この節のすべての議論は,
言語ルール1(測定: $\S$2.7)
の
帰結であるが,
統計学の初歩を知っている読者ならば,
本節の議論は
簡単すぎるかもしれない.
[正規観測量 (ii):$\Omega={\mathbb R} \times {\mathbb R}_+$]
\begin{align*}
\mbox
{
古典基本構造$[ C_0(\Omega ) \subseteq L^\infty (\Omega, \nu ) \subseteq B(L^2 (\Omega, \nu ))]\qquad$
(ここに,
$\Omega
=
{\mathbb R} \times {\mathbb R}_+
)$
}
\end{align*}
を考えて,
例 5.10[同時正規測定におけるフィッシャーの最尤法]
$L^\infty ({\mathbb R} \times {\mathbb R}_+)$
内の
同時正規観測量${\mathsf O}_G^n = ({\mathbb R}^n, {\mathcal B}_{\mathbb R}^n, {{{G}}^n} )$
(cf.式(5.3))
を考えよう。
これは、$L^\infty ({\mathbb R} \times {\mathbb R}_+)$
内の
${\mathsf O}^n$
$=$
$({\mathbb R}^n, {\mathcal B}_{{\mathbb R}^n}, {{{\times}}}_{k=1}^n {G_\sigma})$
と同じである。 すなわち、
測定
${\mathsf M}_{L^\infty ({\mathbb R} \times {\mathbb R}_+ )} ({\mathsf O}^n = ({\mathbb R}^n, {\mathcal B}_{\mathbb R}^n, {{{G}}_\sigma^n} )$,$S_{[\ast]}
)$
によって、
測定値
$x=(x_1, x_2, \ldots, x_n ) (\in
{\mathbb R}^n )$
が得られたと仮定しよう。
このとき、尤度関数
$L_x(\mu, \sigma)(=L(x, (\mu,\sigma)) $
は
と計算できて、
次の尤度方程式を得る:
よって、 フィッシャーの最尤法(定理5.6定理)
から、
未知状態
$[\ast]=(\mu, \sigma)$
$(\in
{\mathbb R} \times {\mathbb R}_+
)$
は次のように推定できる:
ここに,
さらに,
$\mbox{(i):}$ この3つの壷の中の一つの壷が選ばれている.
ただし,この選ばれた壷が$U_1$,$U_2$,$U_3$
のどれかは,あなたは知らないとする.
この壷の中から,
球を一つ取り出す.この取り出した球の色が
"白"
であることがわかったとする.
このとき,
あなたは,
この壷は,$U_1$,$U_2$,$U_3$
のどの壷と推定するか?
さて,
上の問題
(i)
と
(ii)
を測定理論の言葉で解答しよう.
古典系の基本構造:
\begin{align}
\mbox{
$[C_0(\Omega ) \subseteq L^\infty (\Omega, \nu ) \subseteq B(L^2(\Omega, \nu ))]$}
\end{align}
を考える。
ここに,
\begin{align*}
\omega_j
\longleftrightarrow
[
壷U_jが選ばれた状態
]
\quad
(j=1,2,3)
\end{align*}
と考えて,
状態空間 $\Omega$
$($
${{=}} \{ \omega_1 , \omega_2 , \omega_3 \}$
$)$
を定める.
更に,
$L^\infty (\Omega)$内の観測量
${\mathsf O} = ( \{ 白, 黒 \}, 2^{\{ 白, 黒 \} } , F{})$
を次のように定義する:
\begin{align*}
& F(\{ 白 \}{})(\omega_1{})= 0.8, & \;\;\;&
& F(\{ 白 \}{})(\omega_2{})= 0.4, & \;\;\;&
& F(\{ 白 \}{})(\omega_3{})= 0.1 \\
& F(\{ 黒 \}{})(\omega_1{})= 0.2, & \;\;\;&
& F(\{ 黒 \}{})(\omega_2{})= 0.6, & \;\;\;&
& F(\{ 黒 \}{})(\omega_3{})= 0.9
\end{align*}
(i)の解答$\;\;$
まず,測定
${\mathsf M}_{
L^\infty (\Omega)
} ({\mathsf O}, S_{[{}\ast{}]})$
を考える.
