条件付き共分散の定義と基本性質の証明

公開日:

【2023年3月3週】 【B000】数理統計学 【B020】確率変数と確率分布

この記事をシェアする
  • B!
サムネイル画像

本稿では、条件付き共分散の定義を紹介し、その基本性質を証明しています。共分散の公式を条件付きに拡張したものといわゆる「全共分散の法則」の証明です。

なお、閲覧にあたっては、以下の点にご注意ください。

  • スマートフォンやタブレット端末でご覧の際、数式が見切れている場合は、横にスクロールすることができます。

条件付き共分散

確率変数 X,Y,Z に対し、Z=z を与えたときの X,Y の共分散 Cov(X,Y|z)=E[{XE(X|z)|z}{YE(Y|z)|z}] Z=z を与えたときの X,Y条件付き共分散 conditional covariance という。

【公式】条件付き共分散の公式

【公式】
条件付き共分散の公式
Conditional Covariance Formula

Z=z を与えたときの X,Y の条件付き共分散は、 Cov(X,Y|z)=E(XY|z)E(X|z)E(Y|z) で与えられる。

導出

導出

条件付き共分散の定義式 Cov(X,Y|Z)=E[{XE(X|z)|z}{YE(Y|z)|z}] の右辺の中身を展開すると、 Cov(X,Y|z)=E{XYXE(Y|z)YE(X|z)+E(X|z)E(Y|z)|z} E(X|z)E(Y|z) は定数なので、期待値の性質 E(a)=a,E(aX+b)=aE(X)+b より、 Cov(X,Y)=E(XY|z)E(X|z)E(Y|z)E(X|z)E(Y|z)+E(X|z)E(Y|z)=E(XY|z)E(X|z)E(Y|z)

【定理】条件付き共分散の基本性質(全共分散の法則)

【定理】
条件付き共分散の基本性質(全共分散の法則)
Basic Property of Conditional Covariance (Law of Total Covariance)

確率変数 X,Y,Z について、XY の共分散は、 Z=z を与えたときの X,Y の条件付き共分散の期待値」 Z=x を与えたときの X,Y の条件付き期待値の共分散」 の和に等しい、 すなわち、 Cov(X,Y)=E[Cov(X,Y|z)]+Cov[E(X|z),E(Y|z)] が成り立つ。

証明法①

証明

共分散の公式より、 Cov(X,Y)=E(XY)E(X)E(Y) 期待値の繰り返し公式 E[m(X,Y)]=E[E{m(X,Y)|z}] より、 Cov(X,Y)=E[E(XY|z)]E[E(X|z)]E[E(Y|z)] 条件付き共分散の公式の変形 E(XY|z)=Cov(X,Y|z)+E(X|z)E(Y|z) より、 Cov(X,Y)=E[Cov(X,Y|z)+E(X|z)E(Y|z)]E[E(X|z)]E[E(Y|z)]=E[Cov(X,Y|z)]+E[E(X|z)E(Y|z)]E[E(X|z)]E[E(Y|z)] 共分散の公式 Cov{g1(Z),g2(Z)}=E{g1(Z),g2(Z)}E{g1(Z)}E{g2(Z)} において、 g1(Z)=E(X|z)g2(Z)=E(Y|z) とすると、 Cov(X,Y)=E[Cov(X,Y|z)]+Cov[E(X|z),E(Y|z)]

証明法②

証明

共分散の定義式 Cov(X,Y)=E[{XE(X)}{YE(Y)}] を変形して書くと、 Cov(X,Y)=E[{X+E(X|Z)E(X|Z)E(X)}{Y+E(Y|Z)E(Y|Z)E(Y)}] これを展開すると、 A=E[{XE(X|Z)}{YE(Y|Z)}]B=E[{E(X|Z)E(X)}{E(Y|Z)E(Y)}]C=E[{XE(X|Z)}{E(Y|Z)E(Y)}]D=E[{E(X|Z)E(X)}{YE(Y|Z)}] として、 Cov(X,Y)=A+B+C+D 各項について、変形を進めていくと、
(a) A=E[{XE(X|Z)}{YE(Y|Z)}]=E[E[{X|ZE(X|Z)}{Y|ZE(Y|Z)}]]=E[Cov(X,Y|Z)] (b) B=E[{E(X|Z)E(X)}{E(Y|Z)E(Y)}]=E[{E(X|Z)E{E(X|Z)}}{E(Y|Z)E{E(Y|Z)}}]=Cov[E(X|Z),E(Y|Z)] (c) C=E[{XE(X|Z)}{E(Y|Z)E(Y)}]=E[E[{X|ZE(X|Z)}{E(Y|Z)E(Y)}]]=E[E[X|Z{E(Y|Z)E(Y)}]E[E(X|Z){E(Y|Z)E(Y)}]]=E[E(X|Z){E(Y|Z)E(Y)}E(X|Z){E(Y|Z)E(Y)}]=0 (d) D=E[{E(X|Z)E(X)}{YE(Y|Z)}]=E[E[{E(X|Z)E(X)}{Y|ZE(Y|Z)}]]=E[E[Y|Z{E(X|Z)E(X)}]E[E(Y|Z){E(X|Z)E(X)}]]=E[E(Y|Z){E(X|Z)E(X)}E(Y|Z){E(X|Z)E(X)}]=0 したがって、 Cov(X,Y)=E[Cov(X,Y|Z)]+Cov[E(X|Z),E(Y|Z)]

参考文献

  • Law of total covariance. Wikipedia. 2021-12-09. https://en.wikipedia.org/wiki/Law_of_total_covariance, (accessed 2022-09-28).
  • 久保川 達也 著, 新井 仁之, 小林 俊行, 斎藤 毅, 吉田 朋広 編. 現代数理統計学の基礎. 共立出版, 2017, p.81-82 演習問題 問16
  • ジョン・ラチン 著, 宮岡 悦良 監訳, 遠藤 輝, 黒沢 健, 下川 朝有, 寒水 孝司 訳. 医薬データのための統計解析. 共立出版, 2020, p.224
  • ジョン・ラチン 著, 宮岡 悦良 監訳, 遠藤 輝, 黒沢 健, 下川 朝有, 寒水 孝司 訳. 医薬データのための統計解析. 共立出版, 2020, p.258 問題5.3

関連記事

自己紹介

自分の写真

yama

大学時代に読書の面白さに気づいて以来、読書や勉強を通じて、興味をもったことや新しいことを学ぶことが生きる原動力。そんな人間が、その時々に学んだことを備忘録兼人生の軌跡として記録しているブログです。

このブログを検索

ブログ アーカイブ

QooQ