちに幾何分布の確率母関数を導出し、期待値$E[X]$や分散$V[X]$の計算を行う。ここまでの内容を元に下記の問題に答えよ。
i) $(2)$式に基づいて$\displaystyle f(x) = \frac{1}{1-x}$の導関数$f^{(1)}(x),f^{(2)}(x),f^{(n)}(x)$をそれぞれ計算せよ。
ⅱ) i)の結果と$(1)$式を元に$\displaystyle f(x) = \frac{1}{1-x}$のマクローリン展開を行え。
ⅲ) ⅱ)の結果の両辺の微分を考えることで、$\displaystyle \frac{1}{(1-x)^2}, \frac{2}{(1-x)^3}$のマクローリン展開の式を示せ。
iv) 幾何分布$\mathrm{Geo}(p)$の確率関数を$p(x)$とおくと$p(x)$は下記のように表せる。
$$
\begin{align}
p(x) = p(1-p)^{x-1}, \quad x=1,\cdots
\end{align}
$$
このとき期待値$E[X]$と$E[X(X-1)]$を級数の形式で表せ。
v) ⅲ)、iv)の結果を元に分散$V[X]=E[X(X-1)]+E[X]-E[X]^2$を導出せよ。

・解答
i)
$\displaystyle f(x) = \frac{1}{1-x}$の導関数$f^{(1)}(x),f^{(2)}(x),f^{(n)}(x)$はそれぞれ下記のように考えることができる。
$$
\large
\begin{align}
f^{(1)}(x) &= \frac{-1(1-x)’}{(1-x)^{2}} \\
&= \frac{1}{(1-x)^{2}} \\
f^{(2)}(x) &= ((1-x)^{-2}) \\
&= -2 (1-x)^{-3} (1-x)’ \\
&= 2 (1-x)^{-3} = \frac{2}{(1-x)^{3}} \\
f^{(n)}(x) &= \frac{n!}{(1-x)^{n+1}}
\end{align}
$$

ⅱ)
i)の結果と$(1)$式に基づいて下記のように$\displaystyle f(x) = \frac{1}{1-x}$のマクローリン展開を表せる。
$$
\large
\begin{align}
\frac{1}{1-x} &= \sum_{n=0}^{\infty} \frac{f^{(n)}(0)}{n!}x^{n} \\
&= \sum_{n=0}^{\infty} \frac{\cancel{n!}}{\cancel{n!} (1-1)^{n+1}}x^{n} \\
&= \sum_{n=0}^{\infty} x^{n}
\end{align}
$$

ⅲ)
ⅱ)の両辺の微分を行うことで下記が導出できる。
$$
\large
\begin{align}
\left( \frac{1}{1-x} \right)’ &= \sum_{n=0}^{\infty} (x^{n})’ \\
\frac{1}{(1-x)^2} &= \sum_{n=1}^{\infty} n x^{n-1} \\
&= 1 + 2x + 3x^2 + \cdots \\
\left( \frac{1}{(1-x)^{2}} \right)’ &= \sum_{n=0}^{\infty} (x^{n})’ \\
\frac{2}{(1-x)^3} &= \sum_{n=2}^{\infty} n(n-1) x^{n-2} \\
&= 2 \cdot 1 + 3 \cdot 2 x + 4 \cdot 3 x^{2} + 5 \cdot 4 x^{3} \cdots
\end{align}
$$

iv)
期待値$E[X]$と$E[X(X-1)]$は定義に基づいてそれぞれ下記のように表せる。
$$
\large
\begin{align}
E[X] &= \sum_{x=1}^{\infty} x p(x) \\
&= \sum_{x=1}^{\infty} x p(1-p)^{x-1} \\
&= p \sum_{x=1}^{\infty} x p(1-p)^{x-1} \\
&= p(1 + 2(1-p) + 3(1-p)^{2} + \cdots) \\
&= p \times \frac{1}{(1-(1-p))^2} \\
&= p \times \frac{1}{p^2} \\
&= \frac{1}{p} \\
E[X(X-1)] &= \sum_{x=2}^{\infty} x(x-1) p(x) \\
&= \sum_{x=2}^{\infty} x(x-1) p(1-p)^{x-1} \\
&= p(1-p) \sum_{x=2}^{\infty} x(x-1) (1-p)^{x-2} \\
&= p(1-p)(2 + 3 \cdot 2(1-p) + 4 \cdot 3(1-p)^{2} + 5 \cdot 4(1-p)^{3} + \cdots) \\
&= p(1-p) \times \frac{2}{(1-(1-p))^3} \\
&= p(1-p) \times \frac{2}{p^3} \\
&= \frac{2(1-p)}{p^2}
\end{align}
$$

v)
期待値$E[X]$と分散$V[X]=E[X(X-1)]+E[X]-E[X]^2$は下記のように導出できる。
$$
\large
\begin{align}
V[X] &= E[X(X-1)] + E[X] – E[X]^2 \\
&= \frac{2(1-p)}{p^2} + \frac{1}{p} – \frac{1}{p^2} \\
&= \frac{2-2p+p-1}{p^2} = \frac{1-p}{p^2}
\end{align}
$$

・解説
iv)で$E[X(X-1)]$を計算する際に$x=1$と$x=2$のどちらを用いてマクローリン展開と対応させるかなどがわかりにくいので、$\displaystyle \sum$を用いずに項を書き出すことで具体的な数列を元に考えると良いと思います。
また、v)の結果の分散$V[X]$が前問で導出した$V[X]$の結果と一致することは確認しておくと良いです。

参考