測定
${\mathsf M}_{
L^\infty (\Omega)
} ({\mathsf O}, S_{[{}\ast{}]})$
により測定値
"白"
が得られたと仮定した.
したがって,
\begin{align*}
[F({ \{ 白 \} })] (\omega_1{}) =
0.8
=
\max_{ \omega \in \Omega }
[F({ \{ 白 \} })] (\omega)
=
\max
\{ 0.8, \; 0.4, \; 0.1 \}
\end{align*}
$\mbox{(ii):}$ (i)に引き継いで,この壷の中から,
球をもう一つ取り出す.この取り出した球の色が
「黒」とする.
即ち,
(i)と合わせて,
(白,黒)
が得られたことになる.
このとき,あなたは,
この壷は,$U_1$,$U_2$,$U_3$
のどれと推定するか?
であるから,
フィッシャーの最尤法(定理5.6)により,
\begin{align*}
[\ast] = \omega_1
\end{align*}
を得る.
よって,未知の壷
は$U_1$であると推定できる.
(ii)の解答
$\;$
次に,
同時
測定
${\mathsf M}_{\overline{\mathcal A}} ({{{\times}}}_{k=1}^2 {\mathsf O} $
$ {{=}} $
$ (X^2 ,$
$ 2^{{}X^2} ,$
$ {\widehat F} {{=}} {{{\times}}}_{k=1}^2 F{}) ,$
$ S_{[{}\ast]})$
を考える.
同時測定
${\mathsf M}_{\overline{\mathcal A}} ({{{\times}}}_{k=1}^2 {\mathsf O}, S_{[{}\ast]})$
により
測定値
$( 白, 黒{})$
が得られたというのが
問題(ii)の仮定であった.
ここで,
\begin{align*}
[{\widehat F}(\{(白,黒)\})](\omega)=[F({\{白\}})](\omega)
\cdot
[F({\{黒\}})](\omega)
\end{align*}
であるから,
\begin{align*}
&[{\widehat F}(\{(白,黒)\})](\omega_1{})=0.16,
\;\;
[{\widehat F}(\{(白,黒)\})](\omega_2{})= 0.24,
\\
&[{\widehat F}(\{(白,黒)\})](\omega_3{})= 0.09
\end{align*}
したがって,フィッシャーの最尤法(定理5.6)
を適用して,
$[{}\ast{}] = {\omega_2} $,
すなわち,
未知の 壷
は$U_2$であると推定できる.
\begin{align*}
&[{G_\sigma}(\Xi)] ( {\mu} {}) =
\frac{1}{{\sqrt{2 \pi } \sigma}}
\int_{\Xi} \exp[{}- \frac{1}{2 \sigma^2 } ({x} - {\mu} {})^2
] d{x}
\\
&
\qquad
(\forall \Xi \in {\cal B}_{{\mathbb R}}^{},
\quad
\forall {\mu} \in \Omega= {\mathbb R}{})
\end{align*}
さらに,
$L^\infty ({\mathbb R}{})$
内の
同時観測量
${{{\times}}}_{k=1}^3 {\mathsf O}_{G_\sigma}$
(略して,
${\mathsf O}_{G_\sigma}^3 $)
${{=}}$
$({\mathbb R}^3 , {\cal B}_{{\mathbb R}^3}^{} ,$
$ G_{\sigma}^3{})$
は
次のように定まる:
\begin{align*}
&
[G_{\sigma}^3({\Xi_1 \times \Xi_2 \times \Xi_3 })] ( {\mu} {})
=
[{G_\sigma}({\Xi_1})] (\mu{}) \cdot
[{G_\sigma}({\Xi_2})] (\mu{}) \cdot
[{G_\sigma}({\Xi_3})](\mu{})
\\
=
&
\frac{1}{({\sqrt{2 \pi } \sigma)^3}}
\iiint_{\Xi_1 \times \Xi_2 \times \Xi_3}
\exp[{}- \frac{({x_1} - {\mu} {})^2 +({x_2} - {\mu} {})^2 +
({x_3} - {\mu} {})^2 }{2 \sigma^2 }
] \\
& \times d{x_1} d{x_2} d{x_3}
\\
&
\qquad \qquad \qquad \qquad
(\forall \Xi_k \in {\cal B}_{{\mathbb R}}^{},k=1,2,3,
\quad
\forall {\mu} \in \Omega= {\mathbb R}{})
\end{align*}
よって, 測定
${\mathsf M}_{L^\infty({\mathbb R})} ({\mathsf O}_{G_\sigma}^3,
S_{[{}\ast{}] }{})$
を得る.
