一様分布

同義語:uniform distribution連続一様分布continuous uniform distribution離散一様分布discrete uniform distribution

概要

一様分布(uniform distribution)とは、Lebesgue 測度が正で有限な Borel 集合 $A$ の上で、各 Borel 集合 $B$ に $A\cap B$ の測度と $A$ の測度の比を確率として与える確率分布、または空でない有限集合の各元に等しい確率を与える確率分布である。区間 $(a,b)$ の上の一様分布の平均は $(a+b)/2$、分散は $(b-a)^2/12$ である。$(0,1)$ の上の一様分布に従う点の 2 進展開の桁は独立な公平な硬貨の列になり、それと独立な確率変数を足して小数部分をとっても一様分布のままである。数列の性質である 1 を法とする一様分布とは別の概念である。

$$\newcommand{C}[0]{\mathbb{C}} \newcommand{div}[0]{\mathbin{÷}} \newcommand{N}[0]{\mathbb{N}} \newcommand{Q}[0]{\mathbb{Q}} \newcommand{R}[0]{\mathbb{R}} \newcommand{Z}[0]{\mathbb{Z}} $$

前提知識: 確率分布, 確率密度関数, Lebesgue測度

区間 $(0,1)$ から「でたらめに」1 点を選ぶとき、点が部分区間 $(s,t)$ に入る確率は、区間の位置によらず長さ $t-s$ だけで決まると考えるのが自然である。長さ(一般には体積)に比例して確率を与えるこの分布が 一様分布(uniform distribution)である。有限集合の各元に同じ確率を与える分布も一様分布という。計算機の乱数は $(0,1)$ の上の一様分布をまねて作られ、ほかの分布に従う乱数はそれを変換して作る。
確率論の一様分布は 1 つの確率分布である。数列の小数部分が $[0,1)$ に偏りなく散らばるという、決まった数列についての性質は 一様分布(mod 1) といい、この記事の主題とは別の概念である(両者の関係は rem-unif-mod1)。
この記事では、一様分布を定義して基本的な量を求めたあと、3 つの性質を示す。(1) $(0,1)$ の上の一様分布に従う点の 2 進展開の桁は、公平な硬貨の独立な表裏の列になり、逆も成り立つ。(2) 一様分布に、それと独立な確率変数を足して小数部分をとっても、一様分布のままである。(3) 一様分布から、分布関数の逆を通して $\mathbb{R}$ の上のどの分布も作れる。

定義

以下、$\lambda_d$ を $\mathbb{R}^d$ の Lebesgue測度 とし、$\lambda:=\lambda_1$ と書く。

連続一様分布と離散一様分布
  1. $A\subset\mathbb{R}^d$ を $0< \lambda_d(A)< \infty$ を満たす Borel 集合とする。Borel 集合 $B$ に
    $$ \mathrm{Unif}(A)(B):=\frac{\lambda_d(A\cap B)}{\lambda_d(A)} $$
    を与える確率分布 $\mathrm{Unif}(A)$ を、$A$ の上の(連続)一様分布 という。$d=1$、$A=(a,b)$($a< b$)のとき $\mathrm{Unif}(a,b)$ と書く。
  2. $E$ を空でない有限集合とする。$E$ の部分集合 $B$ に $\lvert B\rvert/\lvert E\rvert$ を与える確率分布を、$E$ の上の(離散)一様分布 という。

$\mathrm{Unif}(A)$ は密度 $\mathbf{1}_A/\lambda_d(A)$ をもち($d=1$ のとき 確率分布 の定義「離散分布・連続分布・絶対連続分布・特異連続分布」の絶対連続分布である)、$\mathrm{Unif}(a,b)$ の密度は $(a,b)$ の上で $\frac1{b-a}$、その外で $0$ である。分布関数は
$$ F(x)=\begin{cases}0&(x< a)\\\dfrac{x-a}{b-a}&(a\le x\le b)\\1&(x>b)\end{cases} $$
である(Dur19 Example 1.2.3、p. 12 は $(a,b)=(0,1)$ の場合)。1 点の Lebesgue 測度は $0$ なので、$[a,b]$ の上の一様分布と $(a,b)$ の上の一様分布は同じ分布であり、端点を含めるかどうかは区別しない。
Lebesgue 測度は平行移動で変わらないので、$X\sim\mathrm{Unif}(A)$ なら、$A$ の中の 2 つの集合 $B,B'$ が平行移動で重なるとき $P(X\in B)=P(X\in B')$ である。「どの位置も同じように出やすい」という性質は、この意味で表されている。

