毕达哥拉斯定理的总方差定律


15

假设XY具有有限的第二矩。在具有第二个有限矩的随机变量的希尔伯特空间(具有内积T1,T2E(T1T2)||T||2=E(T2)),我们可以解释E(Y|X)作为Y函数空间上的投影X

我们也知道,总方差定律为

Var(Y)=E(Var(Y|X))+Var(E(Y|X))

有没有一种方法可以根据上面的几何图形来解释该定律?有人告诉我定律与边为的直角三角形的勾股定理相同Y,E(Y|X),YE(Y|X)。我理解为什么三角形是直角的,但不了解勾股定理是如何捕捉总方差定律的。

Answers:


7

我认为你是舒服关于直角三角形的意思是,并ÿ - è [ ÿ | X ]不相关的随机变量。对于不相关的随机变量ABvar A + B = var A + var B 因此,如果我们将A = Y E [Ë[ÿX]ÿ-Ë[ÿX]一种

(1)变种一种+=变种一种+变种
B = E [ Y X ],所以 A + B = Y,我们得到 var Y = var Y E [ Y X ] + var E [ Y X ] 仍然表明 var Y E [ Y X一种=ÿ-Ë[ÿX]=Ë[ÿX]一种+=ÿ
(2)变种ÿ=变种ÿ-Ë[ÿX]+变种Ë[ÿX]
E [ var Y X ]相同,因此我们可以将状态2 重新声明为 var Y = E [ var Y X ] + var E [ Y X ] 这是总方差公式。变种ÿ-Ë[ÿX]Ë[变种ÿX]2
(3)var(Y)=E[var(YX)]+var(E[YX])

E[YX]E[Y]E[E[YX]]=E[Y]

Ë[一种]=Ë[ÿ-Ë[ÿX]]=Ë[ÿ]-Ë[Ë[ÿX]]=0
变种一种=Ë[一种2]
(4)变种ÿ-Ë[ÿX]=Ë[ÿ-Ë[ÿX]2]
Cÿ-Ë[ÿX]2
(5)变种ÿ-Ë[ÿX]=Ë[C]
Ë[C]=Ë[Ë[CX]]Ë[CX]=Ë[ÿ-Ë[ÿX]2|X]X=XÿË[ÿX=X]
E[(YE[YX=x])2|X=x]=var(YX=x).
E[CX=x]=var(YX=x) E[CX]var(YX)
(6)E[C]=E[E[CX]]=E[var(YX)],
(5)
var(YE[YX])=E[var(YX)].
(2)(3)

YE(Y|X)var(YE(Y|X))=E[YE(Y|X)]2Evar(Y|X)=E[E((YE(Y|X))2|X)]=E[YE(Y|X)]2

1
E[(YE[Y|X])2]

1
Dilip,许多概率论者会正确地理解@mpiktas的方程式。通常会删除多余的括号。也许我的眼睛在欺骗我,但我认为他的表达方式始终是一致的。不过,如果需要,我很乐意帮助您解决问题。:-)
红衣主教

ËXËXXËX2

v一种[R

2

声明:

Ť1个Ť2Ť1个Ť2=0

(1)||Ť1个+Ť2||2=||Ť1个||2+||Ť2||2

我们的案例:

Ť1个=Ëÿ|XŤ2=ÿ-Ë[ÿ|X]||Ť一世||2=Ë[Ť一世2]Ť1个Ť2=Ë[Ť1个Ť2]1个

(2)Ë[ÿ2]=Ë[{Ëÿ|X}2]+Ë[ÿ-Ë[ÿ|X]2]
Ë[Ť1个Ť2]=冠状病毒Ť1个Ť2=02
  1. Ë[ÿ]2Var[ÿ]

  2. Ë[{Ëÿ|X}2]-Ë[ÿ]2=VarË[ÿ|X]

  3. Ë[ÿ-Ë[ÿ|X]2]=Ë[Ë{ÿ-Ë[ÿ|X]2}|X]=Ë[Varÿ|X]

有关这三个要点的详细信息,请参见@DilipSarwate的帖子。他比我更详细地解释了这一切。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.