NSM-012
指数分布の無記憶性 — $e^{-\lambda(s+t)} = e^{-\lambda s} \cdot e^{-\lambda t}$ を一つずつ分解する
作成日: 2026-05-24 / 無記憶性・マルコフ性の基礎 / Mathematics in Neuroscience プレゼン準備
関連ドキュメント
このドキュメントの核心: $s$ 秒待っても、チャネルは何も学習しない 」という確率論的事実の数式表現である。指数分布が滞在時間分布として唯一現れる理由 でもある。
本ノートでの用語規約（必読）:
無記憶性 (memoryless property) $\equiv$ マルコフ性 (Markov property) of waiting time — 待ち時間に関して使う場合、両者は同義。「過去の滞在時間が将来の脱出確率に影響しない」という性質。生存関数 : $S(t) = P(T > t)$ — ランダム変数 $T$ が時刻 $t$ を超える確率。$t$ まで「生き残る」確率。累積分布関数 (CDF) : $F(t) = P(T \le t) = 1 - S(t)$ — $S(t)$ の余事象。確率密度関数 (PDF) : $f(t) = -S'(t) = F'(t)$ — $S(t)$ の時間微分の符号を反転したもの。$\lambda$ = レート定数 (rate) 、単位 $[1/\text{時間}]$ または $[1/\text{秒}]$。大きいほど早く脱出する。$1/\lambda$ = 平均滞在時間。
本ノートでは $T$ = 「イオンチャネルがある状態（例: Open）に留まる時間」を主な対象とする。
§1. 生存関数 $S(t) = P(T > t) = e^{-\lambda t}$ とは何か
イオンチャネルが Open 状態に入った直後の時刻を $t=0$ とする。チャネルがまだ Open のまま時刻 $t$ を超える確率を 生存関数 $S(t)$ と呼ぶ。
$$S(t) = P(T > t) = e^{-\lambda t}, \quad t \geq 0$$
この式は次の 3 つのことを同時に言っている:
$S(0) = 1$ — 開いた直後は必ず Open（当たり前）
$S(\infty) = 0$ — 無限に待てば必ず閉じる
$S(t)$ は単調に指数的に減少する — 「半減期」型の減り方
PDF は $f(t) = -\frac{d}{dt}S(t) = \lambda e^{-\lambda t}$、これが指数分布の密度関数である。
0
0.5
1
0
1/λ
2/λ
3/λ
t
S(t)
S(1/λ) = e⁻¹ ≈ 0.368
S(t) = e⁻λt (レート λ)
S(t) = e⁻²λt (レート 2λ, 急峻)
生存関数 S(t) = P(T > t)
図1. 生存関数の指数減衰。$t = 1/\lambda$ (平均滞在時間) で値は $e^{-1} \approx 0.368$ に落ちる。レートが大きいほど急峻に減衰する。
図1の曲線は「チャネルがまだ開いている確率」の時間変化を表す。$t=1/\lambda$ では 36.8% のチャネルがまだ開いており、残り 63.2% はすでに閉じた。
§2. 条件付き確率 $P(T > s+t \mid T > s)$ — 「$s$ 秒待った後に、さらに $t$ 秒持つ確率」
チャネルがすでに $s$ 秒間 Open のまま観測された。これから先、さらに $t$ 秒以上 Open であり続ける確率はいくらか？
$$P(T > s+t \mid T > s) = \frac{P(T > s+t \text{ かつ } T > s)}{P(T > s)} = \frac{P(T > s+t)}{P(T > s)}$$
「$T > s+t$ かつ $T > s$」は単に「$T > s+t$」と同じ（$s+t > s$ だから）なので分子が $P(T > s+t)$ に简化される。
t
0
(チャネル開)
s
（現在時刻）
s+t
（未来の目標）
既知: T > s
問い: さらに t 秒生き残れるか?