基本的な量

平均・分散・特性関数
  1. $X\sim\mathrm{Unif}(a,b)$ ならば
    $$ E[X]=\frac{a+b}2,\qquad V[X]=\frac{(b-a)^2}{12},\qquad E[e^{itX}]=\frac{e^{itb}-e^{ita}}{it(b-a)}\quad(t\ne0) $$
    である($t=0$ では特性関数の値は $1$)。
  2. $X$ が $\{1,2,\dots,n\}$ の上の一様分布に従うならば
    $$ E[X]=\frac{n+1}2,\qquad V[X]=\frac{n^2-1}{12} $$
    である。
多項式と指数関数の積分

1:確率密度関数 の定理「密度による期待値の公式」により
$$ E[X]=\frac1{b-a}\int_a^bx\,dx=\frac{b^2-a^2}{2(b-a)}=\frac{a+b}2,\qquad E[X^2]=\frac1{b-a}\int_a^bx^2\,dx=\frac{a^2+ab+b^2}3 $$
である。$V[X]=E[X^2]-E[X]^2=\frac{4(a^2+ab+b^2)-3(a+b)^2}{12}=\frac{(b-a)^2}{12}$ である。特性関数は、$e^{itx}$ の原始関数 $e^{itx}/(it)$(実部と虚部に分けて確かめられる)により $\frac1{b-a}\int_a^be^{itx}\,dx=\frac{e^{itb}-e^{ita}}{it(b-a)}$ である。
2:$E[X]=\frac1n\sum_{k=1}^nk=\frac{n+1}2$、$E[X^2]=\frac1n\sum_{k=1}^nk^2=\frac{(n+1)(2n+1)}6$ なので
$$ V[X]=\frac{(n+1)(2n+1)}6-\frac{(n+1)^2}4=\frac{(n+1)\bigl(2(2n+1)-3(n+1)\bigr)}{12}=\frac{(n+1)(n-1)}{12} $$
である。$\square$

区間 $(-c,c)$ の場合、特性関数は $\frac{\sin ct}{ct}$ である(Dur19 Example 3.3.6、p. 127)。分散 $\frac{(b-a)^2}{12}$ は区間の長さだけで決まり、位置によらない。$n$ が大きいとき、$\{1,\dots,n\}$ の一様分布を $n$ で割ったものの分散 $\frac{n^2-1}{12n^2}$ は、$\mathrm{Unif}(0,1)$ の分散 $\frac1{12}$ に近づく。

1 次変換・制限・直積
  1. $X\sim\mathrm{Unif}(a,b)$、$c\ne0$ ならば、$cX+e$ は $c$ の符号に応じて区間 $(ca+e,cb+e)$ または $(cb+e,ca+e)$ の上の一様分布に従う。
  2. $X\sim\mathrm{Unif}(A)$ とし、$A'\subset A$ を $\lambda_d(A')>0$ の Borel 集合とすると、$X\in A'$ という条件のもとでの $X$ の条件付き分布 $P(X\in\cdot\mid X\in A')$ は $\mathrm{Unif}(A')$ である。
  3. $X_1,\dots,X_d$ が独立で $X_i\sim\mathrm{Unif}(a_i,b_i)$ ならば、$(X_1,\dots,X_d)\sim\mathrm{Unif}\bigl(\prod_i(a_i,b_i)\bigr)$ である。逆に $(X_1,\dots,X_d)\sim\mathrm{Unif}\bigl(\prod_i(a_i,b_i)\bigr)$ ならば、$X_1,\dots,X_d$ は独立で $X_i\sim\mathrm{Unif}(a_i,b_i)$ である。
分布関数と直積集合で確かめる

