В теории вероятностей , в законе общей ковариантности , [1] ковариационной формулы разложения или условных ковариационной формулы состояний , что если X , Y и Z являются случайными величинами на том же вероятностном пространстве , и ковариации из X и Y конечна, то
cov ( Икс , Y ) знак равно E ( cov ( Икс , Y ∣ Z ) ) + cov ( E ( Икс ∣ Z ) , E ( Y ∣ Z ) ) . {\ displaystyle \ operatorname {cov} (X, Y) = \ operatorname {E} (\ operatorname {cov} (X, Y \ mid Z)) + \ operatorname {cov} (\ operatorname {E} (X \ mid Z), \ operatorname {E} (Y \ mid Z)).} Номенклатура в названии статьи соответствует фразе закону полной дисперсии . Некоторые исследователи вероятностей называют это « формулой условной ковариации » [2] или используют другие названия.
Примечание: условные ожидаемые значения Е ( Х | Z ) и Е ( Y | Z ) являются случайными величинами, значения которых зависят от величины Z . Обратите внимание, что условное ожидаемое значение X для события Z = z является функцией z . Если мы пишем E ( X | Z = z ) = g ( z ), то случайная величина E ( X | Z ) равна g ( Z ). Подобные комментарии относятся к условной ковариации.
Доказательство [ править ] Закон полной ковариации можно доказать с помощью закона полного ожидания : Во-первых,
cov ( Икс , Y ) знак равно E [ Икс Y ] - E [ Икс ] E [ Y ] {\ displaystyle \ operatorname {cov} (X, Y) = \ operatorname {E} [XY] - \ operatorname {E} [X] \ operatorname {E} [Y]} из простого стандартного тождества ковариаций. Затем мы применяем закон полного ожидания, обусловливая случайную величину Z :
знак равно E [ E [ Икс Y ∣ Z ] ] - E [ E [ Икс ∣ Z ] ] E [ E [ Y ∣ Z ] ] {\ displaystyle = \ operatorname {E} {\ big [} \ operatorname {E} [XY \ mid Z] {\ big]} - \ operatorname {E} {\ big [} \ operatorname {E} [X \ mid Z] {\ big]} \ operatorname {E} {\ big [} \ operatorname {E} [Y \ mid Z] {\ big]}} Теперь перепишем термин внутри первого математического ожидания, используя определение ковариации:
знак равно E [ cov ( Икс , Y ∣ Z ) + E [ Икс ∣ Z ] E [ Y ∣ Z ] ] - E [ E [ Икс ∣ Z ] ] E [ E [ Y ∣ Z ] ] {\displaystyle =\operatorname {E} \!{\big [}\operatorname {cov} (X,Y\mid Z)+\operatorname {E} [X\mid Z]\operatorname {E} [Y\mid Z]{\big ]}-\operatorname {E} {\big [}\operatorname {E} [X\mid Z]{\big ]}\operatorname {E} {\big [}\operatorname {E} [Y\mid Z]{\big ]}} Поскольку ожидание суммы - это сумма ожиданий, мы можем перегруппировать условия:
= E [ cov ( X , Y ∣ Z ) ] + E [ E [ X ∣ Z ] E [ Y ∣ Z ] ] − E [ E [ X ∣ Z ] ] E [ E [ Y ∣ Z ] ] {\displaystyle =\operatorname {E} \!\left[\operatorname {cov} (X,Y\mid Z)]+\operatorname {E} [\operatorname {E} [X\mid Z]\operatorname {E} [Y\mid Z]\right]-\operatorname {E} [\operatorname {E} [X\mid Z]]\operatorname {E} [\operatorname {E} [Y\mid Z]]} Наконец, мы распознаем последние два члена как ковариацию условных ожиданий E [ X | Z ] и E [ Y | Z ]:
= E [ cov ( X , Y ∣ Z ) ] + cov ( E [ X ∣ Z ] , E [ Y ∣ Z ] ) {\displaystyle =\operatorname {E} {\big [}\operatorname {cov} (X,Y\mid Z){\big ]}+\operatorname {cov} {\big (}\operatorname {E} [X\mid Z],\operatorname {E} [Y\mid Z]{\big )}} Примечания и ссылки [ править ] ^ Matthew R. Rudary, на Predictive Linear гауссовских Модели , ЕПС, 2009, стр 121. ↑ Шелдон М. Росс, Первый курс вероятностей , шестое издание, Прентис Холл, 2002, стр. 392. Внешние ссылки [ править ]