종속 변수의 합의 평균을 어떻게 찾습니까?


13

독립 변수의 합의 평균이 각 독립 변수의 평균의 합이라는 것을 알고 있습니다. 이것은 종속 변수에도 적용됩니까?


@feetwet, 단지 "감사"를 제거하는 것이 18 개월 전부터 실을 부딪 칠 정도로 중요하지 않습니다. FWIW, 나는이 편집을 거부하기로 결정했습니다 (그러나 다른 2 명은 승인되었으므로 내 의견을 보지 못했을 것입니다).
gung-모니 티 복원

1
@gung-모든 종류의 것들이 "활성"질문보기를 망칠 수 있습니다. 귀하의 관찰이 자주 이루어졌으며, AFAIK의 스택 교환 정책은 이러한 단점에도 불구하고 유효한 사소한 편집이 좋은 것 입니다.
feetwet

1
@feetwet, 메타가 얼마나 관련이 있는지 잘 모르겠습니다. 사진 게시물이 여기에 있습니다. 각 SE 사이트에는 자체 메타가 있으며 커뮤니티에서 결정한 자체 정책이 있습니다. 당신은 예를 들어 관련 meta.CV 스레드,이 일을보고 할 수 있습니다 : 게시물에 "제안 편집"을 취급 . 당신은 whuber의 대답 인용 Jeff Atwood, "소식에서 게시물 만 제거하는 것과 같은 작은 편집. 편집이 너무 적 으면 질문의 나이와 반비례합니다 ".
gung-모니 티 복원

1
@gung the Photography post 나는 주제 에 관한 중요하고 최근의 Meta Stack Exchange Q & A에 대한 링크를 참조했다 . 그러나 whuber의 4 살짜리 답변이 여전히 Cross Validated에 대한 정식 이라면 나는 그것을 계속 존중 할 것입니다.
feetwet

답변:


18

기대 (평균을 취하는 것)는 선형 연산자 입니다.

이는 무엇보다도 독립 여부에 관계없이 두 개의 임의 변수 XY (예상치가 존재하는 )에 대해 E(X+Y)=E(X)+E(Y) 를 의미합니다.XY

각 기대 값 E ( X i ) 가 존재 하는 한 E ( n i = 1 X i ) = n i = 1 E ( X i )가 되도록 일반화 (예 : 유도 ) 할 수 있습니다.E(i=1nXi)=i=1nE(Xi)E(Xi)

예, 변수의 영향을 받더라도 합의 평균은 평균의 합과 같습니다. 그러나 이것은 분산에는 적용되지 않습니다! 따라서 독립 변수 또는 종속이지만 상관되지 않은 변수의 경우 Var(X+Y)=Var(X)+Var(Y) 인 반면 , 일반 공식은 V a r ( X + Y ) = V a r ( X ) +Var(X+Y)=Var(X)+Var(Y)+2Cov(X,Y) 여기서Cov 는변수의공분산입니다.


10

TL; DR :
그것이 존재한다고 가정하면, 평균은 기대 값이고, 기대 값은 적분이며, 적분은 합에 대한 선형성 특성을가집니다.


Yn=i=1nXiE(Yn)XnfX(x)=fX1,...,Xn(x1,...,xn)D=SX1×...×SXn

E[Yn]=DYnfX(x)dx

n

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

적분선형성을 사용하여 분해 할 수 있습니다

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

n

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

그리고 일반적으로

SXn...SXj...SX1xjfX1,...,Xn(x1,...,xn)dx1...dxj...dxn=
=SXjxjSXn...SXj1SXj+1...SX1fX1,...,Xn(x1,...,xn)dx1...dxj1dxj+1......dxndxj

nnSXjxjfXj(xj)dxj

우리가 도착한 모든 것을한데 모아

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

그러나 이제 각각의 간단한 적분은 각각의 임의 변수의 예상 값입니다.

E[i=1nXi]=E(X1)+...+E(Xn)
=i=1nE(Xi)

우리는 관련된 임의 변수의 독립 또는 비 독립성을 결코 호출하지는 않았지만 공동 분포로만 일했습니다.


@ssdecontrol 이것은 정말로 고맙게 생각하는 하나의 찬성 입니다.
Alecos Papadopoulos

1
반복 적분으로 확장하고 다시 확장 할 필요가 없습니다. 간단한 주장이 복잡합니다. "TS; DR"섹션을 마지막 문장으로 바꾸고 정답을 얻을 수 있습니다.
whuber

@whuber 1 년 반 후에도 여전히 나로부터 벗어날 수 있습니다 (다른 기대에 이미 사용 된 "기대 연산자의 선형성"사실을 사용하지 않음). 이 간단한 주장에 대한 답을 다시 할 수있는 힌트가 있습니까?
Alecos Papadopoulos

나는 논쟁이 불필요한 것이라고 생각한다. 모든 것의 핵심은 마지막 문장에서 관찰 한 것입니다.
whuber
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.