1:$c>0$ とする。$Y:=cX+e$ について、$y$ が $(ca+e,cb+e)$ にあれば $P(Y\le y)=P\bigl(X\le\frac{y-e}c\bigr)=\frac{(y-e)/c-a}{b-a}=\frac{y-(ca+e)}{(cb+e)-(ca+e)}$ であり、区間の左では $0$、右では $1$ である。これは $\mathrm{Unif}(ca+e,cb+e)$ の分布関数なので、分布関数が分布を決めること(確率分布 の定理「同分布の判定」)から主張を得る。$c< 0$ も同様である。
2:Borel 集合 $B$ について $P(X\in B\mid X\in A')=\frac{\lambda_d(A\cap A'\cap B)/\lambda_d(A)}{\lambda_d(A\cap A')/\lambda_d(A)}=\frac{\lambda_d(A'\cap B)}{\lambda_d(A')}$ である($A'\subset A$ を使った)。
3:$R:=\prod_i(a_i,b_i)$ とおく。直積集合 $B=B_1\times\cdots\times B_d$ について、独立性と Fubiniの定理 の命題「Euclid空間のLebesgue測度と積測度」($\lambda_d$ は $\lambda$ の $d$ 個の積測度)から
$$ P\bigl((X_1,\dots,X_d)\in B\bigr)=\prod_i\frac{\lambda(B_i\cap(a_i,b_i))}{b_i-a_i}=\frac{\lambda_d(B\cap R)}{\lambda_d(R)} $$
である。直積集合の全体は π 系で $\mathcal{B}(\mathbb{R}^d)$ を生成するので、Dynkinのπ-λ定理 の定理「π系の上で一致する測度の一意性」により、2 つの確率分布はすべての Borel 集合で一致する。逆は、同じ等式を左辺から読むと、$B_j=\mathbb{R}$($j\ne i$)として $X_i\sim\mathrm{Unif}(a_i,b_i)$ が、一般の $B$ について独立性の式が得られる。$\square$

主定理 1:2 進展開の桁と公平な硬貨

$u\in[0,1)$ と $k\ge1$ について、$u$ の 2 進展開の第 $k$ 桁を
$$ d_k(u):=\lfloor2^ku\rfloor-2\lfloor2^{k-1}u\rfloor $$
と定める。$\lfloor2x\rfloor-2\lfloor x\rfloor\in\{0,1\}$ なので $d_k(u)\in\{0,1\}$ であり、$\lfloor u\rfloor=0$ から始めて $k=1,\dots,n$ について足し合わせると
$$ \lfloor2^nu\rfloor=\sum_{k=1}^nd_k(u)\,2^{n-k}\qquad(1) $$
である。とくに $u=\sum_{k\ge1}d_k(u)2^{-k}$ であり($0\le2^nu-\lfloor2^nu\rfloor< 1$ を $2^n$ で割ればよい)、この展開は、$1$ が無限に続く表示を使わない方の 2 進展開である。

一様分布と独立な桁
  1. $U\sim\mathrm{Unif}(0,1)$ ならば、$d_1(U),d_2(U),\dots$ は独立で、どれも値 $0,1$ を確率 $\frac12$ ずつとる。
  2. 逆に、$\varepsilon_1,\varepsilon_2,\dots$ が独立で、どれも値 $0,1$ を確率 $\frac12$ ずつとるならば、$V:=\sum_{k=1}^\infty\varepsilon_k2^{-k}$ は $\mathrm{Unif}(0,1)$ に従う。
長さ $2^{-n}$ の区間を数える

