統計で英語多読 4-3: 連続型分布 — 一様分布と指数分布

「大人のための英語多読図書館」へようこそ。今回は、身長や時間のように連続的な値をとる変数を扱う連続型分布の入り口として、一様分布と指数分布を、英語の文章でたどっていきます。

📊 このユニットの情報 語数: 約580語 / 推定読了時間: 5〜6分 / 難易度: ★★☆☆☆(初中級)

Learning Objectives

みなさんこんにちは。大人のための英語多読図書館へようこそ。

これまで私たちは、コインの表の回数や電話の件数など、数えられる値（0回, 1回, 2回...）をとる「離散型」の確率分布を学んできました。今回は、がらりと変わって「連続型」の確率分布について学びます。これは、身長や体重、時間のように、連続的な値をとる変数を扱うためのものです。

今回はその中でも基本的な2つ、一様分布と指数分布を紹介します。 - 一様分布: ある範囲内のどの値も「同じだけ起こりやすい」という、最もシンプルな分布です。例えば、次のバスが5分後から15分後の間に「同じ確率で」到着する場合などがこれにあたります。 - 指数分布: あるイベントが「次に起こるまでの待ち時間」を表す分布です。機械が故障するまでの時間や、顧客がレジに到着するまでの間隔などをモデル化するのに使われます。

それでは今回も多読を楽しんでいきましょう。

Summary

Continuous vs. Discrete: Continuous distributions describe probabilities for variables that can take any value within a range (e.g., time, weight), unlike discrete distributions which are for countable outcomes.
Probability Density Function (PDF): For continuous distributions, probability is represented by the area under a curve, called the PDF. The probability of any single point is zero.
Uniform Distribution: A distribution where all outcomes within a certain range [a, b] are equally likely. Its PDF is a flat rectangle.
Exponential Distribution: Describes the time between events in a Poisson process. It is often used to model waiting times. It has a key feature called the "memoryless property."

Explanation

A New Kind of Variable: Continuous Distributions

So far, we've dealt with discrete random variables, which you can count (e.g., the number of heads in 3 coin flips can be 0, 1, 2, or 3). Now, we will explore continuous random variables, which can take any value within a given range. Think of height, temperature, or time. You could be 175cm tall, or 175.1cm, or 175.11cm... there are infinite possibilities.

For continuous variables, the probability of getting exactly one specific value is zero. For instance, the probability that a random person is exactly 175.0000... cm tall is virtually zero. Instead, we calculate the probability over a range, such as "what is the probability of a person being between 170cm and 180cm tall?"

We do this using a Probability Density Function (PDF). The total area under the PDF curve is always 1, and the probability of an outcome falling within a range is the area under the curve for that range.

When Everything is Equally Likely: The Uniform Distribution

The simplest continuous distribution is the uniform distribution. It describes a situation where every outcome in a range from a to b is equally likely.

Imagine you are waiting for a bus that is scheduled to arrive at any time between 10:00 and 10:20. If any moment within this 20-minute interval is equally probable, the arrival time follows a uniform distribution.

The PDF of a uniform distribution looks like a rectangle. - The height of the rectangle is constant at \(1/(b-a)\) within the range [a, b]. - Outside this range, the height is zero. The total area (width × height) is \((b-a) \times (1/(b-a)) = 1\), as required.

Modeling Waiting Times: The Exponential Distribution

The exponential distribution is another important continuous distribution. It models the amount of time until a certain event occurs. It is often used for "waiting time" problems, such as: - The time until a machine part fails. - The time between customer arrivals at a store. - The time until a radioactive particle decays.

The exponential distribution is closely related to the Poisson distribution. If the number of events occurring in an interval of time follows a Poisson distribution, then the time between those events follows an exponential distribution.

The PDF of the exponential distribution starts high and decreases rapidly. This means that shorter waiting times are much more likely than longer ones.

A key and sometimes counter-intuitive feature of the exponential distribution is the memoryless property. This property states that the past has no bearing on the future. For example, if a light bulb has an exponential lifetime distribution and it has already worked for 100 hours, the probability that it will last for another 50 hours is exactly the same as the probability that a brand new bulb will last for 50 hours. The bulb doesn't "remember" that it has already been used. This property is crucial in reliability engineering and survival analysis.

