デ・フィネッティの定理

この項目「デ・フィネッティの定理」は途中まで翻訳されたものです。（原文：De Finetti's theorem 2016年6月1日 (水) 06:43） 翻訳作業に協力して下さる方を求めています。ノートページや履歴、翻訳のガイドラインも参照してください。要約欄への翻訳情報の記入をお忘れなく。（2016年10月）

デ・フィネッティの定理（英: de Finetti's theorem）またはデ・フィネッティの表現定理（英: de Finetti's representation theorem）とは確率論における定理であり、ある潜在変数に対し認識論的な確率分布が与えられたという条件の下で、交換可能（英語版）な観測値は条件付き独立であるということを述べる。定理の名前は発見者の一人であるブルーノ・デ・フィネッティに因む。

交換可能なベルヌーイ変数の列の特別な場合として、独立同分布 (i.i.d.) なベルヌーイ列の「混合」した列がある。交換可能な列の個々の確率変数はそれら自身では i.i.d. ではなく、交換可能なだけだが、その根底には i.i.d. な確率変数の族が存在する。

したがって、列が交換可能であるために観測値が i.i.d. である必要はないが、その背景には一般には観測可能でない i.i.d. である量が存在する。交換可能な列は i.i.d. な列の混合であり、それは必ずしも i.i.d. ではない。

ベイズ主義の統計学者はしばしば与えられたデータを条件とした確率変数の条件付き確率分布を求める。確率変数の交換可能性（英語版）はデ・フィネッティによって導入された。デ・フィネッティの定理は独立性と交換可能性の間の数学的関係を説明する^[1]。

確率変数 X の無限列

${\displaystyle X_{1},X_{2},X_{3},\dots \!}$

が交換可能 (exchangeable) であるとは、任意の順序に置換した2つの有限の確率変数列 {X_i1, ..., X_in}, {X_j1, ..., X_jn} がいずれも同じ結合分布に従うことをいう。つまり、n を任意の有限な基数とし、i_· 同士で互いに異なる有限列 i₁, i₂, ..., i_n および j 同士で互いに異なる j₁, j₂, ..., j_n を用意したとき、2つの確率変数の列

${\displaystyle \left\{X_{i_{1}},\dots ,X_{i_{n}}\right\},\,\left\{X_{j_{1}},\dots ,X_{j_{n}}\right\}\!}$

が同一の結合分布に従う場合、確率変数 X は交換可能である。

同分布な列が独立であるならば、その列は交換可能である。しかしながら、その逆は成り立たない。交換可能だが独立でない確率変数の例としてポリアの壺モデル（英語版）が挙げられる。

確率変数 X はベルヌーイ分布に従い、その確率分布は実数 p∈ (0, 1) を用いて Pr(X = 1) = p, Pr(X = 0) = 1 − p と表すことができる。

デ・フィネッティの定理は次のことを述べる：交換可能（英語版）な任意のベルヌーイ変数の無限列に対する確率分布は独立同分布 (i.i.d.) なベルヌーイ変数の列の分布の混合分布であることを示す。混合とはこの場合、加重平均であることを意味する。ただし、有限であったり可算無限である（つまり離散的である）必要はなく、この加重平均は一般に積分として与えられる。

より正確には、次のように述べることができる。X₁, X₂, ... をベルヌーイ分布に従う確率変数 X の交換可能な無限列であるとする。また、区間 [0, 1] 上の確率分布 m と m に従う確率変数 Y があるとする。ベルヌーイ列 X₁, X₂, ... の全体の、与えられた Y の下での条件付き確率分布は次のような性質を持つ。

• X₁, X₂, ... は与えられた Y の下で条件付き独立（英語版）であり、
• 任意の i ∈ {1, 2, ...} について、与えられた Y の下での X_i = 1 の条件付き確率は Y に等しい。

X₁, X₂, ... をベルヌーイ変数の交換可能な無限列とする。このときベルヌーイ列 X₁, X₂, ... は与えられた交換可能な（つまり、 X₁, X₂, ... に関して可測であり、添え字の有限の置換に対して不変な事象の）完全加法族の下で条件付き独立同分布である。

