Bağımlı değişkenlerin toplamının ortalamasını nasıl bulur?


13

Bağımsız değişkenlerin toplamının ortalamasının, her bir bağımsız değişkenin ortalamalarının toplamı olduğunu biliyorum. Bu bağımlı değişkenler için de geçerli mi?


@feetwet, yalnızca "teşekkürler" i kaldırmak, 18 ay öncesinden bir iş parçacığını patlatacak kadar önemli değil. FWIW, bu düzenlemeyi reddetmek için oy verdim (ancak 2 kişi onayladı, bu yüzden yorumumu başka şekilde göremezdiniz).
gung - Monica'yı eski

1
@gung - "Etkin" soru görünümü ile her türlü şey karışabilir. Gözleminiz sık sık yapıldı ve AFAIK Yığın Değişimi politikası, bu dezavantaja rağmen, geçerli küçük düzenlemelerin iyi bir şey olduğu yönündedir .
feetwet

1
@feetwet, bir meta ile ne kadar alakalı olduğundan emin değilim. Her bir SE sitesinin kendi metaları vardır ve topluluk tarafından karar verilen kendi politikaları vardır. İlgili meta.CV konularına bakmak isteyebilirsiniz, örneğin, bu konu: Yayınlarda “önerilen düzenlemeleri” işleme . Whuber'in cevabının Jeff Atwood'a, "küçük düzenleme [ler], gibi bir mesajın sadece selamlamadan çıkarılması gibi. düzenlemenin çok küçük olması sorunun yaşıyla ters orantılıdır ".
gung - Monica'yı eski

1
@ gung Fotoğrafçılık post Bu konuda önemli ve daha yeni bir Meta Stack Exchange Soru-Cevap bağlantıları referans . Ancak eğer Whuber'ın 4 yaşındaki cevabı Çapraz Onaylı için hala kanonik ise, bundan sonra buna saygı duyacağım.
feetwet

Yanıtlar:


18

Beklenti (ortalamayı alarak) doğrusal bir operatördür .

Bu , diğer şeylerin yanı sıra , bağımsız olup olmadıklarına bakılmaksızın, X ve Y'nin iki rastgele değişkeni için (beklentilerin olduğu) E(X+Y)=E(X)+E(Y) anlamına gelir.XY

Genelleştirebiliriz (örn. Tümevarım yoluyla ) , her E beklentisi ( E ( X i ) mevcut olduğu sürece E(Σben=1nXben)=Σben=1nE(Xben) .E(Xben)

Yani evet, toplamın ortalaması, değişkenler bağımlı olsa bile, ortalamanın toplamı ile aynıdır. Ancak bunun varyans için geçerli olmadığını unutmayın! Dolayısıyla, bağımsız değişkenler veya hatta bağımlı ancak ilişkisiz değişkenler için Vbirr(X+Y)=Vbirr(X)+Vbirr(Y) olsa da , genel formül V a r ( X + Y ) = V a r ( X ) +Vbirr(X+Y)=Vbirr(X)+Vbirr(Y)+2CÖv(X,Y) buradaCÖv olankovaryansdeğişkenlerin.


10

TP; DR:
Var olduğu varsayıldığında, ortalama beklenen bir değerdir ve beklenen değer bir integraldir ve integraller toplamlara göre doğrusallık özelliğine sahiptir.

TS; DR:
rastgele değişkenlerin toplamı ile ilgili olması nedeniyle , örneğin, bunların çoğu bir fonksiyonu, toplam ortalama bir E ( E n ) bunların dikkate alınmak sureti ile ortak dağıtımı ( tüm araçları) ifade eden mevcut ve sonlu varsayılmaktadır X çok değişkenli vektör , n RV, ortak yoğunluğu aşağıdaki gibi ifade edilebilir f x ( X ) = f X 1 , . . . , XYn=Σben=1nXbenE(Yn)Xnve ortak destek D=S x 1 x. . . ×S X n KullanmaUnconcscious İstatistikçi Hukuku elimizdekibirdenintegralinifX(x)=fX1,...,Xn(x1,...,xn)D=SX1x...xSXn

.

E[Yn]=DYnfX(x)dx

Bazı düzenlilik koşulları altında çoklu integrali iteratif bir integrale ayırabiliriz:n

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

ve kullanma integrallerin doğrusallık biz içine ayrıştırmak

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

Her iteratif integral için, entegrasyon sırasını yeniden düzenleyebiliriz, böylece her birinde dış entegrasyon, eklem yoğunluğunun dışındaki değişkene göre olur. Yani,n

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

ve genel olarak

=S X

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

Her yinelemeli integralde (içeriden başlayarak) integrali tek tek hesapladığımız için, bir değişkeni "bütünleştirir" ve her adımda diğer değişkenlerin "eklem-marjinal" dağılımını elde ederiz. Her n- yinelemeli integral bu nedenle S X j x j f X j ( x j ) d x j olarak sonuçlanacaktır .nnSXjxjfXj(xj)dxj

Hepsini bir araya getirerek ulaşıyoruz

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

Ama şimdi her basit integral her rastgele değişkenin ayrı ayrı beklenen değeridir, yani

= n i = 1 E ( X i )

E[Σben=1nXben]=E(X1)+...+E(Xn)
=Σben=1nE(Xben)

Rastgele değişkenlerin bağımsızlığını ya da bağımsızlığını asla başlatmadığımızı, ancak yalnızca ortak dağılımlarıyla çalıştığımızı unutmayın.


@ssdecontrol Bu gerçekten takdir ettiğim bir yukarı oy .
Alecos Papadopoulos

1
Yinelemeli integrallere ve tekrar geriye genişleme gereksizdir. Basit bir tartışmayı karmaşıklaştırır. "TS; DR" bölümünü son cümlesi ile değiştirebilir ve iyi bir cevaba sahip olabilirsiniz.
whuber

@whuber Bir buçuk yıl sonra, hala beni kaçıyor (yani, diğer cevap tarafından zaten kullanılmış olan "beklenti operatörünün doğrusallığı" gerçeğini kullanmadan). Bu basit argümanın cevabını yeniden çalıştırabilmem için bir ipucu var mı?
Alecos Papadopoulos

Tartışmanın gereksiz olduğunu düşünüyorum. Her şeyin anahtarı son cümledeki gözleminizdir.
whuber
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.