ここで,
次の問題を考える:
$(a):$
測定
${\mathsf M}_{L^\infty({\mathbb R})} ({\mathsf O}_{G_\sigma}^3,
S_{[{}\ast{}] }{})$
により,
測定値
$(x_1, x_2 , x_3{})$
$(\in {\mathbb R}^3{})$
が得られたとする.
このとき,
$[\ast]
(\in {\mathbb R})$
を推定せよ.
解答(a)
閉区間$\Xi_i$を
\begin{align*}
\Xi_i = [ x_i -\frac{1}{N},x_i +\frac{1}{N}]
\qquad(i=1,2,3)
\end{align*}
とする.
ここで,$N$を十分大きな自然数として,
フィッシャーの最尤法(定理5.6)により,
「未知の状態$[{}\ast{}]$
$= \mu_0$」
の推定問題は,次の$\mu_0
(\in \Omega )$を見つける問題と
なる:
\begin{align*}
[G_{\sigma}^3({\Xi_1 \times \Xi_2 \times \Xi_3 })] ( {\mu_0} {})
=
\max_{\mu \in {\mathbb R}}
[G_{\sigma}^3({\Xi_1 \times \Xi_2 \times \Xi_3 })] ( {\mu} {})
\end{align*}
これは,($N$が十分に大きいから)次と同値で,
\begin{align*}
&
\frac{1}{({\sqrt{2 \pi } \sigma)^3}}
\exp[{}- \frac{({x_1} - {\mu_0} {})^2 +({x_2} - {\mu_0} {})^2 +
({x_3} - {\mu_0} {})^2 }{2 \sigma^2 }
]
\\
=
&
\max_{\mu \in {\mathbb R}}
\Big[
\frac{1}{({\sqrt{2 \pi } \sigma)^3}}
\exp[{}- \frac{({x_1} - {\mu} {})^2 +({x_2} - {\mu} {})^2 +
({x_3} - {\mu} {})^2 }{2 \sigma^2 }
]
\Big]
\end{align*}
すなわち,
\begin{align*}
({x_1} - {\mu_0} {})^2 +({x_2} - {\mu_0} {})^2 +
({x_3} - {\mu_0} {})^2
=
\min_{\mu \in {\mathbb R}}
\big\{
({x_1} - {\mu} {})^2 +({x_2} - {\mu} {})^2 +
({x_3} - {\mu} {})^2
\big\}
\end{align*}
を満たす$\mu_0$を求めればよい.
したがって,
$\frac{d}{d\mu} \{ \cdots\}=0$を解いて,
\begin{align*}
\mu_0
=
\frac{{x_1}+{x_2}+{x_3}}{3}
\tag{$\clubsuit$}
\end{align*}
を得る.
とびっくりしたものだ。
小学生でも知っていることを、小難しいフィッシャーの最尤法などを使って、
導き出すことなんか必要なんだろうか? と誰もが思うに違いない。
こう思ったとしても、さらに統計学を学び進めれば、結局
と合点するだろう。
そうだとしても、量子言語の観点からは、「ビックリすること」など何もない。
量子言語の主張は、
なのだから、上の($\clubsuit$)の導出は必然で、学び進めなくても最初から、凡人でも合点できる。
を考えよう.
