2025-06-11

平均と分散が既知の最大のエントロピーを持つ分布は正規分布

命題

平均 $\mu\in\mathbb R^d$ 、分散共分散行列 $\Sigma\in\mathbb R^{d\times d}$ が既知の確率密度 $p(x)$ の中で最大のエントロピーを持つものは正規分布 $\mathcal N(x|\mu,\Sigma)$ の密度である。

記号

確率密度 $p(x):\mathbb R^d\to \mathbb R$ に対して微分エントロピーは次のように定義される。

h(p) = -\int_{\mathbb R^d} p(x) \log p(x) dx

確率密度 $p$ と $q$ の間の KL ダイバージェンスは次のように定義される。

\text{KL}(p\|q) = \int_{\mathbb R^d} p(x) \log \frac{p(x)}{q(x)} dx

KL ダイバージェンスは以下の性質を持つ。

\text{KL}(p\|q) \geq 0, \quad \forall p,q

\text{KL}(p\|q) = 0 \iff p = q

KL ダイバージェンスと微分エントロピーの関係は次のようになる。

\text{KL}(p\|q) = -h(p) - \int_{\mathbb R^d} p(x) \log q(x) dx

証明

正規分布 $\mathcal N(x|\mu,\Sigma)$ の密度を $q(x)$ としたとき、エントロピー $h(q)$ は

h(q) = -\int_{\mathbb R^d} q(x) \log q(x) dx = \frac{1}{2} \log \det(2\pi e \Sigma).

平均 $\mu$ と分散共分散行列 $\Sigma$ を持つ確率密度 $p(x)$ と $q(x)$ の間の KL ダイバージェンスを考えると、

\text{KL}(p\|q) = -h(p) - \int_{\mathbb R^d} p(x) \log q(x) dx \geq 0.

ここで、

\int_{\mathbb R^d} p(x) \log q(x) dx = -\frac{d}{2}\log(2\pi) -\frac{1}{2}\log\det \Sigma - \frac{1}{2}\mathbb E_{x\sim p}[(x-\mu)^T \Sigma^{-1} (x-\mu)]

第3項について $x^T A y = \text{Tr}[A^T xy^T]$ が成り立つから

\begin{align*} \mathbb E_{x\sim p}[(x-\mu)^T \Sigma^{-1} (x-\mu)] &= \mathbb E_{x\sim p}[\text{Tr}[\Sigma^{-1} (x-\mu) (x-\mu)^T]] \\ &= \text{Tr}[\Sigma^{-1} \mathbb E_{x\sim p}[(x-\mu) (x-\mu)^T]] \\ &= \text{Tr}[\Sigma^{-1} \Sigma] \\ &= \text{Tr}[I_d] \\ &= d. \end{align*}

ここで、トレースと期待値が可換であることを利用した。したがって、

\begin{align*} \text{KL}(p\|q) &= -h(p) + \frac{d}{2}\log(2\pi) + \frac{1}{2}\log\det \Sigma + \frac{1}{2}d \\ &= -h(p) + \frac{1}{2} \log \det(2\pi e \Sigma) \\ &= -h(p) + h(q) \\ &\geq 0. \end{align*}

よって $h(p) \leq h(q)$ が成り立つ。これは、平均 $\mu$ 、分散共分散行列 $\Sigma$ が既知の確率密度 $p(x)$ の中で最大のエントロピーを持つものは正規分布 $\mathcal N(x|\mu,\Sigma)$ の密度 $q(x)$ であることを示している。また、 $h(p)=h(q)$ が成り立つとき、KL ダイバージェンスが $0$ となるので、KL ダイバージェンスの性質から $p=q$ となり、最大のエントロピーを達成するのは正規分布 $\mathcal N(x|\mu,\Sigma)$ の密度 $q(x)$ のみである。

$\square$

平均と分散が既知の最大のエントロピーを持つ分布は正規分布

命題

記号

証明

References