2 votos

Calcula la expectativa condicional E( U |UV )

Tengo $U$ y $V$ uniforme independiente sobre $[0,1]$ variables aleatorias Tengo que calcular $\mathbb{E}(U | UV)$ . ¿Hay algún truco específico para hacerlo?

La forma básica que conozco me lleva a encontrar una función, $f$ , tal que para cualquier función medible $g$ lo he hecho: $\mathbb{E}(g(UV)*U) = \mathbb{E}(g(UV)*f(UV))$ que me da:

$\displaystyle \int_0^1 \int_0^1 g(xy)*x*dx*dy = \int_0^1 \int_0^1g(xy)*f(xy)*dx*dy$

pero entonces no tengo forma de proceder e identidad $f$ ... ¿alguna idea?

Gracias.

edit : Lo etiqueté como tarea pero en realidad es un ejercicio de un examen anterior que estoy tratando de hacer.

1voto

Did Puntos 1

Como bien señalas, el objetivo es identificar una función $f$ tal que la identidad $$ \iint g(xy)x\mathbf 1_{0\leqslant x,y\leqslant 1}\mathrm dx\mathrm dy=\iint g(xy)f(xy)\mathbf 1_{0\leqslant x,y\leqslant 1}\mathrm dx\mathrm dy, $$ es válida para toda función (acotada y medible) $g$ .

Pista: Ambos lados son funcionales lineales de $g$ por lo que son integrales de $g$ con respecto a algunas medidas. Equiparar esas medidas.

Concretamente, esto significa utilizar algún cambio de variables para alcanzar integrales de $g$ . Aquí el cambio de variables $(x,y)\to(z,t)=(xy,x)$ parece una buena idea. Uno obtiene $\mathrm dz\mathrm dt=x\mathrm dx\mathrm dy$ Por lo tanto $$ \mathrm{LHS}=\iint g(z)\mathbf 1_{0\leqslant z\leqslant t\leqslant 1}\mathrm dz\mathrm dt, $$ y $$ \mathrm{RHS}=\iint g(z)f(z)\mathbf 1_{0\leqslant z\leqslant t\leqslant 1}\mathrm dz\mathrm dt/t. $$ Así, $\mathrm{LHS}=\mathrm{RHS}$ para toda función (acotada y medible) $g$ si y sólo si (casi siempre) $$ f(z)\int\mathbf 1_{0\leqslant z\leqslant t\leqslant 1}\mathrm dt/t=\int\mathbf 1_{0\leqslant z\leqslant t\leqslant 1}\mathrm dt, $$ es decir, $$ f(z)\mathbf 1_{0\leqslant z\leqslant 1}(-\log z)=\mathbf 1_{0\leqslant z\leqslant 1}(1-z). $$ En resumen, $f(z)$ es indefinido cuando $z\lt0$ o $z\geqslant1$ (como era de esperar), y, si $0\leqslant z\lt 1$ , $f(z)$ debe hacer cierta (en casi todas partes) la identidad anterior. Un ejemplo de dicha función $f$ es $$ f(z)=\mathbf 1_{0\lt z\lt 1}(1-z)/(-\log z), $$ por lo que

$$ \mathbb E(U\mid UV)=f(UV)=(1-UV)/(-\log UV). $$

Obsérvese que mientras la función $f$ no es única, incluso en casi todas partes, ya que, por ejemplo, $f(z)$ para $z\lt0$ puede ser lo que uno quiera, la variable aleatoria $f(UV)$ es única casi con toda seguridad.

Comprobación de la cordura: $\mathbb E(U\mid UV)\geqslant UV$ (¿por qué?) y $f(z)\to1$ cuando $z\to1$ , $z\lt1$ (¿por qué?).

0voto

Reto Meier Puntos 55904

Se puede utilizar un cambio de variables para obtener la densidad conjunta de $(U,UV)$ y, en particular, la densidad de $UV$ . Dividiendo se obtiene la densidad condicional de $U$ dado $UV$ , a partir de la cual todo lo que hay que hacer es integrarse.

0voto

rjk Puntos 290

No tengo una buena formación en teoría de las medidas, así que puede que no sea una solución muy rigurosa.


Se puede ver que $$\int\limits_k^{\sqrt{k}} \rho(u) du = \int\limits_{\sqrt{k}}^{1} \rho(u) du$$ o más generalmente $$\int\limits_{a}^{b}\rho(u)du = \int\limits_\frac{k}{b}^\frac{k}{a}\rho(u)du$$

Esto se debe a que, $\Pr[b < U < a | UV = k] = \Pr[1/b < V < 1/a | UV = k]$ y $U$ y $V$ son simétricos e intercambiables.

Diferenciando ambos lados con respecto a $b$ nos encontramos con que, $$\rho(b) = -\rho\left(\frac{k}{b}\right) * \frac{d \frac{k}{b}}{d b} = \rho\left(\frac{k}{b}\right) \frac{k}{b^2}$$

Si asumimos la expresión de una ley de potencia para $\rho$ después de normalizar, obtenemos $$\rho(u) = -\frac{1}{\log(k)}\frac{1}{u}$$ que dado un valor de expectativa de $\frac{k-1}{\log(k)}$ .

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X