独立同分布

同義語:independent and identically distributedi.i.d.独立同一分布

概要

独立同分布(independent and identically distributed)とは、確率変数の族が互いに独立で、どれも同じ分布 $\mu$ に従うことであり、略して i.i.d. といい、同じ実験を互いに影響なくくり返すことのモデルとして、統計学の標本や大数の法則・中心極限定理の基本の設定になる。$X_1,\dots,X_n$ が分布 $\mu$ の独立同分布であることは、組 $(X_1,\dots,X_n)$ の分布が積測度 $\mu^{\otimes n}$ であることと同値であり、実数直線上のどの分布についても区間 $[0,1)$ の 2 進展開の桁から独立同分布の列を作れる。分布関数が連続なら、同順位は確率 $0$ で、$n$ 個の大小の並びは $n!$ 通りの上で一様に分布し、記録が出る事象は互いに独立である。

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

前提知識: 独立性(確率論), 確率分布, 直積測度

硬貨を何度も投げる、同じ条件で測定をくり返す、母集団から無作為に何人かを選ぶ。こうした「同じ実験を互いに影響なくくり返す」状況の数学的なモデルが 独立同分布(independent and identically distributed、略して i.i.d.)の確率変数の列である。各回の結果は同じ分布に従い、どの回の結果もほかの回の結果について何の情報も与えない。大数の法則 と 中心極限定理 はこの設定で述べられ、統計学で大きさ $n$ の標本と言えば、多くの場合、独立同分布な $X_1,\dots,X_n$ のことである。
この記事では、独立同分布を一般の値の空間で定義し、同時分布が積測度になることとの同値性(thm-iid-product)、区間 $[0,1)$ の上の具体的な構成による存在(thm-iid-exist)、関数や組への移り方、並べ替えに対する対称性と、それから従う順位の一様性(thm-iid-ranks)を示す。

定義

以下、$(\Omega,\mathcal{F},P)$ を 確率空間、$(E,\mathcal{E})$ を可測空間とし、可測写像 $X\colon\Omega\to E$ を $E$ に値をとる確率変数という(測度空間と可測空間)。$X$ の分布は $P_X(B):=P(X\in B)$($B\in\mathcal{E}$)である(確率分布)。

独立同分布

$\mu$ を $(E,\mathcal{E})$ 上の確率測度とする。$E$ に値をとる確率変数の族 $(X_i)_{i\in I}$ が 分布 $\mu$ の独立同分布 であるとは、次の 2 条件が成り立つことをいう。

  1. (独立)相異なる有限個の添字 $i_1,\dots,i_n\in I$ と $B_1,\dots,B_n\in\mathcal{E}$ について
    $$ P(X_{i_1}\in B_1,\dots,X_{i_n}\in B_n)=\prod_{k=1}^nP(X_{i_k}\in B_k). $$
  2. (同分布)すべての $i\in I$ について $P_{X_i}=\mu$。
    $I=\{1,\dots,n\}$ のとき、$X_1,\dots,X_n$ を分布 $\mu$ からの 大きさ $n$ の標本 ともいう。

1 は 確率分布 の節「定義」で述べた独立性と同じであり、離散的な確率変数については 独立性(確率論) の定義「確率変数の独立性」と同値である。独立同分布という用語と略記 i.i.d. は Dur19 p. 58 による。無限個の族の独立性は、有限個の部分族がすべて独立であることで定めている。

