独立

Definition:

確率変数 $X$ と $Y$ が独立であるとは,確率空間 $(\Omega, \mathcal{F}, P)$ 上で定義され,任意の可測集合 $A \subseteq \mathcal{X}$、$B \subseteq \mathcal{Y}$ に対して,\[P( X \in A, \; Y \in B ) = P( X \in A ) \cdot P( Y \in B )\]が成立することである.

この定義において,確率変数の値が離散的か連続的かを問わず,かつ集合 $A, B$ が任意の測度可能集合である点が重要である.特に,全ての「イベントの組み合わせ」で確率が積に分解できることが独立の厳密な定義である.

これを同時分布関数に言い換えると,確率変数 $X, Y$ の同時分布関数\[F_{X,Y}(x,y) = P(X \leq x, Y \leq y)\]と周辺分布関数\[F_X(x) = P(X \leq x), \quad F_Y(y) = P(Y \leq y)\]について,\[F_{X,Y}(x,y) = F_X(x) \times F_Y(y), \quad \forall x, y \in \mathbb{R}\]が成立することも独立の定義となる.

また,同時確率密度関数(存在するとき)$f_{X,Y}(x,y)$ と周辺確率密度関数 $f_X(x), f_Y(y)$ に対しては,\[f_{X,Y}(x,y) = f_X(x) \cdot f_Y(y), \quad \forall x,y \in \mathbb{R}\]が成立することが独立の条件である.

具体例

確率変数 $X$ と $Y$ の独立な場合と独立でない場合を具体的に示す.次の表は,2つの確率変数 $X$ と $Y$ の取り得る値と,そのときの同時確率 $P(X,Y)$ を示す.

例えば,行 $(X=0, Y=1, 0.25)$ は「$X$ が 0 かつ $Y$ が 1 になる確率は 0.25」を意味する.

独立な場合の例

\[\begin{array}{c|c|c}X & Y & P(X,Y) \\\hline0 & 0 & 0.25 \\0 & 1 & 0.25 \\1 & 0 & 0.25 \\1 & 1 & 0.25 \\\end{array}\]周辺確率は,\[P(X=0) = 0.25 + 0.25 = 0.5, \quad P(Y=0) = 0.25 + 0.25 = 0.5\]となる.さらに,\[P(X=0, Y=0) = 0.25 = 0.5 \times 0.5\]など全ての組で\[P(X,Y) = P(X) \, P(Y)\]が成り立つため,$X$ と $Y$ は独立である.

独立でない場合の例

\[\begin{array}{c|c|c}X & Y & P(X,Y) \\\hline0 & 0 & 0.4 \\0 & 1 & 0.1 \\1 & 0 & 0.1 \\1 & 1 & 0.4 \\\end{array}\]周辺確率は,\[P(X=0) = 0.4 + 0.1 = 0.5, \quad P(Y=0) = 0.4 + 0.1 = 0.5\]であるが,\[P(X=0, Y=0) = 0.4 \neq 0.5 \times 0.5 = 0.25\]となるため,少なくとも1つの組で\[P(X,Y) \neq P(X) \, P(Y)\]が成り立ち,$X$ と $Y$ は独立ではない.

記号の定義

Mathematics is the language with which God has written the universe.





















自然対数の底 同時確率分布 自由エネルギー 尤度 学習 カーネル法