兩隨機變數乘積的期望值

兩隨機變數乘積的期望值

以下推導參考Distribution of the product of two random variables - Expectation of product of random variables。

E ⁡ ( X Y ) = E ⁡ ( E ⁡ ( X Y ∣ Y ) ) law of total expectation = E ⁡ ( Y ⋅ E ⁡ [ X ∣ Y ] ) 外層給定Y=y,所以Y對內層期望值來說為常數 \begin{aligned} \operatorname{E}(XY) &= \operatorname{E} ( \operatorname{E} (X Y \mid Y)) && \text{law of total expectation}\\&= \operatorname{E} ( Y\cdot \operatorname{E}[X\mid Y]) && \text{外層給定Y=y,所以Y對內層期望值來說為常數}\end{aligned} E(XY)=E(E(XYY))=E(YE[XY])law of total expectation外層給定Y=y,所以Y對內層期望值來說為常數

這條式子不論 X X X Y Y Y是否獨立都成立。

其中law of total expectation的介紹和證明可以參考law of total expectation。

X X X Y Y Y獨立的情況下,有:
E ⁡ [ X ∣ Y ] = E ⁡ [ X ] \operatorname{E}[X \mid Y] =\operatorname{E}[X] E[XY]=E[X]
將它代入上式得:
E ⁡ ( X Y ) = E ⁡ ( Y ⋅ E ⁡ [ X ∣ Y ] ) = E ⁡ ( Y ⋅ E ⁡ [ X ] ) X 的期望值並不受 Y 影響 = E ⁡ ( X ) E ⁡ ( Y ) 把 E ⁡ ( X ) 這個常數從 E ⁡ 裡搬出來 \begin{aligned}\operatorname{E}(XY) &= \operatorname{E} ( Y\cdot \operatorname{E}[X\mid Y]) \\& = \operatorname{E} ( Y\cdot \operatorname{E}[X])&& X\text{的期望值並不受}Y\text{影響} \\&= \operatorname{E}(X) \operatorname{E}(Y) && \text{把}\operatorname{E}(X)\text{這個常數從}\operatorname{E}\text{裡搬出來} \end{aligned} E(XY)=E(YE[XY])=E(YE[X])=E(X)E(Y)X的期望值並不受Y影響E(X)這個常數從E裡搬出來

你可能感兴趣的:(線性代數,概率论,几何学,线性代数)