代表的な独立同分布の列
  1. 公平な硬貨を投げ続けて、$k$ 回目が表なら $X_k=1$、裏なら $X_k=0$ とする。$X_1,X_2,\dots$ は Bernoulli分布 $\mathrm{Ber}(\frac12)$ の独立同分布である。区間 $[0,1)$ の 2 進展開の桁がその実現になる(lem-iid-binary)。
  2. 同じ物の長さを $n$ 回測り、真の値 $\ell$ と誤差 $\varepsilon_k$ で $X_k=\ell+\varepsilon_k$ と書く。誤差が独立同分布なら $X_1,\dots,X_n$ も独立同分布である(prop-iid-functions の 1)。
  3. 有限集合 $\{1,\dots,N\}$ から 1 つずつ一様に、戻しながら選ぶと独立同分布になる。戻さずに選ぶと、各回の分布は一様分布で同じだが独立ではない($n\ge2$、$N\ge2$ のとき、2 回目が 1 回目と同じ値になる確率は $0$ である)。

同時分布による特徴づけ

$E^n$ には積 σ-代数 $\mathcal{E}^{\otimes n}$ を入れる。$(X_1,\dots,X_n)$ は $E^n$ に値をとる確率変数である(測度空間と可測空間 の系「積への写像の可測性」)。$\mu^{\otimes n}$ は $\mu$ の $n$ 個の積測度である(直積測度 の命題「積測度の結合性」)。

同時分布が積測度になること

$X_1,\dots,X_n$ を $E$ に値をとる確率変数、$\mu$ を $(E,\mathcal{E})$ 上の確率測度とする。次は同値である。

  1. $X_1,\dots,X_n$ は分布 $\mu$ の独立同分布である。
  2. $(X_1,\dots,X_n)$ の分布は $\mu^{\otimes n}$ である。
    $E=\mathbb{R}$、$F$ を $\mu$ の分布関数とすると、これらは次とも同値である。
  3. すべての $x_1,\dots,x_n\in\mathbb{R}$ について $P(X_1\le x_1,\dots,X_n\le x_n)=F(x_1)\cdots F(x_n)$。
    可算無限個の列 $X_1,X_2,\dots$ が分布 $\mu$ の独立同分布であることは、すべての $n$ について 2 が成り立つことと同値である。
長方形の上で一致させて π-λ 定理を使う

1 ⇒ 2:$Q$ を $(X_1,\dots,X_n)$ の分布とする。可測長方形 $B_1\times\cdots\times B_n$($B_k\in\mathcal{E}$)について、1 から
$$ Q(B_1\times\cdots\times B_n)=\prod_kP(X_k\in B_k)=\prod_k\mu(B_k)=\mu^{\otimes n}(B_1\times\cdots\times B_n) $$
である。可測長方形の全体は共通部分で閉じていて $\mathcal{E}^{\otimes n}$ を生成するので、確率測度 $Q$ と $\mu^{\otimes n}$ は Dynkinのπ-λ定理 の定理「π系の上で一致する測度の一意性」により一致する。
2 ⇒ 1:$B\in\mathcal{E}$ について $P(X_k\in B)=\mu^{\otimes n}(E\times\cdots\times B\times\cdots\times E)=\mu(B)$($B$ は $k$ 番目)なので同分布である。相異なる $i_1,\dots,i_m$ と $B_1,\dots,B_m$ について、$i_k$ 番目に $B_k$、残りに $E$ を置いた長方形を考えると、$P(X_{i_1}\in B_1,\dots,X_{i_m}\in B_m)=\prod_k\mu(B_k)=\prod_kP(X_{i_k}\in B_k)$ である。
1 ⇒ 3 は $B_k=(-\infty,x_k]$ とすればよい。3 ⇒ 2:$(-\infty,x_1]\times\cdots\times(-\infty,x_n]$ の形の集合の全体は共通部分で閉じていて $\mathcal{B}(\mathbb{R}^n)=\mathcal{B}(\mathbb{R})^{\otimes n}$ を生成する(確率分布 の定理「同分布の判定」の後の注意)。その上で $Q$ と $\mu^{\otimes n}$ はどちらも $F(x_1)\cdots F(x_n)$ をとるので、同じ定理により一致する。
列の場合:相異なる有限個の添字はある $\{1,\dots,n\}$ に含まれるので、定義の 1 はすべての $n$ について $X_1,\dots,X_n$ が独立であることと同値である。$\square$