1:$n\ge1$ と $e=(e_1,\dots,e_n)\in\{0,1\}^n$ を固定し、$m:=\sum_{k=1}^ne_k2^{n-k}$ とおく。$m$ は $0$ 以上 $2^n-1$ 以下の整数で、(1) と整数の 2 進表示の一意性により、$u\in[0,1)$ について
$$ d_1(u)=e_1,\ \dots,\ d_n(u)=e_n\iff\lfloor2^nu\rfloor=m\iff u\in\bigl[m2^{-n},(m+1)2^{-n}\bigr) $$
である。$U\in(0,1)$ なので
$$ P\bigl(d_1(U)=e_1,\dots,d_n(U)=e_n\bigr)=\lambda\bigl([m2^{-n},(m+1)2^{-n})\bigr)=2^{-n} $$
である。$e_1,\dots,e_{k-1},e_{k+1},\dots,e_n$ について和をとると $P(d_k(U)=e_k)=2^{n-1}\cdot2^{-n}=\frac12$ であり、上の式は $\prod_kP(d_k(U)=e_k)$ に等しい。$\{0,1\}$ の部分集合 $B_k$ についての事象 $\{d_k(U)\in B_k\}$ は値ごとの事象の和なので、同じ積の式が $B_1,\dots,B_n$ についても成り立ち、$d_1(U),\dots,d_n(U)$ は独立である。$n$ は任意なので列全体が独立である。
2:$n\ge1$ を固定し、$N:=\sum_{k=1}^n\varepsilon_k2^{n-k}$、$R:=\sum_{k>n}\varepsilon_k2^{-k}$ とおくと $V=N2^{-n}+R$、$0\le R\le2^{-n}$ である。$R=2^{-n}$ となるのは $k>n$ のすべてで $\varepsilon_k=1$ のときだけで、その確率はすべての $j$ について $2^{-j}$ 以下なので $0$ である。よって確率 $1$ で $N2^{-n}\le V< (N+1)2^{-n}$ である。また独立性から、$N$ は $\{0,1,\dots,2^n-1\}$ の各値を確率 $2^{-n}$ でとる(値 $m$ をとるのは、$(\varepsilon_1,\dots,\varepsilon_n)$ が $m$ の 2 進表示の桁に一致するときである)。したがって整数 $0\le m\le2^n$ について
$$ P\bigl(V< m2^{-n}\bigr)=P(N< m)=m2^{-n} $$
である。$t\in[0,1]$ をとり、$m_n:=\lfloor2^nt\rfloor$ とすると、$\{V< m_n2^{-n}\}\subset\{V\le t\}\subset\{V< (m_n+1)2^{-n}\}$ なので
$$ \frac{\lfloor2^nt\rfloor}{2^n}\le P(V\le t)\le\min\Bigl\{\frac{\lfloor2^nt\rfloor+1}{2^n},\,1\Bigr\} $$
であり、$n\to\infty$ として $P(V\le t)=t$ を得る。$0\le V\le1$ なので $t< 0$ で $P(V\le t)=0$、$t>1$ で $1$ である。これは $\mathrm{Unif}(0,1)$ の分布関数なので、確率分布 の定理「同分布の判定」により $V\sim\mathrm{Unif}(0,1)$ である。$\square$

1 は「$(0,1)$ から一様に点を選ぶ」ことと「公平な硬貨を無限回投げる」ことが同じ偶然の模型であることを述べている。2 の $V$ は、表裏の列を 2 進小数として読んだ数である。2 進を 3 進に替え、桁を $0,2$ に限ると、得られる分布は一様分布ではなく、確率分布 の例「Cantor 分布」の特異連続分布になる。
1 の桁の列を、互いに交わらない無限個の部分列(たとえば $k=2^{j-1}(2l-1)$ の桁を $j$ 番目の列に入れる)に分け、2 で各部分列から $V_j$ を作ると、$V_1,V_2,\dots$ は独立で、どれも $\mathrm{Unif}(0,1)$ に従う。$V_j$ の独立性は次のように分かる。$j$ 番目の部分列の有限個の桁で決まる事象の全体 $\mathcal{A}_j$ は π 系で、$\mathcal{A}_1,\dots,\mathcal{A}_m$ は桁の独立性から独立であり、$V_j$ は $\sigma(\mathcal{A}_j)$ に関して可測なので、Dynkinのπ-λ定理 の命題「π系の独立性はσ-代数に広がる」により $V_1,\dots,V_m$ は独立である。1 つの一様分布から独立な一様分布の列が作れるので、後の節の分位点変換と合わせると、$\mathbb{R}$ の上のどんな分布の独立同分布の列も $(0,1)$ の上の Lebesgue 測度 1 つから作れる。

