Re: Media, varianza e densità condizionata

Messaggioda markowitz » 05/11/2017, 13:18

Ok, ora ti seguo.
Diciamo che
$E(Y|X=x)=x$
mentre
$E(Y|X)=2/3$ che inoltre è uguale a $E(X)$

peraltro il fatto che
$V(Y|X=x)=1=V(Y|X)$ aiuta a confondere :?

ma allora cosa c'è di errato in questa scrittura?
$ V(Y)=V[E(Y|X)]+E[V(Y|X)]=V(2/3)+E(1)=0+1=1 $
markowitz
Senior Member
Senior Member
 
Messaggio: 538 di 1034
Iscritto il: 14/02/2010, 21:50

Re: Media, varianza e densità condizionata

Messaggioda tommik » 05/11/2017, 13:57

Di sbagliato c'è che $V(E(Y|X=x))=V(x) rarr V(X)$ dato che occorre calcolare $V(x)$ quando x varia nel suo dominio.

In altri termini è la varianza della regressione di Y su X. La funzione di regressione è $E[Y|X=x]=x$ e la sua varianza è $4/9$

Anche questo che hai scritto è sbagliato

$E[Y|X]=2/3$

Invece è $E[E(Y|X)]=2/3$

Non è la stessa cosa
tommik
Moderatore
Moderatore
 
Messaggio: 3525 di 11278
Iscritto il: 23/04/2015, 13:13
Località: Cassano Magnago

Re: Media, varianza e densità condizionata

Messaggioda markowitz » 05/11/2017, 15:47

In sta trappola ci son già cascato, ... aiutami a capire ripartendo dalle basi

che differenza c'è, se c'è, tra

$E(Y|X=x)$
e
$E(Y|X)$
?
Io penso che siano la stessa cosa e che siano interpretabili come $y=f(x)$

mentre
$E(Y)$ per me è un numero, o se vogliamo è una funzione dei parametri che però sono ipotizzati noti e quindi ... è un numero.

quindi una scrittura del tipo
$E(Y|X)=E[Y]=E[X]$
non ha senso, o meglio è la prima uguaglianza a non averne
Giusto ?
markowitz
Senior Member
Senior Member
 
Messaggio: 539 di 1034
Iscritto il: 14/02/2010, 21:50

Re: Media, varianza e densità condizionata

Messaggioda tommik » 05/11/2017, 19:03

ammetto che ci sia un po' di ambiguità in talune scritture, ambiguità che trovi anche nei testi. In generale, senza ulteriori spiegazioni e precisazioni le due simbologie

$E(Y|X)$ e $E(Y|X=x)$ sono la stessa cosa, e la prima è solo una scrittura "alleggerita" della più corretta seconda.

Occorre anche interpretare l'esercizio. Nel caso in esame la notazione è chiara perché ti danno una densità che è condizionata ad un parametro e poi la distribuzione di tale parametro. Se invece di $X$ avessero indicato $theta$ non ti saresti nemmeno posto il problema.

Per supportare la correttezza del mio procedimento ti faccio un esempio simile ma più semplice che può essere facilmente risolto anche per via analitica, senza utilizzare le proprietà del valore atteso condizionato (che però mi piacciono un sacco!)


Abbiamo la seguente distribuzione condizionata

$f(x|theta)=thetae^(-thetax)$

che, più correttamente, andrebbe scritta così: $f_(X|Theta)(x|Theta=theta)$ (ma che per semplicità di notazione la teniamo scritta come sopra)

abbiamo anche la distribuzione del parametro: Uniforme in $(1;2)$

In pratica f è una esponenziale negativa con il parametro che può assumere qualutnque valore fra uno e due, uniformemente.

Calcolare la media di $X$

Con il metodo analitico (definizione di valore atteso) non si può sbagliare e non vi sono fraintendimenti:


$E(X)=int_(-oo)^(+oo)int_(-oo)^(+oo)xf(x,theta)dxd theta=int_(1)^(2)d theta int_(0)^(oo)xthetae^(-thetax)dx=...=log2$

ora vediamo la soluzione che ho proposto io

$E(X)=E[E(X|Theta)]=E[1/theta]=int_(1)^(2)1/theta d theta=log2$

:)


in questo caso era inutile il secondo metodo (anche se più elegante) ma in altri casi, calcolare il valore atteso in maniera analitica può essere arduo e a volte anche impossibile.