1 ⇒ 2 は、実数値の場合、Dur19 Theorem 2.1.11(p. 48)の、独立な確率変数の組の分布が積測度になるという定理の特別な場合であり、3 から独立性を導く部分は同書 Theorem 2.1.8(p. 47)にあたる。この定理により、独立同分布の $n$ 個についての確率や期待値は、すべて $\mu^{\otimes n}$ の上の積分で計算できる。

存在:区間の上での構成

どんな分布 $\mu$ についても、分布 $\mu$ の独立同分布の列は存在する。Kolmogorovの拡張定理 で $\mathbb{R}^{\mathbb{N}}$ の上に $\mu^{\otimes\mathbb{N}}$ を作ることもできるが、ここでは $[0,1)$ の上の Lebesgue 測度だけから具体的に作る。$\Omega=[0,1)$、$\mathcal{F}$ をその Borel 集合の全体、$P=\lambda$ を Lebesgue測度 とする。$\omega\in[0,1)$ の 2 進展開の第 $i$ 桁を
$$ b_i(\omega):=\lfloor2^i\omega\rfloor-2\lfloor2^{i-1}\omega\rfloor\in\{0,1\}\qquad(i=1,2,\dots) $$
とおく。

2 進展開の桁は独立同分布

相異なる $i_1,\dots,i_n\ge1$ と $e_1,\dots,e_n\in\{0,1\}$ について $\lambda(b_{i_1}=e_1,\dots,b_{i_n}=e_n)=2^{-n}$ である。したがって $b_1,b_2,\dots$ は $\mathrm{Ber}(\frac12)$ の独立同分布である。

桁を固定した集合は区間

$y\in\mathbb{R}$ について $\lfloor2y\rfloor-2\lfloor y\rfloor\in\{0,1\}$ なので $b_i$ は $0$ か $1$ である。$m\ge1$ とし、$\lfloor\omega\rfloor=0$ を使って和を書き換えると
$$ \sum_{k=1}^m2^{m-k}b_k(\omega)=\sum_{k=1}^m\bigl(2^{m-k}\lfloor2^k\omega\rfloor-2^{m-k+1}\lfloor2^{k-1}\omega\rfloor\bigr)=\lfloor2^m\omega\rfloor $$
である。よって $c_1,\dots,c_m\in\{0,1\}$ と $a:=\sum_k2^{m-k}c_k$ について、$\{b_1=c_1,\dots,b_m=c_m\}=\{\lfloor2^m\omega\rfloor=a\}=[a2^{-m},(a+1)2^{-m})$ であり、その測度は $2^{-m}$ である。
$m:=\max_ki_k$ とすると、事象 $\{b_{i_1}=e_1,\dots,b_{i_n}=e_n\}$ は、残りの $m-n$ 個の桁を自由に選んだ $2^{m-n}$ 個の事象 $\{b_1=c_1,\dots,b_m=c_m\}$ の互いに交わらない和なので、測度は $2^{m-n}\cdot2^{-m}=2^{-n}$ である。とくに $\lambda(b_i=e)=\frac12$ である。$B_k\subset\{0,1\}$ について $\lambda(b_{i_1}\in B_1,\dots,b_{i_n}\in B_n)$ は、$e_k\in B_k$ にわたる上の値の和なので $\prod_k\lvert B_k\rvert/2=\prod_k\lambda(b_{i_k}\in B_k)$ である。$\square$

独立同分布の列の存在

$\mathbb{R}$ 上のどの確率測度 $\mu$ についても、$([0,1),\mathcal{B},\lambda)$ の上に分布 $\mu$ の独立同分布の列 $X_1,X_2,\dots$ がある。

