このシミュレーターの説明(操作手順・式・条件・問い)
操作手順と観察する点
- ①を既定のまま(Gauss 分布 𝒩(x | 0, 12),区間 [−1, 1])で開きます.見る点:塗った面積 P(−1 ≤ x ≤ 1) = Φ(1) − Φ(−1) = 0.8413 − 0.1587 = 0.6827.区間の操作で「±2 標準偏差」を押すと 0.9545,平均・分散・半値全幅 2√(2 ln 2) σ = 2.355 も読み出しで確かめます.
- 「比べる例」の「Gauss と Cauchy(半値全幅をそろえる)」を押し,「縦軸を対数にする」と「横軸を広く(裾を見る)」をオンにします.見る点:ピークの幅は同じでも,Cauchy 分布の裾は 1/x2 でしか減らず,Gauss 分布は急に落ちること.P(−1 ≤ x ≤ 1) は Gauss 0.6827,Cauchy 0.4482.読み出しで Cauchy の平均・分散が「存在しません」と理由つきで出ること.
- 分布を Cauchy 分布にして,標本を「1000 個」引きます.見る点:ヒストグラムは密度の形に合うのに,標本平均は 5.33(seed 20261112)と中心 0 から大きく外れ,標本分散は 1.1×105 にもなること.範囲外の点がいくつあるか.中央値は −0.048 と中心に近いこと.
- 「比べる例」の「t(ν)と Gauss」を押し,自由度 ν のスライダーを 1 から 1000 まで動かします.見る点:ν = 1 で Cauchy 分布と同じ形,ν が大きいと Gauss 分布に近づくこと.平均は ν > 1,分散は ν > 2 でだけ存在すること(ν = 3 で分散 3,ν = 30 で 1.071).
- ②を開きます(既定:n は 104 まで,5 系列,seed 20261112).見る点:左の Gauss 分布の標本平均は ±σ/√n の帯の中へ縮んでいくのに,右の Cauchy 分布の標本平均はときどき大きく跳び,n = 104 でも 0.769,−1.83,0.118,1.35,−0.910 とばらばらであること(5 系列中 2 系列が |x̄ − x0| > γ).
- ②で「描く量」を「中央値」にします.見る点:Cauchy 分布でも中央値は落ち着き,±πγ/(2√n) の帯(n = 104 で ±0.0157)に入っていくこと.「同じ seed でやり直す」を押しても曲線が変わらないこと.
キーボードでは Tab でボタンとスライダーへ移り,Enter(または Space)で押し,矢印キーでスライダーを動かせます(Page Up / Page Down で大きく動きます).タブは ←→ で切り替えられます.
計算している式とアルゴリズム
区間確率は確率密度関数 p(x) の積分で,累積分布関数 F の差として計算します.離散分布では端の整数を含む和です.
各分布の密度(質量)関数と,平均・分散(存在するときだけ):
Cauchy 分布の平均が存在しないのは,x0 の両側 R までで切った積分が R → ∞ で発散するからです(主値は x0 ですが,期待値の定義 ∫|x| p(x) dx < ∞ を満たしません).
②の標本平均 x̄n = (x1 + ⋯ + xn)/n について,分散 σ2 が有限なら Var[x̄n] = σ2/n で,帯 ±σ/√n に入る確率は n が大きいとき約 68 % です.Cauchy 分布では特性関数 𝔼[eikx] = eix0k − γ|k| から
となり,n によらず |x̄n − x0| > γ となる確率は 1/2 のままです.一方,中央値は(中央値での密度 p(m) > 0 なら)近似的に標準偏差 1/(2p(m)√n) で縮みます:Gauss では σ√(π/2)/√n,Cauchy では πγ/(2√n).
数値計算:累積分布関数は正則化不完全ベータ関数・ガンマ関数(連分数),誤差関数,arctan で計算します(共有ライブラリ MLCore).画面の「数値積分による確認」は,密度関数を分位点で区切った小区間ごとに二重指数型(tanh–sinh)の数値積分で求めた値で,累積分布関数の差と比べるためのものです.②の標本平均は補正つきの和(Kahan),中央値は二つのヒープによる逐次の中央値です.
データと乱数の条件
- ①の標本と②の系列は,選んだ分布から引いた教育用の合成データです(実在の測定値ではありません).量は無次元です(Weibull 分布の s は尺度 s0 と同じ単位の強度と読めます).
- 乱数は seed つきの生成器(mulberry32)です.既定の seed は ①,② とも 20261112.Gauss 乱数は Box–Muller 法,Cauchy 乱数は tan(π(u − 1/2)),t 乱数は z/√(g/ν)(z は標準 Gauss,g は自由度 ν の χ2)で作ります.