Spero di aver chiarito la questione
tommik
Moderatore
Moderatore
 
Messaggio: 3526 di 11278
Iscritto il: 23/04/2015, 13:13
Località: Cassano Magnago

Re: Media, varianza e densità condizionata

Messaggioda markowitz » 05/11/2017, 20:16

Grazie della spiegazione!
Penso di aver capito.

Lasciami solo aggiungere che nell'esercizio in esame i problemi di nomenclatura e notazione che possono portare a confusione, si esaltano in questo passaggio:

markowitz ha scritto:ma allora cosa c'è di errato in questa scrittura?
$ V(Y)=V[E(Y|X)]+E[V(Y|X)]=V(2/3)+E(1)=0+1=1 $


Il primo termine dopo la seconda uguaglianza è errato. Non si ha a che fare con la varianza di un numero, cioè $0$, ma con la varianza di una funzione di regressione come hai giustamente fatto notare ... che peraltro ha speranza (non condizionale) in comune con quella del regressore. E' li che mi son confuso. Come se non bastasse il fatto è anche che il secondo termine invece è giusto perchè si ha proprio a che fare col valore atteso di un numero, ovvero se stesso, ma questo è vero solo con la particolare parametrizzazione scelta dall'autore perché in generale dovremmo avere anche li il valore atteso di una funzione. Ovvero il fatto che la varianza condizionale sia costante è un caso particolare.
Se la parametrizzazione fosse stata $Gamma(x,x)$ la situazione si sarebbe capovolta mentre se fosse stata ad esempio $Gamma(x^3,x)$ avremmo avuto media e varianza condizionate non costanti ... e speranza non comune tra variabile dipendente ed indipendente, una situazione più chiara ed istruttiva a mio parere.
markowitz
Senior Member
Senior Member
 
Messaggio: 540 di 1034
Iscritto il: 14/02/2010, 21:50

Re: Media, varianza e densità condizionata

Messaggioda tommik » 08/11/2017, 14:53

Se qualcuno ha voglia di approfondire l'argomento, problema molto più interessante ma che si può risolvere sempre utilizzando il teorema del valore atteso condizionato è il seguente:

Si considerino $X_1,..,X_n$ variabili aleatorie i.i.d. con media $mu$ e varianza $sigma^2$ ed una variabile aleatoria $N$ discreta, indipendente dalle precedenti, a valori $in {1,2,...,n}$.

Calcolare media e varianza della variabile aleatoria somma

$S=sum_(i=1)^(N)X_i$

dove appunto $N$ non è un numero fissato ma è aleatorio.
tommik
Moderatore
Moderatore
 
Messaggio: 3541 di 11278
Iscritto il: 23/04/2015, 13:13
Località: Cassano Magnago

Re: Media, varianza e densità condizionata

Messaggioda markowitz » 08/11/2017, 15:32

Rappresenta un caso classico delle assicurazioni ramo danni. Somma aleatoria di addendi aleatori.
Allora vale quanto segue:

$E[S]=E[E[X|N=n]]= E[NE[X]]=E[N]E[X]=(n+1)/2 * mu$

ovvero ci comportiamo come la logica spicciola suggerirebbe, ovvero prendiamo la media di $N$ è la consideriamo come se fosse un dato noto. :-)
Con la varianza, con $n$ noto ed uguale alla media, verrebbe $V[S]= sigma^2*(n+1)/2$ ... ma qui l'argomento sopra non funziona, la varianza risulta inflazionata dall'aleatorietà di $n$ ... ma per la soluzione passo la palla al prossimo :)
markowitz
Senior Member
Senior Member
 
