본 글은 Havard University Statistics 110 강의를 듣고 정리한 내용입니다.
Ex.
X^2이 a라는 값을 가진다는 것을 관찰하였다면, X = ±√a, +값과 -값이 될 확률을 같다. 이를 평균내면 0이 된다.
기댓값이 0이라는 점이 X와 X^2가 독립임을 의미하지 않는다.
Ex. 막대 부러뜨리기 문제

막대를 부러뜨린 후 남은부분에 대해 또 부러뜨린다.
X ~ Unif(0, 1), Y|X ~ Unif(0, X)
E(Y|X=x) = x/2 -> E(Y|X) = X/2
E(E(Y|X)) = E(X/2) = 1/4 = E(Y)
조건부 기댓값의 일반적인 성질
1. 아는 것 빼내기 성질
2.
X와 Y가 독립인 경우만 성립
3. 전체 기댓값의 법칙
proof discrete case)
4.
통계학에서 잔차라 불리는 Y-E(Y|X)는 X에 관한 임의의 함수와는 무상관
<X, Y> (inner product) = E(XY)
X의 어떤 함수도 잔차(Y-E(Y|X))와는 수직이다.
proof)
※
5. 전체 분산의 법칙(EVE's Law)
'Study > 통계학' 카테고리의 다른 글
29. 큰 수의 법칙과 중심극한정리(Law of Large Numbers and Central Limit Theorem) (0) | 2022.03.09 |
---|---|
28. 부등식(Inequalities) (0) | 2022.03.09 |
26. 조건부 기댓값_2(Conditional Expectation Continuted) (0) | 2022.03.03 |
25. 순서통계량과 조건부 기댓값(Order Statistics and Conditional Expectations) (0) | 2022.03.03 |
16~20강 Review (0) | 2022.03.03 |
댓글