桁を無限個の組に分け、一様分布を経由する

桁の分配. $c(k,j):=2^{k-1}(2j-1)$ は $\{1,2,\dots\}^2$ から $\{1,2,\dots\}$ への全単射である(正の整数は $2$ の冪と奇数の積にただ 1 通りに書ける)。$d_{k,j}:=b_{c(k,j)}$、$U_k:=\sum_{j\ge1}2^{-j}d_{k,j}\in[0,1]$ とおく。
$U_1,\dots,U_m$ は一様分布の独立同分布. $n\ge1$ について $V_k:=\sum_{j\le n}2^{-j}d_{k,j}$ とおくと $V_k\le U_k\le V_k+2^{-n}$ である。$k\le m$、$j\le n$ の $mn$ 個の $d_{k,j}$ は相異なる桁なので、lem-iid-binary により $(V_1,\dots,V_m)$ は $G_n^m$($G_n:=\{0,2^{-n},\dots,1-2^{-n}\}$)の各点を確率 $2^{-mn}$ でとる。$s\in\mathbb{R}$ について $N_n(s):=\lvert\{v\in G_n\mid v\le s\}\rvert$ とおくと、$-2^{-n}\le r\le1$ なら $\lvert2^{-n}N_n(r)-r\rvert\le2^{-n}$ なので、$0\le s\le1$ について $2^{-n}N_n(s)\to s$、$2^{-n}N_n(s-2^{-n})\to s$ である。$t_1,\dots,t_m\in[0,1]$ について
$$ \{V_k\le t_k-2^{-n}\ (k\le m)\}\subset\{U_k\le t_k\ (k\le m)\}\subset\{V_k\le t_k\ (k\le m)\} $$
であり、両端の確率は $\prod_k2^{-n}N_n(t_k-2^{-n})$ と $\prod_k2^{-n}N_n(t_k)$ なので、$n\to\infty$ として $\lambda(U_1\le t_1,\dots,U_m\le t_m)=t_1\cdots t_m$ を得る。$U_k\in[0,1]$ なので、$t_k$ を $\min(\max(t_k,0),1)$ に替えればすべての実数 $t_k$ で同じ形の式が成り立つ。thm-iid-product の 3 により、$U_1,\dots,U_m$ は $[0,1]$ 上の一様分布の独立同分布である。
分布 $\mu$ への変換. $F$ を $\mu$ の分布関数、$G(u):=\min\{x\mid F(x)\ge u\}$($0< u< 1$)とすると、$G(u)\le x$ と $u\le F(x)$ は同値である(コピュラ の補題「分位関数と分布変換」の 1)。$G$ は単調なので Borel 可測である。$\lambda(U_k\in\{0,1\})=0$ なので、$U_k\in(0,1)$ のとき $X_k:=G(U_k)$、それ以外で $X_k:=0$ とおくと、
$$ \lambda(X_1\le x_1,\dots,X_m\le x_m)=\lambda(U_1\le F(x_1),\dots,U_m\le F(x_m))=F(x_1)\cdots F(x_m) $$
である。thm-iid-product の 3 により、すべての $m$ について $X_1,\dots,X_m$ は分布 $\mu$ の独立同分布である。$\square$

lem-iid-binary は、2 進展開の写像 $[0,1)\to\{0,1\}^{\mathbb{N}}$ が Lebesgue 測度を硬貨投げの列の分布に写すことを述べている。測度空間と可測空間 の例「2 進展開による硬貨投げの空間との同型」では、これを使って 2 つの確率空間が零集合を除いて同型であることを示している。

基本的な性質

関数・組・並べ替え

関数と組

$X_1,X_2,\dots$ を分布 $\mu$ の独立同分布とする。

  1. 可測写像 $\varphi\colon(E,\mathcal{E})\to(E',\mathcal{E}')$ について、$\varphi(X_1),\varphi(X_2),\dots$ は分布 $\varphi_*\mu$ の独立同分布である。
  2. $r\ge1$ について、$Y_k:=(X_{(k-1)r+1},\dots,X_{kr})$($k=1,2,\dots$)は $E^r$ に値をとる分布 $\mu^{\otimes r}$ の独立同分布である。
逆像と積測度の結合性

