多重積分#

2変数の定積分#

xy 平面の領域 R で定義された連続な関数を f(x,y) とする。 領域 R を,おのおのの面積が ΔA1,ΔA2,,ΔAnn 個の小領域 R1,R2,,Rn に分割する。

小領域 R1 内に点 P1(ξ1,η1),R2 内に点 P2(ξ2,η2),,Rn 内に点 Pn (ξn,ηn) を選び,積和

k=1nf(Pk)ΔAk=k=1nf(ξk,ηk)ΔAk

を作る。各小領域の直径が0に近づくように分割を細かくしていく。このときの極限値を

Rf(x,y)dA=limnk=1nf(ξk,ηk)ΔAk

と書き、関数f(x,y)の領域Rにおける 2重積分 (double integral)という。積分記号の下の添字Rx,yの値の領域を表している。

(参考)1変数の定積分

区間 axb を、おのおのの長さが Δx1,Δx2,,Δxnn 個の小区間 I1,I2, ,In に分割する。 小区間 I1 内に点 ξ1,I2 内に点 ξ2,,In 内に点 ξn を選び,積和 k=1nf(ξk)Δxk をつくる。 各小区間の長さが 0 になるように分割を細かくしていく。

このときの極限値が定積分

abf(x)dx=limnk=1nf(ξk)Δxk

である。

多重積分の例#

例:2次元分布

2 つの連続型確率変数 xy に対して次の条件を満たす関数 f(x,y)xy同時確率密度関数 と呼ぶ.

f(x,y)0,f(x,y)dxdy=1

(x,y) が領域 D に入る確率を

Pr{(x,y)D}=Df(x,y)dxdy

と求める. 特に, D=[a,b]×[c,d] なら次のようになる.

Pr{(x,y)D}=Pr{axb,cyd}=ab{cdf(x,y)dy}dx

例:2次元分布の期待値

2 つの連続型確率変数 xy について f(x,y) を同時確率密度関数, fx(x)x の 周辺確率密度関数, fy(y)y の周辺確率密度関数とする. g(x,y)xy の関数と するとき g(x,y) の期待値を次のように定義する.

E{g(x,y)}=g(x,y)f(x,y)dxdy

多重積分の変数変換#

x=ϕ(s,t),y=ψ(s,t) と変数変換する. ただし, 変換は 1 対 1 であり, ϕψ は微分可能で, 偏導関数は連続とする. 次式が成り立つ.

Df(x,y)dxdy=Df(ϕ(s,t),ψ(s,t))|J|dsdtD={(s,t):x=ϕ(s,t),y=ψ(s,t),(x,y)D}

ここで, J2×2 行列の行列式

J=|xsxtysyt|=|ϕsϕtψsψt|=ϕsψtϕtψs

であり,Jを ヤコビアン (Jacobian) と呼ぶ. |J|J の絶対値である. 変換が 1 対 1 なので J0 である.

(参考)1変数の積分の変数変換

1 変数関数 y=f(x) の定積分での変数変換の方法を述べた. それ は, 単調関数により x=g(t) と変数変換するとき

abf(x)dx=αβf(g(t))dxdtdt=αβf(g(t))g(t)dt

となる. ここで, a=g(α),b=g(β) である.

例:確率密度関数の変数変換

2 つの連続型確率変数 xy の同時確率密度関数を f(x,y) とする. 変数変換 x= ϕ(w,z),y=ψ(w,z) を考える. この変数変換は 1 対 1 とする. このとき,変換後の wz の同時確率密度関数 fwz(w,z) は次式である.

fwz(w,z)=f(ϕ(w,z),ψ(w,z))|J|

ただし, Jはヤコビアン

J=|xwxzywyz|=|ϕwϕzψwψz|

であり, |J|J の絶対値である。

例:2つのガンマ分布からの変換

x はガンマ分布 G(α,λ) に従い、 y はガンマ分布 G(β,λ) に従い ( λ は共通)、xy は独立とする。 w=x/(x+y),z=x+y と変数変換するとき、 wz がどのような確率分布に従うのかを考える。

xy は独立だから、それらの同時確率密度関数は xy の周辺確率密度関数の積になる。

f(x,y)=λα+βΓ(α)Γ(β)xα1yβ1eλ(x+y)

変換式を xy について解くと x=wz, y=(1w)z となる。

これより, ヤコビアンは J=z となる.

J=|xwxzywyz|=|zwz1w|=z(1w)+wz=z

また, x:0,y:0 のとき w:01, z:0 である. したがって, 変換後の wz の同時確率密度関数は, Γ(α)Γ(β)= Γ(α+β)B(α,β) を用いて, 次のようになる.

fwz(w,z)=λα+βΓ(α)Γ(β)(wz)α1{(1w)z}β1eλzz={λα+βΓ(α+β)zα+β1eλz}{1B(α,β)wα1(1w)β1}

上式はガンマ分布 G(α+β,λ) の確率密度関数とベータ分布 Be(α,β) の確率密度関数 ((11.26) 式を参照) の積になっている. fwz(w,z)w のとううる範囲で積分することにより z の周辺分布はガンマ分布 G(α+β,λ) となり, z のとりうる範囲で積分 すれば w の周辺分布はべータ分布 Be(α,β) となる. また, wz は,同時確率密度関数が周辺確率密度関数の積になるので独立である。