積分の計算をレベルセットの積分に変形する公式として, Layer Cake Representation が知られている.
Layer Cake Representation
定理 1. (Layer Cake Representation)
を非負実数直線 上のBorel 集合族の上の測度とし, 単調増大関数
\begin{equation}\label{eq_LCR_1}
\phi(\lambda) = \nu ([0,\lambda))
\end{equation}
が任意の に対して有限であるとする. また, を -有限な測度空間とし, を非負な可測関数とする.
このとき,
\begin{equation}
\int_\Omega \phi(f(x))\,d\mu(x)
= \int_0^\infty \mu\left(x\in \Omega; f(x)>\lambda\right)\,d\nu (\lambda)
\end{equation}
が成り立つ. 特に, に対して とすると,
\begin{equation}
\int_\Omega f(x)^a\,d\mu(x)
= a\int_0^\infty \lambda^{a-1}\mu\left(x\in \Omega; f(x)>\lambda\right)\,d\lambda
\end{equation}
が成り立つ.注意 2.
- は符号付き測度でもよい. このとき, は有界変動な関数であり, 第2式は正負のいずれかが有限確定の場合に成り立つ.
- 第3式を確率論っぽく書くと, の代わりに確率変数 を用いて,
\begin{equation}
E[X^a]
= \int_\Omega X(\omega)^a\,dp(\omega)
= a\int_0^\infty \lambda^{a-1} P(X>\lambda)\,d\lambda
\end{equation}
と書ける. ただし を と表している.
証明は Analysis の Theorem 1.13 を見ましょう:
命題 3. Tail-Sum Formula
非負の値をとる確率変数 に対して,
\begin{align*}
E[X]
&=\int_0^\infty P(X>\lambda)\,d\lambda,\\
E[X^2]
& =2\int_0^\infty \lambda P(X>\lambda)\,d\lambda,\\
V[X]
& =2\int_0^\infty \lambda P(X>\lambda)\,d\lambda\\
&\quad - \left(\int_0^\infty P(X>\lambda)\,d\lambda\right)^2
\end{align*}
証明は定理 1 から直ちに従うため省略する. 藤田岳彦『弱点克服 大学生の確率・統計』では, これはしっぽ確率と呼ばれている.
Tail-Sum Formula(離散版)
非負整数値をとる確率変数 に対して,
\begin{align}\label{eq_1st_moment_disc}
E[X]
&=\sum_{k=0}^\infty P(X>k)\\\notag
&= \sum_{k=1}^\infty P(X\ge k),\\
\label{eq_2nd_moment_disc}
E\left[X(X-1)\right]
& =2\sum_{k=0}^\infty k P(X>k),\\
\label{eq_variance_disc}
V[X]
& =2\sum_{k=0}^\infty k P(X>k)\\\notag
&\quad - \sum_{k=0}^\infty P(X>k)\left(\sum_{k=0}^\infty P(X>k)-1\right)
\end{align}証明
命題 2 より第1式は明らかである. 第2式を示そう.
非負整数 に対して, が をみたすとき, だから, 命題 2 より,
\begin{align*}
E[X(X-1)]
&= \int_0^\infty \dfrac{2\lambda-1}{2}P(X>\lambda)\,d\lambda\\
&= \sum_{k=0}^\infty \int_k^{k+1}\dfrac{2\lambda-1}{2}P(X>\lambda )\,d\lambda\\
&= \sum_{k=0}^\infty \int_k^{k+1} \dfrac{2\lambda-1}{2}\,d\lambda \times P(X>k)\\
&= \sum_{k=0}^\infty k P(X>k).
\end{align*}
第3式はここから従う.
応用例っぽいの
ちょっとした応用例として, 一般化パレート分布の平均・分散と, 幾何分布の平均・分散を求めてみる.
一般化パレート分布
Wikipediaなど見ればわかるように, 位置パラメータ , 尺度パラメータ , 形状パラメータ としたときの一般化パレート分布の累積分布関数は,
と表され, 台は の範囲である. このとき, 次が成立する.
幾何分布
書く
参考文献
*1:そうでないときは各自考える.