デ・フィネッティの定理の有限な列への拡張^[2][3]が Diaconis と Freedman らおよび Kerns と Szekely らによって、マルコフ連鎖への拡張が同じく Diaconis と Freedman によって与えられた^[4]。

配列の部分交換性に関する2つの概念、分割交換可能性^{[訳語疑問点]} (separate exchangeability) と結合交換可能性^{[訳語疑問点]} (joint exchangeability) から、配列に対するデ・フィネッティの定理の拡張が Aldous と Hoover らによって与えられている^[5]。

• ショケ理論（英語版）
• ヒューイット・サヴェジの0-1法則（英語版）
• クレイン＝ミルマンの定理

• Diaconis, P.; Freedman, D. (1980-8). “Finite exchangeable sequences”. Annals of Probability 8 (4): 745–764. doi:10.1214/aop/1176994663. MR577313. Zbl 0434.60034. 
• Szekely, G. J.; Kerns, J. G. (2006). “De Finetti’s theorem for abstract finite exchangeable sequences”. Journal of Theoretical Probability 19 (3): 745–589–608. doi:10.1007/s10959-006-0028-z. 
• Diaconis, P.; Freedman, D. (1980-2). “De Finetti's theorem for Markov chains”. Annals of Probability 8 (1): 115–130. doi:10.1214/aop/1176994828. MR556418. Zbl 0426.60064. 
• Diaconis, P.; Janson, Svante (2008). “Graph Limits and Exchangeable Random Graphs”. Rendiconti di Matematica Serie VII 28 (1): 33–61. arXiv:0712.2749. 

• Accardi, L. (2001), “De Finetti theorem”, in Hazewinkel, Michiel, Encyclopedia of Mathematics, Springer, ISBN 978-1-55608-010-4, https://www.encyclopediaofmath.org/index.php?title=De_Finetti_theorem 
• What is so cool about De Finetti's representation theorem? - Stack Exchange

表 話 編 歴 確率論
確率の歴史	アンドレイ・コルモゴロフ トーマス・ベイズ アンドレイ・マルコフ ジョゼフ・L・ドゥーブ 伊藤清
確率の定義	客観確率 統計的確率 古典的確率 公理的確率 主観確率 ベイズ確率 確率の拡張 外確率 負の確率
基礎概念	モデル 試行 結果 事象 標本空間 確率測度 確率空間 確率変数 確率変数の収束 確率分布 離散確率分布 連続確率分布 同時分布 周辺分布 条件付き確率分布 独立同分布 関数 確率質量関数 確率密度関数 累積分布関数 特性関数 用語 独立 期待値 モーメント 条件付き確率 条件付き期待値
確率の解釈	ベルトランの逆説 3囚人問題 モンティ・ホール問題 サンクトペテルブルクのパラドックス 合接の誤謬 ギャンブラーの誤謬
問題	壺問題 クーポンコレクター問題
法則・定理	ベイズの定理 大数の法則 中心極限定理 コルモゴロフの0-1法則 デ・フィネッティの定理 ウィーナー＝ヒンチンの定理
測度論	確率測度の拡張 カラテオドリの拡張定理 E.ホップの拡張定理 コルモゴロフの拡張定理 ヴィタリの収束定理 優収束定理 ラプラス原理 スコロホッドの表現定理
確率微分方程式	伊藤の補題
確率過程	独立増分過程 定常過程 マルチンゲール マルコフ過程 マルコフ性 マルコフ連鎖 マルコフ決定過程 部分観測マルコフ決定過程 マルコフ再生過程 ウィーナー過程 ブラウン運動 幾何ブラウン運動 非整数ブラウン運動 ベルヌーイ過程 ガウス過程 自己相似過程 経験過程 中華料理店過程 オルンシュタイン＝ウーレンベック過程
情報量	最大エントロピー原理 交差エントロピー 結合エントロピー カルバック・ライブラー情報量 相互情報量
応用	数理ファイナンス ブラック–ショールズ方程式 確率的ボラティリティモデル 系統学 ベイズ法
カテゴリ