主定理 2:独立な量を足して小数部分をとっても一様分布のまま

実数 $x$ の小数部分を $\mathrm{frac}(x):=x-\lfloor x\rfloor\in[0,1)$ と書く。

小数部分の一様性

$U\sim\mathrm{Unif}(0,1)$ とし、$Y$ を $U$ と独立な実数値の確率変数とする($Y$ の分布は任意)。このとき $W:=\mathrm{frac}(U+Y)$ は $\mathrm{Unif}(0,1)$ に従い、さらに $W$ と $Y$ は独立である。

回転は長さを変えない

段 1($Y$ が定数の場合). $c\in[0,1)$ を固定し、$[0,1)$ の写像 $R_c(u):=\mathrm{frac}(u+c)$ を考える。$R_c(u)$ は $u< 1-c$ なら $u+c$、$u\ge1-c$ なら $u+c-1$ である。$[0,1)$ の Borel 集合 $B$ について
$$ R_c^{-1}(B)=\bigl((B\cap[c,1))-c\bigr)\cup\bigl((B\cap[0,c))+1-c\bigr) $$
であり、右辺の 2 つの集合は互いに交わらない(前者は $[0,1-c)$、後者は $[1-c,1)$ に含まれる)。Lebesgue 測度は平行移動で変わらないので $\lambda(R_c^{-1}(B))=\lambda(B\cap[c,1))+\lambda(B\cap[0,c))=\lambda(B)$ である。$y\in\mathbb{R}$ について $\mathrm{frac}(u+y)=R_c(u)$($c:=\mathrm{frac}(y)$)なので、
$$ P\bigl(\mathrm{frac}(U+y)\in B\bigr)=\lambda\bigl(R_c^{-1}(B)\bigr)=\lambda(B) $$
である($U\in[0,1)$ として扱ってよい)。
段 2(一般の場合). $U$ と $Y$ は独立なので、$(U,Y)$ の同時分布は直積集合の上で $P_U\otimes P_Y$ と一致し、Dynkinのπ-λ定理 の定理「π系の上で一致する測度の一意性」により $P_U\otimes P_Y$ に等しい。$[0,1)$ の Borel 集合 $B$ と $\mathbb{R}$ の Borel 集合 $C$ について、$h(u,y):=\mathbf{1}_B(\mathrm{frac}(u+y))\mathbf{1}_C(y)$ は $0$ 以上の Borel 可測関数なので、確率分布 の定理「変数変換公式」と Fubiniの定理 の定理「非負関数の累次積分の交換」により
$$ P(W\in B,\ Y\in C)=\int_C\Bigl(\int\mathbf{1}_B\bigl(\mathrm{frac}(u+y)\bigr)\,P_U(du)\Bigr)P_Y(dy)=\int_C\lambda(B)\,P_Y(dy)=\lambda(B)\,P(Y\in C) $$
である(内側の積分に段 1 を使った)。$C=\mathbb{R}$ とおくと $P(W\in B)=\lambda(B)$、すなわち $W\sim\mathrm{Unif}(0,1)$ であり、上の式は $W$ と $Y$ が独立であることを述べている。$\square$

この定理は、一様分布が「足し算について吸収的」であることを述べている。$Y$ がどれほど偏った分布でも、独立な一様分布を足して小数部分をとれば偏りは消える。円周 $\mathbb{R}/\mathbb{Z}$ の上で見ると、段 1 は一様分布が回転で変わらないことを確かめている。$Y$ が $U$ と独立でないと結論は成り立たない(ex-unif-cx-dependent)。

一様分布とほかの分布の行き来

$\mathbb{R}$ の上の分布関数 $F$ について、$Q(\tau):=\inf\{x\mid F(x)\ge\tau\}$($0< \tau< 1$)をその分位点関数という。分位点 の定理「分位点変換と確率積分変換」は次の 2 つを述べている。

