正規分布の期待値に関する議論問題の例
正規分布（ガウス分布とも呼ばれる）は、統計学および確率論において最も頻繁に用いられる連続確率分布の一つです。この分布は、対称性や平均（μ）と標準偏差（σ）によるパラメータ化の一意性といった好ましい数学的特性を持つため、様々な統計的推論における基本的な仮定としてよく用いられます。本稿では、正規分布の例と期待値について考察し、この概念への理解を深めていきます。
正規分布の理解
正規分布は、ほとんどの値が中央値、つまり平均値付近に集中する対称的なベル型の曲線で表されます。この分布において、平均値（μ）と標準偏差（σ）は、データのばらつきの位置と量を決定する重要なパラメータです。
正規分布の確率密度関数（PDF）は次のとおりです。
\[f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x – \mu)^2}{2\sigma^2}}\]
どこ：
– \( \mu \) は平均または平均値です
– \( \sigma \) は標準偏差です
– \( x \) は確率変数です
正規分布における期待値
正規分布に従う確率変数の期待値は、その分布の平均に等しくなります。 \( X \sim N(\mu, \sigma^2) \) の場合、期待値 \( E(X) \) は次のようになります。
\[ E(X) = \mu \]
理解を深めるために、正規分布における期待値に関する問題の例をいくつか見ていきましょう。
問題と回答の例
例題1：
\( X \) は、\( \mu = 50 \) および \( \sigma = 10 \) の正規分布に従う確率変数であるとします。\( X \) の期待値を計算してください。
議論：
前述のように、正規分布では、期待値 \( E(X) \) は \( \mu \) に等しくなります。したがって、
\[ E(X) = \mu = 50 \]
例題2：
確率変数 \( Y \) は、\( \mu = 120 \) および \( \sigma = 15 \) の正規分布に従うとします。\( Y \) の期待値を求めなさい。
議論：
最初の例と同様に、\( Y \) の期待値は正規分布の中央値または平均値であり、すなわち次のようになります。
\[ E(Y) = \mu = 120 \]
例題3：
確率変数 \( Z \) が \( \mu = 0 \) および \( \sigma = 1 \) の正規分布 (標準正規分布) に従う場合、\( Z \) の期待値は何ですか?
議論：
標準正規分布の平均は \( \mu = 0 \) なので、期待値 \( E(Z) \) は次のようになります。
\[ E(Z) = \mu = 0 \]
例題4：
\( W \) は平均 \( \mu = 75 \)、標準偏差 \( \sigma = 20 \) の正規分布に従う確率変数であるとします。新しい確率変数 \( V = 2W + 3 \) を定義すると、\( V \) の期待値はいくらになりますか？
議論：
\( V \) の期待値を求めるには、期待値の線形性を利用する必要があります。\( V = 2W + 3 \) の場合、次のようになります。
\[ E(V) = E(2W + 3) \]
期待値の線形性に基づいて、定数と確率変数を分離することができます。
\[ E(V) = 2E(W) + E(3) \]
定数の期待値は定数そのものであることを知っておくこと。
\[ E(3) = 3 \]
そして、\( W \) の期待値は、正規分布 \( W \) の平均です。
\[ E(W) = \mu = 75 \]
それで、
\[ E(V) = 2 \times 75 + 3 \]
\[ E(V) = 150 + 3 \]
\[ E(V) = 153 \]
例題5：
確率変数 \( Q \) は、平均 \( \mu = 40 \)、標準偏差 \( \sigma = 5 \) の正規分布に従います。 \[ U = Q/2 \] の場合、\( Q \) の期待値はいくらですか?
議論：
例4と同じ原理、すなわち期待値の線形性を用います。U = Q/2 とすると、次のようになります。
\[ E(U) = E\left(\frac{Q}{2}\right) \]
期待値の線形性に基づいて：
\[ E(U) = \frac{1}{2} E(Q) \]
\( Q \) の期待値は正規分布 \( Q \) の平均であることがわかっています。
\[ E(Q) = \mu = 40 \]
それで、
\[ E(U) = \frac{1}{2} \times 40 \]
\[ E(U) = 20 \]
結論
正規分布では、確率変数の期待値は常に分布の平均（μ）に等しくなります。上記の例題は、線形性を用いて期待値を計算するための様々な条件を示しています。この基本的な概念を理解することで、統計学や確率論における正規分布の問題をより容易に扱うことができます。
正規分布は、仮説検定、パラメータ推定、その他様々な統計的推論など、幅広い実用的な応用分野で用いられるため、統計学において非常に重要です。この分布の期待値を正しく理解することは、データ分析における重要な第一歩となります。
この記事が、正規分布における期待値について、関連する例題や議論とともに、明確かつ有用な説明を提供することを願っています。