1:相異なる $i_1,\dots,i_n$ と $B'_k\in\mathcal{E}'$ について、$\{\varphi(X_{i_k})\in B'_k\}=\{X_{i_k}\in\varphi^{-1}(B'_k)\}$ なので、確率は $\prod_k\mu(\varphi^{-1}(B'_k))=\prod_k\varphi_*\mu(B'_k)$ である。
2:$m\ge1$ について、$(Y_1,\dots,Y_m)$ は $(X_1,\dots,X_{mr})$ を $E^{mr}=(E^r)^m$ と読み替えたものであり、thm-iid-product によりその分布は $\mu^{\otimes mr}$ である。積測度の結合性(直積測度 の命題「積測度の結合性」)により、これは $(\mu^{\otimes r})^{\otimes m}$ に等しい。$E^r$ に値をとる $Y_1,\dots,Y_m$ に thm-iid-product の 2 ⇒ 1 を使えばよい。$\square$

2 は、互いに交わらない添字の組の関数が独立になるという一般の定理(Dur19 Theorem 2.1.9・2.1.10、p. 47)の、長さのそろった組の場合である。たとえば $X_1X_2,\ X_3X_4,\dots$ も独立同分布である。

並べ替えに対する不変性

$X_1,\dots,X_n$ を分布 $\mu$ の独立同分布、$\tau$ を $\{1,\dots,n\}$ の置換とすると、$(X_{\tau(1)},\dots,X_{\tau(n)})$ の分布は $(X_1,\dots,X_n)$ の分布に等しい。

定義の対称性

def-iid-main の 2 条件は添字の並べ方によらないので、$X_{\tau(1)},\dots,X_{\tau(n)}$ も分布 $\mu$ の独立同分布である。thm-iid-product により、どちらの分布も $\mu^{\otimes n}$ である。$\square$

したがって独立同分布の列は 交換可能な列 である。逆は成り立たない。$\{0,1\}$ 値の交換可能な列は独立同分布の混合であるという de Finetti の定理と、独立同分布でない交換可能な列の例(Pólya の壺)はその記事にある。

順位は一様に分布する

連続な分布の独立同分布の順位

$X_1,\dots,X_n$ を実数値で、分布関数 $F$ が連続な分布の独立同分布とする。

  1. $i\ne j$ なら $P(X_i=X_j)=0$ である。
  2. $\{1,\dots,n\}$ のどの置換 $\tau$ についても $P(X_{\tau(1)}< X_{\tau(2)}< \cdots< X_{\tau(n)})=\frac1{n!}$ である。
対角線の測度と対称性

1:$\mu$ を共通の分布とすると、$(X_i,X_j)$ の分布は $\mu\otimes\mu$ である(thm-iid-product)。対角線 $\Delta:=\{(x,x)\}$ は閉集合なので $\mathcal{B}(\mathbb{R}^2)=\mathcal{B}(\mathbb{R})^{\otimes2}$ に属し、直積測度 の定理「積測度の存在と一意性」の切り口の式から
$$ P(X_i=X_j)=(\mu\otimes\mu)(\Delta)=\int_{\mathbb{R}}\mu(\{x\})\,\mu(dx)=0 $$
である。$F$ が連続なので $\mu(\{x\})=F(x)-F(x-)=0$ だからである。
2:$C:=\{x\in\mathbb{R}^n\mid x_1< \cdots< x_n\}$ は開集合であり、$A_\tau:=\{X_{\tau(1)}< \cdots< X_{\tau(n)}\}=\{(X_{\tau(1)},\dots,X_{\tau(n)})\in C\}$ である。prop-iid-exchangeable により $P(A_\tau)=P((X_1,\dots,X_n)\in C)$ は $\tau$ によらない。$n!$ 個の事象 $A_\tau$ は互いに交わらず、その和の補集合は $\bigcup_{i< j}\{X_i=X_j\}$ に含まれ、1 により確率 $0$ である。よって $n!\,P(A_\tau)=1$ である。$\square$