  1. $U\sim\mathrm{Unif}(0,1)$ なら、$Q(U)$ の分布関数は $F$ である。
  2. $X$ の分布関数 $F$ が連続なら、$F(X)$ は $[0,1]$ の上の一様分布に従う。
    1 により、一様分布に従う 1 つの確率変数から、どの分布に従う確率変数も作れる(計算機での 逆関数法)。2 は、連続な分布関数で値を測り直すと一様分布になることを述べる。統計の検定で、帰無仮説のもとでの検定統計量の分布関数が連続なとき $p$ 値が一様分布に従うのは、これによる。$F$ が連続でないと 2 は成り立たない(ex-unif-cx-atom)。
逆関数法の例

$U\sim\mathrm{Unif}(0,1)$ とする。

  1. 率 $\lambda>0$ の 指数分布:$F(x)=1-e^{-\lambda x}$($x\ge0$)の分位点関数は $Q(\tau)=-\frac1\lambda\log(1-\tau)$ なので、$-\frac1\lambda\log(1-U)$ は指数分布に従う。$1-U$ も $\mathrm{Unif}(0,1)$ に従う(prop-unif-basic の 1)ので、$-\frac1\lambda\log U$ でもよい。
  2. Cauchy分布:$F(x)=\frac12+\frac1\pi\arctan x$ の分位点関数は $Q(\tau)=\tan\bigl(\pi(\tau-\frac12)\bigr)$ である。
  3. 離散分布:値 $0,1$ を確率 $1-q,\ q$ でとる分布では、$Q(\tau)$ は $\tau\le1-q$ で $0$、$\tau>1-q$ で $1$ なので、$Q(U)=\mathbf{1}_{\{U>1-q\}}$ である。
  4. $\{1,\dots,n\}$ の上の一様分布:$\lceil nU\rceil$ がこれに従う($P(\lceil nU\rceil=k)=\lambda\bigl(((k-1)/n,k/n]\bigr)=\frac1n$)。
独立な一様分布の最大値と和

$U_1,\dots,U_n$ を独立で、どれも $\mathrm{Unif}(0,1)$ に従う確率変数とする。

  1. 最大値. $0\le t\le1$ について $P(\max_iU_i\le t)=\prod_iP(U_i\le t)=t^n$ である。したがって $\max_iU_i$ は $(0,1)$ の上で密度 $nt^{n-1}$ をもち、$E[\max_iU_i]=\int_0^1t\cdot nt^{n-1}\,dt=\frac n{n+1}$ である。一般の $k$ 番目に小さい値の分布は 順序統計量 の定理「一様分布の順序統計量」にある。
  2. 和. $n=2$ のとき、確率密度関数 の定理「独立な和の密度は畳み込み」により、$U_1+U_2$ の密度は
    $$ \int_{-\infty}^\infty\mathbf{1}_{(0,1)}(z-y)\mathbf{1}_{(0,1)}(y)\,dy=\lambda\bigl((0,1)\cap(z-1,z)\bigr)=\begin{cases}z&(0< z\le1)\\2-z&(1< z< 2)\end{cases} $$
    (その他の $z$ では $0$)である。この三角形の形の分布を三角分布という。

反例

反例:実数直線全体の上の一様分布はない

def-unif の 1 では $\lambda_d(A)< \infty$ を課した。$A=\mathbb{R}$ では $\lambda(A)=\infty$ で、定義の式は意味をもたない。それだけでなく、平行移動で変わらない確率分布、すなわちすべての Borel 集合 $B$ と $c\in\mathbb{R}$ で $\mu(B+c)=\mu(B)$ となる $\mathbb{R}$ の上の確率分布 $\mu$ は存在しない。実際、$m:=\mu([0,1))$ とおくと、すべての整数 $n$ で $\mu([n,n+1))=m$ であり、$\mathbb{R}$ はこれらの互いに交わらない和なので $1=\mu(\mathbb{R})=\sum_{n\in\mathbb{Z}}m$ である。右辺は $m=0$ なら $0$、$m>0$ なら $\infty$ であり、どちらも矛盾である。可算無限集合の上にも、すべての点が同じ確率をもつ確率分布はない(確率空間 の例「反例:可算無限集合の上の一様な確率」)。「長さが有限」という条件を外すと、一様分布は作れない。

