Wiem, że średnia sumy zmiennych niezależnych jest sumą średnich każdej zmiennej niezależnej. Czy dotyczy to również zmiennych zależnych?
mean
non-independent
Gh75m
źródło
źródło
Odpowiedzi:
Oczekiwanie (biorąc pod uwagę średnią) jest operatorem liniowym .
Oznacza to, że między innymiE(X+Y)=E(X)+E(Y) dla dowolnych dwóch zmiennych losowych X i Y (dla których istnieją oczekiwania), niezależnie od tego, czy są one niezależne, czy nie.
Możemy uogólnić (np. Przez indukcję ), abyE(∑ni=1Xi)=∑ni=1E(Xi) , o ile istnieje każde oczekiwanie E(Xi) .
Tak więc, średnia sumy jest taka sama jak suma średniej, nawet jeśli zmienne są zależne. Pamiętaj jednak, że nie dotyczy to wariancji! Tak więc, podczas gdyVar(X+Y)=Var(X)+Var(Y) dla zmiennych niezależnych, a nawet zmiennych, które są zależne, ale nieskorelowane , ogólny wzór to V a r (X+ Y) = V a r ( X) + V a r ( Y) + 2 C o v ( X, Y) gdzieC o v jestkowariancjązmiennych.
źródło
TL; DR:
Zakładając, że istnieje, średnia jest wartością oczekiwaną, a wartość oczekiwaną jest całką, a całki mają właściwość liniowości w odniesieniu do sum.
TS; DR:Yn= ∑ni = 1Xja mi( Yn) X n i ich wspólna podpora
D=S x 1 x. . . ×S X n
Korzystając zprawa nieświadomego statystyki , mamycałkęwielokrotnąfaX( x ) = fX1, . . . , Xn( x1, . . . , xn) D = SX1× . . . × S.Xn
Ponieważ mamy do czynienia z sumą zmiennych losowych , tj. Funkcją wielu z nich, średnia sumy E ( Y n ) odnosi się do ich wspólnego rozkładu ( zakładamy, że wszystkie środki istnieją i są ograniczone) oznaczającą x wielozmienna wektora z n RV, ich wspólne gęstości może być zapisana jako f x ( x ) = f x 1 , . . . , X
.
W pewnych warunkach regularności możemy rozłożyć całkę wielokrotną na całkę literaturową:n
i używając liniowości całek, na które możemy się rozłożyć
Dla każdej literatury całkowej możemy zmienić kolejność całkowania, tak aby w każdym przypadku całka zewnętrzna dotyczyła zmiennej znajdującej się poza gęstością połączenia. Mianowicie,n
i na ogół
= ∫ S X
Gdy obliczamy kolejno całkę w każdej literackiej całce (zaczynając od wewnątrz), „integrujemy” zmienną i uzyskujemy na każdym etapie rozkład „wspólnych marginalnych” pozostałych zmiennych. Każdy n zatem -iterative integralną zakończy się jak ∫ S X J x J K X J ( x j ) d x j .n n ∫S.XjotxjotfaXjot( xjot) dxjot
Łącząc to wszystko, dochodzimy do
Ale teraz każda prosta całka jest oczekiwaną wartością każdej zmiennej losowej osobno, więc
= n ∑ i = 1 E ( X i )
Zauważ, że nigdy nie odwoływaliśmy się do niezależności lub niezależności zmiennych losowych, ale pracowaliśmy wyłącznie z ich wspólnym rozkładem.
źródło