連続性の仮定は 1 でだけ使った。$X_k$ の大きさの順に番号を並べた置換は確率 $1$ で定まり、$n!$ 通りの置換の上の一様分布に従う。以下、$R_k:=\lvert\{j\le k\mid X_j\ge X_k\}\rvert$ を、最初の $k$ 個の中での $X_k$ の 相対順位(大きいほうから数えた順位)とする。

相対順位の独立性と記録

thm-iid-ranks の仮定のもとで、$R_1,\dots,R_n$ は独立であり、$R_k$ は $\{1,\dots,k\}$ の上の一様分布に従う。とくに、$k$ 回目に記録が出る事象 $A_k:=\{X_k>\max_{j< k}X_j\}$($A_1=\Omega$)は互いに独立で $P(A_k)=\frac1k$ であり、$n$ 回目までの記録の個数の期待値は $1+\frac12+\cdots+\frac1n$ である。

順位の列と置換の対応

同順位のない値の列 $x_1,\dots,x_n$ について、その大小の並び($\{1,\dots,n\}$ 上の全順序)に相対順位の列 $(r_1,\dots,r_n)\in\{1\}\times\{1,2\}\times\cdots\times\{1,\dots,n\}$ を対応させる。最初の $k$ 個の並びは、最初の $k-1$ 個の並びと、$x_k$ がその中で上から $r_k$ 番目に入るという情報で決まるので、帰納法によりこの対応は単射である。両辺とも $n!$ 個の元をもつので全単射である。
確率 $1$ で同順位はなく(thm-iid-ranks の 1)、並びは $n!$ 通りの上の一様分布に従う(同じく 2)。全単射で写すと、$(R_1,\dots,R_n)$ は直積集合 $\prod_k\{1,\dots,k\}$ の各点を確率 $\frac1{n!}=\prod_k\frac1k$ でとる。各点の確率が成分ごとの確率の積になっているので、$R_1,\dots,R_n$ は独立で、$R_k$ は $\{1,\dots,k\}$ の上の一様分布に従う。確率 $1$ で $A_k=\{R_k=1\}$ なので主張が従い、期待値は $\sum_kP(A_k)$ である。$\square$

記録の事象の独立性と $P(A_k)=\frac1k$ は Dur19 Example 2.3.10(pp. 72–73)に、置換の対称性を使った別の証明とともにある。記録の個数の分布と $\log n$ 程度の増え方は 記録更新の回数、順序統計量の分布は 順序統計量 にある。

標本平均と極限定理

$X_1,X_2,\dots$ が実数値の独立同分布で、平均 $m$、分散 $\sigma^2$ をもつとき、標本平均 $\overline{X}_n:=\frac1n\sum_{k\le n}X_k$ は $\mathbb{E}[\overline{X}_n]=m$、$V[\overline{X}_n]=\frac{\sigma^2}n$ を満たす(標本平均の分散)。

不偏分散

$n\ge2$ とし、$S_n^2:=\frac1{n-1}\sum_{k=1}^n(X_k-\overline{X}_n)^2$ とおくと、$\mathbb{E}[S_n^2]=\sigma^2$ である。

平均のまわりの平方和を書き換える

$Y_k:=X_k-m$ とおくと $X_k-\overline{X}_n=Y_k-\overline{Y}_n$ で、$\sum_k(Y_k-\overline{Y}_n)^2=\sum_kY_k^2-n\overline{Y}_n^2$ である。$\mathbb{E}[Y_k^2]=\sigma^2$、$\mathbb{E}[\overline{Y}_n^2]=V[\overline{X}_n]=\frac{\sigma^2}n$ なので、期待値は $n\sigma^2-\sigma^2=(n-1)\sigma^2$ である。$\square$

