[1]
\(a(y),b(\lambda),c(\lambda),d(y)\)
\(\displaystyle e^{a(y)b(\lambda)+c(\lambda)+d(y)} = \frac{\lambda^y}{y!}e^{-\lambda}\)
両辺に自然対数を取り、
\(\displaystyle a(y)b(\lambda)+c(\lambda)+d(y) = y \ln \lambda – \ln y! \)\(\displaystyle-\lambda\)
両辺を見比べて、
\( \left\{ \begin{align} &a(y) =y \\ &b(\lambda) =\ln \lambda \\ &c(\lambda) =-\lambda \\ &d(y) =-\ln y! \\ \end{align} \right.\)
期待値
式(3)を用いて
\(\displaystyle E[Y] = E[a(Y)] = -\frac{-1}{1/\lambda}\)\(=\lambda\)
分散
式(3)を用いて
\(\displaystyle V[Y] = V[a(Y)] = \frac{-\frac{1}{\lambda^3}\cdot (-1) -0}{(1/\lambda)^2}\)\(=\lambda\)
[2]
1つの部品が時間\(t\)経っても故障していない確率\(P(T>t)\)を求めたく、これを\(F[T>t]\)と置く。
\(Po(\lambda)\)はある期間を\(n(\to \infty)\)等分したときに、各時間間隔\(1/n (=\Delta t)\)で故障が発生する確率が\(\lambda/n (= \lambda \Delta t)\)である二項分布と同等で、\(\Delta t\)だけ時間を進めた\(F[T>t+\Delta t]\)は、\(F[T>t]\)かつ\(\Delta t\)の間に故障が発生しない確率で、
\(F[T>t+\Delta t] =F[T>t] \times (1-\lambda \Delta t )\)
\(\displaystyle \frac{F[T>t+\Delta t]-F[T>t]}{\Delta t} \)\(\displaystyle= -\lambda F[T>t]\)
\(\Delta t \to 0\)として、\(\displaystyle F'[T>t] = -\lambda F[T>t]\)
この微分方程式を解いて
\(\displaystyle F[T>t] = e^{-\lambda t}\)
\(\lambda\)の単位は\([個/1 day] (=[-/1 \rm{day}])\)なので、\(t= 1/24 \rm{day}\)として、
\(\displaystyle F[T>1 \rm{h} ] = e^{-\lambda \times 1/24 } = 0.9\)
これを解いて\(\lambda\)を得る。
[3]
対数尤度関数
同時確率は
\(\displaystyle f(\boldsymbol{y}) = \prod \frac{\lambda_i^{y_i}}{y_i!}e^{-\lambda_i}\)
対数尤度関数は
\(\displaystyle \ln f(\boldsymbol{y}) = \sum y_i \ln \lambda_i -\sum \ln y_i! \)\(\displaystyle-\sum \lambda_i\)
\(\displaystyle = \beta \sum x_iy_i -\sum \ln y_i! -\sum e^{\beta x_i}\)
尤度方程式
対数尤度関数を\(\beta\)で偏微分して\(=0\)と置く。
\(\displaystyle \frac{\partial \ln f(\boldsymbol{y})}{\partial \beta}= \sum x_iy_i -\sum x_i e^{\beta x_i}\)
\(\displaystyle = \sum x_i(y_i- e^{\beta x_i})=0\)
[4]
下記および公式の解答を参照。
コメント