条件付き期待値の定義と基本性質の証明

公開日: 更新日:

【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、条件付き期待値の定義を紹介しその基本性質を証明しています。いわゆる「期待値の繰り返し公式」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。

条件付き期待値

確率変数 $X,Y$ に対し、$Y=y$ を与えたときの $X$ の条件付き確率(密度)関数を $g \left(\ x\ \middle|\ y\ \right)$ としたとき、 \begin{align} E \left(\ X\ \middle|\ Y=y\ \right)= \left\{\begin{matrix}\sum_{x=-\infty}^{\infty}{x \cdot g \left(\ x\ \middle|\ y\ \right)}&\mathrm{\mathrm{Discrete}}\\\int_{-\infty}^{\infty}{x \cdot g \left(\ x\ \middle|\ y\ \right)dx}&\mathrm{\mathrm{Continuous}}\\\end{matrix}\right. \end{align} を $Y=y$ を与えたときの $X$ の条件付き期待値 conditional expected value という。 なお、条件付き期待値を \begin{align} E \left(\ X\ \middle|\ y\ \right) \end{align} と書くこともある。

一般に、確率変数 $X$ の関数 $h \left(X\right)$ の条件付き期待値は、 \begin{align} E \left\{\ h \left(X\right)\ \middle|\ y\ \right\}= \left\{\begin{matrix}\sum_{x=-\infty}^{\infty}{h \left(x\right) \cdot g \left(\ x\ \middle|\ y\ \right)}&\mathrm{\mathrm{Discrete}}\\\int_{-\infty}^{\infty}{h \left(x\right) \cdot g \left(\ x\ \middle|\ y\ \right)dx}&\mathrm{\mathrm{Continuous}}\\\end{matrix}\right. \end{align} で与えられる。 条件付き期待値 $E \left(\ X\ \middle|\ y\ \right)$ は、確率変数 $Y$ の関数であり、それ自体確率変数であると言える。

【定理】条件付き期待値の基本性質

【定理】
条件付き期待値の基本性質
Basic Properties of Conditional Expected Value

(I)独立な確率変数の条件付き期待値
確率変数 $X,Y$ が互いに独立のとき、 \begin{gather} E \left(\ X\ \middle|\ Y=y\ \right)=E \left(X\right)\\ E \left(\ Y\ \middle|\ X=x\ \right)=E \left(Y\right) \end{gather} が成り立つ。

(II)期待値の繰り返し公式
『確率変数 $X$ の期待値』は、『「$Y=y$ を与えたときの $X$ の条件付き期待値」の期待値』に等しい、すなわち、 \begin{align} E \left(X\right)=E \left[E \left(X\middle| y\right)\right] \end{align} が成り立つ。

(III)期待値の繰り返し公式の一般化
確率変数 $X,Y$ の任意の関数 $m \left(X,Y\right)$ の期待値は、『「$Y=y$ を与えたときの $m \left(X,y\right)$ ($X$ の関数)の条件付き期待値」の期待値』、あるいは、『「$X=x$ を与えたときの $m \left(x,Y\right)$ ($Y$ の関数)の条件付き期待値」の期待値』に等しい、すなわち、 \begin{align} E \left[m \left(X,Y\right)\right]=E \left[E \left\{m \left(X,y\right)\middle| y\right\}\right]=E \left[E \left\{m \left(x,Y\right)\middle| x\right\}\right] \end{align} が成り立つ。

証明

証明

確率変数 $X,Y$ の同時確率(密度)関数を \begin{align} f \left(x,y\right) \end{align} 確率変数 $X,Y$ の周辺確率(密度)関数を \begin{align} g \left(x\right) \quad h \left(y\right) \end{align} それぞれの条件付き確率(密度)関数を \begin{align} g \left(\ x\ \middle|\ y\ \right) \quad h \left(\ y\ \middle|\ x\ \right) \end{align} それぞれの変数の任意の関数を \begin{align} k \left(x\right) \quad l \left(y\right) \end{align} 2変数の任意の関数を \begin{align} m \left(x,y\right) \end{align} とし、ここでは、連続型の場合について考える。

(I)確率変数の独立性の定義式より、 \begin{gather} g \left(\ x\ \middle|\ y\ \right)=g \left(x\right)\\ h \left(\ y\ \middle|\ x\ \right)=h \left(y\right) \end{gather} 条件付き期待値の定義式より、 \begin{gather} E \left(\ X\ \middle|\ y\ \right)=\int_{-\infty}^{\infty}{x \cdot g \left(\ x\ \middle|\ y\ \right)dx}=\int_{-\infty}^{\infty}{x \cdot g \left(x\right)dx}=E \left(X\right)\\ E \left(\ Y\ \middle|\ x\ \right)=\int_{-\infty}^{\infty}{y \cdot h \left(\ y\ \middle|\ x\ \right)dy}=\int_{-\infty}^{\infty}{y \cdot h \left(y\right)dy}=E \left(Y\right) \end{gather} $\blacksquare$