「すでに s 秒待った」という情報を条件に加える
条件付き確率の時間軸による解釈
図2. 時間軸を $s$ と $s+t$ に分割。青の区間は「既に生き残った区間」、緑の破線は「これから先、さらに $t$ 秒生き残れるか」という問いの区間。
直感的には、「すでに $s$ 秒待っている」という事実が、「残り時間の分布」に影響するかどうかが問題である。無記憶性とは「影響しない」ことを意味する。
§3. 式の分解: $P(T > s+t \mid T > s) = e^{-\lambda t}$ の導出
生存関数 $S(t) = e^{-\lambda t}$ を使って、§2 の条件付き確率を一歩ずつ展開する。
ステップ 1: 条件付き確率の定義を適用
$$P(T > s+t \mid T > s) = \frac{P(T > s+t)}{P(T > s)}$$
「$T > s+t$ かつ $T > s$」= 「$T > s+t$」（前節で確認済み）
ステップ 2: 生存関数で置き換え
$$= \frac{S(s+t)}{S(s)} = \frac{e^{-\lambda(s+t)}}{e^{-\lambda s}}$$
$P(T > t) = S(t) = e^{-\lambda t}$ の定義をそのまま代入する。
ステップ 3: 指数法則 $e^{a+b} = e^a \cdot e^b$ を展開
$$= \frac{e^{-\lambda s} \cdot e^{-\lambda t}}{e^{-\lambda s}}$$
分子の $e^{-\lambda(s+t)}$ を $e^{-\lambda s} \cdot e^{-\lambda t}$ と書き直す。これが今回のメインテーマ。
ステップ 4: 約分
$$= \frac{\cancel{e^{-\lambda s}} \cdot e^{-\lambda t}}{\cancel{e^{-\lambda s}}} = e^{-\lambda t}$$
分子と分母の $e^{-\lambda s}$ が打ち消し合う。$s$ に関する項が完全に消える。
結論:
$$P(T > s+t \mid T > s) = e^{-\lambda t} = P(T > t)$$
「$s$ 秒待った後にさらに $t$ 秒生き残る確率」は、「最初から $t$ 秒生き残る確率」と完全に等しい。$s$ の値（これまでの待ち時間）は結果に全く影響しない。
また、この導出から $e^{-\lambda(s+t)} = e^{-\lambda s} \cdot e^{-\lambda t}$ という分解式の確率論的意味が明確になる。詳しくは 指数分布と状態数推定 も参照。
§4. 指数法則 $e^{a+b} = e^a \cdot e^b$ の意味と確率的解釈
純粋な数学の立場では、$e^{a+b} = e^a \cdot e^b$ は指数関数の性質（加法定理）に過ぎない。しかし確率論の文脈では、この分解は深い意味を持つ。
4.1 「乗法」= 独立性
確率の積 $P(A) \cdot P(B)$ が現れるとき、それは $A$ と $B$ が独立 であることを意味する（または、そう定義したことを意味する）。
$$\underbrace{e^{-\lambda(s+t)}}_{\text{全区間 } [0, s+t] \text{ で生き残る}} = \underbrace{e^{-\lambda s}}_{\text{区間 } [0, s] \text{ で生き残る}} \cdot \underbrace{e^{-\lambda t}}_{\text{区間 } [s, s+t] \text{ で生き残る}}$$
つまり「前半 $[0,s]$ の生存」と「後半 $[s, s+t]$ の生存」が独立事象として掛け算できる 。これは「前半で何が起きたかは後半に影響しない」ことを直接的に表している。
4.2 関数方程式としての見方
指数法則を「関数方程式」の解として見ると、より深い理解が得られる（§7 で詳述）。
$$S(s+t) = S(s) \cdot S(t) \quad \forall s, t \geq 0$$
これは「生存関数が乗法的に分解できる」という性質そのものが無記憶性の等価な定義である。
指数法則の確率的分解
e⁻λ(s+t)
全区間 [0, s+t] 生存確率
= S(s+t)
=
e⁻λs
[0, s] 生存
= S(s)
×
e⁻λt
[s, s+t] 生存
= S(t)
掛け算 = 独立事象
前半の結果は後半に影響しない
図3. $e^{-\lambda(s+t)} = e^{-\lambda s} \cdot e^{-\lambda t}$ の確率論的解釈。左辺は全区間の生存確率、右辺の積は「前半生存」と「後半生存」の独立事象への分解。
§5. 「$s$ 秒待っても情報がゼロ」の直感 — 時間原点の付け替え
無記憶性をもっと直感的に言うと:
チャネルが $s$ 秒経過した今この瞬間、チャネルは「自分が $s$ 秒経った」ことを覚えていない。時刻 $s$ を新しい「$t=0$」として原点を付け替えても、何も変わらない。
無記憶性 = 時間原点のリセット
元の視点:
0
s
（現在）
s+t
既に経過: S(s) = e⁻λs
残り区間: ?
