条件期望
E ( A ∣ B ) = ∫ Ω A d P ( ⋅ ∣ B ) = E ( A I B ) P ( B ) E(A|B)=\int_\Omega A dP(\cdot|B) =\frac{E(AI_B)}{P(B)} E(A∣B)=∫ΩAdP(⋅∣B)=P(B)E(AIB)
截断正态分布的期望
假设
Y
∼
N
(
0
,
σ
2
)
Y\sim N(0,\sigma^2)
Y∼N(0,σ2),则
E
(
Y
∣
Y
>
0
)
=
∫
0
∞
y
σ
ϕ
(
y
σ
)
d
y
P
(
Y
>
0
)
=
σ
∫
0
∞
y
σ
ϕ
(
y
σ
)
d
y
σ
P
(
Y
>
0
)
=
σ
∫
0
∞
t
ϕ
(
t
)
d
t
P
(
Y
>
0
)
=
σ
∫
0
∞
−
ϕ
′
(
t
)
d
t
P
(
Y
>
0
)
=
σ
ϕ
(
t
)
∣
0
∞
P
(
Y
>
0
)
E(Y|Y>0) =\frac{\int_0^\infty \frac{y}{\sigma} \phi(\frac{y}{\sigma})dy}{P(Y>0)} =\frac{\sigma\int_0^\infty\frac{y}{\sigma}\phi(\frac{y}{\sigma})d\frac{y}{\sigma}}{P(Y>0)} \\=\frac{\sigma\int_0^\infty t \phi(t)dt}{P(Y>0)}=\frac{\sigma\int_0^\infty-\phi'(t)dt}{P(Y>0)} =\frac{\sigma \phi(t)\big|_0^\infty}{P(Y>0)}
E(Y∣Y>0)=P(Y>0)∫0∞σyϕ(σy)dy=P(Y>0)σ∫0∞σyϕ(σy)dσy=P(Y>0)σ∫0∞tϕ(t)dt=P(Y>0)σ∫0∞−ϕ′(t)dt=P(Y>0)σϕ(t)
0∞