(II)期待値の定義式 $E \left\{l \left(Y\right)\right\}=\int_{-\infty}^{\infty}{l \left(y\right) \cdot h \left(y\right)dy}$ より、$l \left(Y\right)=E \left(\ X\ \middle|\ y\ \right)$ とすると、 \begin{align} E \left[E \left(\ X\ \middle|\ y\ \right)\right]=\int_{-\infty}^{\infty}{E \left(\ X\ \middle|\ y\ \right) \cdot h \left(y\right)dy} \end{align} 条件付き期待値の定義式 $E \left(\ X\ \middle|\ y\ \right)=\int_{-\infty}^{\infty}{x \cdot g \left(\ x\ \middle|\ y\ \right)dx}$ より、 \begin{align} E \left[E \left(\ X\ \middle|\ y\ \right)\right]=\int_{-\infty}^{\infty}{\int_{-\infty}^{\infty}{x \cdot g \left(\ x\ \middle|\ y\ \right)} \cdot h \left(y\right)dxdy} \end{align} 条件付き確率密度関数の定義式の変形 $f \left(x,y\right)=g \left(x\middle| y\right) \cdot h \left(y\right)$ より、 \begin{align} E \left[E \left(\ X\ \middle|\ y\ \right)\right]=\int_{-\infty}^{\infty}\int_{-\infty}^{\infty}{x \cdot f \left(x,y\right)dxdy} \end{align} 多次元確率変数の期待値の定義式 $E \left(X\right)=\int_{-\infty}^{\infty}\int_{-\infty}^{\infty}{x \cdot f \left(x,y\right)dxdy}$ より、 \begin{align} E \left(X\right)=E \left[E \left(\ X\ \middle|\ y\ \right)\right] \end{align} $\blacksquare$

(III)期待値の定義式 $E \left\{l \left(Y\right)\right\}=\int_{-\infty}^{\infty}{l \left(y\right) \cdot h \left(y\right)dy}$ より、$l \left(Y\right)=E \left\{m \left(X,y\right)\middle| y\right\}$ とすると、 \begin{align} E \left[E \left\{m \left(X,y\right)\middle| y\right\}\right]=\int_{-\infty}^{\infty}{E \left\{m \left(X,y\right)\middle| y\right\} \cdot h \left(y\right)dy} \end{align} 条件付き期待値の定義式 $E \left(\ k \left(X\right)\ \middle|\ y\ \right)=\int_{-\infty}^{\infty}{k \left(x\right) \cdot g \left(\ x\ \middle|\ y\ \right)dx}$ より、$k \left(X\right)=m \left(X,y\right)$ とすると、 \begin{align} E \left[E \left\{m \left(X,y\right)\middle| y\right\}\right]=\int_{-\infty}^{\infty}\int_{-\infty}^{\infty}{m \left(x,y\right) \cdot g \left(\ x\ \middle|\ y\ \right)dx \cdot h \left(y\right)dxdy} \end{align} 条件付き確率密度関数の定義式 $g \left(x\middle| y\right)=\frac{f \left(x,y\right)}{h \left(y\right)}$ より、 \begin{align} E \left[E \left\{m \left(X,y\right)\middle| y\right\}\right]&=\int_{-\infty}^{\infty}\int_{-\infty}^{\infty}{m \left(x,y\right) \cdot \frac{f \left(x,y\right)}{h \left(y\right)} \cdot h \left(y\right)dxdy}\\ &=\int_{-\infty}^{\infty}\int_{-\infty}^{\infty}{m \left(x,y\right) \cdot f \left(x,y\right)dxdy} \end{align} 多次元確率変数の期待値の定義式 $E \left\{g \left(X,Y\right)\right\}=\int_{-\infty}^{\infty}\int_{-\infty}^{\infty}{g \left(x,y\right) \cdot f \left(x,y\right)dxdy}$ より、 \begin{align} E \left[E \left\{m \left(X,y\right)\middle| y\right\}\right]=E \left\{m \left(X,Y\right)\right\} \end{align} $\blacksquare$

参考文献

  • 野田 一雄, 宮岡 悦良 著. 入門・演習数理統計. 共立出版, 1990, p.91-92
  • 竹村 彰通 著. 現代数理統計学. 創文社, 1991, p.51-52
  • 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.59-60
  • 黒木 学 著. 数理統計学:統計的推論の基礎. 共立出版, 2020, p.63-64

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