→ 原点を s に付け替える
リセット後:
0'
(= 旧 s)
t
残り区間: S(t) = e⁻λt
チャネルは「いつ開いたか」を記憶しない。どの時点からでも分布は同じ。
図4. 無記憶性のリセット図解。上段の「現在時刻 $s$」を新しい原点 $0'$ に付け替えても（下段）、残り時間の分布 $e^{-\lambda t}$ は変わらない。
5.1 アナロジー: コイン投げ
「表が出るまで投げ続ける」コイン投げで、すでに 10 回裏が続いたとしても、11 回目に表が出る確率は依然として 1/2 である。過去の結果は未来の確率に影響しない。指数分布はこのコイン投げの「連続時間版」と考えることができる。
§6. 物理的解釈: イオンチャネル開時間に無記憶性が成り立つ理由
イオンチャネルのゲートは、タンパク質の構造変化（コンフォメーション変化）によって開閉する。この変化は熱揺らぎ（確率的な分子振動）によって引き起こされる。
6.1 「記憶なし」の分子論的根拠
チャネルタンパク質は「今どのコンフォメーションにあるか」だけに依存して次の遷移確率が決まる。
6.2 状態遷移図とレート定数
最も単純な 2 状態モデルを例にとる:
2 状態イオンチャネルモデル
Open (O)
イオン電流 あり
Closed (C)
イオン電流 なし
α (閉じる率)
O 状態での滞在時間 T_O ~ Exp(α): 無記憶性が成立
β (開く率)
図5. 2 状態チャネルモデル。Open 状態での滞在時間 $T_O$ はレート $\alpha$ の指数分布に従う。「これまで何秒 Open だったか」は次の遷移確率に影響しない。
6.3 無記憶性の神経科学的含意
性質 数式 生物学的意味
無記憶性
$P(T_O > s+t \mid T_O > s) = e^{-\alpha t}$
チャネルは「疲労」しない。100 ms 開いていても、1 ms 開いた直後と同じ確率で閉じる
単一レート定数
$T_O \sim \text{Exp}(\alpha)$
Open 状態が 1 つだけなら、dwell time ヒストグラムは指数 1 本 (単一時定数)
マルコフ性
$Q$ 行列が状態遷移を記述
現在の状態（Open/Closed/Sub-state）だけが遷移確率を決める
注意: 複数の Open 状態がある場合
チャネルに複数の Open サブ状態（$O_1, O_2, \ldots$）がある場合、
観測される Open dwell time は単純な指数分布にならない（複数の指数の和や畳み込みになる）。しかし各サブ状態の内部では依然として無記憶性が成立している。詳細は
dwell time スペクトル分解 を参照。
§7. 逆方向の証明: 関数方程式 $S(s+t) = S(s)S(t)$ の唯一解が $e^{-\lambda t}$
ここまでは「指数分布ならば無記憶性が成り立つ」を示した。逆に「無記憶性を満たす連続な生存関数は指数分布しかない」を証明する。
7.1 問題設定
$S: [0,\infty) \to [0,1]$ で以下を満たすとする:
$$S(s+t) = S(s) \cdot S(t) \quad \forall s,t \geq 0 \quad \cdots (*)$$
これは コーシーの関数方程式 （乗法型）である。$S(0) = 1$（確率 1 で生存）、$S(t) \geq 0$（確率の非負性）を満たすとする。
7.2 連続性の仮定が必要な理由
重要: 連続性（または単調性・可測性）の仮定なしでは一意性が成立しない
7.3 唯一解の導出（概要）
$(*)$ から $g(t) = \log S(t)$ とおくと（$S(t) > 0$ の範囲で）:
$$g(s+t) = \log S(s+t) = \log[S(s) \cdot S(t)] = g(s) + g(t)$$
これは加法的コーシー方程式 $g(s+t) = g(s) + g(t)$。$g$ が単調（または連続、または可測） という条件のもとで、唯一の解は:
