Rozkłady warunkowe – teoria
Fakt 1 Funkcja PA( ·) = P (·|A), gdzie P (A) > 0, jest prawdopodobieństwem na (Ω, F ).
Definicja 2 Niech X będzie zmienną losową i E|X| < ∞. Wówczas E(X|A) =
Z
Ω
XdPA.
Twierdzenie 3 Niech P (A) > 0 i E|X| < ∞. Wówczas 1. E(X|A) = 1
P (A) Z
A
XdP,
2. jeśli Ai, i ∈ I, stanowią przeliczalne rozbicie przestrzeni Ω na zdarzenia o dodatnim prawdopodobieństwie, to
EX =X
i∈I
E(X|Ai)P (Ai).
Definicja 4 Niech Ω = S
i∈I
Ai, gdzie zdarzenia Ai o dodatnim prawdopodobieństwie stanowią rozbicie przestrzeni Ω. Niech F = σ(Ai, i ∈ I) i E|X| < ∞. Wówczas
E(X|F )(ω) =X
i∈I
E(X|Ai)1Ai(ω).
Twierdzenie 5
1. E(X|F ) jest mierzalna względem F . 2. Jeśli B ∈ F , to
Z
B
XdP = Z
B
E(X|F ) dP.
Definicja 6 Niech E|X| < ∞. Warunkową wartością oczekiwaną zmiennej losowej X pod warunkiem σ-algebry F nazywamy zmienną losową E(X|F ) spełniającą warunki
1. E(X|F ) jest F -mierzalna, 2. dla każdego A ∈ F
Z
A
XdP = Z
A
E(X|F ) dP.
Twierdzenie 7 Dla całkowalnej zmiennej losowej X warunkowa wartość oczekiwana istnieje i jest wyznaczona jednoznacznie z dokładnością do zdarzeń o prawdopodobieństwie 0.
Uwaga 8 Jeśli zmienna losowa X jest mierzalna względem σ-algebry F i f : R → R jest funkcją ciągłą, to f (X) jest mierzalna względem F .
Twierdzenie 9 Niech X, X1, X2 będą zmiennymi losowymi o skończonej wartości oczekiwanej.
Wówczas
1. jeśli X jest F -mierzalna, to E(X|F ) = X p.w., 2. jeśli X > 0, to E(X|F) > 0 p.w.,
3. |E(X|F )|6 E(|X| | F) p.w.,
4. E(aX1+ bX2|F ) = aE(X1|F ) + bE(X2|F ) p.w. dla a, b ∈ R,
5. jeśli Xn % X, to E(Xn|F ) % E(X|F ) p.w.,
6. jeśli F1 ⊂ F2 ⊂ F , to E(X|F1) = E E(X|F2)|F1 = E E(X|F1)|F2 (wszystkie równości p.w.)
7. EX = E E(X|F ) p.w.,
8. jeśli F i σ(X) są niezależne (czyli zmienna losowa X jest niezależna od σ-algebry F ), to E(X|F ) = EX p.w.,
9. jeśli Y jest ograniczoną i F -mierzalną zmienną losową, to E(XY |F ) = Y E(X|F ).
Oznaczenie 10 E(X|Y ) = E(X|σ(Y )), gdzie σ(Y ) = σ({Y−1(A) : A ∈ B}).
Twierdzenie 11 Jeśli X jest zmienną losową, E|X| < ∞, i Y jest d-wymiarową zmienną losową, to istnieje taka funkcja borelowska h : Rd → R, że
E(X|Y ) = h(Y ).
Fakt 12 E(X|Y = y) = h(y).
Definicja 13
1. Prawdopodobieństwem warunkowym zdarzenia A pod warunkiem Y = y (ozn. P (A|Y = y)) nazywamy wielkość E(1A|Y = y).
2. Rozkładem warunkowym zmiennej losowej X pod warunkiem Y = y nazywamy P (X ∈ A|Y = y) = E(1{X∈A}|Y = y).
Uwaga 14
P (X ∈ A|Y = y) = E(1{X∈A}|Y = y) = 1 P (Y = y)
Z
{Y =y}
1{X∈A}dP =
= 1
P (Y = y) Z
{Y =y ∧ X∈A}
1 dP = P (X ∈ A ∧ Y = y) P (Y = y) .
Jest to znany wzór na prawdopodobieństwo warunkowe, o ile P (Y = y) 6= 0.
Twierdzenie 15 Jeśli (X, Y ) ma rozkład ciągły o gęstości g, to P (X ∈ B|Y ) =
R
Bg(x, Y ) dx R+∞
−∞ g(x, Y ) dx oraz
E(f (X)|Y = y) = R+∞
−∞ f (x)g(x, Y ) dx R+∞
−∞ g(x, Y ) dx dla takich funkcji borelowskich f , że E|f (X)| < ∞.
Jeśli dla pewnego ω, Z +∞
−∞
g(x, Y (ω)) dx = 0, to w obu wzorach z prawej strony kładziemy 0.
Definicja 16 Funkcję
fX|Y(x|y) =
( g(x,y)
R+∞
−∞g(x,y) dx dla R+∞
−∞ g(x, y) dx 6= 0,
0 w p.w.,
gdzie g jest gęstością wektora (X, Y ) nazywamy gęstością warunkową X pod warunkiem Y . Twierdzenie 17 (Warunkowa wersja tw. o prawdopodobieństwie całkowitym)
P (X ∈ A) = Z
R
P (X ∈ A|Y = y)fY(y) dy.