$n$ で割った $\frac1n\sum_k(X_k-\overline{X}_n)^2$ の期待値は $\frac{n-1}n\sigma^2$ で、$\sigma^2$ より小さい。極限の振る舞いでは、平均が存在すれば $\overline{X}_n\to m$ がほとんど確実に成り立ち(大数の強法則)、分散が有限で $\sigma>0$ なら $\sqrt n(\overline{X}_n-m)/\sigma$ は標準正規分布に分布収束する(中心極限定理)。経験分布関数はほとんど確実に分布関数に一様に収束する(Glivenko–Cantelliの定理)。列の末尾だけで決まる事象の確率は $0$ か $1$ である(Kolmogorovの0-1法則。これは独立性だけで成り立つ)。

反例

外す仮定・成り立たない結論例何が起こるか
独立性(thm-iid-product の 2)$X_2:=X_1$、$X_1\sim\mathrm{Ber}(\frac12)$各成分の分布は同じだが、同時分布が $\mu\otimes\mu$ でない
3 個以上での独立性を、対ごとの独立性に弱める$X_1,X_2$ は独立に $\pm1$ を確率 $\frac12$ ずつ、$X_3:=X_1X_2$対ごとに独立で同分布だが、同時分布が $\mu^{\otimes3}$ でない
同分布(thm-iid-ranks の 2)独立な $X_1\sim U(0,1)$、$X_2\sim U(1,2)$$P(X_1< X_2)=1\ne\frac12$
独立性(thm-iid-ranks の 2)$U\sim U(0,1)$、$X_1:=U$、$X_2:=\{U+\frac13\}$、$X_3:=\{U+\frac23\}$$P(X_1< X_3< X_2)=0\ne\frac16$
分布の連続性(thm-iid-ranks の 1)$\mathrm{Ber}(\frac12)$ の独立同分布$P(X_1=X_2)=\frac12$
反例の確かめ

1 行目:$P(X_1=0,X_2=1)=0$ だが $\mu\otimes\mu(\{(0,1)\})=\frac14$ である。
2 行目:$X_3$ は $\pm1$ を確率 $\frac12$ ずつとる。$P(X_1=a,X_3=c)=P(X_1=a,X_2=ac)=\frac14$ なので $X_1,X_3$ は独立で、$X_2,X_3$ も同様である。しかし $X_1X_2X_3=X_1^2X_2^2=1$ なので $P(X_1=X_2=X_3=-1)=0\ne\frac18$ である。
3 行目:$X_1< 1< X_2$ が確率 $1$ で成り立つ。
4 行目:$\{y\}:=y-\lfloor y\rfloor$ は小数部分である。$y\mapsto\{y+c\}$ は $[0,1)$ の上の Lebesgue 測度を保つので、$X_1,X_2,X_3$ はどれも $U(0,1)$ に従い、値はつねに相異なる。$U\in[0,\frac13)$ なら $X_1< X_2< X_3$、$U\in[\frac13,\frac23)$ なら $X_3< X_1< X_2$、$U\in[\frac23,1)$ なら $X_2< X_3< X_1$ なので、6 通りの並びのうち 3 通りしか起こらず、それぞれの確率は $\frac13$ である。
5 行目:$P(X_1=X_2)=P(0,0)+P(1,1)=\frac14+\frac14$ である。分布関数は $0$ で跳ぶので連続でない。

関連項目

参考文献

[1]
Rick Durrett, Probability: Theory and Examples, Cambridge University Press, 2019, Theorem 2.1.8・2.1.9・2.1.10(p. 47)、Theorem 2.1.11(p. 48)、p. 58(独立同分布の定義)、Example 2.3.10(pp. 72–73)。頁は著者公開版(2019-01-11)による

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