まとめ

今回は、数えられる値をとる離散型分布から離れて、身長や時間のように連続的な値をとる変数を扱う連続型分布の世界に入りました。連続型では、ある1点ちょうどの確率は0になり、確率は確率密度関数（PDF）の曲線の下の面積として表されます。そのうえで、範囲内のどの値も等しく起こりやすい一様分布と、事象が次に起こるまでの待ち時間を表す指数分布を見てきました。指数分布は、過去が未来に影響しないという「無記憶性」という特徴を持ち、信頼性工学や生存時間分析で重要な役割を果たします。

次回は、連続型分布の中でも統計学で最も重要とされる「正規分布」、いわゆるベルカーブを見ていきます。

日本語訳(全文)

英文を最後まで読み終えてから、答え合わせ用にお使いください。多読の原則として、まずは訳を見ずに英文だけで理解を試みることをおすすめします。

Summary

連続型対離散型: 連続型分布は、ある範囲内のどんな値もとりうる変数（例: 時間、重さ）の確率を表します。数えられる結果を扱う離散型分布とは異なります。
確率密度関数（PDF）: 連続型分布では、確率は曲線の下の面積として表され、これをPDFと呼びます。ある1点ちょうどの確率は0です。
一様分布: ある範囲 [a, b] 内のすべての結果が等しく起こりやすい分布です。そのPDFは平らな長方形になります。
指数分布: ポアソン過程における事象と事象の間の時間を表します。待ち時間のモデル化によく使われます。「無記憶性」と呼ばれる重要な特徴を持ちます。

新しい種類の変数: 連続型分布

これまで私たちは、数えられる離散型の確率変数を扱ってきました（例: コインを3回投げたときの表の回数は0, 1, 2, 3のいずれか）。今回は、与えられた範囲内のどんな値もとりうる連続型の確率変数を探っていきます。身長や気温、時間を思い浮かべてください。あなたの身長は175cmかもしれませんし、175.1cm、175.11cm…と、無限の可能性があります。

連続型の変数では、ちょうど特定の1つの値をとる確率は0になります。たとえば、ある人がちょうど175.0000…cmである確率は、事実上0です。その代わりに私たちは、「ある人の身長が170cmから180cmの間である確率はどれくらいか」というように、ある範囲にわたる確率を計算します。

これを行うのに、確率密度関数（PDF）を使います。PDFの曲線の下の面積の合計は常に1であり、ある結果がある範囲内に収まる確率は、その範囲における曲線の下の面積になります。

すべてが等しく起こりやすいとき: 一様分布

最もシンプルな連続型分布は一様分布です。これは、aからbまでの範囲内のすべての結果が等しく起こりやすい状況を表します。

10:00から10:20までの間のいずれかの時刻に到着する予定のバスを待っていると想像してください。この20分間の中のどの瞬間も等しく起こりうるなら、到着時刻は一様分布に従います。

一様分布のPDFは長方形のように見えます。 - 長方形の高さは、範囲 [a, b] 内では\(1/(b-a)\)で一定です。 - この範囲の外では、高さは0です。面積の合計（幅 × 高さ）は、求められるとおり\((b-a) \times (1/(b-a)) = 1\)になります。

待ち時間をモデル化する: 指数分布

指数分布は、もう1つの重要な連続型分布です。これは、ある事象が起こるまでの時間の長さをモデル化します。次のような「待ち時間」の問題によく使われます。 - 機械の部品が故障するまでの時間。 - 店に客が到着する間隔の時間。 - 放射性粒子が崩壊するまでの時間。

指数分布は、ポアソン分布と密接に関係しています。ある時間の区間の中で起こる事象の回数がポアソン分布に従うなら、それらの事象と事象の間の時間は指数分布に従います。

指数分布のPDFは高いところから始まり、急速に減少します。これは、短い待ち時間のほうが長い待ち時間よりもずっと起こりやすいということを意味します。

指数分布の重要で、ときに直感に反する特徴が、無記憶性です。この性質は、過去が未来に何の影響も及ぼさないことを述べています。たとえば、電球が指数分布の寿命を持ち、すでに100時間使われているとして、その電球がさらに50時間もつ確率は、新品の電球が50時間もつ確率とまったく同じです。電球は、すでに使われてきたことを「覚えて」いないのです。この性質は、信頼性工学や生存時間分析できわめて重要です。