ただし,ここでは,
$(\sharp_1):$
鉛筆の長さが10cm〜30cmとわかっているときの,鉛筆の長さの
測定
すなわち,
状態空間
を
$\Omega$
$=$
${\mathbb R} \times {\mathbb R}_+ $
とする.$L^\infty ( {\mathbb R} \times {\mathbb R}_+{})$
内の
観測量${\mathsf O}$
${{=}}$
$({\mathbb R} , {\cal B}_{{\mathbb R}}^{} , G)$
を
$(\sharp_2):$
測定対象の状態を,
「鉛筆の長さ$\mu$」
と
「物差しの粗さ$\sigma$」
とする.
\begin{align*}
[G(\Xi)](\mu, \sigma )
=
[{G_\sigma}({\Xi})] (\mu)
\quad
(\forall \Xi \in {\cal B}_{{\mathbb R}}^{},
\;\;
\forall ({\mu}, \sigma)
\in
\Omega=
[10,30] \times {\mathbb R}_+
)
\end{align*}
と定める.
したがって,$L^\infty ( {\mathbb R} \times {\mathbb R}_+{})$
内の同時観測量
${\mathsf O}^3 $
${{=}}$
$({\mathbb R}^3 , {\cal B}_{{\mathbb R}^3}^{} ,$
$ G^3)$
は
次の{ように}定まる:
\begin{align*}
&
[G^3({\Xi_1 \times \Xi_2 \times \Xi_3 })] ( {\mu},\sigma {})
=
[G(\Xi_1)](\mu, \sigma )
\cdot
[G(\Xi_2)](\mu, \sigma )
\cdot
[G(\Xi_3)](\mu, \sigma )
\\
=
&
\frac{1}{({\sqrt{2 \pi } \sigma)^3}}
\int_{\Xi_1 \times \Xi_2 \times \Xi_3}
\exp[{}- \frac{({x_1} - {\mu} {})^2 +({x_2} - {\mu} {})^2 +
({x_3} - {\mu} {})^2 }{2 \sigma^2 }
] d{x_1} d{x_2} d{x_3}
\\
&
\qquad
(\forall \Xi_k \in {\cal B}_{{\mathbb R}}^{},k=1,2,3,
\quad
\forall ({\mu},\sigma) \in K =
[10,30{}]\times {\mathbb R}_+{}
\subseteq
\Omega
=
{\mathbb R} \times {\mathbb R}_+
)
\end{align*}
上の($\sharp_1$)によって,
$K= [10,30]\times {\mathbb R}_+$
として,
同時測定
${\mathsf M}_{L^\infty( {\mathbb R} \times {\mathbb R}_+)} ({\mathsf O}^3, S_{[{}\ast{}] }{(\!(K)\!)})$
を得る.
ここで,次の問題を考える:
$(b):$
測定
${\mathsf M}_{L^\infty( {\mathbb R} \times {\mathbb R}_+)} ({\mathsf O}^3, S_{[{}\ast{}] }{(\!(K)\!)})$
により,
測定値
$(x^0_1, x^0_2 , x^0_3{})$
$(\in {\mathbb R}^3{})$
が得られたとする.
このとき,
$[\ast]
(
= (\mu_0,\sigma_0)
\in K= [10,30]\times {\mathbb R}_+)$
─
鉛筆の長さ$\mu_0$
と
物差しの粗さ$\sigma_0$
─
を推定せよ.
