この問題のテーマ・前提知識
- テーマ: ポアソン過程・間引きポアソン過程・強度パラメータの推定
- 前提知識: ポアソン過程の定義（独立増分・稀な事象）/ 累積発生数の期待値 \(E[N_t] = \lambda t\) / 全期待値の法則 / 間引き（thinning）によるポアソン過程の保存性
問題の概要
教科書の誤植発見をポアソン過程でモデル化する問題。4小問構成で、[1] ポアソン過程を定義づける事象の性質を答える、[2] 累積発生数のグラフから強度パラメータ \(\lambda\) を推定する、[3] 学生が確率 \(q\) で誤植を発見するとき1ページあたりの期待発見数を求める、[4] 教授の再調査データと学生の発見数から発見率 \(q\) を推定する。
解説
解法の方針：[1] ポアソン過程の事象が満たすべき2条件（独立性・稀少性）を言葉で述べる。[2] 累積発生数の期待値が原点を通る直線であることを利用し、グラフの傾きから \(\hat{\lambda}\) を計算する。[3] 全期待値の法則（\(E[X]=E[E[X|N_t]]\)）を用いて期待発見数を \(q\lambda t\) と導く。[4] 教授の再調査で得た \(\hat{\lambda}\) と学生の平均発見数から \(\hat{q}\) を算出する。
[1]
それ以前の事象の発生と独立、かつ、発生確率が極めて低い事象。
[2]
ポアソン過程において、時間（ページ数） \(t\) までの発生回数の期待値は \(E[N_t] = \lambda t\) である。つまり、累積発生回数は平均的に原点を通る直線（傾き \(\lambda\)）に沿って増加する。
グラフを見ると、階段状のプロットが原点 (0, 0) と 20 個目の発見地点 \((t_{20}, 20)\) を結ぶ破線の近くを推移していることがわかる。
この破線の傾きを計算すると、
\[\hat{\lambda} = \frac{20}{t_{20}} = \frac{20}{10.072} \approx 1.9857\]
となる。
これは 2.0 に非常に近いため、このプロセスの強度が \(\lambda = 2.0\) であるという仮定は妥当であると判断できる。
[3]
学生が全ての誤植を見つけるわけではなく、確率 \(q\) で発見し、 \(1-q\) で見逃す状況を考える。
\(N_t\) 個の誤植に対し、各誤植を発見したかどうかを示す変数を \(\epsilon_i \in \{0, 1\}\) （確率 \(q\) で 1）とすると、学生が発見する総数 \(X_t\) は \(X_t = \sum_{i=1}^{N_t} \epsilon_i\) と書ける。
この期待値 \(E[X_t]\) は、条件付き期待値の性質（全期待値の法則）を用いると、
\[\begin{aligned} E[X_t] &= E[E[X_t | N_t]] \\ &= E[N_t \cdot q] \\ &= q \cdot E[N_t] \\ &= q \lambda t \end{aligned}\]
と求まる。
つまり、学生が発見する誤植の期待値は、全体の期待値 \(\lambda t\) に発見率 \(q\) を掛けたものになる。
[4]
教授がさらに詳しく調べた結果、300 ページで合計 558 個 の誤植が見つかった。
これに基づき、1 ページあたりの真の誤植数（強度） \(\lambda\) を再推定すると、
\[\hat{\lambda} = \frac{558}{300} = 1.86\]
となる。
学生が最初に見つけた誤植の平均は 1ページ当たり 1.53 個であった。
[3] の結果から、1 ページあたりの発見数の期待値（\(t=1\) のとき）は \(q\lambda\) である。
従って、
\[q \hat{\lambda} \approx 1.53\]
が成り立つ。
ここに先ほどの \(\hat{\lambda} = 1.86\) を代入すると、
\[\hat{q} = \frac{1.53}{1.86} \approx 0.8226\]
よって、学生の誤植発見率 \(q\) は 約 82 %であると見積もることができる。
よくある質問
Q. ポアソン過程の「強度 \(\lambda\)」はどうやって推定するのですか？
最尤推定量は観測期間中の総発生数 \(n\) を観測時間 \(T\) で割った \(\hat{\lambda} = n/T\) になる。グラフの文脈では、累積発生数の傾き（原点と最後の点を結ぶ直線の傾き）がこれに対応する。
Q. 間引きポアソン過程とは何ですか？
強度 \(\lambda\) のポアソン過程の各イベントを独立に確率 \(q\) で残す操作を「間引き（thinning）」と呼ぶ。残ったイベント列は強度 \(q\lambda\) のポアソン過程になる。今回の問題ではこの性質を利用して、学生の発見数が期待値 \(q\lambda t\) になることを導いている。
Q. 全期待値の法則（\(E[X] = E[E[X|N]]\)）はなぜ使えるのですか？
\(N_t\) が確率変数であるため、\(X_t = \sum_{i=1}^{N_t} \epsilon_i\) を直接計算しにくい。\(N_t = n\) と固定すれば \(E[X_t | N_t = n] = nq\) と簡単に計算でき、あとは \(N_t\) の分布で平均をとることで \(E[X_t] = q\lambda t\) が得られる。「条件付きで簡単になる量があるとき」に使う典型的なテクニック。
コメント