$$g(t) = ct \quad \text{（ある定数 } c \in \mathbb{R} \text{）}$$
したがって $S(t) = e^{ct}$。$S(t)$ は非増加（$t$ が増えるほど「生き残る」確率は下がる）なので $c \leq 0$、すなわち $c = -\lambda$ ($\lambda \geq 0$)。
$$\boxed{S(t) = e^{-\lambda t}}$$
$\lambda = 0$ は「絶対に脱出しない」（$S(t) \equiv 1$）の自明解。$\lambda > 0$ が指数分布。
7.4 必要十分条件の整理
方向 主張
指数分布 → 無記憶性 $S(t) = e^{-\lambda t}$ ならば $S(s+t) = S(s)S(t)$（指数法則より自明）
無記憶性 → 指数分布 $S(s+t) = S(s)S(t)$ かつ $S$ 単調非増加・右連続 ならば $S(t) = e^{-\lambda t}$（コーシー方程式の一意解）
指数分布は「連続値の無記憶分布として唯一のもの」である（離散の場合は幾何分布が対応する）。
コーシー関数方程式 S(s+t) = S(s)·S(t) の解の一意性
仮定 (i)
S 単調非増加
(確率論的自然条件)
仮定 (ii)
S 右連続
(確率過程の標準仮定)
弱める場合
可測性のみ (AoC)
でも一意
唯一解: S(t) = e⁻λt
(λ ≥ 0, λ=0 は自明解)
図6. コーシー関数方程式の一意性。単調非増加かつ右連続という確率論的自然条件のもとで、無記憶性を満たす生存関数は $e^{-\lambda t}$ に限られる。
§8. まとめ
セクション キーポイント 数式
§1 生存関数
指数分布の基本形。$\lambda$ が大きいほど急速に減衰
$S(t) = e^{-\lambda t}$
§2 条件付き確率
「$s$ 秒待った後、さらに $t$ 秒持つ確率」が問い
$P(T>s+t \mid T>s)$
§3 式の分解
指数法則で $e^{-\lambda s}$ が約分され、$s$ 依存性が消える
$\frac{e^{-\lambda(s+t)}}{e^{-\lambda s}} = e^{-\lambda t}$
§4 確率的解釈
積 = 独立性。前半と後半の生存が独立事象として掛け算できる
$S(s+t) = S(s) \cdot S(t)$
§5 直感
時間原点を今に付け替えても分布は不変。チャネルはリセットし続ける
$P(T>s+t \mid T>s) = P(T>t)$
§6 物理的解釈
タンパク質コンフォメーションは過去の滞在時間を記録しない
Q 行列モデルの正当性
§7 一意性
連続・単調な無記憶分布は指数分布のみ（コーシー方程式の一意解）
$g(s+t)=g(s)+g(t) \Rightarrow g(t)=ct$
一文まとめ:
参考文献
Colquhoun, D. & Hawkes, A. G. (1995). The principles of the stochastic interpretation of ion channel mechanisms. In: Sakmann, B. & Neher, E. (eds.) Single-Channel Recording , 2nd edition, pp. 397–482. Plenum Press, New York. → プロジェクト全体の主要典拠：無記憶性と指数分布の必然性を前提とした全体解釈の根拠Colquhoun, D. & Hawkes, A. G. (1981). On the stochastic properties of single ion channels. Proceedings of the Royal Society of London B , 211, 205–235. → 単一チャネル滞在時間の確率論的性質：無記憶性がマルコフ仮定から導かれることを明示
関連項目