- ①の標本は,パラメーターを変えるたびに同じ seed から引き直します(seed が同じなら同じ一様乱数の列から作られます).
- ②の系列 j の乱数は seed と j から作るので,n の上限や系列の数を変えても各系列の初めの部分は同じです.同じ seed でやり直すと同じ曲線になります.
- 上限:①の標本は 10000 個,②は n ≤ 105,系列は 20 本まで(最大 2×106 個 × 2 分布).②の計算は 12 ms ずつに分けて進め,途中で止められます.曲線は n の対数で等間隔な点(n の上限が 103,104,105 のとき 151,180,197 点)で記録します.
簡略化している点
- パラメーターの範囲を制限しています(例:Gauss の μ ∈ [−5, 5],σ ∈ [0.1, 5],二項の N ≤ 200).t 分布の自由度は 0.5〜1000 の 17 通りから選びます.
- ①のヒストグラムは描く範囲の中だけで数え,範囲外の個数は読み出しに書きます.
- ②では位置を 0 に固定し,尺度(Gauss の σ,Cauchy の γ,t の s)を共通のスライダーで変えます.Gauss・Cauchy の半値全幅はそろえていません(尺度パラメーターをそろえています).
- 中央値の帯 ±1/(2p(m)√n) は n が大きいときの近似です.
結果が不安定になる条件
- Cauchy 分布や ν ≤ 2 の t 分布の標本では,まれに非常に大きな値(105 以上)が出て,標本平均・標本分散が大きく跳びます.これは計算の誤りではなく分布の性質です.
- Gamma(a < 1),Beta(a < 1 または b < 1),Weibull(m < 1)では,定義域の端で密度が発散します(面積は有限).図では枠の上に出た部分を切って描きます.端で密度が発散する区間の数値積分は,倍精度で端に近づける限界のため 10−8 程度ずれることがあります.
- 縦軸を対数にすると,裾の非常に小さな確率(10−300 程度より下)は 0 に丸まり,線が途切れます.
- NaN・無限大が出たら計算を止めて理由を表示します.
本文の対応節
操作後に答える短い問い
- Gauss 分布 𝒩(x | 0, 1) と,半値全幅をそろえた Cauchy 分布(γ = √(2 ln 2) ≈ 1.177)で,P(−1 ≤ x ≤ 1) と P(|x| > 3) はそれぞれいくつですか.
答えの例
P(−1 ≤ x ≤ 1) は Gauss 0.6827,Cauchy (2/π) arctan(1/1.177) = 0.4482.P(|x| > 3) は Gauss 0.0027 に対して Cauchy 0.2381 で,約 88 倍です(|x| > 5 では 5.7×10−7 と 0.147).ピークの幅が同じでも,Cauchy 分布は確率の多くを裾に持っています.スペクトル線形を Gauss 型で当てはめると,この裾の強度を取りこぼします.
- Cauchy 分布(γ = 1)の平均が存在しないことを,読み出しの部分積分の値で説明してください.
答えの例
∫|x − x0| p(x) dx を ±R で切ると (γ/π) ln(1 + R2/γ2) で,R = 10,100,1000,106 で 1.47,2.93,4.40,8.80 と,R を 10 倍するたびに約 1.47 ずつ増え続けます(対数発散).p(x) が 1/x2 でしか減らないので x p(x) ~ 1/x の積分が収束しません.
- ②の既定(n ≤ 104,5 系列,seed 20261112,尺度 1)で,n = 104 の標本平均は Gauss と Cauchy でそれぞれどのくらい散らばっていますか.理論とどう対応しますか.
答えの例
Gauss は −0.0035,0.0006,−0.0087,0.0075,0.0137 で,理論の標準偏差 σ/√n = 0.01 程度に収まります.Cauchy は 0.769,−1.83,0.118,1.35,−0.910 で,5 系列中 2 系列が |x̄| > γ = 1 です(n = 103 では 5.33 という大きな値の系列もあります).x̄n は n によらず Cauchy(x0, γ) に従い,|x̄n − x0| > γ の確率はいつも 1/2 です.同じ標本の中央値は 0.0057,0.0022,0.0052,0.0005,0.0036 で,πγ/(2√n) = 0.0157 の範囲に入っています.
- t 分布で ν = 1,2,3,30 のとき,平均と分散はそれぞれどうなりますか.
答えの例
ν = 1:平均・分散とも存在しません(Cauchy 分布と同じ).ν = 2:平均 μ は存在しますが分散は発散します.ν = 3:分散 s2ν/(ν − 2) = 3.ν = 30:30/28 = 1.071 で,Gauss 分布(分散 1)に近づきます.