如果 E ( X ) < ∞ \rm E(X) < \infty E(X)<∞ ,条件期望 E ( X ∣ F ) \rm E(X \mid \mathcal{F}) E(X∣F) 存在, F = σ ( Y ) \mathcal{F} = \sigma( Y ) F=σ(Y), Y Y Y 是一个离散的随机变量, F \mathcal{F} F 是随机变量 Y Y Y 生成的一个 σ \sigma σ域
Rule 1
条件期望是线性的:对于随机变量 X 1 X_1 X1, X 2 X_2 X2 和常数 c 1 c_1 c1, c 2 c_2 c2
E ( [ c 1 X 1 + c 2 X 2 ] ∣ F ) = c 1 E ( X 1 ∣ F ) + c 2 E ( X 2 ∣ F ) \rm E \left ( \left[ c_1 X_1 + c_2 X_2\right] \mid \mathcal{F} \right ) = c_1 E(X_1 \mid \mathcal{F} ) + c_2 E(X_2 \mid \mathcal{F} ) E([c1X1+c2X