標本平均と標本分散の分布
今回は標本の平均と分散がどのような分布になるかをシミュレーションします。
今回やりたいこと
標準正規分布に独立に従うサイズnの標本について、その平均と分散がどのような分布になるか、nを動かして調べます。
例えば以下のコードを実行すると、平均μ=0で標準偏差σ=1の正規分布からサイズn=5の標本をランダムにサンプルできます。
set.seed(123) mu <- 0 sigma <- 1 n <- 5 sample <- rnorm(n = n, mean = mu, sd = sigma)
すると、
> sample [1] -0.56047565 -0.23017749 1.55870831 0.07050839 [5] 0.12928774
となり、この平均と分散を計算すると、
> mean(sample) [1] 0.1935703 > var(sample) [1] 0.6577564
となります。
今回は、このsampleを生成する過程を繰り返しsampleの平均mean(sample)と分散var(sample)の値を集計した結果がどのような分布になるかを見ていきます。 またn=5以外にもn=10, 20, 50の場合にどのようになるかを見ていきます。
標本平均
まず標本平均の分布を調べます。 N=105回ランダムサンプリングしてデータを生成します。
d <- data.frame(mean = c(), var = c(), n = c()) N <- 1e+5 for(n in c(5,10,20,50)){ means <- c() vars <- c() for(i in 1:N){ sample <- rnorm(n = n, mean = mu, sd = sigma) means[i] <- mean(sample) vars[i] <- var(sample) } d <- rbind(d, data.frame(means, vars, n = as.factor(rep(n, N)))) }
これらについて、標本平均の分布を図示すると、
ggplot(data = d, aes(x = means, fill = n)) + geom_histogram(position = "identity", alpha = 0.5)
同じものを分割して表示すると
ggplot(data = d, aes(x = means, fill = n)) + geom_histogram() + facet_wrap( ~ n)
nを増加させると幅が狭くなりますが、いずれも0を中心に左右対称な形になります。
これらの平均と標準偏差は、
> d %>% + dplyr::select(means, n) %>% + dplyr::group_by(n) %>% + dplyr::summarise_all(funs(mean,sd)) # A tibble: 4 x 3 n mean sd <fct> <dbl> <dbl> 1 5 0.0000531 0.445 2 10 -0.00197 0.316 3 20 0.0000108 0.223 4 50 0.000201 0.142
です。平均はいずれのnでもおよそ0なのに対し、標準偏差はnが増加すると減少します。
この分布は実は正規分布になることがわかります。 いわゆる正規分布の再生性という性質です。このことについては次回以降詳しくみていきます。
標本分散
次に標本分散の分布です。 Rで計算されるのは(n-1)で割る方の不偏分散ですが、定数倍なので気にしないことにします。
上でサンプリングしたデータを用いて同様に図示していきます。
ggplot(data = d, aes(x=vars, fill = n)) + geom_histogram(position = "identity", alpha = 0.5)
同じものを分割して表示すると
ggplot(data = d, aes(x = vars, fill = n)) + geom_histogram() + facet_wrap( ~ n)
nを増加させると幅が狭くなり、さらにピークが右に寄っていきます。
これらの平均と標準偏差は、
> d %>% + dplyr::select(vars, n) %>% + dplyr::group_by(n) %>% + dplyr::summarise_all(funs(mean,sd)) # A tibble: 4 x 3 n mean sd <fct> <dbl> <dbl> 1 5 1.00 0.711 2 10 0.997 0.468 3 20 1.00 0.325 4 50 1.000 0.202
です。 平均はいずれのnでもおよそ1なのに対し、標準偏差はnが増加すると減少します。
この分布はχ二乗分布になることがわかります。こちらも次回以降詳しくみていきます。
まとめ
今回は標準正規分布から独立にサンプリングした標本の平均と分散がどのような分布になるのか、シミュレーションして可視化してみました。 次回以降、これらの分布についてより詳しく調べていきます。またそれを踏まえて区間推定や仮説検定について考えていきます。
今回用いたRのコードと同内容のpythonコードは以下にあります。