反例:独立な一様分布の和は一様分布でない

ex-unif-max-sum の 2 により、独立な $U_1,U_2\sim\mathrm{Unif}(0,1)$ の和は三角分布に従い、$(0,2)$ の上の一様分布ではない(密度が $z=1$ の近くで大きく、端の近くで小さい)。$U_1+U_2$ は値の範囲 $(0,2)$ と平均 $1$ が $\mathrm{Unif}(0,2)$ と同じだが、分散は $\frac16$ で、$\mathrm{Unif}(0,2)$ の $\frac13$ と異なる。正規分布 や ガンマ分布(率が同じ場合)と違い、一様分布の族は独立な和で閉じていない。一方、小数部分をとると $\mathrm{frac}(U_1+U_2)$ は thm-unif-mod1 により一様分布である。和の分布が一様分布に戻るのは、$\mathbb{R}/\mathbb{Z}$ の上で考えたときである。

反例:独立でない量を足す

$U\sim\mathrm{Unif}(0,1)$ とし、$Y:=-U$ とおくと、$\mathrm{frac}(U+Y)=0$ であり、一様分布ではない。$Y$ は $U$ と独立でない($P(U\le\frac12,\ Y\le-\frac12)=0$、$P(U\le\frac12)P(Y\le-\frac12)=\frac14$)。$Y$ の分布 $\mathrm{Unif}(-1,0)$ そのものは、$U$ と独立にとれば thm-unif-mod1 の仮定を満たす。thm-unif-mod1 で外せないのは、分布の形ではなく独立性である。

反例:分布関数が連続でないと確率積分変換は一様にならない

$X$ を値 $0,1$ を確率 $\frac12$ ずつとる確率変数とすると、分布関数 $F$ は $F(0)=\frac12$、$F(1)=1$ を満たすので、$F(X)$ は値 $\frac12,1$ を確率 $\frac12$ ずつとり、$[0,1]$ の上の一様分布に従わない。$F$ は点 $0,1$ で跳ぶので「連続」という仮定を満たさない。

主張成り立つための条件反例(満たされない条件)
一様分布が定義できる集合の測度が有限ex-unif-cx-line:$\mathbb{R}$ 全体
独立な一様分布の和は一様分布小数部分をとる($\mathbb{R}/\mathbb{Z}$ の上で考える)ex-unif-cx-sum:小数部分をとらない
$\mathrm{frac}(U+Y)$ は一様分布$Y$ と $U$ が独立ex-unif-cx-dependent:$Y=-U$
$F(X)$ は一様分布$F$ が連続ex-unif-cx-atom:$F$ が跳ぶ

補足

1 を法とする一様分布との関係

実数列 $(x_n)$ が 一様分布(mod 1) であるとは、$[0,1)$ の各区間 $I$ について、$\mathrm{frac}(x_1),\dots,\mathrm{frac}(x_N)$ のうち $I$ に入るものの割合が $N\to\infty$ で $\lambda(I)$ に近づくことである。これは決まった数列の性質で、確率は現れない。2 つの概念は経験分布で結びつく。$\mathrm{frac}(x_1),\dots,\mathrm{frac}(x_N)$ の各点に確率 $\frac1N$ を与えた離散分布が、$N\to\infty$ で $\mathrm{Unif}(0,1)$ に近づくことが、数列が 1 を法として一様分布することである。また $U_1,U_2,\dots$ を $\mathrm{Unif}(0,1)$ の独立同分布の列とすると、大数の法則 を有理数を端点とする可算個の区間の指示関数に使うことで、確率 $1$ で列 $(U_n)$ は 1 を法として一様分布する。この記事ではこの事実の証明は扱わない。

関連項目

参考文献

[1]
Rick Durrett, Probability: Theory and Examples, 5th ed., Cambridge University Press, 2019, Example 1.2.3(p. 12、(0,1) の上の一様分布)、Example 3.3.6(p. 127、一様分布の特性関数)

Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する