条件概率分布
大写字母表示随机变了或者随机向量,小结字母代表随机变量的取值。
边缘概率分布为:
f X ( x ) = ∫ − ∞ ∞ f ( x , y ) d y f_X(x)=\int_{-\infty}^\infty f(x,y)dy fX(x)=∫−∞∞f(x,y)dy
条件概率分布为:
f Y ∣ X ( y ∣ x ) = f ( x , y ) f X ( x ) f_{Y|X}(y|x)=\frac{f(x,y)}{f_X(x)} fY∣X(y∣x)=fX(x)f(x,y)
它表示了Y是怎样取决于X的,换句话说,它表示用X对Y的预测能力。
条件均值:
E ( Y ∣ x ) = E ( Y ∣ X = x ) = ∫ y f ( y ∣ x ) d y E(Y|x)=E(Y|X=x)=\int yf(y|x)dy E(Y∣x)=E(Y∣X=x)=∫yf(y∣x)dy
条件方差:
V a r ( Y ∣ x ) = E { [ Y − E ( Y ∣ x ) ] 2 ∣ x } = E ( Y 2 ∣ x ) − [ E ( Y ∣ x ) ] 2 Var(Y|x)=E\{[Y-E(Y|x)]^2|x\}\\=E(Y^2|x)-[E(Y|x)]^2 Var(Y∣x)=E{
[Y−E(Y∣x)]2∣x}=E(Y2∣x)−[E(Y∣x)]2
条件分位数(Quantile):
F Y ( Q Y ( α ∣ X ) ∣ X = x ) ) = α Q Y ( α ∣ X ) = F Y − 1 ( α ∣ X = x ) F_Y(Q_Y(\alpha|X)|X=x))=\alpha\\ Q_Y(\alpha|X)=F_Y^{-1}(\alpha|X=x) FY(QY(α∣X)∣X=x))=αQY(α∣X)=FY−1(α∣X=x)
当 α = 0.5 \alpha=0.5 α=0.5时, Q Y ( 0.5 ∣ x ) Q_Y(0.5|x) QY(0.5∣x)是中位数。
回归分析
E ( Y ∣ X ) E(Y|X) E(Y∣X)表示Y对X的回归方程.
迭代期望定律:
E [ E ( U ∣ X ) ] = E ( Y ) E X E [ G ( X , Y ) ∣ X ] = E [ G ( X , Y ) ] E[E(U|X)]=E(Y) \\E_X{E[G(X,Y)|X]}=E[G(X,Y)] E[E(U∣X)]=E(Y)EXE[G(X,Y)∣X]=E[G(X,Y)]
Tower Property:
E ( Y ∣ X 1 ) = E [ E ( Y ∣ X 1 , X 2 ) ∣ X 1 ] E(Y|X_1)=E[E(Y|X_1,X_2)|X_1] E(Y∣X1)=E[E(Y∣X1,X2