正規分布の分布収束と標準化
分布収束は漸近理論の基本概念の一つで、特に正規分布の場合には厳密な性質を持ちます。統計的推論の基礎となる重要な概念です。
分布収束の意味
分布収束：確率変数列{Xₙ}が確率変数Xに分布収束するとは、すべての連続点xでFₙ(x) → F(x)が成立すること
Step 1: 問題設定の確認
- 母集団分布：X ~ N(μ = 0, σ² = 4)
- 標本サイズ：n（一般），特に n = 25
- 統計量：Tₙ = (X̄ₙ - μ)/(σ/√n)
- 標準偏差：σ = √4 = 2
Step 2: 標本平均の分布
正規分布からの独立標本の場合、標本平均X̄ₙは：
$\bar{X}_n \sim N\left(\mu, \frac{\sigma^2}{n}\right) = N\left(0, \frac{4}{n}\right)$
これは正確な分布（漸近分布ではない）です。
Step 3: 統計量Tₙの分布
統計量Tₙを変形すると：
$T_n = \frac{\bar{X}_n - \mu}{\sigma/\sqrt{n}} = \frac{\bar{X}_n - 0}{2/\sqrt{n}} = \frac{\sqrt{n} \cdot \bar{X}_n}{2}$
X̄ₙ ~ N(0, 4/n)なので：
$T_n = \frac{\sqrt{n} \cdot \bar{X}_n}{2} \sim N\left(0, \frac{n \cdot (4/n)}{4}\right) = N(0, 1)$
Step 4: 分布収束の証明
正規分布の場合、実際にはすべてのnに対して：
$T_n \sim N(0, 1)$
したがって、分布収束ではなく分布の等しさが成立：
$T_n \xrightarrow{d} N(0, 1) \quad \text{（すべてのnで厳密に成立）}$
正規分布の特殊性
正規分布の場合、標本平均の標準化は：
- 厳密分布：すべてのnで正確にN(0,1)
- 漸近性不要：中心極限定理に依存しない
- 有限標本性質：nの大きさに関係なく成立
Step 5: n = 25の場合の計算
n = 25の場合：
$T_{25} = \frac{\bar{X}_{25} - 0}{2/\sqrt{25}} = \frac{\bar{X}_{25}}{2/5} = \frac{5\bar{X}_{25}}{2}$
T₂₅ ~ N(0, 1)なので：
$P(|T_{25}| > 1.96) = P(T_{25} > 1.96) + P(T_{25} < -1.96)$
$= 2 \times P(T_{25} > 1.96) = 2 \times [1 - \Phi(1.96)]$
標準正規分布において：
$\Phi(1.96) = 0.9750$
したがって：
$P(|T_{25}| > 1.96) = 2 \times (1 - 0.9750) = 2 \times 0.0250 = 0.0500$
小数第4位まで：0.0500
計算の確認
標準正規分布のクリティカルポイント：
| 値 | Φ(値) | 1-Φ(値) | 2×[1-Φ(値)] |
|---|
| 1.645 | 0.9500 | 0.0500 | 0.1000 |
| 1.960 | 0.9750 | 0.0250 | 0.0500 |
| 2.576 | 0.9950 | 0.0050 | 0.0100 |
中心極限定理との関係
Step 6: 一般的な分布の場合
一般の分布の場合、中心極限定理により：
$\frac{\bar{X}_n - \mu}{\sigma/\sqrt{n}} \xrightarrow{d} N(0, 1)$
正規分布は特別で、この収束が即座に（n=1から）成立します。
CLTとの比較
| 母集団分布 | 標準化の分布 | 収束の性質 |
|---|
| 正規分布 | 厳密にN(0,1) | 即座に成立 |
| 一様分布 | 近似的にN(0,1) | nが大きいとき |
| 指数分布 | 近似的にN(0,1) | nが大きいとき |
| ベルヌーイ分布 | 近似的にN(0,1) | nが大きいとき |
統計的推論への応用
Step 7: 信頼区間の構築
95%信頼区間：
$P\left(-1.96 \leq \frac{\bar{X}_n - \mu}{\sigma/\sqrt{n}} \leq 1.96\right) = 0.95$
これを μ について解くと：
$P\left(\bar{X}_n - 1.96 \times \frac{\sigma}{\sqrt{n}} \leq \mu \leq \bar{X}_n + 1.96 \times \frac{\sigma}{\sqrt{n}}\right) = 0.95$
n = 25, σ = 2の場合：
$\text{信頼区間} = \bar{X}_{25} \pm 1.96 \times \frac{2}{5} = \bar{X}_{25} \pm 0.784$
Step 8: 仮説検定への応用
帰無仮説 H₀: μ = μ₀ に対する検定統計量：
$T = \frac{\bar{X}_n - \mu_0}{\sigma/\sqrt{n}} \sim N(0, 1)$
有意水準α = 0.05の両側検定：
- 棄却域：|T| > 1.96
- 棄却確率：P(|T| > 1.96) = 0.05
検定の性質
正規分布の場合の利点：
- 厳密な有意水準：近似ではなく厳密
- 小標本でも有効：nの大きさに依存しない
- 最適性：一様最強力検定となる
分布収束の理論的背景
Step 9: 分布収束の定義
確率変数列{Xₙ}が確率変数Xに分布収束する：
$X_n \xrightarrow{d} X \iff F_n(t) \to F(t)$
すべての連続点tで成立。
標準化の場合：
$F_n(t) = P(T_n \leq t) = P\left(\frac{\bar{X}_n - \mu}{\sigma/\sqrt{n}} \leq t\right)$
正規分布の場合、すべてのnに対してFₙ(t) = Φ(t)。
収束の階層
確率論における収束の強さ：
$\text{概収束} \Rightarrow \text{確率収束} \Rightarrow \text{分布収束}$
正規分布の場合、分布の等しさ（最強の条件）が成立。