Làm thế nào để tìm một giá trị trung bình của một tổng các biến phụ thuộc?


13

Tôi biết rằng giá trị trung bình của tổng các biến độc lập là tổng phương tiện của từng biến độc lập. Điều này có áp dụng cho các biến phụ thuộc không?


@feetwet, chỉ cần xóa "cảm ơn" không thực sự đủ quan trọng để làm hỏng một chủ đề từ 18 tháng trước. FWIW, tôi đã bỏ phiếu từ chối chỉnh sửa này (nhưng 2 người khác đã chấp thuận, vì vậy bạn sẽ không thấy bình luận của tôi khác).
gung - Phục hồi Monica

1
@gung - Tất cả các loại công cụ có thể gây rối với chế độ xem câu hỏi "Hoạt động". Quan sát của bạn đã được thực hiện thường xuyên và AFAIK chính sách Stack Exchange là, mặc dù nhược điểm đó, các chỉnh sửa nhỏ hợp lệ là một điều tốt .
dạo

1
@feetwet, tôi không chắc bài đăng meta.Photography có liên quan ở đây như thế nào. Mỗi trang SE có meta riêng và có chính sách riêng do cộng đồng quyết định. Bạn có thể muốn xem xét các chủ đề meta.CV có liên quan, ví dụ: chủ đề này: Xử lý đề xuất Chỉnh sửa đề xuất Chỉnh sửa thành các bài đăng . Bạn có thể lưu ý câu trả lời của người trích dẫn Jeff Atwood, "chỉnh sửa nhỏ, như ... chỉ xóa lời chào từ một bài đăng. ... từ chối chúng, với định kiến ​​cực đoan", và joran đưa ra quan điểm: "Ngưỡng của tôi khi nào một chỉnh sửa quá nhỏ có liên quan nghịch với tuổi của câu hỏi ".
gung - Phục hồi Monica

1
@gung bài đăng Nhiếp ảnh Tôi đã tham chiếu các liên kết đến một Hỏi & Đáp về Meta Stack đáng kể và gần đây về chủ đề này . Nhưng nếu câu trả lời 4 năm tuổi của người đánh bóng vẫn còn nguyên tắc cho Xác thực chéo, tôi sẽ tôn trọng điều đó.
fetwet

Câu trả lời:


18

Kỳ vọng (lấy giá trị trung bình) là một toán tử tuyến tính .

Điều này có nghĩa là , trong số những thứ khác, E(X+Y)=E(X)+E(Y) cho bất kỳ hai biến ngẫu nhiên XY (mà kỳ vọng tồn tại), bất kể chúng có độc lập hay không.

Chúng ta có thể khái quát hóa (ví dụ bằng cách cảm ứng ) để E(i=1nXi)=i=1nE(Xi) quá lâu vì mỗi kỳ vọng E(Xi) tồn tại.

Vì vậy, có, giá trị trung bình của tổng giống như tổng của giá trị trung bình ngay cả khi các biến phụ thuộc. Nhưng lưu ý rằng điều này không áp dụng cho phương sai! Vì vậy, trong khi Var(X+Y)=Var(X)+Var(Y) cho các biến độc lập hoặc thậm chí các biến phụ thuộc nhưng không tương quan , công thức chung là Var(X+Y)=Var(X)+Var(Y)+2Cov(X,Y) trong đóCovhiệp phương saicủa các biến.


10

TL; DR:
Giả sử nó tồn tại, giá trị trung bình là một giá trị mong đợi và giá trị mong đợi là một tích phân và các tích phân có thuộc tính tuyến tính đối với các khoản tiền.

TS; DR:
Vì chúng ta đang đối phó với tổng của các biến ngẫu nhiên , tức là một chức năng của nhiều người, giá trị trung bình của tổng E ( Y n ) là đối với họ với doanh phân phối ( chúng tôi giả sử rằng tất cả các phương tiện tồn tại và là hữu hạn) Biểu thị X vectơ đa biến của n rv's, mật độ khớp của chúng có thể được viết là f X ( x ) = f X 1 , . . . , XYn=i=1nXiE(Yn)Xn và ủng hộ doanh D = S X 1 × . . . × S X n Sử dụng Địnhluật thống kê vô thức, chúng ta cónhiềutích phânfX(x)=fX1,...,Xn(x1,...,xn)D=SX1×...×SXn

.

E[Yn]=DYnfX(x)dx

Trong một số điều kiện đều đặn, chúng ta có thể phân tách nhiều tích phân thành một tích phân -iterative:n

E[Yn]=SXn...SX1[i=1nXi]fX1,...,Xn(x1,...,xn)dx1...dxn

và sử dụng tuyến tính của tích phân, chúng ta có thể phân tách thành

=SXn...SX1x1fX1,...,Xn(x1,...,xn)dx1...dxn+......+SXn...SX1xnfX1,...,Xn(x1,...,xn)dx1...dxn

Đối với mỗi tích phân -iterative chúng ta có thể sắp xếp lại thứ tự tích hợp sao cho, trong mỗi tích phân bên ngoài đối với biến nằm ngoài mật độ khớp. Cụ thể làn

SXn...SX1x1fX1,...,Xn(x1,...,xn)dx1...dxn=SX1x1SXn...SX2fX1,...,Xn(x1,...,xn)dx2...dxndx1

and in general

SXn...SXj...SX1xjfX1,...,Xn(x1,...,xn)dx1...dxj...dxn=
=SXjxjSXn...SXj1SXj+1...SX1fX1,...,Xn(x1,...,xn)dx1...dxj1dxj+1......dxndxj

As we calculate one-by-one the integral in each n-iterative integral (starting from the inside), we "integrate out" a variable and we obtain in each step the "joint-marginal" distribution of the other variables. Each n-iterative integral therefore will end up as SXjxjfXj(xj)dxj.

Bringing it all together we arrive at

E[Yn]=E[i=1nXi]=SX1x1fX1(x1)dx1+...+SXnxnfXn(xn)dxn

But now each simple integral is the expected value of each random variable separately, so

E[i=1nXi]=E(X1)+...+E(Xn)
=i=1nE(Xi)

Note that we never invoked independence or non-independence of the random variables involved, but we worked solely with their joint distribution.


@ssdecontrol This is one upvote I do appreciate, indeed.
Alecos Papadopoulos

1
The expansion into iterated integrals and back again is unnecessary. It complicates a simple argument. You could replace the "TS;DR" section with its last sentence and have a fine answer.
whuber

@whuber One and a half years later, it still escapes me (I mean, without using the "linearity of the expectation operator" fact, that has already been used by the other answer). Any hint so I can rework the answer towards this simple argument?
Alecos Papadopoulos

I think the argument is superfluous. The key to the whole thing is your observation in the last sentence.
whuber
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.