解答(b)
解答(a)と
同様の議論により,
フィッシャーの最尤法(定理5.6)
を用いて,
未知の状態
$[{}\ast{}]$
$= (\mu_0,\sigma_0)$
の推定問題は次と同値となる:
\begin{align*}
&
\frac{1}{({\sqrt{2 \pi } \sigma_0)^3}}
\exp[{}- \frac{({x^0_1} - {\mu_0} {})^2 +({x^0_2} - {\mu_0} {})^2 +
({x^0_3} - {\mu_0} {})^2 }{2 \sigma_0^2 }
]
\\
=
&
\max_{(\mu,\sigma) \in [10, 30] \times {\mathbb R}_+}
\Big\{
\frac{1}{({\sqrt{2 \pi } \sigma)^3}}
\exp[{}- \frac{({x^0_1} - {\mu} {})^2 +({x^0_2} - {\mu} {})^2 +
({x^0_3} - {\mu} {})^2 }{2 \sigma^2 }
]
\Big\}
\end{align*}
したがって,
$\frac{\partial }{\partial \mu}\{\cdots\}=0$,
$\frac{\partial }{\partial \sigma}\{\cdots\}=0$
を解いて,
\begin{align}
&
\mu_0
=
\begin{cases}
10
\quad
\qquad
&
(
\text{}
(x^0_1+x^0_2+x^0_3)/3< 10\; \text{のとき})
\\
\\
({x^0_1}+{x^0_2}+{x^0_3})/3
\quad
\qquad&
(
\text{}
10 {{\; \leqq \;}}
(x^0_1+x^0_2+x^0_3)/3{{\; \leqq \;}}30 \; \text{のとき})
\\
\\
30
\quad&
(
\text{}
30
<
(x^0_1+x^0_2+x^0_3)/3 \; \text{のとき})
\end{cases}
\tag{5.12}
\\
&
\sigma_0
=
\sqrt{
\{
(x^0_1-{\widetilde \mu})^2
+
(x^0_2-{\widetilde \mu})^2
+
(x^0_3-{\widetilde \mu})^2
\}/3
}
\tag{5.13}
\end{align}
となる.ここに
\begin{equation*}
{\widetilde \mu}=({x^0_1}+{x^0_2}+{x^0_3} )/3
\end{equation*}
\begin{align}
&
[({{{\times}}}_{k=1}^n {G_\sigma})(\Xi_1 \times \Xi_2 \times
\cdots \times \Xi_n )](\omega)
=
{{{\times}}}_{k=1}^n [G_{\sigma}(\Xi_k) ]( {\omega} {})
\nonumber
\\
=
&
{{{\times}}}_{k=1}^n
\frac{1}{{\sqrt{2 \pi } \sigma}}
\int_{\Xi_k} \exp
\left[
{}- \frac{1}{2 \sigma^2 } ({x_k} - {\mu} {})^2
\right] d{x_k}
\nonumber
\\
&
\quad
(\forall \Xi_k \in {\cal B}_{{X}}^{}( ={\cal B}_{{\mathbb R}}^{}),
\;
\forall {\omega}=(\mu, \sigma ) \in \Omega (={\mathbb R}\times {\mathbb R}_+ ){})
\nonumber
\end{align}
5.3: 簡単な例:フィッシャーの最尤法
This web-site is the html version of "Linguistic Copehagen interpretation of quantum mechanics; Quantum language [Ver. 4]" (by Shiro Ishikawa; [home page] )
PDF download : KSTS/RR-18/002 (Research Report in Dept. Math, Keio Univ. 2018, 464 pages)
例 5.8 [壺問題]各壷$U_1$, $U_2$, $U_3$の中に
は,白球と黒球が表5.1で示したような
割合で多数入っていると仮定する.
$\square \quad$
例 5.9 [正規観測量(i): $\Omega={\mathbb R}$]
正規観測量を再論する.
\begin{align*}
\mbox{
古典基本構造$[ C_0(\Omega ) \subseteq L^\infty (\Omega, \nu ) \subseteq B(L^2 (\Omega, \nu ))]\qquad$
(ここに,
$\Omega={\mathbb R} )$
}
\end{align*}
を考える.
$\sigma > 0$を固定する.
$L^\infty ({\mathbb R}{})$
内の
正規観測量
${\mathsf O}_{G_\sigma} $
${{=}}$
$({\mathbb R} , {\cal B}_{{\mathbb R}}^{} , {G_\sigma}
{})$
を
次の{ように}定義する.
$\square \quad$
注意点:
著者が統計学の本で、初めて上の($\clubsuit$)を知ったときは、ビックリしたものだ。
データ:
$$
x_1, \quad
x_2, \quad
x_3, ...,
x_{n-1}, \quad
x_n, \quad
$$
を得たとき
$\square \quad$