Messaggio: 541 di 1034
Iscritto il: 14/02/2010, 21:50

Re: Media, varianza e densità condizionata

Messaggioda tommik » 08/11/2017, 15:41

ma non ho detto che $E(N)=(n+1)/2$

questo nel caso la variabile fosse uniforme....qui è generale, quindi rimane

$E[S]=E(N)mu$

Per calcolare la varianza di S calcoliamo prima il momento secondo


$E[S^2]=E[E(S^2|N=n)]$

prendiamo il momento secondo condizionato:

$E(S^2|N=n)=E[sum_(i=1)^N sum_(j=1)^N X_iX_j|N=n]=sum_(i=1)^n sum_(j=1)^nE[X_iX_j]=$

$=n(sigma^2+mu^2)+(n^2-n)mumu=nsigma^2+n^2mu^2$

Ora mediamo rispetto a N (n ora varia nel suo dominio) ottenendo

$E[S^2]=E[N]sigma^2+E[N^2]mu^2$

e quindi (EDIT: grazie markowitz, sì, intendevo $V[S]$)

$V[S]=E[N]sigma^2+E[N^2]mu^2-E^2(N)mu^2=E[N]sigma^2+V[N]mu^2$

la cosa (a mio parere) interessante è che ponendo N deterministico, ovvero

$N-={{: ( n ),( 1 ) :}$

otteniamo proprio

$V[sum_(i=1)^n X_i]=nsigma^2$

come ci saremmo aspettati da n variabili iid di varianza $sigma^2$
tommik
Moderatore
Moderatore
 
Messaggio: 3542 di 11278
Iscritto il: 23/04/2015, 13:13
Località: Cassano Magnago

Re: Media, varianza e densità condizionata

Messaggioda markowitz » 08/11/2017, 16:46

tommik ha scritto:ma non ho detto che $E(N)=(n+1)/2$

questo nel caso la variabile fosse uniforme....qui è generale, quindi rimane

$E[S]=E(N)mu$


azz davo per scontata la distribuzione uniforme. Allora si, deve restare così (e se proprio vogliamo possiamo solo dire $E(N) >=1$

tommik ha scritto:e quindi

$V[S^2]=E[N]sigma^2+E[N^2]mu^2-E^2(N)mu^2=E[N]sigma^2+V[N]mu^2$

Bella dimostrazione! Ma qui intendevi $V[S]$ vero ?

tommik ha scritto:la cosa (a mio parere) interessante è che ponendo N deterministico, ovvero

$N-={{: ( n ),( 1 ) :}$

otteniamo proprio

$V[sum_(i=1)^n X_i]=nsigma^2$

come ci saremmo aspettati da n variabili iid di varianza $sigma^2$

Questo mi sembra ovvio, se $n$ è noto perché avremmo dovuto aspettarci qualcosa di diverso ? O mi perdo qualcosa ?

Piuttosto direi che è interessante soffermarsi sul termine
$V[N]mu^2$
che rappresenta proprio l'inflazionamento di cui parlavo :-)

e che nel caso di uniforme discreta divernta:
$(n^2 - 1) /12 *mu^2$
ovvero $V[S] = sigma^2*(n+1)/2 +mu^2 * (n^2 - 1) /12 $
markowitz
Senior Member
Senior Member
 
Messaggio: 542 di 1034
Iscritto il: 14/02/2010, 21:50

Re: Media, varianza e densità condizionata

Messaggioda tommik » 08/11/2017, 16:52

Ovviamente intendevo $V[S]$ e non $V[S^2]$. Grazie ho corretto.

Interessante semplicemente per me perché così mi tornano i conti sulla varianza di $S$....

(sono tutte idee buttate giù ragionando su esercizi proposti qui dagli utenti. E' per quello che mi piace condividerle)

markowitz ha scritto:(e se proprio vogliamo possiamo solo dire $E(N) >=1$


beh no....possiamo anche dire che

$1<=E[N]<=n$
tommik
Moderatore
Moderatore
 
Messaggio: 3543 di 11278
Iscritto il: 23/04/2015, 13:13
Località: Cassano Magnago

PrecedenteProssimo

Torna a Statistica e probabilità

Chi c’è in linea

Visitano il forum: Nessuno e 1 ospite